Python을 활용한 정량적 리스크 관리

이제 Value at Risk(VaR), Conditional Value at Risk(CVaR) 같은 리스크 지표로 포트폴리오 최적화 도구를 확장해 볼 시간입니다. 이를 위해 pandas, scipy, pypfopt 등 특화된 Python 라이브러리를 사용합니다. 또한 Black-Scholes 모형을 활용해 옵션 포트폴리오를 헤지하여 리스크 노출을 완화하는 방법도 배우게 됩니다.

이번 장에서는 모수적 추정과 실제 역사적 데이터를 사용해 리스크 지표를 추정합니다. 이어서 Monte Carlo 시뮬레이션이 불확실성 예측에 어떻게 도움이 되는지 알아봅니다. 마지막으로 구조적 변화를 이해하고 식별하는 방법을 통해, 글로벌 금융 위기가 무작위성 자체의 변화 신호였음을 학습합니다.

이제 더 일반적인 리스크 관리 도구를 살펴봅니다. 이러한 고급 기법은 금융 위기 동안 발생한 손실과 같은 극단적 사건이나, 전통적 추정 기법으로는 설명하기 어려운 복잡한 손실 분포를 이해할 때 핵심적입니다. 또한 신경망을 사용해 손실 분포를 근사하고, 실시간 포트폴리오 최적화를 수행하는 방법도 배웁니다.