ALM 시뮬레이션 모델: 몬테카를로 vs. 시나리오 기반

자산부채관리(ALM)에서는 시뮬레이션 모델이 금리 변동이 시간 경과에 따라 자산과 부채의 경제적 가치에 미치는 영향을 예측합니다. 주요 접근 방식은 몬테카를로 시뮬레이션과 시나리오 기반 시뮬레이션 두 가지입니다. 몬테카를로 시뮬레이션은 확률적 가정(예: 평균 회귀, 변동성)을 기반으로 수백에서 수천 개의 가능한 미래 금리 경로를 생성하는 확률 경로 기법—즉 확률 시뮬레이션—을 사용합니다. 반면 시나리오 기반 시뮬레이션은 역사적 사건, 스트레스 이벤트 또는 거시경제 전망에 기반한 제한된 수의 경제적으로 일관된 미래 경로를 구성하여 개별 전략 대안이나 지급능력 결과를 평가합니다.

ALM에서의 몬테카를로 시뮬레이션은 경제 시나리오 생성기(ESG)를 활용해 다수의 확률적 금리 경로를 시뮬레이션하며, 일반적으로 동적 기간구조 모델을 사용합니다. 각 경로는 단기 금리, 수익률 곡선 형태 및 변동성이 전망 기간 동안 어떻게 변할 수 있는지를 나타냅니다. ALM 모델은 각 경로별로 자산과 부채를 재평가하여 주주자본경제가치(EVE)·순이자수익(NII) 등 지표에 대한 결과 분포를 생성합니다. 이 분포를 통해 금리 위험에 대한 신뢰구간, VaR(Value-at-Risk) 또는 기대 손실(expected shortfall)을 계산할 수 있습니다.

• 확률 모델링 기반: 관측된 시장 데이터와 경제 이론(예: Cox-Ingersoll-Ross 또는 Hull-White 모델)에 부합하도록 보정된 ESG를 사용해 경로를 시뮬레이션합니다.
• 결과 분포: 전체 확률적 출력을 제공하여 꼬리 위험 및 기대 손실을 정량화하는 위험 지표를 지원합니다.
• 실무 적용: 내부 모델 검증, 자본 배분, 예산 및 전략적 계획을 위한 동적 EAR 모델링 등에 일반적으로 활용됩니다.

시나리오 기반 시뮬레이션은 3~10개 정도의 현실적이고 내부적으로 일관된 거시경제·금리 경로를 소규모로 구성합니다. 이러한 시나리오는 과거 사례(예: 1979‑1982년 금리 인상), 가상 상황(예: 급격한 인플레이션 재부상) 또는 전망 기반(예: 컨센서스 거시 전망)일 수 있습니다. 각 시나리오는 ALM 모델에 결정적으로 적용되어 각 경로별 EVE 또는 NII의 점 추정치를 제공합니다. 이 접근법은 통계적 정밀도보다 해석 용이성과 서술적 일관성을 중시합니다.

• 스토리 중심 설계: 시나리오는 신뢰할 수 있는 스트레스 상황이나 전략적 전환점을 반영하도록 선택되며, 종종 감독기관 기대치나 내부 위험 선호 프레임워크와 일치합니다.
• 의사결정 지원: 특정 거시경제 체제 하에서 자산 재배치나 헤징 결정과 같은 전략적 트레이드오프를 평가하는 데 활용됩니다.
• 거버넌스와의 통합: 비기술 이해관계자들의 수용을 촉진하기 위해 분석을 명확하고 스토리 기반 가정에 기반을 둡니다.

Monte Carlo와 시나리오 기반 시뮬레이션은 ALM에서 상호 보완적인 역할을 수행하며, 각각 고유한 강점과 한계를 가지고 있습니다.

• 포괄성 vs. 명확성: Monte Carlo는 넓은 확률적 범위를 제공해 꼬리 위험과 통계적 불확실성을 포착하지만, 결과가 추상적이고 구체적인 행동으로 연결하기 어려울 수 있습니다. 시나리오 기반 시뮬레이션은 명확하고 실행 가능한 인사이트를 제공하지만, 선택된 시나리오에 포함되지 않은 저확률·고영향 사건을 과소평가할 수 있습니다.
• 모델 위험: Monte Carlo는 ESG 보정 및 분포 가정에 민감하며, 변동성이나 평균회귀 파라미터 오류가 위험 추정치를 왜곡할 수 있습니다. 시나리오 기반 시뮬레이션은 선택 편향에 취약해 가능한 경로를 누락하거나 재현되지 않을 수 있는 과거 유사 사례에 과도하게 의존할 위험이 있습니다.
• 규제 정합성: 감독기관(예: OCC)은 두 접근법을 모두 인정하지만, 시나리오 기반 방법이 감독 스트레스 테스트와 전략적 보고에 선호되는 경우가 많으며, Monte Carlo는 내부 모델 검증 및 동적 위험 측정을 지원합니다.

기관이 2년 동안 금리를 200bp(베이시스 포인트)만큼 평행 상승시키는 영향을 평가하고자 한다고 가정합니다. Monte Carlo 시뮬레이션에서는 ESG가 변동성 보정된 평균회귀 과정을 따르는 단기 금리의 5,000개 경로를 생성합니다; 이로 인해 EVE 변화의 분포는 5번째 백분위수 손실이 1억 2천만 달러, 95번째 백분위수 이익이 4,500만 달러로 나타날 수 있습니다. 시나리오 기반 시뮬레이션에서는 200bp 상승과 그에 따른 수익률 곡선 동태를 반영한 단일 결정론적 경로를 적용하여 EVE 감소가 9천만 달러라는 점 추정치를 도출합니다. Monte Carlo 결과는 자본 및 VaR 계산에 활용되고, 시나리오 결과는 자산 재가격 조정 가속화나 듀레이션 목표 조정과 같은 전략적 대응을 이사회 수준에서 논의하는 데 활용됩니다.

• Monte Carlo 시뮬레이션 사용: 통계적 엄밀성이 요구되는 위험 지표(예: 경제자본, VaR, 예상 손실)를 추정하거나, 다양한 가능한 경로에 걸친 장기 전략적 결과에 대한 불확실성 영향을 평가할 때.
• 시나리오 기반 시뮬레이션 사용: 거버넌스 조직에 위험을 전달하거나, 특정 거시경제 체제 하에서 전략적 결정을 테스트할 때, 혹은 서술적 일관성과 실행 가능성이 확률적 완전성보다 우선시되는 감독 스트레스 테스트 프레임워크와 정렬할 때.

두 방법은 종종 병행해서 사용됩니다. Monte Carlo는 내부 모델 검증 및 위험 정량화에, 시나리오 기반 분석은 전략적 의사결정 및 규제 보고에 활용됩니다.