Paperis 아티클
"100년에 한 번"이 왜 십 년마다 오나 — 정규분포의 붕괴부터 예측의 한계까지
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
한 세기에 한 번 있을 법한 폭락이, 어째서 십 년마다 찾아오는가. 교과서가 약속한 '정상적인 시장'과 우리가 실제로 겪는 시장 사이에는 깊은 틈이 있다. 이 글은 그 틈을 따라간다 — 통념의 붕괴에서 시작해, 전염과 네트워크를 지나, 위기를 미리 보려는 시도와 정직한 반전까지.
미리 밝혀 둘 것이 있다. 여기 인용하는 거의 모든 논문은 동료심사 전 프리프린트(arXiv)다. 금융·물리·경제가 교차하는 이 분야는 프리프린트로 먼저 공개되는 일이 많기 때문이고, 그래서 한 줄을 확정된 결론으로 읽어서는 안 된다.
금융을 떠받치는 가장 오래된 가정 하나는, 수익률이 정규분포(종형 곡선)를 따른다는 것이다. 1900년 바슐리에, 1959년 오스본 이래 표준 모델은 주가 수익률을 로그정규분포로 예측했다 (arXiv:cs/0304009). 이 가정은 편리했다. 평균과 분산만 알면 위험을 계산할 수 있고, 극단적 사건은 사실상 일어나지 않는다고 봐도 됐으니까.
문제는 데이터가 이 가정을 따르지 않는다는 것이다. 1965년 파마 이래 실증 데이터는 정규분포와 비교했을 때 첨도(leptokurtosis)와 팻테일(fat tail, 두꺼운 꼬리)을 보였다 — 분포의 중앙과 꼬리에 확률이 더 몰리고, 극단적 사건의 확률이 정규분포의 예측보다 훨씬 크다 (arXiv:cs/0304009). 고빈도 수익률 분포는 뾰족하고 꼬리가 두꺼운 형태로, 표준 위험관리와 옵션 가격결정의 가우시안 가정을 정면으로 흔든다 — 다만 어떤 분포족으로 기술해야 하는지에 대한 합의는 아직 없다 (arXiv:2302.02769). 실제 주가 수익률은 정규분포에 맞지 않고 높은 봉우리, 두꺼운 꼬리, 편향을 보인다 (arXiv:2312.02472).
이 두꺼운 꼬리에는 놀랍도록 일관된 수치가 붙어 있다. 성숙 시장에서 양·음의 꼬리는 모두 세제곱 역법칙(inverse cubic law), 즉 멱법칙 지수 약 3을 따른다고 알려져 있고, 여기서 그 지수가 시장·산업·시가총액과 무관한 보편 상수일 가능성이 제기됐다. 인도 시장에서도 지수 약 3의 팻테일 멱법칙이 확인됐고 (arXiv:physics/0605247), 7개국 국제 시장 지수에서도 ζ≈3의 멱법칙이 확인됐다 — 다만 같은 연구에서 한국 시장은 멱법칙이 아니라 지수분포(β≈0.7)를 따랐다 (arXiv:physics/0601126). 중국 지수에서도 짧은 시간 척도(Δt<240분)의 꼬리는 지수 약 3의 멱법칙으로 감쇠하지만, 240분을 넘으면 지수함수적으로 감쇠해 성숙 시장에서는 관측되지 않는 차이를 보였다 (arXiv:2209.08521). 4개 시장의 주가 순위분포가 지프의 법칙 같은 멱법칙과 대체로 일치한다는 분석도 있는데, 같은 연구에서 정규화 수익률의 확률밀도는 멱법칙이 아니라 지수함수 꼴에 가까웠다 (). 그리고 정작 그 보편성을 검증하러 나선 연구는 반례를 찾았다 — 중국 A주 1분 수익률에서 꼬리 지수는 회전율이 높을수록 낮아지고 시가총액이 클수록 높아져, 신흥시장에서는 분포가 보편적이지 않다는 결론이었다 ().
정규분포가 약속하는 세계에서 '20시그마' 사건은 우주의 나이보다 긴 시간에 한 번 일어난다. 그러나 1987년 '블랙 먼데이' 같은 "극히 일어날 법하지 않은" 시장 폭락이 거듭 관측됐고, 이 손실들은 정규분포 환경에서는 설명될 수 없었다 (arXiv:1202.0142). 한국 시장 분석은 더 불편한 사실을 더한다 — 최근일수록, 그리고 소형주일수록 꼬리가 더 두꺼워졌고, 이 팻테일은 변동성 군집을 제거하는 GARCH 필터를 거쳐도 사라지지 않았다 (arXiv:1904.02567).
수익률 분포의 비정규성은 단발성 변덕이 아니다. 시장에는 자산·시장·시간대를 넘어 반복되는 통계적 규칙성, 이른바 stylized facts(정형화된 사실)가 있다. 2001년 라마 콘이 정리한 11가지 정형화된 사실은 어떤 모델이든 재현해야 할 제약으로 받아들여진다. 다만 그 11가지가 지금도 그대로 성립하는지는 별개 문제여서, 다우 30 개별 종목의 장중 수익률로 재검증한 연구는 여덟 가지는 확증했지만 나머지 세 가지는 지지 근거를 찾지 못했다 (arXiv:2311.07738). 아시아·유럽·미국을 가로지르는 150년 데이터와 암호화폐까지 동원한 연구는 이 규칙성의 견고성과 일반화 가능성을 폭넓게 점검했다 (arXiv:2504.08611).
이 사실들의 핵심에는 두 가지가 있다. 하나는 두꺼운 꼬리, 다른 하나는 변동성 군집(volatility clustering) — 큰 변동은 큰 변동끼리, 작은 변동은 작은 변동끼리 뭉쳐 일어난다. 100여 년의 다우존스 일간 수익률은 근사적 스케일링과 두꺼운 꼬리, 장기 변동성 상관, 레버리지 효과를 함께 보였다 (arXiv:cond-mat/0401009).
흥미롭게도, 팻테일과 변동성 군집은 별개가 아니라 한 뿌리일 수 있다. 한 분석은 일간 수익률의 순서를 무작위로 섞자 하루보다 긴 시간 척도의 두꺼운 꼬리가 거의 사라졌다고 보고했다 — 팻테일은 알려진 장기 변동성 상관에서 비롯된다는 것이다. 부호만 섞고 절대값 순서는 남기면 팻테일이 그대로 살아남았다는 대조실험이 이 해석을 받친다 (arXiv:cond-mat/0112484). 또 다른 연구는 오히려 두꺼운 꼬리가 아니라 군집의 정도가 절대수익률 자기상관의 느린 감쇠와 직접 연결된다고 보고했고, 아울러 큰 손실이 큰 이익보다 더 심하게 뭉친다는 점을 정량화했다 (arXiv:1002.0284). 미시적으로는, 호가창에 유동성이 부족해 주문 사이에 '틈'이 생기면 큰 가격 변동이 발생해 두꺼운 꼬리가 만들어진다는 에이전트 기반 모델도 있다 (arXiv:1207.2946). 또 팻테일의 한 기원은 시장이 서로 다른 '스트레스 수준'을 오가며 서로 다른 정규분포를 표집하기 때문이라는 설명도 제시됐다 (arXiv:1310.4538).
개별 자산의 두꺼운 꼬리만으로는 위기의 전모를 설명할 수 없다. 2008년이 가르친 것은, 위기가 연결을 타고 번진다는 사실이다. 위기가 닥치면 시장들은 강하게 상관되며 거의 하나처럼 움직인다 — 세계 주요 지수들의 상관행렬 분석은 큰 폭락 때 시장들이 동조한다는 것을 보여줬다 (arXiv:1102.1339). 2008년 한국 시장 네트워크에서도 위기 동안 기업들이 동기적으로 움직이며 상관이 강해지고, 위기 중 가장 큰 군집의 차수 분포가 다른 시기보다 더 두꺼워졌다 (arXiv:1307.6974). 미국 주식 시장에서 손실은 상관 네트워크를 따라 전염병처럼, 폭포처럼 흘렀다 (arXiv:0901.1392).
여기서 시스템 리스크라는 개념이 등장한다. 시스템 전체의 상당 부분이 기능을 멈추고 붕괴할 위험이다. 금융 시스템은 은행·헤지펀드·기관이 보이거나 보이지 않는 금융 연결로 얽힌 거대한 복잡 네트워크로 표현되며, 평소 위험 분산의 수단이던 연결이 위기 때는 위험 전파의 통로로 돌변한다 (arXiv:1710.11512). 시스템 리스크의 유형은 직접적 외부효과(디폴트·상관 포트폴리오·급매)와 인식·피드백 효과(뱅크런·신용경색)로 나뉜다 (arXiv:2012.12702).
네트워크가 충격을 어떻게 증폭하는지는 구체적으로 측정됐다. 한 연구는 대규모 금융 네트워크에서 전염의 규모에 대한 엄밀한 점근 결과를 유도하며 '전염성 연결(contagious links)'의 역할을 강조했다 — 디폴트 시 네트워크 불안정에 가장 크게 기여하는 기관은 연결이 많으면서 전염성 연결의 비중이 큰 곳이다 (arXiv:1112.5687). 2007/08 위기가 보여줬듯, 충분한 자본 요건이 없으면 처음엔 국소적이던 충격이 다양한 전염 채널을 통해 시스템 전체로 퍼지며 크게 증폭된다 (arXiv:1911.07313).
증폭은 직접 노출만의 이야기가 아니다. 멕시코 금융 시스템을 직접 노출(디폴트 전염)과 간접 노출(겹치는 포트폴리오)의 다층 네트워크로 본 연구는, 직접 노출에만 집중하면 총 시스템 리스크를 최대 50% 과소평가한다는 것을 보였다 (arXiv:1802.00311). 같은 시스템의 네 개 층을 분석한 또 다른 연구는, 단일 층만 보면 총 시스템 리스크를 최대 90%까지 과소평가한다고 보고했다. 같은 연구는 시장 기반 시스템 리스크 지표가 예상 시스템 손실을 체계적으로 과소평가하며, 그 예상 손실이 2007~2008년 위기 이전보다 최대 4배 높아졌다고도 보고했다 (arXiv:1505.04276). 이론과 달리 실증에서는 직접 노출 네트워크가 전염의 주 채널이 아니라는 결과가 많은데, 오스트리아 은행 네트워크 연구는 카운터파티 손실만 보면 파산이 적지만 포트폴리오 중첩에 따른 전염까지 함께 보면 직접 노출 네트워크가 시스템 리스크를 유의하게 증폭한다는 것을 보였다 (arXiv:1306.3704). 전염은 금융권 바깥에서도 온다 — 헝가리 전 기업의 공급망 관계 데이터는 공급망 전염이 손실을 평균 4.3배(VaR 4.5배, ES 3.2배) 증폭함을 보였다. 소수 기업이 짊어진 이 리스크만으로 은행 시스템 자기자본의 최대 16%가 영향을 받고, 그 손실의 대부분은 금융 채널이 아니라 공급망 전염에서 왔다 (arXiv:2305.04865).
만약 시스템의 취약성이 측정 가능하다면, 위기를 미리 경고할 수 있을까. 두 갈래의 시도가 있었다.
2008년 위기는 금융 위기를 일찍 탐지하고 예방하는 일의 중요성을 부각했다. 1976~2023년 616편을 분석한 서지 리뷰는 EWS 연구의 90% 이상이 2006년 이후 출판됐다고 보고하며, 이 분야가 파산 예측·은행위기·통화위기·머신러닝 예측으로 진화해 왔음을 정리했다 (arXiv:2310.00490). 그리스의 경우, 경제 붕괴 한참 전부터 GDP 성장률에 불안정 신호가 나타났다 — 빠르게 치솟는 성장률이 GDP를 의사쌍곡선 궤적 위로 밀어올렸고, 그대로 갔다면 2017년에 무한대로 발산했을 궤적이었다 — 지탱될 수 없는 것이었다 (arXiv:1511.06992).
시장 데이터의 스펙트럼 성질을 이용한 시도도 있다. 상관·공분산 행렬의 고유값 분포를 '평온한 시장'·'동요하는 시장' 기준 분포와 비교하는 위기 지표는, 큰 고유값이 동역학적 불안정의 신호라는 직관에 기댄다 (arXiv:1506.00806). 이런 스펙트럼 지표를 묶어 만든 체계적 트레이딩 전략이, 자체 프레임워크와 데이터의 한계 안에서지만, 운이 아니라 재현 가능하게 수익을 냈다는 보고도 있다 (arXiv:1709.02701). 2015년 중국 시장 폭락에서는, 비유동성 네트워크가 위기일에 더 빽빽하게 연결되며 붕괴를 촉진했고, 직전 5일간의 무작위 고장 수를 세는 조기 신호가 폭락일의 절반 이상을 성공적으로 예측했다 (arXiv:2004.01917). 2008년 폭락 직전 FTSE 100에서는 시장 전체의 집단적 거동(market mode)이 급상승하는 전조가 관측됐다 (arXiv:1111.4637).
가장 야심 찬 시도는 로그주기 멱법칙(LPPL) 모델이다. 핵심 아이디어는, 금융 폭락이 물리학의 임계 현상과 닮았다는 것이다. 노이즈 트레이더들이 서로를 모방하는 경향이 어느 '임계점'까지 강해지면, 모두가 동시에 같은 주문(매도)을 내며 폭락이 일어난다 (arXiv:cond-mat/9810071). 폭락 직전 가격에는 이산적 스케일 불변성에서 비롯되는 로그주기 진동이 멱법칙 위에 새겨진다는 것이 이 모델의 예측이고, 초기 연구는 그에 부합하는 증거를 제시했다 (arXiv:cond-mat/9509033). 이 패턴은 1929·1962·1987년 월스트리트, 1997년 홍콩 폭락 직전에 실제로 존재했다 (arXiv:cond-mat/9810071). 1987년 S&P500의 전조·여진·완화 진동을 분석한 초기 연구는 폭락을 지진과 유사한 '동역학적 임계점'으로 그렸고 (arXiv:cond-mat/9510036), 2000년 4월 나스닥 폭락도 같은 틀에 깔끔히 들어맞았다 (arXiv:cond-mat/0004263).
버블 자체를 보는 관점도 정리됐다. 버블은 투기 추세가 펀더멘털 믿음을 압도할 때 형성되고, 양의 피드백이 낳는 일시적 '초지수적(super-exponential)' 가격 성장을 함께 보면 버블 진단이 가능해질 수도 있다는 것이 이 리뷰의 결론이다 (arXiv:0812.2449). 2008년 위기는 여러 버블이 누적·상호강화되며 "영구히 돈이 나오는 기계"라는 환상을 만든 결과로 진단됐다 (arXiv:0905.0220). 지난 한 세기 미국 3대 지수(다우·S&P500·나스닥)에서 상위 순위 드로다운으로 정의한 큰 폭락을 분류한 연구는, 그 표본 안의 폭락이 모두 외부 충격이거나 LPPL 버블 중 하나로 연결된다고 보았다 (arXiv:cond-mat/0401210). 2020년 코로나 폭락도 같은 틀로 분석됐다. 주요 지수 10개를 본 연구는 그중 7개(S&P500·다우·나스닥·DAX·CSI300·BSESN·BOVESPA)에서 LPPL 버블 신호를 찾아 그 폭락이 이미 형성돼 있던 버블에서 내생적으로 비롯됐다고 봤지만 — 코로나는 불꽃이었을 뿐이라는 것이다 — 나머지 3개(FTSE·NIKKEI·항셍)에서는 신호가 없어 외부 충격에 의한 외생적 폭락으로 분류했다 (arXiv:2101.00327). 미국 시장을 시가총액 구간별로 나눠 본 연구도 네 지수 모두에서 2018년 9월부터 형성된 버블 패턴을 확인했다 (arXiv:2101.03625). 모델 자체도 다듬어져, LPPL 공식을 세 개의 비선형 파라미터 함수로 줄여 보정 안정성을 크게 높인 방법론(arXiv:1108.0099)과, 감성 점수·하이프 지수를 결합해 양·음의 버블을 한 틀에서 잡으려는 HLPPL 모델(arXiv:2510.10878)이 이어졌다.
여기까지면 위기는 곧 예측될 것처럼 들린다. 그러나 정직한 그림에는 결정적 한계가 있다. 시스템의 취약성은 측정·관찰할 수 있어도, 폭락의 정확한 시점 예측은 여전히 불가능하고 논쟁적이다.
가장 날카로운 논쟁은 LPPL 그 자체에서 벌어졌다. 한 비판적 연구는 1987년 폭락 직전 S&P500 데이터에서 폭락 직전 마지막 1년치 데이터를 제외하면 로그주기 성분이 통계적으로 유의하지 않다고 보고했다. 같은 연구는 S&P500의 드로다운을 두 개의 서로 다른 메커니즘(외부 충격 대 버블)으로 설명한다는 주장 역시 근거가 설득력 없다고 판단했다 (arXiv:cond-mat/0101031). 이에 LPPL 진영은 "임계점에 가장 가까운, 가장 중요한 데이터를 빼고 임계 현상을 분석하는 것은 순진하다"고 반박했고 (arXiv:cond-mat/0106520), 비판 측은 다시 재반박했다 (arXiv:cond-mat/0107445). 이 공방 자체가, 버블의 사후 식별과 사전 예측 사이의 거리가 얼마나 먼지를 보여준다.
근본적인 어려움은 버블의 존재 자체를 명확히 식별하는 일이 표준 계량경제학에서 여전히 미해결 문제라는 데 있다. 자산의 펀더멘털 가치는 일반적으로 직접 관측되지 않으며, 지수적으로 성장하는 펀더멘털 가격과 지수적으로 성장하는 버블 가격을 구별하는 것은 불가능하다 — 이것이 한 연구가 출발점으로 삼은 진단이다. 저자들은 그 위에서 JLS 모델을 확장해 펀더멘털 가치와 폭락 비선형성을 함께 추정하는 모델을 제시했고, 세 개의 역사적 버블(1997 항셍·1987 S&P500·2009 상하이)에서 잘 들어맞았다고 보고했다. 다만 셋 모두 끝난 뒤에 되짚은 사례라는 점은 남는다 (arXiv:1011.5343). 붕괴하는 자산 가격 버블을 수십 년 연구했음에도, 그 원인과 효과에 대한 합의는 거의 없다 (arXiv:0812.2449).
LPPL 이론조차 결정론적 예측을 약속하지 않는다는 점은 강조할 가치가 있다. 이 모델에서 폭락은 버블의 확정적 귀결이 아니다 — 합리적 기대 제약 때문에 폭락의 시점은 무작위(random)여야 하고, 버블의 이론적 종말은 폭락의 '가장 그럴듯한 시점'일 뿐 확정된 날짜가 아니다. 버블이 폭락 없이 끝날 유한한 확률도 존재한다 (arXiv:cond-mat/9810071).
위기는 끝난 뒤에도 멱법칙을 따른다. 1987·2008·2020년 폭락의 본진과 여진을 분석한 연구는 그것들이 지진의 구텐베르크-리히터 멱법칙을 따름을 보였고 (arXiv:2012.03012), 폭락 직후 시장의 완화 동역학이 지진학의 오모리 법칙(멱법칙적 감쇠)과 일치함도 관측됐다 — 이 관측은 널리 쓰이는 단순 확률변동성 모형으로는 설명되지 않는다 (arXiv:cond-mat/0111257). 위기는 정규분포가 아니라 멱법칙의 세계에 산다.
이제 처음의 질문에 답할 수 있다. '100년에 한 번'이라는 직관은 정규분포의 계산이다. 그러나 시장 수익률은 정규분포보다 훨씬 두꺼운 꼬리를 가지며 성숙 시장에서는 흔히 지수 약 3의 멱법칙으로 감쇠하므로, 정규분포가 천문학적으로 드물다고 본 극단적 폭락이 실제로는 훨씬 자주 일어난다 (arXiv:1202.0142, arXiv:1003.5984). 게다가 시장은 변동성 군집으로 큰 충격을 뭉쳐 내보내고(arXiv:cond-mat/0401009), 네트워크는 그 충격을 직접·간접 채널로 증폭하며(arXiv:1802.00311, arXiv:1505.04276), 투기적 피드백은 초지수적 버블을 부풀린다(arXiv:0812.2449). '드문 사건'이 자주 오는 것은 시스템의 결함이 아니라, 시스템의 구조 그 자체다.
좋은 소식과 나쁜 소식이 함께 있다. 좋은 소식은, 이 취약성을 측정할 도구가 있다는 것이다 — 네트워크 위상, 스펙트럼 지표, 버블의 초지수적 서명까지. 실제로 일부 연구는 네트워크를 최적으로 재배열하기만 해도 시스템 리스크를 약 3.5배 줄일 수 있음을 보였다 (arXiv:1905.05931). 나쁜 소식은, 취약성을 안다고 해서 폭락의 날짜를 알 수 있는 것은 아니라는 점이다. 시점은 무작위이고, 버블과 펀더멘털은 사전에 구별되지 않으며, 가장 그럴듯한 모델조차 데이터의 마지막 한 조각에 휘청인다.
결론은 단순하지 않아서 오히려 정직하다. 우리는 어디가 불안정한지는 점점 더 잘 본다. 그러나 언제 무너질지는, 적어도 아직은, 멱법칙의 안개 너머에 있다.
이 글은 정보 제공을 위한 것이며 투자 조언이 아닙니다. 인용한 근거의 대부분은 동료심사 전 프리프린트(arXiv)이며, 후속 연구로 세부 내용이 갱신될 수 있습니다.
통념의 붕괴 — 비정규·팻테일·멱법칙
정형화된 사실·변동성 군집
전염·네트워크·시스템 리스크
조기경보 지표
로그주기 버블 모델 (LPPL)
정직한 반전 — 예측의 한계와 논쟁