몬테카를로 / 팬 차트

무엇인가

몬테카를로 방법 — 수식 대신 주사위

몬테카를로 방법은 1940년대 로스앨러모스에서 Stanisław Ulam 과 John von Neumann 이 중성자 확산 문제를 풀며 정식화했고, Nicholas Metropolis 가 모나코의 카지노에서 이름을 따 왔다. 공개 원전은 Metropolis & Ulam 의 1949년 논문이다. 착상은 단순하다 — 해석적으로 풀기 어려운 문제라도, 입력을 확률분포에서 무작위로 뽑아 수천·수만 번 시뮬레이션하면 결과의 분포가 드러난다. 답은 숫자 하나가 아니라 분포다.

재무 설계가 이 방법을 가져온 것은 은퇴 계획 때문이다. "매년 4%씩 꺼내 쓰면 30년을 버티는가"는 평균 수익률로 계산하면 늘 성립하지만, 실제로는 수익률이 나오는 순서(sequence-of-returns risk)에 따라 같은 평균에서도 파산과 여유가 갈린다. 그래서 수익률을 해마다 무작위로 뽑은 경로를 수천 벌 돌려 "몇 %의 경로에서 돈이 남았는가"를 세는 방식이 1990년대 후반 이후 은퇴 설계 소프트웨어의 표준이 됐다.

팬 차트 — 분포를 밴드로 접기

수천 개의 경로를 그대로 그리면 실뭉치가 된다. 팬 차트(fan chart)는 각 시점의 경로들을 백분위로 잘라 중앙 경로를 가장 진하게, 바깥 백분위일수록 옅게 칠한 밴드로 접는다. 영란은행(Bank of England)이 1996년 인플레이션 보고서에서 물가 전망에 도입한 형식이 원형으로, 시간이 오른쪽으로 갈수록 부채꼴처럼 벌어지는 모양 — 불확실성은 시간에 비례해 쌓인다 — 이 이름의 유래다. 이후 각국 중앙은행 전망과 재무 설계 도구의 공용 문법이 됐다.

표준적인 비판도 함께 알아 둘 것. 결과 분포는 입력 분포의 가정(대개 정규분포)에 통째로 의존하고, 극단 꼬리를 과소평가하기 쉬우며, "성공 확률 87%" 같은 한 자리 숫자는 거짓 정밀도로 읽히기 쉽다. Sam Savage 는 이 계열의 오류 전체를 "평균의 결함(Flaw of Averages)" — 평균 가정 위의 계획은 평균적으로 틀린다 — 으로 묶었다.

우리 모델과의 접점

우리 개념 모델 제6장의 미래 순자산 곡선은 지금 결정론적이다 — 스냅샷(시작점) + 반복 이동(계단) + 일회 이동(점프) + 지갑별 성장률을 저장하지 않고 계산한다(원칙 7). 몬테카를로/팬 차트의 부품은 이 계산과 거의 1:1 로 맞물린다:

가장 유익한 것은 어긋남이다. 몬테카를로가 흔드는 것은 파라미터(수익률이 몇 %가 나올까)지만, 개인의 삶에서 더 큰 불확실성은 사건 자체(이직을 할까, 집을 살까)다. 우리 모델은 후자를 이미 겹(시나리오, 제7장)으로 갖고 있다 — 미래 여러 벌은 사용자가 고르는 이산적 갈림길이고, 밴드는 한 갈림길 안에서 시장이 만드는 연속적 흔들림이다. 재무 설계 도구 다수가 이 둘을 뭉개서 "확률"하나로 내놓는 반면, 우리는 두 축을 분리해서 갖고 출발한다.

생각할 거리

1. 완전한 몬테카를로가 필요한가, 세 값이면 족한가. 개인 도구에서 분포 가정(정규? 두꺼운 꼬리?)은 사용자가 검증할 수 없는 입력이다. 낙관/기준/비관 성장률 3값으로 그리는 결정론적 팬 — 영란은행식 백분위가 아니라 시나리오식 3선 — 이 오히려 정직할 수 있다. "채워지면 무엇이 파생되는가"를 기준으로, 수천 경로가 3선 대비 실제로 더 주는 것이 무엇인지부터 물을 것.
2. 겹 × 밴드의 화면 문법. 시나리오 N벌을 곡선 N개로 견주는 것이 여비의 검토 단계(시나리오 플래닝)인데, 각 곡선이 부채꼴을 두르면 N개의 팬이 겹쳐 실뭉치로 돌아간다. 밴드는 선택된 겹 하나에만 입히고 비교 모드에선 중앙선만 남기는 식의 규칙이 필요하다 — 겹은 어느 렌즈에서든 토글이라는 문법(제9장) 안에서 밴드 토글의 자리는 어디인가.
3. "성공 확률 87%"를 보여 줄 것인가. 확률 한 숫자는 굿하트의 법칙이 경고하는 지표의 함정에 정확히 들어가고, 거짓 정밀도로 불안 또는 과신을 만든다. 숫자 대신 밴드의 모양(어디서 벌어지는가, 비관선이 어디서 0을 치는가)만 보여 주는 절제가 우리 톤에 맞는지 검토할 것.
4. 크레바스 판정은 어느 선으로 하나. 여비 금융상품 확장은 "내 상품이 은퇴 크레바스를 덮는가"를 곡선 그 자체로 판정하게 했다. 밴드가 생기면 판정이 예/아니오에서 확률로 바뀐다 — 잠김 있는 상품 결정은 비관 하단선 기준, 여유 자금은 기준선 기준처럼 판단마다 보는 선이 다르다는 규칙을 세울 것인가, 사용자에게 맡길 것인가.
5. 점프의 불확실성은 누가 담나. 몬테카를로는 수익률을 흔들지만, 사건에 앵커된 일회 이동(점프)의 금액·시점도 흔들린다(집값, 이직 시점). 이것을 밴드에 넣으면 겹과 역할이 겹치고, 겹에 넣으면 조합이 폭발한다. "파라미터 불확실성=밴드, 선택 불확실성=겹"의 경계선을 어디에 긋는지가 v0.2+ 설계의 첫 결정이다.

더 찾아보기

• Nicholas Metropolis & Stanisław Ulam, "The Monte Carlo Method", Journal of the American Statistical Association, 1949 — 방법의 공개 원전.
• Sam L. Savage, The Flaw of Averages, Wiley — 평균 가정 위의 계획이 왜 체계적으로 틀리는지. 밴드가 필요한 이유의 교과서.
• 검색: Bank of England inflation fan chart — 팬 차트의 원형과 백분위 설계. · sequence of returns risk — 같은 평균, 다른 운명. · Monte Carlo retirement planning criticism — 성공 확률 표기의 함정 논쟁.
• 같은 장의 이웃: 런웨이(결정론적 소진 계산 — 밴드가 입혀질 가장 단순한 곡선), 시스템 사고의 스톡·플로우(곡선의 어휘 자체), Die with Zero(비관 편향이 만드는 과잉 저축 — 밴드의 하단만 보는 삶의 비용).
• 다음 장으로: 시나리오 플래닝 — 밴드가 못 담는 이산적 미래를 다루는 짝 개념.