금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

140

2

부

지도 학습

전반적으로, 지도 회귀와 시계열 모델링 프레임워크를 생성하고 이를 통해 과거 데이터를

이용해 주가를 예측할 수 있었다. 이 프레임워크는 자본 손실 위험 이전의 위험과 수익성을

분석할 수 있는 결과를 생성한다.

5.3

실전 문제

2

: 파생 상품 가격 책정

전산 재무 및 위험 관리에서는 금융 파생상품을 평가할 때 몇 가지 수치적 방법, 가령 유한 차

이, 푸리에 방법, 몬테카를로 시뮬레이션을 사용한다.

그중

블랙 - 숄즈 공식

Black

-

Scholes

formula

은 파생 상품 가격 책정에 널리 사용되는 모델이다. 금융

파생상품의 종류가 많은 만큼 다양하게 확장된 공식과 변형된 공식을 사용해 가격을 책정한다.

하지만 이 모델은 몇 가지 가정을 전제하는데, 파생 상품 가격 책정이 특정 형태의 이동, 즉 기

하 브라운 운동

Geometric

Brownian

Motion

(

GBM

)을 한다는 가정이 그 하나이다. 또한 옵션 만기 시

조건부 지급과 차익 금지와 같은 경제적 제약이 있다. 일부 파생 상품 가격 책정 모델도 이와

비슷하게 비현실적인 모델을 가정한다. 금융 실무자는 이런 가정이 실제로는 위반된다는 것을

잘 알기 때문에 이 모델로 산정된 가격은 추후 튜닝한다.

기존의 많은 파생 상품 가격 책정 모델은 모델 튜닝 단계를 거친다. 모델 튜닝은