거친 변동성: 분수 모형이 옵션 가격을 더 잘 설명하는 이유

핵심 요약

금융시장의 변동성 경로는 고전적 모형이 가정하는 것보다 훨씬 거칩니다. 실현변동성을 지배하는 허스트 지수는 표준 브라운 운동이 암시하는 H = 0.5가 아닌 약 0.1입니다. Gatheral, Jaisson, and Rosenbaum (2018)이 엄밀하게 기록한 이 거침은, 내재변동성 곡면이 가파른 단기 스큐를 보이는 이유, VIX가 장중 31% 급등했다가 수 시간 내에 되돌아올 수 있는 이유, 그리고 전통적 확률적 변동성 모형이 단기 옵션 가격을 체계적으로 잘못 책정하는 이유를 설명합니다.

변동성이 자체 법칙을 깨뜨린 날

2018년 2월 5일, VIX는 단일 거래 세션에서 17에서 50으로 급등하며 194%의 장중 변동을 기록했고, 공매도 변동성 상품에서 수십억 달러가 소멸했습니다. XIV 상장지수증권은 하룻밤 사이에 가치의 96%를 잃었습니다. 변동성이 매끄러운 확산 과정으로 진화한다는 가정 위에 구축된 표준 확률적 변동성 모형은 이러한 사건에 거의 0에 가까운 확률을 부여했습니다. 모형이 잘못 보정된 것이 아닙니다; 시장이 일상적으로 만들어내는 급격하고 군집된 변동성 폭발을 생성할 구조적 능력이 없었습니다.

이것은 고립된 사건이 아닙니다. 2015년 8월 플래시 크래시, 2014년 10월 국채 변동성 급등, 그리고 최근 2026년 3월의 VIX 31% 장중 급등 모두 동일한 특징을 공유합니다: 변동성은 매끄럽고 평균 회귀적인 곡선이 아닌 들쭉날쭉한 자기유사적 폭발로 움직입니다. 수십 년간 실무자들은 모형과 현실 사이의 이 불일치를 인식했습니다. 그 이유를 설명하기까지 2018년의 획기적인 논문이 필요했습니다.

핵심 논제: 변동성은 거칩니다

Gatheral, Jaisson, and Rosenbaum (2018)은 단순하지만 강력한 주장을 제시했습니다: 로그 실현변동성의 표본 경로는 허스트 지수 H가 약 0.1인 분수 브라운 운동에 의해 구동되는 것처럼 행동하며, 이는 표준 브라운 운동의 H = 0.5보다 훨씬 낮습니다. 이 단일 매개변수 변화는 옵션의 모형화, 가격 책정, 헤징 방식에 심대한 함의를 가집니다.

Heston (1993)과 같은 표준 확률적 변동성 모형에서 변동성 과정은 일반 브라운 운동에 의해 구동됩니다. 이 과정의 증분은 독립적입니다; 어제 변동성이 상승했다는 사실은 오늘 상승할지 하락할지에 대해 아무것도 알려주지 않습니다. 표본 경로는 연속적이지만 어디에서도 미분 불가능하며, H = 0.5에 의해 지배되는 특성적 거침을 가집니다.

분수 브라운 운동(fBm)은 허스트 매개변수 H가 0과 1 사이의 임의의 값을 취할 수 있도록 허용하여 이 프레임워크를 일반화합니다. H < 0.5일 때, 과정은 반지속적 행동을 보입니다: 양의 증분 뒤에는 음의 증분이 따르는 경향이 있으며, 그 반대도 마찬가지입니다. 경로는 표준 브라운 운동보다 더 거칠어지고, 방향 전환이 더 빈번하며, 더 들쭉날쭉한 외관을 가집니다. H > 0.5일 때, 과정은 지속적이고 경로는 더 매끄럽습니다.

핵심 발견은 주식, 통화, 상품 시장의 실현변동성이 일관되게 약 0.1에 가까운 H를 보인다는 것입니다. 이는 변동성 경로가 표준 모형이 생성할 수 있는 어떤 것보다 훨씬 더 거칠며, 단기 시간 척도에서 상승과 하락 사이의 빠른 교대가 나타남을 의미합니다.

변동성이 거칠다는 것을 어떻게 알 수 있습니까?

Gatheral, Jaisson, and Rosenbaum (2018)의 실증적 방법론은 분수 브라운 운동의 스케일링 속성에 의존합니다. 허스트 지수 H를 가진 과정의 경우, 시간 지연 q에 대한 증분의 분산은 다음과 같이 스케일링됩니다:

E[|X(t+q) - X(t)|^2]는 q^(2H)에 비례합니다

저자들은 1일에서 수개월에 이르는 다양한 시간 지연에 걸쳐 로그 실현변동성 증분의 경험적 스케일링을 계산하여, 관찰된 분산 구조에 거듭제곱 법칙을 적합시킴으로써 H를 추정했습니다. 주식, 외환, 상품을 아우르는 수천 개의 자산에 걸쳐, 추정된 허스트 지수는 약 0.1 부근에 촘촘하게 군집했습니다.

이 발견은 놀라울 정도로 일관적입니다. 개별 주식 변동성, 지수 변동성, 통화쌍 변동성 어디를 조사하든 거침 매개변수는 거의 변하지 않습니다. 이 결과의 보편성은 H가 약 0.1이라는 사실이 특정 시장이나 기간의 통계적 인위산물이 아니라, 정보가 변동성에 반영되는 방식에 관한 근본적인 무언가를 반영한다는 것을 시사합니다.

Comte and Renault (1998)의 초기 연구는 H > 0.5인 장기 기억 변동성 모형을 제안한 바 있으며, 이는 브라운 운동보다 더 매끄러운 경로를 생성합니다. 거친 변동성 문헌은 이 발견을 뒤집었습니다: 단기 시간 범위(일~주)에서 변동성은 장기 범위를 지배하는 장기 기억이 아닌 반지속성과 거침을 보입니다. 두 현상은 공존합니다; 단기 거침이 폭발적 급등을 생성하고, 장기 기억이 VIX의 역사적 평균을 향한 느린 평균 회귀를 만들어냅니다.

거침이 옵션 가격 책정에 중요한 이유

고전적 확률적 변동성 모형은 잘 알려진 보정 문제에 직면합니다. 내재변동성 곡면의 단기 부분(만기 가까운 옵션)이나 장기 부분 중 하나에는 맞출 수 있지만, 양쪽을 동시에 맞추는 것은 불가능합니다. 단기 옵션은 극도로 가파른 변동성 스큐를 보입니다; 등가격과 외가격 풋 사이의 내재변동성 차이는 6개월 만기 옵션보다 주간 옵션에서 훨씬 큽니다. H = 0.5인 표준 모형은 다른 곳의 적합을 왜곡하는 추가 매개변수를 도입하지 않고는 이 가파름을 재현할 수 없습니다.

거친 변동성 모형은 이 긴장을 해결합니다. 변동성 과정이 단기 시간 척도에서 더 거칠기 때문에, 모형은 자연스럽게 단기 옵션에 대해 더 가파른 스큐를 생성하면서 장기 만기에서도 합리적인 행동을 유지합니다. Bayer, Friz, and Gatheral (2016)은 거친 Bergomi 모형으로 이를 시연하여, H가 약 0.07인 단일 매개변수 집합으로 모든 행사가격과 만기에 걸쳐 전체 SPX 내재변동성 곡면을 동시에 적합시킬 수 있음을 보였습니다.

이 간결성이 핵심 실무적 장점입니다. 전통적 모형은 변동성 곡면의 서로 다른 부분에 대해 별도의 보정을 필요로 하며, 이는 헤징을 복잡하게 만드는 비일관성을 도입합니다. 거친 변동성 모형은 더 적은 자유 매개변수로 동등하거나 우월한 적합을 달성하여, 더 안정적인 헤지 비율과 더 내적으로 일관된 위험 측정치를 생성합니다.

변동성 스마일과 기간 구조

내재변동성 스마일(외가격 옵션이 등가격 옵션보다 높은 내재변동성으로 거래되는 패턴)은 Black-Scholes 이후 파생상품 가격 책정의 핵심 퍼즐이었습니다. 서로 다른 만기는 서로 다른 스마일 형태를 보입니다; 단기 스마일은 가파르고 비대칭적이며, 장기 스마일은 더 평평하고 대칭적입니다.

거친 변동성 모형은 단일 메커니즘을 통해 이 스마일의 기간 구조를 설명합니다: 변동성 경로의 시간 척도 의존적 거침입니다. 단기 범위에서 H가 약 0.1인 분수 브라운 운동의 반지속적 증분은 변동성에서 빠르고 예측 불가능한 변동을 만들어냅니다. 이러한 변동은 매끄러운 변동성 모형이 예측하는 것보다 극단적 움직임의 가능성을 높여, 외가격 옵션의 가격을 높이고 스마일을 가파르게 합니다. 장기 범위에서는 거침이 평균화되어 스마일이 평평해지며, 이는 옵션 시장에서 잘 기록된 행태와 일치합니다.

등가격 스큐의 기간 구조(스마일 기울기가 만기에 따라 얼마나 빠르게 변하는지)는 직접적인 검증을 제공합니다. 고전적 모형에서 등가격 스큐는 만기 t에 대해 t^(-1/2)로 감소합니다. 거친 변동성 모형에서 감소는 t^(H-1/2)를 따르며, H가 약 0.1일 때 t^(-0.4)가 되어, 경험적 관찰과 훨씬 더 정확하게 일치하는 더 느린 감소를 나타냅니다. Fukasawa (2011)은 이 스케일링 관계를 도출하여, 주가지수 옵션의 경험적 스큐 기간 구조가 H = 0.5와 일치하지 않지만 H가 0.1에 가까울 때 잘 들어맞음을 보였습니다.

개인 투자자를 위한 실질적 함의

거친 변동성 연구는 파생상품 딜러의 트레이딩 데스크를 넘어서는 여러 함의를 가집니다.

VIX 행태의 이해. VIX가 급격히 급등했다가 빠르게 되돌아오는 경향은 거친 변동성 역학의 자연스러운 결과입니다. 변동성 증분의 반지속적 특성은 대규모 움직임이 부분적으로 되돌아오는 경향이 있음을 의미하지만, 거침은 이러한 반전이 매끄러운 곡선이 아닌 들쭉날쭉하고 예측 불가능한 방식으로 발생함을 의미합니다. VIX를 공포 지표로 추적하는 투자자에게 핵심 통찰은 장중 VIX 급등이 기저 변동성 이동의 지속성을 과대 표현한다는 것입니다. 31% VIX 급등이 31%의 지속적 변동성 상승을 의미하지는 않습니다; 거친 모형은 빠른 부분적 평균 회귀를 예측합니다.

단기 옵션은 구조적으로 비쌉니다. 거친 변동성 모형이 설명하는 가파른 단기 스큐는 실질적 현실로 번역됩니다: 주간 및 단기 풋옵션은 장기 대안보다 더 큰 변동성 프리미엄을 내재합니다. 주간 풋을 통해 포트폴리오 보호를 구매하는 투자자는 변동성 경로의 거침에 대한 비용을 지불하고 있습니다; 이 비용은 보호 기간이 연장됨에 따라 감소합니다.

변동성 군집은 실재하지만 매끄럽지 않습니다. 표준 GARCH 모형은 변동성 군집(고변동성 기간 뒤에 고변동성 기간이 따르는 경향)을 포착하지만, 매끄러운 지수적 감소 구조를 부과합니다. 거친 변동성 모형은 단기 범위에서 군집이 더 불규칙하며, 변동성이 동일한 거래 세션 내에서 급등했다가 부분적으로 되돌아올 수 있음을 시사합니다. 이는 손절매 배치 및 장중 위험 관리에 함의를 가집니다.

한계와 주의사항

거친 변동성 모형에도 도전 과제가 없지 않습니다. 분수 브라운 운동의 시뮬레이션은 표준 브라운 운동의 시뮬레이션보다 계산적으로 더 비용이 높습니다. 반지속적 증분은 독립적 난수가 아닌 상관된 난수의 생성을 요구하기 때문입니다. 이로 인해 이색 파생상품의 몬테카를로 가격 책정이 더 느려지고 메모리 집약적이 됩니다.

허스트 지수는 자산 전반에 걸쳐 놀라울 만큼 안정적이지만, 역사적 데이터로부터 추정되며 시간에 따라 완벽하게 일정하지 않을 수 있습니다. 일부 연구자들은 명백한 거침이 부분적으로 고빈도 변동성 추정치의 미시구조 노이즈를 반영할 수 있다고 주장했지만, Gatheral, Jaisson, and Rosenbaum (2018)은 여러 추정기와 샘플링 빈도에 걸친 강건성 검증으로 이 우려를 해소했습니다.

거친 변동성 모형에서의 헤징은 고전적 프레임워크보다 더 복잡합니다. 분수 브라운 운동의 비마르코프 특성은 최적 헤징에 현재 상태뿐 아니라 전체 경로 이력이 중요하다는 것을 의미합니다. 실무적으로는 일반적으로 유한 수의 보조 팩터로 상태 공간을 확장하여 근사하지만, 마르코프 설정의 이론적 우아함은 상실됩니다.

마지막으로, 거친 변동성 모형은 변동성 경로의 통계적 속성을 기술하지만, 변동성이 왜 거친지를 그 자체로 설명하지는 않습니다. 매수 및 매도 압력의 축적이 거의 반지속적 과정을 따르는 주문 흐름 역학 모형과, 시장 참여자 간의 빈번한 의견 불일치가 관찰된 거침을 생성하는 이질적 신념 모형을 포함하여 여러 이론이 제안되었습니다. 미시적 기초는 활발한 연구 영역으로 남아 있습니다.

실행 가능한 요약

거친 변동성 프레임워크는 변동성의 행태에 대한 이해에서 중대한 진전을 나타냅니다. 옵션 시장 참여자에게는 단기 내재변동성이 지속적으로 가파른 이유와 VIX가 폭발적이지만 부분적으로 자기 교정적인 행태를 보이는 이유를 설명합니다. 개인 투자자에게 실질적 교훈은 장중 VIX 급등과 같은 변동성 사건이 이상 현상이 아닌 거친 역학의 특성이라는 것입니다. 단기 옵션은 장기 대안에 비해 정보 내용 대비 체계적으로 더 비싸며, 30~90일 기간으로 확장되는 포트폴리오 보호 전략이 주간 헤지보다 더 나은 위험 대비 보상을 포착하는 경향이 있습니다. 변동성의 거침은 시장 오작동이 아닙니다; 시장의 자연적 질감입니다.