표제어 · 확률과정

브라운 운동

Brownian Motion · 원저자: Paavo Salminen · 출처: Encyclopedia of Actuarial Science (Wiley, 2004)

읽는 법. 본문은 원문 표제어의 내용을 그대로 옮긴 것입니다. 회색 해설 · 예제 상자는 학부 입문 학습을 돕기 위해 새로 추가한 부분이며 원문에는 없습니다. 모르는 용어는 글 끝 부록을 참고하세요.

1. 개요 Introduction

브라운 운동(Brownian motion)은 위너 과정(Wiener process)이라고도 불리며, 아마도 가장 중요한 확률과정일 것이다. 브라운 운동은 물(또는 다른 액체)에 떠 있는 작은 입자의 움직임을 수학적으로 모델링한 것으로, 깊은 물리적 의미를 갖는다. 이 움직임은 끊임없이 움직이는 물 분자가 입자와 충돌하면서 생긴다. 이 현상을 체계적으로 연구한 것은 스코틀랜드 식물학자 로버트 브라운(Robert Brown, 1773-1858)이었으며, 그 원인 규명은 1905년 알베르트 아인슈타인(Albert Einstein)의 유명한 논문에서 이루어졌다.

아인슈타인보다 먼저, 프랑스 수학자 루이 바슐리에(Louis Bachelier, 1870-1946)가 브라운 운동을 수학적 관점에서 연구했다. 그는 1900년 박사학위 논문 투기의 이론(Theorie de la Speculation)에서 주가 변동을 모델링하며 단순 대칭 랜덤워크에서 출발해 극한 절차를 거쳐 브라운 운동을 얻었다. 특히 주어진 시각에서 입자의 위치가 정규분포를 따르고 브라운 운동이 독립 증분을 가짐을 밝혔다. 그는 오늘날 금융수학의 아버지로 평가받는다. '위너 과정'이라는 이름은 브라운 운동의 수학적 존재를 증명한 노버트 위너(Norbert Wiener, 1894-1964)를 기리는 것이다.

2. 정의 Definition

확률공간 (Ω, F, P) 위에서 x에서 출발하는 표준 1차원 브라운 운동은 다음 조건을 만족하는 확률과정 W = {W_t : t ≥ 0}이다.

(a) W₀ = x (거의 확실하게, a.s.).
(b) 경로 s → W_s 는 연속이다 (a.s.).
(c) 모든 0 = t₀ < t₁ < ··· < t_n 에 대해 증분 W_{t_n} − W_{t_n−1}, …, W_t₁ − W_t₀ 은 서로 독립이며 각각 평균 0, 분산이 시간 간격인 정규분포를 따른다.

즉, 증분의 분포는 다음과 같이 정규분포이며 분산이 경과 시간에 비례한다.

표준 d차원 브라운 운동은 독립인 1차원 표준 브라운 운동들을 성분으로 묶은 벡터 W = (W⁽¹⁾, …, W^(d))로 정의된다. 상관이 없는 정규확률변수는 독립이므로, 조건 (c)에서 브라운 운동의 증분이 독립임이 따라나온다.

해설 증분(increment)의 세 가지 본성

브라운 운동의 증분 W_t−W_s 는 (1) 독립 증분 - 서로 겹치지 않는 구간의 변화는 독립, (2) 정상성(stationary) - 증분의 분포는 구간 길이 t−s에만 의존, (3) 가우시안(Gaussian) - 증분이 정규분포라는 세 가지 특징을 갖는다. 이 세 가지가 브라운 운동을 규정한다.

3. 브라운 운동의 여러 얼굴 Many Faces

브라운 운동이 중심적 역할을 하는 또 다른 이유는 매우 다양한 '얼굴'을 갖기 때문이다. 실제로 브라운 운동은 동시에 다음 모두이다.

강한 마르코프 과정(strong Markov process)
확산과정(diffusion)
연속 마팅게일(continuous martingale)
독립이고 정상적인 증분을 갖는 과정
가우시안 과정(Gaussian process)

확률적분(stochastic integration)과 확률미분방정식(SDE)의 이론, 즉 확률미적분학(stochastic calculus)은 확률과정을 분석하는 강력한 도구이며, 처음부터 브라운 운동을 적분자(integrator)로 삼아 발전했다. 주요 목표 중 하나는 다른 확산과정을 브라운 운동으로 구성, 표현하는 것이다.

4. 강한 마르코프 성질과 대칭, 반사 Strong Markov & Symmetries

F_t 를 브라운 운동의 자연 완비 여과(filtration), T 를 이 여과에 대한 정지시각(stopping time)이라 하자. 강한 마르코프 성질(strong Markov property)은 {T < ∞} 위에서 거의 확실하게 다음이 성립함을 말한다(f 는 유계 가측함수).

이는 증분의 독립성의 결과이다. 그밖에 브라운 운동은 다음 대칭성들을 갖는다.

공간 균질성: W₀ = 0이면 임의의 x에 대해 x + W 는 x에서 출발하는 브라운 운동이다.
대칭성: W₀ = 0이면 −W 도 브라운 운동이다.
시간 반전 가역성, 시간 반전(time inversion) 등도 성립한다.

반사 원리(reflection principle): H_a = inf{t : W_t = a}를 수준 a > 0의 최초 도달시각이라 하면, 시각 t 이전의 최대값 분포를 얻는다.

이로부터 최초 도달시각 H_a 의 밀도를 얻는다.

5. 경로의 국소 성질과 2차변동 Local Properties & Quadratic Variation

브라운 경로 t → W_t 는 연속이지만 어느 곳에서도 미분 불가능하며 국소 최대점이 조밀하게 분포한다. 경로는 모든 α < 1/2에 대해 국소적으로 횔더 연속(Holder continuous)이다.

그러나 이러한 불규칙성에도 불구하고, 놀라운 규칙성이 나타난다. 구간 (s, t)를 점점 잘게 나누면, 경로 증분의 제곱합 - 즉 2차변동(quadratic variation) - 은 확률 1로, 그리고 L²에서 구간 길이 t−s로 수렴한다.

반면 브라운 경로는 (1차) 변동이 무한대이다. 이 사실을 "W의 (s, t) 위 2차변동이 t−s"라고 표현한다.

해설 왜 2차변동이 핵심인가

보통 매끄러운 함수는 제곱합 변동이 0이다. 브라운 경로는 그 값이 정확히 t−s라는 0이 아닌 값이 되며, 이 때문에 이토(Ito) 적분에서 (dW)² = dt 라는 규칙이 나온다. 2차변동이 바로 확률미적분학 전체를 지탱한다.

레비(Levy)의 마팅게일 특성화: 여과 확률공간의 연속 실수값 과정 X 가 F_t-브라운 운동일 필요충분 조건은, X 자체와 {X_t² − t} 가 모두 마팅게일인 것이다.

6. 스케일링과 기하 브라운 운동 Scaling & Geometric BM

스케일링(scaling): 모든 c > 0에 대해 다음 과정도 브라운 운동이다. 즉 시간을 c배로 늘리고 공간을 √c배로 줄이면 동일한 분포를 얻는다(자기유사성).

유명한 블랙-숄즈(Black-Scholes) 시장 모형에서 주가 과정 P = {P_t}, P₀ = p₀ 는 기하 브라운 운동(geometric Brownian motion)으로 가정된다.

이토의 공식(Ito's formula)을 쓰면 P 가 다음 확률미분방정식을 만족함을 알 수 있다. 드리프트항에 σ²/2이 더해지는 것이 핵심이다.

예제 기하 브라운 운동의 기대값

주가가 P_t = p₀ exp(σW_t + μt)일 때, E[P_t]를 구하라.

정규분포 W_t ~ N(0, t)의 로그정규 기대값을 이용한다. E[exp(σW_t)] = exp(σ²t/2)이므로 E[P_t] = p₀ exp((μ + σ²/2)t)이다. 즉 로그의 드리프트 μ에 σ²/2가 더해져 원수준의 성장률이 된다 - 앞 SDE의 표류항과 일치한다.

7. 파인만-카츠 공식 Feynman-Kac Formula

브라운 운동의 범함수(functional)의 분포를 계산하는 중요한 도구가 파인만-카츠(Feynman-Kac) 공식이다. 함수 v(t, x) = E_x[F(W_t) exp(∫₀^t f(t−s, W_s) ds)]를 생각하면, 이 v 는 다음 미분방정식의 유일한 해이다(초기조건 u(0, x) = F(x)).

이 공식은 확률과정(브라운 운동)의 기대값 계산과 편미분방정식 풀이를 이어주며, 아크사인 법칙, 캐머런-마틴 공식, 드리프트를 가진 브라운 운동의 점유시간 공식 등 다양한 분포 결과를 이끌어낼 수 있다.

해설 파인만-카츠의 의미

확률과정의 기대값(확률적 대상)이 결국 해석학적 대상인 편미분방정식(PDE)의 해와 맞닿는다는 것이 핵심이다. 파생상품 가격결정에서 기대값을 직접 적분하는 대신 PDE를 풀면 되는 이론적 근거가 바로 이 공식이다.

참고 및 관련 표제어

관련 표제어. Diffusion Approximations(확산근사) · Central Limit Theorem(중심극한정리) · Martingales(마팅게일) · Geometric Brownian Motion(기하브라운운동) · Black-Scholes Model(블랙-숄즈 모형)

부록. 이 글에 나온 용어 (배경지식 보충)

브라운 운동 / 위너 과정 (Brownian motion / Wiener process) - 독립, 정상, 가우시안 증분과 연속 경로를 갖는 기본 확률과정.
증분 (increment) - 두 시각 사이의 과정 값의 차이 W_t−W_s.
마팅게일 (martingale) - 현재 정보를 주었을 때 미래 기대값이 현재값과 같은 "공정한 게임" 과정.
강한 마르코프 성질 (strong Markov property) - 정지시각 이후의 미래가 그 시각의 위치에만 의존하는 성질.
2차변동 (quadratic variation) - 경로 증분 제곱의 합의 극한; 브라운 운동에서는 경과 시간과 같다.
스케일링 (scaling) - 시간과 공간을 특정 비율로 바꿔도 분포가 변하지 않는 자기유사성.
기하 브라운 운동 (geometric Brownian motion) - 브라운 운동의 지수; 주가 모형의 기본 과정.
이토 적분 / 공식 (Ito integral / formula) - 브라운 운동에 대한 확률적분과 그 연쇄법칙; (dW)²=dt.
여과 (filtration) - 시간이 지남에 따라 늘어나는 정보(sigma-대수)의 증가열.
파인만-카츠 공식 (Feynman-Kac) - 확률과정의 기대값을 PDE의 해로 연결하는 공식.

한국보험시장 현황 Korea Market Practice

브라운 운동(Brownian Motion)은 연속 시간의 마팅게일로, 금융 파생상품 가격결정과 금리·주가 모형의 확률적 잡음 항으로 광범위하게 활용된다. 국내 보험 계리에서는 K-ICS 금리 리스크 측정을 위한 금리 시나리오 생성기(ESG, Economic Scenario Generator)의 기초 확률 과정으로 브라운 운동이 사용된다. 바셀에크(Vasicek)·CIR·Hull-White 등 단기금리 모형이 모두 브라운 운동 위에 구성되며, 이 시나리오에서 산출된 보험계약 현금흐름이 IFRS17 공정가치 측정의 투입값이 된다.

변액보험(Variable Annuity·UL) 준비금 산출에서도 브라운 운동이 핵심 도구다. 주가지수 연계 최저보증(GMAB·GMDB)의 내재 옵션가치는 기하 브라운 운동(GBM) 아래 블랙-숄즈 프레임워크로 계산되며, K-ICS 시장 리스크 요구자본에서 주식 충격 시나리오도 이 확산 구조를 전제한다. 2023년 K-ICS 도입 이후 보험사들은 리스크 중립 시나리오와 실제 측도 시나리오를 병행 관리하고 있다.

제10회 경험생명표(2024.4)와 사망률 개선 추세 모형에서도 브라운 운동이 등장한다. Lee-Carter 모형의 사망률 지수 κ(t)를 확률적으로 확장(랜덤 워크 + 드리프트)하면 브라운 운동과 동등한 구조를 얻어, 미래 사망률의 불확실성 범위를 신뢰띠로 표현할 수 있다. IFRS17 생명위험 위험조정(RA)의 장기 사망률 가정 민감도 분석에도 이 구조가 활용된다.

실무 ESG와 K-ICS 금리 시나리오

K-ICS 금리 리스크 측정에서 ESG는 표준 방법론과 내부 모형 모두에 사용된다. 표준방법에서는 감독원이 제시한 이자율 충격 벡터를 적용하지만, 내부 모형 승인 시에는 Hull-White 2요인 또는 LMM 등 브라운 운동 기반 모형을 보험사가 자체 캘리브레이션하여 사용한다. 모형 검증(Model Validation) 절차에서 ESG의 마팅게일 조건(무재정거래 조건)이 충족되는지 확인하는 것이 감독 점검의 핵심 항목이다.

[한국보험시장 현황]은 한국 보험시장 실무 관점(2026.6 기준)에서 추가 작성한 것임. · 원문: Encyclopedia of Actuarial Science (Wiley, 2004), "Brownian Motion", Paavo Salminen. · 본 해설서의 [해설]·[예제]·[부록]은 학부 입문 학습용으로 추가·구성한 것임.