확률모형

2 Contents

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강 | 10강

액체나 기체 속에 떠 있는 미세한 입자들이 불규칙하게 움직이는 현상을 브라운 운동이라고 합니다. 1827년 식물학자 로버트 브라운이 물 위의 꽃가루 알갱이를 관찰하며 발견한 이 운동은 초기에는 생명 현상으로 오해받기도 했으나, 이후 무생물에서도 나타나는 물리적 현상임이 밝혀졌습니다. 알베르트 아인슈타인은 이 불규칙한 움직임에 대한 수학적 모델을 제시하여 분자의 존재를 증명하는 데 기여했으며, 노버트 위너는 이를 엄밀하게 정의하여 '위너 과정'이라는 이름을 남겼습니다. 브라운 운동의 개념은 물리학적 증명보다 앞서 금융시장에 도입되었습니다. 1900년 프랑스의 수학자 루이 바슐리에는 주식 가격의 변동을 브라운 운동으로 모형화하여 옵션 가격을 결정하려는 시도를 담은 박사 학위 논문을 발표했습니다. 당시에는 수학자와 금융 전문가들 사이의 소통 부재로 큰 주목을 받지 못했으나, 이는 훗날 금융공학이라는 거대한 학문의 기원이 되었습니다. 주가의 무작위적인 움직임이 미세 입자의 충돌과 유사하다는 통찰은 현대 금융 이론의 기초가 되었습니다. 1960년대에 이르러 바슐리에의 이론은 새뮤얼슨에 의해 '기하 브라운 운동'으로 발전되었습니다. 이는 주가가 항상 양수여야 한다는 현실적인 조건을 반영한 모델로, 현대 금융공학의 정점인 블랙-숄즈 옵션 가격 결정 모형의 토대가 되었습니다. 블랙과 숄즈는 이 모형을 통해 옵션의 적정 가격을 산출하는 공식과 리스크를 회피할 수 있는 복제 전략을 제시했습니다. 이 공헌으로 그들은 노벨 경제학상을 수상했으며, 이후 파생상품 거래는 전 세계적으로 폭발적인 성장을 거듭하게 되었습니다. 옵션은 기초자산을 정해진 시기에 정해진 가격으로 사거나 팔 수 있는 '권리'를 의미합니다. 이는 의무가 수반되는 선물이나 선도 계약과는 차별화되는 특징을 가집니다. 옵션 투자자는 시장 상황이 자신에게 유리할 때만 권리를 행사하고, 불리할 때는 권리를 포기함으로써 손실을 제한할 수 있습니다. 그러나 적은 금액으로 큰 수익을 노리는 레버리지 효과가 크기 때문에, 예상과 반대로 시장이 움직일 경우 투자 원금 전체를 잃을 수 있는 높은 위험성도 동시에 내포하고 있습니다. 복잡한 옵션 구조가 초래한 대표적인 리스크 사례로 '키코(KIKO)' 계약을 들 수 있습니다. 이는 환율이 일정 범위 내에서 움직일 때는 기업이 이익을 보지만, 범위를 벗어나면 막대한 손실을 입는 배리어 옵션의 일종입니다. 2008년 금융위기 당시 환율이 급등하자 많은 수출 기업들이 예상치 못한 손실을 입으며 사회적 파장을 일으켰습니다. 이는 금융상품의 손익 구조가 비대칭적일 때 발생할 수 있는 위험을 보여주며, 투자자가 상품의 리스크를 충분히 파악하는 것이 얼마나 중요한지 시사합니다. 금융시장에는 예외적으로 발생하지만 일단 일어나면 엄청난 충격을 주는 '검은 백조(Black Swan)' 사건들이 존재합니다. 1987년의 블랙 먼데이, 2008년 글로벌 금융위기, 그리고 최근의 코로나19 팬데믹 등이 이에 해당합니다. 이러한 사건들은 과거의 데이터만으로는 예측하기 매우 어렵지만, 발생 이후에는 논리적인 설명이 가능하다는 특징이 있습니다. 통계학적으로는 분포의 꼬리 부분에서 발생하는 극단적인 사건들에 해당하며, 이를 관리하기 위해 극값 이론과 같은 고도의 통계적 기법이 동원됩니다. 현대 금융기관은 리스크 관리를 위해 'VaR(Value at Risk)'나 '기대 쇼트폴'과 같은 지표를 활용합니다. 이는 발생 가능한 최대 손실액을 통계적으로 산출하여 자본의 건전성을 유지하기 위한 도구입니다. 최근에는 머신러닝과 딥러닝 등 데이터 과학 기술이 발전하면서 방대한 데이터를 분석해 수익률을 예측하고 리스크를 정교하게 관리하려는 시도가 이어지고 있습니다. 통계적 사고를 기반으로 한 자료 분석과 해석은 불확실성이 가득한 금융시장에서 더욱 중요한 역할을 수행하게 될 것입니다.

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강

송성주

카오스재단카오스강연
  • 수학

[강연] 데이터 과학과 CSI by임채영|2019 서울대 자연과학대학 공개강연 '과학 선율' | 2강

현대 사회에서 과학수사는 범죄 현장의 증거를 객관적으로 분석하여 사건의 진실을 밝히는 핵심적인 역할을 수행합니다. 흔히 CSI로 알려진 과학수사는 단순히 범인을 찾는 것에 그치지 않고, 데이터 과학의 원리를 활용하여 현장에서 발견된 다양한 흔적들을 논리적으로 재구성합니다. 드라마나 영화를 통해 대중에게 친숙해진 과학수사는 이제 단순한 호기심의 대상을 넘어, 법적 정의를 실현하기 위한 정밀한 학문적 토대 위에 서 있습니다. 데이터 과학은 이러한 과학수사의 객관성을 담보하는 강력한 도구가 되며, 복잡한 사건의 실타래를 푸는 결정적인 열쇠가 됩니다. 법과학은 의학, 유전학, 통계학 등 여러 분야의 지식이 융합된 종합 학문입니다. 과거에는 목격자의 진술이나 자백에 의존하는 비중이 높았으나, 최근에는 DNA 분석이나 디지털 포렌식과 같은 과학적 기법이 결정적인 증거로 채택되고 있습니다. 특히 미국에서 나타난 'CSI 효과'는 배심원들이 과학적 증거 없이는 유죄 판결을 내리지 않으려는 경향을 보여주며, 수사 과정에서 객관적인 데이터 분석이 얼마나 중요한지를 시사합니다. 이는 수사 기관이 더 정교한 분석 기법을 도입하게 만드는 계기가 되었으며, 법정에서의 증거 능력을 강화하는 데 기여하고 있습니다. 하지만 과학수사가 항상 완벽한 것은 아닙니다. 과거의 분석 기법은 현재보다 정확도가 낮아 억울한 누명을 쓰는 사례가 발생하기도 했으며, 증거물의 오차 범위가 너무 넓어 법적 효력을 잃는 경우도 있었습니다. 이러한 한계를 극복하기 위해 미국 한림원 등 학계에서는 법과학 분야에 통계 확률적 방법론을 도입해야 한다고 강조해 왔습니다. 분석 결과의 오류 가능성을 객관적인 수치로 제시함으로써 증거의 타당성을 높이고, 법정에서 더욱 신뢰할 수 있는 근거를 마련하기 위한 노력이 지속되고 있습니다. 이는 과학적 증거가 가진 불확실성을 인정하고 이를 관리하려는 학문적 의지입니다. 범죄 현장의 패턴 증거물인 지문, 족흔적, 혈흔 등은 사건 당시의 상황을 재구성하는 데 중요한 정보를 제공합니다. 예를 들어 족흔적이나 타이어 흔적은 데이터베이스와의 비교를 통해 특정 브랜드나 모델을 식별할 수 있게 하며, 혈흔의 모양과 비산 각도를 분석하면 가해자의 위치나 피해자의 자세를 추정할 수 있습니다. 이러한 분석 과정에는 기하학적 계산과 이미지 처리 기술이 동원되며, 여러 표본을 통해 오차 범위를 계산함으로써 추정의 정확도를 높이는 통계적 접근이 필수적으로 요구됩니다. 데이터는 흩어진 흔적들을 하나의 일관된 이야기로 엮어내는 힘을 가지고 있습니다. 지문 감식은 가장 오래된 과학수사 기법 중 하나이지만, 현대 데이터 과학을 통해 더욱 정밀해졌습니다. 지문의 융선이 끊기거나 갈라지는 지점인 '미뉴샤'를 추출하여 좌표와 각도로 데이터화하고, 이를 기존 데이터베이스와 대조하여 일치 여부를 판단합니다. 단순히 눈으로 비교하는 것이 아니라, 두 지문이 우연히 일치할 확률을 통계 모형으로 계산하여 객관적인 매칭 점수를 산출합니다. 우리나라의 경우 수천만 명의 지문 정보를 시스템화하여 운영하고 있으며, 이는 생체 정보 분석의 방대한 데이터베이스 역할을 합니다. 이러한 시스템은 수만 건의 대조 작업을 순식간에 처리하여 수사의 효율성을 극대화합니다. 지문이나 혈흔 분석에서 도출된 매칭 점수가 실제 증거로서 가치를 가지려면 '매칭 확률'에 대한 심층적인 분석이 필요합니다. 공간 점 과정 모형과 같은 복잡한 통계 모형을 활용하여, 두 증거가 서로 다른 대상에서 나왔음에도 우연히 유사할 확률이 얼마나 낮은지를 증명해야 합니다. 만약 우연히 일치할 확률이 극히 낮다면, 이는 두 증거가 동일한 출처에서 기인했다는 강력한 근거가 됩니다. 이러한 확률적 접근은 주관적인 판단을 배제하고 수사 결과에 과학적 신뢰성을 부여하는 핵심 과정입니다. 통계적 유의성을 확보하는 것이야말로 법과학이 추구하는 객관성의 정점이라 할 수 있습니다. 결국 현대의 과학수사관은 데이터 과학자의 면모를 갖추어야 합니다. 증거물에서 유의미한 특징을 추출하는 분석 능력, 이를 설명할 수 있는 통계적 모형 설계, 그리고 방대한 데이터를 처리할 수 있는 컴퓨터 활용 능력이 조화를 이루어야 합니다. 데이터 과학은 범죄 수사뿐만 아니라 실생활의 추천 알고리즘이나 경제 활동 분석 등 우리 삶의 모든 영역에 깊숙이 침투해 있습니다. 각자의 분야에서 데이터를 분석하고 해석하는 능력을 키운다면, 누구나 복잡한 현상 속에서 진실을 찾아내는 데이터 과학자가 될 수 있습니다. 데이터는 우리가 세상을 바라보고 이해하는 방식을 근본적으로 변화시키고 있습니다.

[강연] 데이터 과학과 CSI  by임채영|2019 서울대 자연과학대학 공개강연 '과학 선율'

임채영

카오스재단서울대자연과학공개강연
  • 수학