금융 위기는 왜 반복되나 — 팻테일·블랙스완·시스템 리스크

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.

무너진 통념 — 시장은 정규분포를 따르지 않는다

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 (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 따르는데, 이는 시장·산업·시가총액과 무관하게 보편적일 가능성이 제기됐다 (arXiv:1003.5984). 인도 시장(arXiv:physics/0605247)과 7개국 국제 시장(arXiv:physics/0601126)에서도 지수 약 3의 팻테일 멱법칙이 확인됐고, 4개 시장의 주가가 지프의 법칙 같은 멱법칙과 대체로 일치한다는 분석도 있다 (arXiv:cond-mat/0412014). 중국 지수에서도 작은 시간 척도의 꼬리는 지수 약 3의 멱법칙으로 감쇠한다 (arXiv:2209.08521).

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).

팻테일은 어디서 오는가 — 시장의 정형화된 사실들

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 (arXiv:2311.07738). 아시아·유럽·미국을 가로지르는 150년 데이터와 암호화폐까지 동원해 11가지를 검증한 연구는, 이 규칙성이 얼마나 견고하고 일반적인지를 보여줬다 (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 (arXiv:cond-mat/0112484). 또 다른 연구는 절대수익률 자기상관의 느린 감쇠가 큰 변동의 군집 정도와 직접 연결되며, 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).

2008식 전염 — 네트워크가 충격을 증폭한다

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 (arXiv:1505.04276). 오스트리아 은행 네트워크에서는, 카운터파티 손실만 보면 파산이 적지만 포트폴리오 중첩까지 고려하면 직접 노출 네트워크가 시스템 리스크에 크게 기여한다 (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 (arXiv:2305.04865).

위기를 미리 볼 수 있을까 — 조기경보와 버블 모델

만약 시스템의 취약성이 측정 가능하다면, 위기를 미리 경고할 수 있을까. 두 갈래의 시도가 있었다.

조기경보 시스템

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 — 성장률이 의사쌍곡선 궤적을 그리며 발산하고 있었고, 그것은 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 (운이 아니라) 재현 가능하게 작동했다는 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).

로그주기 버블 모델 (LPPL)

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 새겨진다 (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 형성되며, 진단의 열쇠는 일시적 '초지수적(super-exponential)' 가격 성장을 낳는 양의 피드백 메커니즘에 있다 (arXiv:0812.2449). 2008년 위기는 여러 버블이 누적·상호강화되며 "영구 운동 기계"라는 환상을 만든 결과로 진단됐다 (arXiv:0905.0220). 과거 한 세기의 큰 폭락을 분류한 연구는 모든 폭락이 외부 충격이거나 LPPL 버블 중 하나로 연결된다고 보았다 (arXiv:cond-mat/0401210). 2020년 코로나 폭락조차, LPPL 분석은 그 폭락이 (코로나라는 외부 충격이 아니라) 이미 형성돼 있던 버블에서 내생적으로 비롯됐다고 분석했다 — 코로나는 불꽃이었을 뿐이라는 것이다 (arXiv:2101.00327, 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.

정직한 반전 — 취약성은 보여도, 시점은 보이지 않는다

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 (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 (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 (arXiv:cond-mat/0111257). 위기는 정규분포가 아니라 멱법칙의 세계에 산다.

그래서, 100년에 한 번이 왜 10년마다 오나

이제 처음의 질문에 답할 수 있다. '100년에 한 번'이라는 직관은 정규분포의 계산이다. 그러나 시장 수익률은 정규분포가 아니라 지수 약 3의 멱법칙 꼬리를 가지므로, 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.

---

근거 논문 (arXiv)

통념의 붕괴 — 비정규·팻테일·멱법칙

• 표준 모델은 로그정규, 실증은 첨도·팻테일 (arXiv:cs/0304009)
• 고빈도 수익률의 leptokurtic 팻테일, 가우시안 가정 붕괴 (arXiv:2302.02769)
• 높은 봉우리·두꺼운 꼬리·편향 (arXiv:2312.02472)
• 세제곱 역법칙·지수 약 3의 보편성 (arXiv:1003.5984)
• 인도 시장 팻테일 멱법칙 α~3 (arXiv:physics/0605247)
• 7개국 국제 시장 멱법칙 ζ≈3 (arXiv:physics/0601126)
• 주가의 지프/멱법칙 (arXiv:cond-mat/0412014)
• 중국 지수 꼬리 멱법칙 지수 약 3 (arXiv:2209.08521)
• 경제 데이터의 heavy-tail·블랙먼데이 (arXiv:1202.0142)
• 한국 시장 팻테일, GARCH 후에도 잔존 (arXiv:1904.02567)

정형화된 사실·변동성 군집

• 150년·11개 정형화된 사실 (arXiv:2504.08611)
• 콘의 11가지 stylized facts 재검토 (arXiv:2311.07738)
• 100년 다우, 팻테일·변동성 군집·레버리지 (arXiv:cond-mat/0401009)
• 팻테일 = 장기 변동성 상관 (셔플 실험) (arXiv:cond-mat/0112484)
• 변동성 군집과 큰 손실의 뭉침 (arXiv:1002.0284)
• 호가창 틈이 팻테일 유발 (arXiv:1207.2946)
• 팻테일의 기원 = 스트레스 수준별 정규분포 혼합 (arXiv:1310.4538)

전염·네트워크·시스템 리스크

• 시스템 리스크 네트워크 서베이 (arXiv:2012.12702)
• 시스템 리스크 네트워크 모델 리뷰 (arXiv:1710.11512)
• 전염성 연결과 전염 점근 (arXiv:1112.5687)
• 다층 네트워크, 단일 층은 90% 과소평가 (arXiv:1505.04276)
• 겹치는 포트폴리오, 직접 노출만 보면 50% 과소평가 (arXiv:1802.00311)
• 인터뱅크가 포트폴리오 중첩 전염 증폭(오스트리아) (arXiv:1306.3704)
• 공급망 전염이 손실 4.3배 증폭 (arXiv:2305.04865)
• 2007/08, 국소 충격의 시스템 전파·증폭 (arXiv:1911.07313)
• 인터뱅크 시장의 극단적 취약성(2008까지) (arXiv:1611.04311)
• 위기 때 시장 동조(상관 급증) (arXiv:1102.1339)
• 2008 한국 시장 네트워크, 위기 중 두꺼운 차수 분포 (arXiv:1307.6974)
• 신용위기의 전염병/캐스케이드 확산 (arXiv:0901.1392)
• 네트워크 재배열로 시스템 리스크 약 3.5배 감소 (arXiv:1905.05931)

조기경보 지표

• 금융 EWS 체계적 리뷰(616편) (arXiv:2310.00490)
• 그리스 GDP 붕괴 전 경고 신호 (arXiv:1511.06992)
• 랜덤 행렬 기반 위기 지표 (arXiv:1506.00806)
• 스펙트럼 위기 지표 트레이딩 전략 (arXiv:1709.02701)
• 2015 중국 비유동성 네트워크, 폭락일 절반 예측 (arXiv:2004.01917)
• 2008 폭락 전 집단 거동 전조(FTSE100) (arXiv:1111.4637)

로그주기 버블 모델 (LPPL)

• 임계점으로서의 폭락, 시점은 무작위 (arXiv:cond-mat/9810071)
• 폭락 전 이산 스케일·로그주기 (arXiv:cond-mat/9509033)
• 1987 S&P500 전조·여진 (arXiv:cond-mat/9510036)
• 2000년 4월 나스닥 LPPL (arXiv:cond-mat/0004263)
• 버블·폭락 리뷰, 초지수적 성장 (arXiv:0812.2449)
• 2008 = 버블 누적·영구운동기계 환상 (arXiv:0905.0220)
• 모든 폭락 = 외부충격 또는 LPPL 버블 (arXiv:cond-mat/0401210)
• 2020 폭락 내생성(LPPL) (arXiv:2101.00327, arXiv:2101.03625)
• 안정적 LPPL 보정 방법 (arXiv:1108.0099)
• HLPPL 버블 식별 (arXiv:2510.10878)

정직한 반전 — 예측의 한계와 논쟁

• 마지막 1년 빼면 로그주기 무의미(비판) (arXiv:cond-mat/0101031)
• 임계점 데이터 제외는 순진(반박) (arXiv:cond-mat/0106520)
• 로그주기 전조 논쟁 재반박 (arXiv:cond-mat/0107445)
• 버블 식별 미해결, 펀더멘털 vs 버블 구별 불가 (arXiv:1011.5343)
• 본진·여진의 구텐베르크-리히터 멱법칙 (arXiv:2012.03012)
• 폭락 후 오모리 법칙 완화 (arXiv:cond-mat/0111257)