확률과정의 시뮬레이션 (Simulation of Stochastic Processes)

1. 개요 Introduction

보험·금융의 많은 문제는 확률과정 {X_t}의 표본경로(sample path)를 시뮬레이션해야 한다. 단일 값 X_T만 필요해도 그 분포를 직접 다룰 수 없을 때가 많고, 아시아 옵션처럼 경로 전체의 함수(예: 평균 ∫₀^TX_tdt)가 필요할 때도 있다. 컴퓨터로는 유한 시점에서의 유한 조각만 생성할 수 있다.

2. 마르코프 경우 The Markov Case

이산상태 마르코프 연쇄 {X_n}은 전이확률 p_ij와 초기확률 μ_i만 있으면 직접 시뮬레이션된다: μ로 X₀를 뽑고, X₀=i이면 p_ij로 X₁을 뽑는 식이다. 실무에서는 전이확률 대신 모형 서술로 시뮬레이션하기도 한다(예: bonus-malus의 점화식 X_n=φ(X_n−1,Y_n−1)). 연속시간 마르코프 과정은 방문 상태열이 마르코프 연쇄이고 체류시간이 지수분포라는 사실을 쓴다 — 포아송·복합 포아송 시뮬레이션의 자연스러운 방법.

3. 확산과 확률미분방정식 Diffusions & SDEs

표준 브라운 운동 B_t는 보통 이산 골격(skeleton)으로 시뮬레이션한다: h=T/N, V_k~N(0,h)를 더해간다. SDE dX_t=b dt+a dB_t의 가장 단순한 방법은 Euler 방식이다.

확산항의 오차가 더 크므로(B 증분이 h^1/2 규모) 보정항을 더한 Milstein 방식이 정확도가 훨씬 좋아 보통 권장된다(b_x=∂b/∂x).

4. Lévy 과정과 가우스 과정 Lévy & Gaussian

Lévy 과정은 표류 μt+브라운항 σB_t+순수 점프항 J_t로 분해된다. 앞 둘은 쉽게 시뮬레이션되므로 점프부가 관건이다. Lévy 측도 ν가 유한이면 복합 포아송이라 간단하고, 무한이면 작은 점프를 절단해 J_t≈J^ε+R^ε로 다룬다. 한편 일반 가우스 과정은 공분산함수의 Cholesky 분해로 정확히 생성할 수 있으나 느리다.

참고 및 관련 표제어

부록. 이 글에 나온 용어 (배경지식 보충)

• 표본경로 — 과정의 한 실현(시간에 따른 궤적).
• 이산 골격(skeleton) — 유한 시점에서만 본 과정.
• Euler·Milstein 방식 — SDE의 수치 적분 방법.
• Lévy 측도 ν — 점프 크기의 강도.
• Cholesky 분해 — 공분산행렬을 분해해 가우스 표본 생성.

한국보험시장 현황 Korea Market Practice

확률과정 시뮬레이션은 한국에서 확률론적 준비금·요구자본 산출의 실행 도구다. 변액보증(GMxB) 평가, 경제적 시나리오 생성기(ESG), K-ICS 내부모형·민감도 분석이 모두 표본경로 생성에 의존하며, 마르코프 연쇄·복합 포아송·확산(SDE) 경로 생성이 기본기다.

IFRS17의 확률론적 현금흐름, 경로의존형 옵션·보증의 평가, 1년 후 자본분포를 추정하는 중첩 시뮬레이션(nested)이 대표적 활용이다. 계산비용이 커서 분산감소(중요도표집·통제변량)와 근사기법이 실무의 관건이 된다.