NEWS
보도자료
특집기사
SAS Intelli-Zine
SASCOM 매거진
뉴스레터 신청

정량적 리스크 관리에서 하이 퍼포먼스 리스크 관리 분석 프레임워크로의 진화

- 리스크 관리에 대한 새로운 통찰: 노벨상 수상자 Myron S. Scholes 박사와 SAS 아메리카 리스크 업무 총괄 이사 Tom Kimner

 

리스크 관리의 진화

최근의 시장 변동에 따른 결과로 은행권과 자산투자회사, 자산 관리자들은 더욱 신중한 태도로 문제를 다루는 동시에 다음과 같은 사항에 주안점을 두기 시작했다. 1) 포트폴리오 이론을 이용한 리스크/보상 간의 타협점 모색 방안과 시장 변동에 대비한 계획 수립 방안 2) 이러한 시장 변동이 기업과 사업부에 미치는 영향. 한편, 선도적인 금융 기관들은 리스크와 수익을 보다 완벽하게 파악하기 위해 포트폴리오 리스크와 자본 수익률을 연계하고 시장 유동성을 분석 대상에 포함시키고 있는데, 그 결과 리스크 노출에 대한 통일된 시각을 확보하는 것보다 투입 자본을 최적화하는 일이 리스크 관리 부서의 새로운 역할로 자리잡아 가게 되었다.

전통적으로 리스크 관리는 전문가의 판단력과 제한적인 정량적 기법에 주로 의존해 왔으나, 이제 이 방식은 종래의 정량적(quantitative) 기법을 분석적 의사결정 프레임워크—리스크 노출/자본 수익률에 최적화된—에 결합하여 의사 결정자들에게 보다 투명하고 가용성 높은 수단을 제공하는 정교한 분석 기법으로 대체되고 있는 추세다. 즉, 동적 옵션 프레임워크—리스크/수익 의사결정의 단편화된 요소들이 병합된—내에서 의사결정 부문의 분석 기법이 정량적 리스크 노출 계산과 결합하게 되는 것이다.

온디맨드 예측 시나리오는 선도적인 금융 기관들이 향후에 채택하게 될 핵심 비즈니스 툴로, 시나리오 활용을 극대화한 최신의 리스크/수익 뷰가 확보되지 않으면 경영진은 다양한 자산군에 투입된 자본의 실적 현황을 제대로 파악하거나 통합할 수 없다. 이제 우리는 리스크/보상 방정식의 모든 요소들—즉, 노출, 수익, 자본 준비금, 다양한 형태로 투입된 자본, 회사 유동성, 시장 유동성 등—을 통합함으로써 기업 내에서도 하이 퍼포먼스 리스크 관리 능력을 구현하고 이를 더욱 발전시킬 수 있는 기회를 얻을 수 있게 되었다.

포트폴리오 이론은 자본 관리 전략 계획을 바라보는 시각에, 그리고 VaR(Value at Risk)은 포트폴리오 이론 구조에서의 리스크 노출 정량화에 지대한 영향을 미쳤다. 전통적으로 유동성 쇼크와 시장 혼란에 대비한 재정 거래 보고 업무 및 계획 수립은 간접적으로 시나리오 분석이나 리스크 예산 편성 방식을 통해 다루어졌으나, 보통 시나리오는 단순히 금리 쇼크나 주요 경제 지표의 변동에 대처할 용도로 구축된다.

VaR 및 부도율 같은 일반적인 리스크 기법이 여전히 사용되고 있기는 하지만 이것만으로는 시장 구조의 체계적 변화를 예측하기에는 역부족인 것으로 판단된다. 특히 이 기법은 시장 변동과 자산 간의 상관 관계가 느리게 변화하거나 아예 변화가 발생하지 않는 것을 전제로 한다. 즉, 이 말은 유동성이나 시장 가치의 폭등으로 초래되는 체계적·부정적 변화를 다루도록 기법이 설계되지 않았음을 의미한다.

■ 리스크 노출에 대한 통일된 시각을 확보하는 것보다 투입 자본을 최적화하는 일이 리스크 관리 부서의 새로운 역할로 자리잡아 가고 있다.

2008년에 시작된 경제 침체의 그늘에서 점차 벗어나면서 은행들은 자본 준비금을 확충해야 했고 국가 채무의 영향은 자본 흐름을 억제하는 요소로 작용하기에 이르렀다. 이 때문에 시장 변동의 영향이 커질 우려가 있고, 예기치 못한 사건이 발생할 경우 변동성과 시장 충격의 영향이 가중될 것으로 예상된다. 또한 투자 자본을 확보하거나 포지션을 청산하는 능력에 따라서, 시장들이 체계적 구조 변화에 적응하는 향후 수년간 부도 사태가 더 빈번히 발생할 수도 있다.

대부분의 기업들이 VaR 같은 동적 수단을 사용해 단기 시장 요인 변동에 따른 결과의 민감도를 측정하고는 있지만, 이에 더하여 충격 처리를 위한 자본 준비금을 추가로 확보할 필요성도 대두되고 있다. 다시 말해 기업들은 단기 대책이 불충분하다는 사실을 실감하고 있는 것이다. 하지만 필요한 리스크 준비금이나 비축 자금의 규모를 가늠하려면, 보다 정확한 리스크/수익 균형 관계를 유지하기 위해 이들을 동적으로 조정하고 기업 내 다양한 자산 부문에 비축 자금을 분배하는 새로운 작업이 요구된다. 그리고 이는 새로운 연구 방향을 제시하는 계기로 작용한다. 한편, 리스크 관리 기술을 강화하기 위해서는 다중요인, 기업간, 완전가치평가법 등의 방법과 연관된 계산의 복잡성을 제거해주는 혁신적 기술(예: SAS 하이 퍼포먼스 계산 환경)을 활용할 필요가 있다. 이 솔루션의 도움을 받을 경우 수천여 가지의 시장 상황에 내재되어 있는 수천 개의 리스크 요인에 대한 대규모 회귀 계산을 수일이 아니라 단 수분 내에 처리할 수 있다. 이 말은 이제 기술의 ‘비약적 진보를 통해 방법론의 비약적 진보를 실현’할 수 있다는 것을 의미한다.

리스크 관리 툴로는 분산투자(diversification), 준비자산(reserves), 보험이 있으며, 각 방법마다 장단점이 있다. 예를 들어, 고객 요구 부응이 시급한 금융 기관은 수익률을 높이기 위해 보유액에 집중하다 보면 분산투자 부분이 희생될 수밖에 없고, 또 준비자산을 저수익 채권(소규모 부채 포함)의 형태로 지나치게 많이 보유할 경우 위기 사태에 대비할 수 있는 장점은 있지만 투자와 기대 수익이 제한된다. 뿐만 아니라 헤징이 요구되고 타이밍이 불확실할 경우에는 보험 비용이 증가하고, 보험의 ‘올바른’ 형태와 액수를 알 수 없게 된다. 예를 들어 중장기 자금조달 조치로 기업을 붕괴 위기에서 구출해야 하는 상황에 직면하지 않는 한, 일반적으로 익일불 도매 자금(overnight wholesale funds)을 이용한 자금조달 방법이 더 경제적이라고 할 수 있다. 하지만 시장 쇼크나 시스템적 리스크(systemic risk)에 노출될 경우 이 방법들로도 문제를 해결하기에는 역부족이다.

이론을 현실화하는 문제(즉, 구현)와 관련해서, 시장 관계자들은 리스크에 대한 뷰를 확보하고 모델을 수정하기 위해 최근의(1990년대와 2000년대) 시장 경험에 지나치게 의존하는 경향이 있었다. 이들은 보유액을 조정하고 리스크를 완화시켜야 할 필요성—마켓 쇼크와 유동성 부족 현상을 고려해—과 그에 따른 비용을 간과하는 그릇된 결론을 내리기에 이르렀고, 또한 상호 관련성이 적은 기업 활동에 대한 분산투자에 전적으로 의존하면서 격리된 포트폴리오 내에서 리스크가 잘 통제되고 있다고 결론지었다. 즉, 이들은 예상치 못한 시장 상황에 대한 대처 방법을 평가하고 수립하는 데 있어서 제한적인 정량적 기법에만 지나치게 의존했던 것이다.

■ 대부분의 기업들이 VaR 같은 동적 수단을 사용해 단기 시장 요인 변동에 따른 결과의 민감도를 측정하고는 있지만, 이에 더하여 충격 처리를 위한 자본 준비금을 추가로 확보할 필요성도 대두되고 있다.

이들은 또한 신용 평가기관과 같은 외부 모니터 기관에 지나치게 의존하는 하는 경향이 있었고, 또 이 신용 평가기관들은 동시다발적으로 발생하는 여러 실패 사례들을 모델에 포함시키지 않고 있었다. 이 말은 최근의 시장 상황 데이터로도 상황의 전말을 제대로 파악하지 못하거나, 기업이 구조화 상품의 구성을 역 엔지니어링하여 가까스로 “AAA” 등급을 받아내더라도 상품 품질이 저하될 수 있다는 사실을 간과했다는 것을 의미한다.

따라서, 문제는 기업들이 최근의 변동성과 감지된 상관 관계가 미래의 변화와 상관 관계를 보여주는 최상의 지표라고 가정하고 그럴싸한 투자 경로에 대한 단편적 시각(뷰)을 확대 해석해 나간다는 점이다. 뿐만 아니라 기업들은 일련의 투자기회의 쇼크와 변화에 대비한 계획이 불필요하거나 무가치하다고 여겼고, 이로써 리스크 불감증이 만연하여 급기야 리스크 담당자는 빈번하게 거짓 경보를 울리는 “양치기 소년”으로 전락해 버리고 말았다. 결국 포트폴리오 변동성을 과소평가한 것이 상관 관계를 간과하게 만드는 데 결정적 역할을 했던 것이다. 결과적으로 규제자와 시장 관계자들은 수년 전에 관찰되었던 리스크는 단지 과거의 리스크일 뿐, 현재의 리스크는 이미 “파악되었고” 예측 가능한 미래에도 그 상태가 유지될 것이라고 믿었다. 시장 참여자들은 차입 자본을 이용해 자체적으로 리스크를 가중시키고, 소유 자산을 집중투자하고(즉, 분산투자를 줄이고), 고 리스크 포지션을 취하고, 충격에 대비한 예비비를 삭감함으로써 이 같은 “믿음”에 부응했다. 예비비가 삭감된 이유는 증권화 상품을 통해 리스크를 다변화하거나 분산시킬 수 있기 때문이었고, 불확실성이 해소됨에 따라 자본 최적화 방식의 유연성 계획의 필요성 또한 감소했다. 만약 실제로 리스크가 통제되었다면 이 같은 계획은 올바른 결정이었을 것이다. 하지만 이제 와서 돌이켜보면, 최신 데이터에만 지나치게 의존하고 사소한 쇼크를 간과한 것은 잘못된 판단이었다. 결국 오랜 기간 동안 시장 침체가 지속되었고 리스크는 사그러들 기미를 보이지 않았다. 또, 경기 순환이 여전히 지속되고 있는 상황에서 정보의 양이 지나치게 방대해져 리스크 억제에 필요한 상호작용 관계를 일일이 파악하는 것이 불가능해졌다. 이것이 바로 핵심 교훈이다.

한 가지 더 주목해야 할 부분은 국제 자본 흐름과 관련한 주권국의 역할이다. 중앙 은행이 안정적이고 견실한 펀딩 메커니즘을 보유하고 있다는 측면에서 볼 때, 국가적 차원의 안전성은 다국적 은행이 여러 국가에 걸쳐 자본을 투입할 수 있게 유도하는 긍정적 요인으로 작용한다. 은행권과 국가 중앙은행 체제가 안정됨에 따라, 중동, 중국, 러시아, 라틴 아메리카의 신흥 금융 시장에서 유럽연합(EU)과 북미 지역 시장으로의 지속적인 자본 유입의 조짐이 보이기 시작했다. 불과 10년 전만 해도 세계 자본시장에 편입되어 있지 않았던 이들 시장에서 이처럼 손쉽게 자본을 이용할 수 있게 되자, 리스크 관리는 단지 Basel II Accord와 같은 규제 조치를 준수하기 위한 일련의 수단에 지나지 않는다는 생각이 더욱 팽배해지기에 이른다.

■ 따라서, 문제는 기업들이 최근의 변동성과 감지된 상관 관계가 미래의 변화와 상관 관계를 보여주는 최상의 지표라고 가정하고 그럴싸한 투자 경로에 대한 단편적 시각(뷰)을 확대 해석해 나간다는 점이다. 뿐만 아니라 기업들은 일련의 투자기회의 쇼크와 변화에 대비한 계획이 불필요하거나 무가치하다고 여겼다.

유동성 플래닝, 자산 증식 플래닝, 자본 구성 플래닝은 상대적으로 낮은 업무 등급으로 분류되어 고위 입안자가 아닌 리스크 담당자에게 위탁되었고, 리스크 관리의 초점은 주로 법규 준수에 맞추어졌다. 이 시스템의 안정성 덕분에 몇몇 글로벌 대기업이 신규 시장에서 자본을 조달하고 새로 구성된 증권화 상품을 이들 시장에 할당하기 위한 시스템을 구축할 수 있게 되자, 리스크 전가를 위한 안일한 분산 시스템의 개념이 또 다시 팽배해지기에 이른다.

 

최적화를 향한 움직임

성과 관리와 비즈니스 인텔리전스 툴을 활용하면 매우 광범위한 작업을 수행할 수 있다. 가령, 이 시스템을 통해 수행할 수 있는 가장 일반적인 작업으로는 표준 정보 리포팅을- 보통의 빈도로 발생하는-들 수 있겠다. 또, 일반적인 성과 관리 시스템의 경우 각 분기/지역 별로 영업 실적을 보고할 수 있고, 보다 정교한 리포팅 단계로 올라가면 관리자는 맞춤형 보고서를 지정하고 수신하거나, 고급 데이터를 심층 분석해서 트렌드, 패턴, 특이 사항 등을 파악할 수도 있다. 가장 정교한 표준 보고 방식이라면 아마도 보고가 이루어진 정보가 정해진 매개변수의 범위를 벗어날 경우 경고를 내보내는 것일 것이다. 하지만 경고라 하더라도 이미 발생한 성과를 뒤돌아보는 데 주로 초점이 맞추어져 있다.

관리자들을 대상으로 한 글로벌 온라인 설문조사에 따르면(그림 1), 대부분의 조직이 일정 수준의 성과 관리를 수행하고 있었고, 성과 관리 접근방식을 이용하지 않는다고 답한 응답자는 7%에 불과했다. 이번 설문조사를 통해서 우리는 기업 전반에 걸쳐 성과 관리 기법을 통합하는 일이 결코 쉽지 않다는 사실을 알 수 있었다. 조직 전반에 걸쳐 성과 관리를 통합했다고 답한 응답자는 37%에 불과한 반면, 그보다 많은 56%의 응답자는 성과 관리를 수행하고 있기는 하지만 조직에서 부분적으로 도입해서 사용하거나 여전히 통합이 되지 않은 방식으로 운영되고 있다고 답했다. 이 말은 결국 기업들이 어떤 요인을 측정하고 어떤 방식으로 측정할 것인지에 대한 합의를 도출하는 데 곤란을 겪을 수 있다는 것을 의미한다.

우리는 이 같은 결과를 통해 얻은 교훈을 토대로, 적정한 수준의 투자 자본에 대한 요구 수익률을 달성하기 위해 최적화와 균형을 지향하는 새로운 형태의 프레임워크를 제안하고자 한다. 리스크 관리란 리스크를 최소화하는 것이 아니라 기업 전체의 구성요소들을 최적화하는 것이다. 즉, 리스크 관리는 단순한 모니터링 기술이 아니라, 수익 창출과 기업 운영의 역학 관계가 한데 통합된 접근방식이라고 할 수 있다. 여기에 새로운 컴퓨팅 및 통신 기술은 합리적인 비용으로 통합된 접근방식을 구현할 수 있게 해준다. 리스크 관리는 서로 경합 관계에 있는 활동들 간의 자본 공유, 투자기회 조합의 변화에 따른 포지션 변경 등, 각 비즈니스 활동에 필요한 자본의 보상(쇼크에 대비해 보유고를 조정하기 위한 준비금 포함)에 대한 이해를 요구한다. 따라서, 최적화 기술은 모든 것이 예상대로 순조롭게 진행될 경우의 보상은 물론 쇼크 발생 시에 필요한 리스크 조정 비용을 함께 고려함으로써 경합 관계에 있는 대안들 간에 부족한 자본을 할당할 수 있어야 한다. 또한, “기회집합(opportunity sets)”에 변동이 생길 수 있다는 사실을 간과해서는 안 된다.

재인식(new understanding)과 다양한 기법들, 그리고 시장의 유동성 변화나 타 시장 관계자들의 플래닝 등에 따른 결과로 기회집합에 변동이 생기는—또는 그 가능성이 존재하는—경우, 기업의 리스크 레벨은 고위 경영진의 의사결정을 요하는 사안이 된다. 사실, 운영 또는 재정의 유연성에 관한 의사결정 업무는 하위 부서나 자회사에 떠넘길 수 없는 문제다. 예를 들어, 부채(즉, 차입금을 이용한 투자) 비율이 낮은 기업은 이미 투자 가능 자본이 확보된 상태라고 볼 수 있는데, 그 결과 부채율이 더 높은 기업에 비해 낮은 자기자본수익률(ROE: Returns On Equity)을 경험하는 경우가 종종 발생한다. 하지만, 이 같이 부채율이 낮은 기업은 시장 쇼크 시 조정 비용으로 인한 고통을 훨씬 덜 받게 될 가능성이 크며, 오히려 이럴 때일수록 제약을 받는 경쟁자에 비해 훨씬 다양하게 (투자) 기회를 접할 수 있다는 이점이 있다. 일례로 타 은행들에 비해 보수적인 리스크 포지션을 유지했던 JP Morgan Chase의 경우, 자기자본비율이 낮은 은행의 고객들이 대규모로 몰리는 바람에 경제 위기가 진행되는 동안에 대량의 자본 유입을 경험할 수 있었고, 결과적으로 풍부한 기회집합의 이점을 활용할 수 있었다.

■ 리스크 관리란 리스크를 최소화하는 것이 아니라 기업 전반의 구성요소들을 최적화하는 것이다.

리스크 레벨을 선택하는 일은 비즈니스 의사결정 차원에서 이루어지며, 이는 기회집합의 변동과 무관하지 않다. 또, 최적화 결정에는 자산을 어떻게 결합할 것인지에 대한 문제도 함께 다루어져야 하고, 이를 위해서는 금융 지표를 취합·통합해 거래자와 관리자에게 의사결정 툴을 제공할 수 있는 분석 프레임워크가 필요하다. 한편, 시나리오는 리스크 레벨을 결정하고 특정 시나리오에서 쇼크가 어떻게 손실을 초래하는 지 파악하는 데 사용된다. 최종적으로 도출된 최적화 시나리오의 방향은 다변화(또는 분산투자) 또는 헤징을 추가적으로 취하는 것이 아니라 포지션을 포기하는 쪽으로 갈수도 있다.

기업이 이 같은 요구사항을 충족하려면 고난도—즉, 계산하기 까다로운—문제를 해결하기 위한 솔루션을 시장 속도에 맞추어 찾아내는 알고리즘과 컴퓨팅 능력, 그리고 최적화 결정을 내릴 때 기회집합의 변동을 예상할 수 있도록 조직을 훈련시킬 수 있는 경영 철학이 필요하다. 최적화는 더 이상 분기별 또는 월별로 치러지는 정기 보고 작업이 아니라 시장, 자본, 리스크 요인의 변화에 신속하게 대응하기 위한 특수 활동으로 취급되어야 한다.

 

정량적 계산인가, 경영 분석인가?

기업들이 포트폴리오 내의 리스크/보상 균형 관계에 대해 편협한 시각을 가지고 있는 것처럼 보이는 이유는 무엇일까? 그 동안 축적되어 온 경험, 그리고 은행을 비롯한 여러 금융 서비스 기관들과의 대화 내용을 근거로 살펴볼 때 세 가지의 주요 이슈가 계속해서 불거져 나오는 것을 알 수 있다. 첫째, 광범위한 분석 기법의 활용이 미흡했다는 점. 대신 업계는 통계적으로 충분하다고 판단되는 몇 가지 정량적 척도에 주로 의존했다. 둘째, 다변화에 지나치게 의존하는 경향. 셋째, 필요할 경우 자본을 신속히 조달할 수 있고 항시 충분한 유동성이 보장되어 있다고 여겼던 점.

포트폴리오 레벨에서 최대 노출(maximum exposure)을 결정하기 위한 몇 가지 정량적 기법에 의존한 결과, 이 방법을 통해 기업 전체의 리스크 또는 상품 컬렉션의 리스크를 파악할 수 있다는 공통된 견해가 형성되었으며, 일단 무시된 부분은 가차없이 하찮은 것으로 간주되었다. 예컨대, 2008년의 경제 위기 중 VaR은 비참한 실패를 맛보아야 했지만, 여전히 주요한 노출 정량화 기법 중 하나로 남아 있다.

이처럼 제한이 따르는 노출 측정 수단에 의존한 결과 자칫 특정 노출이 문제를 악화시킬 수 있다는 가능성이 과소평가되었고, 노출 계산 시 격리된 포트폴리오 뷰만 살펴볼 뿐 포트폴리오 간의 상호 작용이나 의존 관계에 대해서는 주목하지 않았다. 기업들이 이런 방식으로 리스크를 측정했던 이유는 부분적으로 VaR의 비가산적 특성과 전사적 노출을 계산할 수 있는 능력의 한계 때문이었다. VaR을 구현하기 위해서는 종래의 계산 기술의 한계와 포트폴리오 데이터의 수집·취합 능력, 그리고 이종 금융 상품에 대한 노출 모델링 문제 등을 극복해야 했다. 결국 기업들은 포트폴리오 노출에 대한 보다 정확한 뷰를 확보하기 위해, 상품 범주를 축소해서 정확하다고 판단되는 선에서 측정 “리스크 경로(path of risk)”를 좁힐 수 밖에 없었다.

■ 이를 위해서는 금융 지표를 취합·통합해 거래자와 관리자에게 의사결정 툴을 제공할 수 있는 분석 프레임워크가 필요하다.

이렇게 좁혀진 리스크 뷰를 신뢰하게 된 결과로, 기업이 현재의 리스크 경로를 확장하려는 경우 잠재적 손실을 억제하기 위한 자본 준비금, 헤징, 파생 상품의 결합을 통해 정량화와 관리가 가능하다는 가정이 도출되기에 이른다. 또한, 기초 리스크의 시장 요소를 축소해서 시장 변동성을 평가했고, 당연히 자본 및 헤징 전략의 충격 흡수를 통해 시장 효과가 상쇄될 수 있을 것이라고 여겼다.

두 번째 견해는 다양한 상품 포트폴리오 또는 리스크 경로에 걸쳐 리스크를 다변화할 수 있고, 시장 변동성 측면에서 경로들이 결코 한 방향으로만 쏠리지는 않으리라는 것이었다. 즉, 이들은 시장 부문들 간에 상관 관계가 낮게 유지될 것이고, 상관 관계가 증가하려면 기업이 리스크를 통제하거나 방지할 수 있는 특정 기간 동안 변동성을 적절히 평가하고 대응할 수 있어야 한다고 생각했던 것이다. 반면에 기업이 충분히 신속하게 대응할 수 없는 상황에서 VaR은 최대 리스크 노출치를 나타냈다.

기업의 여러 부서에 걸쳐 손실이 발생하는 극단적인 경우에는 헤징 메커니즘과 완충 자본이 가동되어 충격을 흡수했으며, 일련의 구조화 금융 상품을 통해 투자 상품의 “알파” 구성요소를 유지하고 “베타” 구성요소를 헤지하거나 전가(shed)할 수 있다는 생각이 지배적이었다. 시장의 변동성이 미미하게 유지될 것이라고 가정했기 때문에, “전가(shedding)” 메커니즘이 불완전하거나 쇼크 발생 시 구조화 투자의 리스크가 기업에게 되돌아올 수도 있다는 가능성은 거의 고려되지 않았던 것이다. 더욱이 이 리스크의 강도는 상당히 낮을 뿐 아니라 충분히 통제 가능한 것으로 여겨졌다.

세 번째 견해는 시장 유동성에 충분한 여유가 있다는 것, 또는 유동성이 낮아짐으로 인해서 수익성이 감소하게 될 가능성은 극히 미약하다는 것이었다. 자산 가치가 하락해 추가 자본이 필요하게 되는 경우에는 차입 구조를 통해, 또는 보유 자산을 매각하거나 구축함으로써, 또는 필요에 따라 우선주나 자기 자본을 늘림으로써 조달이 가능할 수 있었다. 투자 또는 리스크 포지션이 동요하더라도 시장이 상품 구조화에 사용된 증권을 흡수할 수 있는 능력을 갖춘 것으로 가정되었으며, 시장 기능이 마비될 경우 특정 포지션, 증권 또는 상품 유형에서 발을 빼야 한다는 생각은 주된 고려 사항에서 제외되었다. 또, 완충 자본, 충분한 헤지 또는 기타 구조화 상품 때문에 이 같은 조정 비용은 그다지 크지 않을 것으로 여겼다.

시장 유동성이 시장의 전반적 성과와 높은 상관 관계를 갖는다는 발상은 근거가 불확실했다. 시장이 활발할 때는 자본과 유동성이 유입되어 즉시 이용 가능하겠지만, 시장이 침체되거나 쇼크가 있을 경우에는 자본이 빠져나가는 것이 일반적인 현상이다. 이런 현상은 중개자가 자신의 가치 평가 능력에 더 이상 확신을 갖지 못하고 유동성 수요가 일시적이라는 확신을 갖지 못하기 때문에 발생하며, 또 이들은 유동성과 가치 평가의 변화에 따른 가격 변동을 서로 구분할 수 없게 된다.

■ 시장이 활발할 때는 자본과 유동성이 유입되어 즉시 이용 가능하겠지만, 시장이 침체되거나 쇼크가 있을 경우에는 자본이 빠져나가는 것이 일반적인 현상이다.

뿐만 아니라 지난 10년 동안 금융 기업의 레버리지 비율이 세 배로 급증했는데, 장부상/장부외 자산에 추가된 자본의 이 같은 부채 특성이 그대로 지속될 수는 없었다. 일단 시장이 침체되면 시장에 유동성을 공급한 자본을 대체하는 것이 불가능했고, 게다가 2010년 전반기에 드러난 것처럼 국가 채무 문제가 시스템 내의 자본 흐름을 억제해 일부 시장의 자본 이용이 제한되기도 했다. 향후 리스크/보상 평가를 위한 프레임워크에서는 가용 자본의 액수를 밝히는 것은 물론 레버리지 조정 비용과 자산 및 부채의 듀레이션 불일치 부분을 통합해야 할 필요가 있을 것이다. 또, 시장/부문/기업 레벨의 레버리지 평가가 이루어져야 하며, 시장에서, 시장의 특정 부문에서, 또는 단순히 시장 외부에서 자본이 어디로 투입되고 있는지 밝혀져야 한다. 그리고 이 같은 뷰는 시장 변동성을 보다 효과적으로 평가하는 데에도 도움이 된다.

 

포트폴리오 이론 관점에서 최적화 관점으로의 전환

리스크 관리의 패러다임은 단절된 정량적 방식에서 종합적 경영 분석 방식으로 전환될 것이다. 리스크 관리 프레임워크에는 다음의 항목이 반드시 포함되어야 한다.

1. “정확한” 자본 수익률을 계산해내기 위한 전략에 할당되는 자본 레벨의 결정 요인.
2. 전략 강화를 위한 동력, 쇼크에 대비한 준비금, 전사적 리스크 완화를 위한 비용 등을 포함한 전략 효과에 대한 평가.
3. 모든 자산(거래량이 적은 자산도 포함) 가치에 영향을 미치는 시장 여건의 변화까지 감안한 포트폴리오의 최적화.
4. 시나리오 분석과 기업의 지구력 측정을 통한 리스크 레벨의 평가.
5. 성과의 구성요소를 측정·평가하기 위한 피드백 및 모니터링 메커니즘. 이로써 기업은 경험을 바탕으로 교훈을 습득하고 모델 가정(model assumption)을 조정할 수 있음.
6. 운영 통제. 상응하는 성과(프리 옵션 제외 등 다기간에 걸친 결과 포함) 없이는 위험 감수를 장려하지 않는 보상 프로그램 포함.
7. 경제적이면서도 투자자들이 이해할 수 있는 수준의 의사결정(가령 새로운 회계 시스템)을 장려하는 투명성과 보고 메커니즘.
8. 자본 구조 리스크. 가령, 자금 조달 방식에 포함된 채무 및 옵션의 지속 기간 등.

■ 향후 리스크/보상 평가를 위한 프레임워크에서는 가용 자본의 액수를 밝히는 것은 물론 레버리지 조정 비용과 자산 및 부채의 듀레이션 불일치 부분을 통합해야 할 필요가 있을 것이다.

이 같은 패러다임 전환을 위해서는 컴퓨팅과 분석의 본질적 전환이 수반된다. 사실 1970년대에 초기 단계의 메인프레임 시스템이 보급된 이래 지금껏 은행, 자산 투자회사, 자산 관리자들은 전통적인 거래/보고 기술에 의존해 왔다. 정량적 척도—그리고 1980년대와 1990년대에 등장했던 계산 기법 등—는 분석 프레임워크를 단순한 거래 보고 이상의 영역으로까지 확대하는 계기가 되었지만, 기업들이 예측 분석 프레임워크의 비전까지 정확하게 이해할 수는 없었다.

그 이유 중 하나는 시장, 포트폴리오 및 사건 데이터의 상관 관계를 파악하려면 가능한 한 많은 거래 데이터를 단일의 중앙 리포지토리에 통합시켜야 한다는 고정관념 때문이었다. 게다가 계산 능력의 제약이 문제로 작용했고, 계산 시간을 1~2일로 단축하기 위해 노출 계산의 주요 요소를 선택하는 데 전문가의 판단이 지나치게 중시되었다. 끝으로, 이렇게 산출된 노출 계산은 대규모의 분석 보고 큐브로 재구성되므로 고위 경영진은 전사적 리스크 뷰를 확보할 수 없었던 것이다. 또, 계산에 수일이 소요된 결과물을 다시 차원 분석 큐브로 요약해 해석 전문가들로 구성된 전담 팀에 전달하는 과정에서도 시간이 추가로 지연되었다.

전통적으로, 요약된 일련의 리스크 요인에 계산 프로세스를 분산하여 전사적 리스크 계산 문제를 처리해야 하는 작업의 특성으로 인해 고위 경영진은 전체 포트폴리오에 대해 지나치게 요약된 구식의 리스크 뷰만을 확보할 수 있었다. 또한 포지션, 시장, 정보 이벤트의 동적 모니터링과 자본 이동의 추적이 가능한 첨단의 하이 퍼포먼스 컴퓨팅 환경이 도입되기 전까지 금융 기관들은 이 모든 구성요소를 전부 모니터할 수 있는 능력을 갖추고 있지 않았다. 바로 이런 이유 때문에 선도적 기업들은 결과물을 실시간으로 분산시킴으로써 새로운 동적 리스크 요인을 근거로 일련의 노출을 재계산할 수 있게 해주는 기술 프레임워크를 모색하고 있는 것이다. 동적 모니터링이 진정한 계측 분석 프로세스로 자리매김할 수 있으려면 분석 모델링 기법의 발전을 수용하고 동적 이벤트 상호 작용의 개념을 분석 모델에 포함시켜야 할 필요가 있다.

전통 방식의 요약 보고 기술만으로는 시장 이벤트가 시장과 포트폴리오에 어떤 영향을 미치는지 실시간으로 추론해낼 수가 없다. 즉, 이 접근방식으로는 보조를 맞추는 것이 불가능한 것이다. 프론트 오피스의 관리 직무, 미들 오피스의 모니터링 기능 또는 자금 조달 부서의 전문적 판단은 예측 분석과 결합될 때만 유의미한 방식으로 그 진가를 발휘할 수 있고, 예측 분석은 포트폴리오, 시장, 리스크 허용 범위, 자본 최적화 등의 요인을 온디맨드 방식으로 계산하는 기술 환경에서만 올바르게 구현될 수 있다. 전통적인 리포팅 및 데이터베이스 스토리지 기술의 경우 이 같은 능력을 갖고 있지 않지만, 파라미터화된 복수의 가정형(What-If) 시나리오에 결과를 저장할 수 있는 하이 퍼포먼스 계산 환경에서는 이것이 가능해진다. 그리고 대규모 요인 집합에 대해 온디맨드 방식으로 복수의 시나리오를 실행할 수 있는 능력을 갖춘 숙련된 의사 결정자는 모든 가용 정보를 최적화에 필요한 핵심 요소로 빠르게 압축할 수 있다. 하지만 이러한 능력을 갖추고 있지 못한 조직들의 경우, 기대치나 예상했던 결과가 나올 것이라는 막연한 가정 하에서 과거의 경험을 토대로만 추측을 계속할 수밖에는 없다.

■ 동적 모니터링이 진정한 계측 분석 프로세스로 자리매김할 수 있으려면 분석 모델링 기법의 발전을 수용하고 동적 이벤트 상호 작용의 개념을 분석 모델에 포함시켜야 할 필요가 있다.

대량의 정보를 실시간으로 처리하고 결과를 즉시 분석할 수 있는 능력은 패러다임을 적응 학습 시나리오로 바꾸어 놓는다. 이 같은 유형의 기술을 도입하는 기업은 어디에 자본을 배분하고 언제 기존의 리스크/보상 경로에서 벗어날지 결정할 수 있는 능력을 갖추게 됨으로써 강력한 경쟁력 우위의 이점을 얻을 수 있다. 또한 시장 상황에 신속히 대처할 수 있도록 하는 실시간 이벤트 분석을 바탕으로 새로운 적응 학습의 구조에서 전문가의 판단을 적용할 수도 있다. 이를 위해 SAS는 최근까지 리스크 계산, 자본 최적화, 시장 이벤트/유동성 측정에 최적화된 리스크 계산 플랫폼을 구축하는 데 연구 개발 역량을 집중해 오고 있다.

 

리스크 관리가 곧 자본 최적화

리스크 관리 업무는—자본의 최적 배분과는 무관하게—제한된 도구들을 이용해 단순히 노출을 측정·보고하는 것 그 이상으로 더 진화할 필요가 있다. 대신, 리스크 관리 부서는 수익과 리스크가 동전의 양면과 같으며, 기업 내에서 경합 관계에 있는 대안들 간에 자본을 최적으로 배분하기 위해서는 동전의 두 양면이 모두 불가결하다는 통합된 시각을 유지할 수 있어야 한. VaR이 동적 특성과 리스크 척도를 제공한다는 장점이 있지만, 이는 구조 변화가 발생할 리 없는 매우 짧은 선 상에서만 가능하다. 따라서 리스크, 수익, 시장 변동성에 대해 폭넓은 시야를 가지고 시장에서의 가용 유동성을 예측해낼 수 있는 보다 광범위한 방법론이 필요하고, 이 기능들을 공통의 의사결정 기능에 결합한다면 정량적 노출 모니터링을 제한적으로 사용하는 단계를 벗어나 보다 확실하고 전향적인 분석 프레임워크로 리스크 패러다임이 전환될 수 있을 것이다.

의사 결정 능력이 강화되면 동적으로 자본을 배분할 수 있는 수단이 확보될 뿐 아니라 리스크 경로와 수익 경로를 연계시킴으로써 쇼크/조정 비용—시장 성과 함수로 바뀌는—을 포함한 복수의 경로나 결과를 예측해낼 수 있다. 특히 유동성의 가치(prices)는 시장 성과에 따라 달라지게 되는데, 현재의 리스크 관리 프레임워크에서 유동성 가치는 일정할 것이라고 가정한다. 이것이 1차 함수인 경우, 그리고 리스크 완충 효과가 미흡해 자산 포지션을 축소해야 하는 쇼크 시기의 1차 함수인 경우, 리스크 모델이 리스크를 현격하게 과소 평가해 부정확한 자본 배분을 초래할 수 있다. 그 결과 수익률이 지나치게 고평가되고 리스크는 지나치게 저평가되는 상황이 발생하여 기업은 과도한 자본을 비유동적인 포지션에 배분한다. 더욱이 포지션 가치와 리스크를 측정하기 어려운 상황이라면 문제는 더욱 심각해진다. 그리고 많은 기업들이 이와 유사한 실수를 저지를 경우, 금융 제도는 고객 리스크—그리고 금융 기업 자체의 리스크—문제를 동시에 처리하기 위해 엄청난 손실을 대가로 치러야 하는 상황에 놓이게 된다.

■ SAS는 최근까지 리스크 계산, 자본 최적화, 시장 이벤트/유동성 측정에 최적화된 리스크 계산 플랫폼을 구축하는 데 연구 개발 역량을 집중해 오고 있다.

따라서 우리가 중점을 두고 있는 부분은 수익 최적화, 자본 관리, 가격과 유동성에 미치는 시장의 영향 등을 포괄하는 보다 광범위한 리스크 뷰를 확보해 리스크 관리를 위한 견고한 프레임워크를 구축하는 것이다. 전사적 리스크 관리란 결국 전사적 최적화를 의미한다. 은행을 비롯한 금융 서비스 기업들은 이 같은 프레임워크를 토대로 일련의 전략을 적용하거나 테스트하여 기업의 장기적 이익에 가장 적합한 리스크 레벨을 확정할 수 있다. 그리고 이 방식은 일종의 동적 프로세스로, 시장 여건이 변하거나 새로운 정보가 믹스에 추가되어 자본 배분 전략이 개선됨에 따라 온디맨드 방식으로 적용될 수 있어야 한다. 즉, 수익을 달성하는 동시에 리스크 요소들을 통합하는 데 필요한 구성요소들을 효과적으로 통합한다는 것은 획기적인 발상의 전환이라고 할 수 있다.

 

자본 최적화 – 옵션 분석 프레임워크

하이 퍼포먼스 리스크 관리를 위한 분석 프레임워크의 핵심 요소

 

자본 – 다변화인가 최적화인가?

프레임워크는 다음 중 한 가지 방향으로 진화한다. 첫 번째 접근법은 스트레스 손실을 기준으로 전략 또는 사업 부문에 자본을 배분하는 것이다. 포트폴리오 이론은 총 수익 및 상관 관계를 기준으로 각각 자본을 배분하고 공유하는 반면에, 스트레스 손실이나 극단적 사건에 기초한 자본 최적화는 각 비즈니스가 독립적으로 운영되도록 자본을 배분한다. 그리고 스트레스 손실을 기초로 자본이 배분되는 경우 리스크가 증가하는데, 왜냐하면 스트레스 시 모든 전략이 손실을 보게 되고 상관 관계가 1에 가까워지기 때문이다. 기업은 리스크 예산을 책정하고, 리스크 증가 시 이 예산을 초과하지 않도록 할 수 있지만, 이 때 각 전략에 적용할 스트레스 손실을 어떻게 평가하느냐 하는 문제가 발생한다.

두 번째 접근법은 통상적 시장 여건을 다루는 전략에 자본을 배분한 다음 전략 손실에 대비해 보호 수단을 확보하는 것이다. 따라서 유동성의 가치는 곧 보호 수단 비용이라고 볼 수 있겠다. 먼저, 기업이 언제 어떤 조건에서 유동성을 필요로 하는지 파악해야 하고, 둘째 이러한 우발 수익을 제공하는 옵션을 평가해야 한다. 그리고 포지션 지원에 필요한 총 자본을 정의하기 위해 자본금에 옵션 비용을 추가한다.

■ 따라서 우리가 중점을 두고 있는 부분은 수익 최적화, 자본 관리, 가격과 유동성에 미치는 시장의 영향 등을 포괄하는 보다 광범위한 리스크 뷰를 확보해 리스크 관리를 위한 견고한 프레임워크를 구축하는 것이다.

하지만 시스템적 시장 쇼크(systemic market shocks)가 발생하는 경우 기업은 시장에서 옵션을 확보할 수 없거나 거래처의 옵션 이행을 확신하지 못할 가능성이 커진다. 따라서 기업은 옵션을 대체하기 위해 자산 또는 자금 지원을 적극적으로 조정해야 하지만, 실제 쇼크 발생 시에는 충분히 신속하게 조정하기는 어려울 수 있다.

이 두 가지 접근법 모두 표준 VaR 계산보다 더 많은 자본을 필요로 한다. 더욱이 옵션 접근법은 자산 가치가 증대되고, 추가 보호 장치의 필요성에 변화가 생기고, 포지션 보호에 필요한 자본이 증가한다는 점에서 동적인 특성을 지닌다고 할 수 있다. 이론적으로는 옵션 접근법이 스트레스 손실 접근법보다 뛰어나지만 문제는 구현하기가 매우 어렵다는 사실이다. 모든 기업이 분석 작업을 수행하고 활동에 착수해야 하지만, 보호를 요하는 상황의 특성과 발생 시기를 사전에 단정 내리기란 거의 불가능하다. 이는 대부분의 상호 작용에 수반될 수밖에 없는 계산상의 난제라고 할 수 있는데, 만약 이 문제가 해결된다면 옵션 프레임워크가 유동성을 평가할 수 있을 것이다. 한편 스트레스 손실 접근법은 기업에게 쇼크 극복을 위한 지구력(즉, 자본)을 부여함으로써 이 같은 “보험” 장치를 갖출 수 있게 해준다.

과거에 발생했던 쇼크를 기초로 해서 포지션 유지에 필요한 자본을 평가하는 것이 가능하지만 쇼크 상황이 심화되면 스트레스 이벤트에 배분되는 자본의 액수도 증가하는 경향이 있다. 따라서 스트레스 자본의 계산을 일정한 개연성 수준(가령 99% 스트레스 손실 이벤트)으로 파라미터화하고, 동시에 기본 데이터와 실제 발생 빈도를 파악할 필요가 있다.

스트레스 손실 접근법의 장점은 포지션 지원에 필요한 자본의 변동이 거의 없으므로 기업이 변동성을 타깃으로 삼을 가능성이 적다는 점이다. 요즘 기업들은 유동성이 낮다고 판단되는 경우 리스크와 레버리지를 높여 수익을 늘리려 한다. 이 때, 수익에는 변화가 있을지 모르지만 스트레스 리스크는 상대적으로 일정하게 유지된다. 따라서 유동성이 타깃이 될 가능성은 없다고 보는 것이 맞다.

이 접근방식은 모든 최적화 기술에서 자본 수익률을 높일 수 있게 해주는 훌륭한 시발점을 제공한다. 단, 최적화 기술은 통상적인 상관 관계와 쇼크의 가능성을 함께 고려해야 하고, 쇼크 가능성이 있는 경우 포트폴리오 조정 비용이 최적화 도구에 포함되어야 한다. 또, 현금화 비용이 높은 전략을 실행할 경우 예상되는 현금화 비용만큼 수익이 감소될 것은 분명하다.

우리는 1차적으로 유동성 문제에 주목한다. 이러한 가정은 리스크와 수익 최적화를 위한 접근법을 제시하는데, 이는 현금화 비용을 간과하거나 시장이 안정되든 쇼크가 발생하든 관계없이 시간이 지나도 유동성 가격이 일정하게 유지될 것이라고 가정하는 접근법과는 근본적으로 차별화된다. 기업은 지속적으로 VaR을 사용해 단기 리스크를 정의할 것이고, 상관 관계에 의존해 수익률 변동성을 완화할 것이다. 그러나 한편으로는 스트레스에 기초한 리스크 예산 분배 방식으로의 전환과 기회집합에 변동이 생길 경우의 포지션 조정 비용을 고려 대상에 두어야 한다. 또, 수익 창출 부분은 반드시 리스크 관리에 통합되어야 하는데, 이는 배분 결정을 지원하기 위해 매일같이 분석 작업을 수행해야 함을 의미한다. 실제로, 시장 가격이 요동칠 경우 분석 작업을 더 자주 수행해야 할 수도 있는데, 이는 거래자가 포지션을 헤지하고 평가하는 데 상당한 도움이 될 수 있다.

■ 스트레스 손실 접근법의 장점은 포지션 지원에 필요한 자본의 변동이 거의 없으므로 기업이 변동성을 타깃으로 삼을 가능성이 적다는 점이다.

옵션 결정 프레임워크의 통합 기준(combined criteria)을 검토해서 각 투자 경로가 독립적으로 운영되도록 할 수 있다. 이 같은 통합 분석의 개념에 더하여, 전체 프레임워크의 요인 레벨에서 시나리오 분석을 적용한다는 개념은 통합 분석에 일관성 있는 파라미터 집합을 적용토록 하는 데 매우 결정적인 역할을 한다. 그리고 스트레스 파라미터의 일관성이 유지되면 적용되는 각 분석에서 일관된 효과를 산출해 내는 데 도움이 된다.

우리는 대규모 계산 매트릭스를 대체할 수 있는 프로그램 기법을 개발함으로써 복잡한 계산 작업의 부담에서 벗어나고 다양한 영역에 걸쳐 효과들을 통합할 수 있다. 또한 리스크 및 수익에 대한 포트폴리오 뷰가 통합 포트폴리오를 전사적으로 파악할 수 있게 해준다. 한정된 금융 상품 세트를 대상으로 시장 유동성을 결정하거나 제한적인 방식으로 변동성을 평가하는 대신, 광범위한 상품, 포트폴리오, 시장 전반에 걸쳐 잠재적 의존성에 대한 상호 연관성 분석을 할 수 있어야 한다.

 

하이 퍼포먼스 리스크 프로세스의 구현과 관리

본 자료에서 우리는 자본 최적화를 위한 새로운 기법과 하이 퍼포먼스 계산 환경의 필요성에 관해 논의해보았다. 하이 퍼포먼스 리스크 관리 능력을 달성하기 위한 최종 단계는 바로 분석 프로세스의 진화다. 본 논문에서 이미 언급한 것처럼, 모델링 방식과 기술의 진보 덕분에 이제 기업들은 특정 리스크의 측정 또는 최적화 시나리오를 위한 적응 모델을 구성하기에 앞서 파라미터를 최소화하는 전통적 기법에 덜 의존하는—그리고 적응력이 뛰어난—모델을 구성할 수 있게 되었다. 또한 모델링 프로세스의 자동화 덕분에, 모델에서 예상되는 결과를 모니터링하는 작업 외에도 모델 성능을 검토하고 모델 보정을 결정하는(또는 측정하는) 작업을 동적 프로세스로 수행할 수 있게 되었다.

종전에는 시장 변동이 발생하면 해당 분야의 전문가들이 모델 결과를 분석해서 편차와 변화량을 측정하곤 했고, 모델 성능의 변화가 시장의 시스템적 변화 때문인지 아니면 다른 리스크 요인 때문인지 밝혀내기 위해 전문가의 판단이 요구되었다. 또한 변경된 파라미터가 예상 결과를 더 잘 예측해내는지 확인하기 위해 수작업으로 모델을 조정하고 일련의 백테스트를 실시해야 했다. 하지만 이 프로세스의 문제점은 많은 시간이 소요되고 모델링 팀의 역량과 경험에 지나치게 의존해야 한다는 점이다. 계산 시간은 보통 희소 자원으로 간주되므로, 모델 파라미터 조정을 위한 실험이나 적응 학습은 대부분의 기업이 따를 만한 프로세스라고 볼 수는 없다.

■ 한정된 금융 상품 세트를 대상으로 시장 유동성을 결정하거나 제한적인 방식으로 변동성을 평가하는 대신, 광범위한 상품, 포트폴리오, 시장 전반에 걸쳐 잠재적 의존성에 대한 상호 연관성 분석을 할 수 있어야 한다.

전통적인 보고/분석 기능의 수준을 뛰어넘어 진화하려면—그리고 더 뛰어난 예측 분석 프레임워크로 진화하려면—역동적으로 변화하는 시장, 포트폴리오, 이벤트의 정보를 통합하는 능력이 반드시 필요하다. 또한, 옵션 분석 프레임워크를 통합할 경우 조정 가능한 파라미터를 광범위하게 확보할 수 있으므로 문제 해결에도 도움이 된다. 우리는 더 나은 리스크 요인 데이터를 제공하기 위한 동적 프로세스를 옹호하지만, 동시에 의사 결정 구조를 정형 프로세스화하여 일련의 제약조건을 부과하는 것이 효율적인 방법이라고 주장하기도 한다.

시나리오는 이미 발생했거나 혹은 잠재되어 있는 이벤트에 대한 동적 데이터 제공 레벨과 유형을 정의하는 데 사용되는데, 이러한 진화는 예측 분석 프레임워크로 전환하는 데 있어 필수적인 요소라고 할 수 있다. 기본이 잘 되어 있는 보고서는 견실한 측정과 평가를 가능하게 하고, 또 견실한 측정과 평가를 위해서는 의사결정 또는 옵션 프레임워크가 필요하다. 그리고 이 같은 구조에서 기본 요소들이 동적 특성을 띠게 될 때 비로서 예측 프레임워크가 달성되는 것이다. 따라서 이 같은 프레임워크를 먼저 채택하는 기업은 새로운 자본 최적화 프레임워크의 확립, 하이 퍼포먼스 계산 환경의 구축, 시나리오 기반 적응 학습 프로세스의 구현 등을 통해 경쟁력 우위의 이점을 얻을 수 있다.

그렇다면 기업은 어떻게 위와 같은 소기의 목표를 실현할 수 있을까? 관리 팀에 인센티브를 제공하는 것이 특히 중요한데, 왜냐하면 분명 직원들은 인센티브가 주어지는 일에 관심을 보일 것이기 때문이다. 앞부분에서 살펴본 프레임워크에서 노동을 유발하는 분명한 인센티브가 존재하지 않을 경우 기업의 리스크 관리 및 자본 최적화 작업은 한낱 사일로나 단편화된 프로세스로 퇴보하게 될 것이다.

인센티브 논의를 조직 전반에 걸친 협력의 문제로 확대해보면, 최상의 프레임워크를 구현하는 방법에 관한 몇 가지 모델을 제시할 수 있다. 사업부, 자산 관리자, 리스크 관리자, 자본 제공자 간의 상호 작용점이 무수히 존재하는 상황에서, 완전 수직적으로 통합된 팀은 업무의 중복 현상으로 인해 비용 효율성이 저하된다(그리고 회사 내 타 영역에서의 업무 제공을 위해 여전히 이 중복 기능이 요구된다). 이 때, 필요한 조직적 접근법은 리스트에 올라 있는 주요 업무 기능들을 “연합(federate)”하는 것이다.

누군가 예상할 수 있는 것처럼, 각 영역의 기여도(contribution)가 적지 않기 때문에 대기업에서는 훨씬 규모가 큰 전담 업무 그룹과의 연락 기능도 고려해야 한다. 이 프로세스는 광범위한 특성을 지니고 있기 때문에 전체 그룹 차원에서 CEO와 이사회 급의 책무를 부과해야 하고, 이 때 하나의 구성요소(리스크, CFO, 사업부 등)가 업무를 담당할 경우 보다 수월하게 의사 결정 프로세스를 진행할 수 있다. 또, 이 팀을 ALCO 위원회처럼 이미 활동 중에 있는 그룹의 일부로 편입시키는 것도 고려해볼 필요가 있다.

■ 앞부분에서 살펴본 프레임워크에서 노동을 유발하는 분명한 인센티브가 존재하지 않을 경우 기업의 리스크 관리 및 자본 최적화 작업은 한낱 사일로나 단편화된 프로세스로 퇴보하게 될 것이다.

 

하이 퍼포먼스 계산 환경의 구현

본 백서의 마지막 주제는 “기술 자체의 구현”에 관한 것이다. 방정식의 조직적 측면은 연합 접근법이 되어야 하고, 방정식의 기술 또는 계산 측면에는 계산 레벨의 중앙 집중형 접근법이 적용되어야 한다. 전통적으로 금융 서비스 산업에 대형 리스크 또는 자본 문제가 발생하는 경우 이를 분석의 문제로 보지 않고 보고의 문제로 보는 경향이 있다. 또, 무려 수억 달러를 들여 다양한 거래 시스템의 데이터들을 부서/지점 리스크 노출 분석 엔진으로 힘겹게 ‘운반’한 다음, 다시 그 결과물을 별도의 리포팅 및 분석 엔진으로 분산시키는 경우가 허다하다. 따라서 SAS는 속도가 느릴 뿐만 아니라 시대에 뒤쳐지기까지 한 이 같은 프로세스를 배제하고 단일의 공통 리스크, 자본, 관리 플랫폼을 통해 상기 기능들을 구현하기 위한 선구적 노력을 기울여 왔다. 앞으로도 포트폴리오 데이터와 시장 데이터는 항시 여러 유형의 소스를 통해 수집되겠지만, 본 논문에서 소개하는 다양한 분석 기법들은 단일의 분석 환경에서 서로 수렴(또는 융합)이 가능하도록 설계된 것들이다.

이 프로세스를 통합 방식의 공용 플랫폼으로 전환하지 않을 때 발생하는 문제는 분산 리스크/자본 환경을 관리하는 프로세스—뿔뿔이 해체된—로 인해 비용 효율성이 떨어지는 막대한 관리 지원 능력이 요구된다는 점이다. 이 경우, 리스크, 자본, 시장 등에 걸쳐 있는 수많은 요인과 관련 결과를 계산하는 데만 수일이 소요된다. 또, 이 프로세스는 각 전달 시점에서 데이터의 품질이 저하되고 분석 결과에 일관성이 결여되는 문제를 안고 있기도 하다. 따라서 SAS는 이 문제를 해결하기 위해 아래의 사항들을 감안하여 공용 플랫폼을 구현해주는 하이 퍼포먼스 리스크 관리 어플라이언스를 개발하게 되었다.

• 통합 리스크/자본 분석 마트 - 수백만 행의 자산 데이터와 수천 개의 리스크/시장 요인을 관리할 수 있다.
• 통합 리스크 분석 엔진 - 초대형 리스크 요인 행렬을 효율적으로 계산, 통상 수일이 걸리던 작업을 단 수 분만에 처리할 수 있다.
• 통합 관리 분석 환경 - 앞서 설명한 옵션 분석 모델의 어떤 조합이라도 온디맨드 방식으로 실행이 가능한 파라미터를 대화형으로 선택하여 비즈니스 사용자가 시나리오를 실행할 수 있게 해준다.
• 통합 하드웨어 환경 – 범용 하드웨어를 활용, 종전의 기술 플랫폼의 십 분의 일에 불과한 비용으로 수천 개의 프로세서를 구현한다.

기술적 문제에 대한 보다 현명한 접근법을 제시하고 공용 플랫폼 상에서 모든 핵심 구성요소를 통합함으로써 인프라에 소요되는 시간과 비용을 절감할 수 있으며, 이로써 리스크 문제 분석과 투입 자본 최적화에 더 많은 시간을 할애할 수 있다.

하이 퍼포먼스 리스크 프로세스의 실질적 비즈니스 가치
우리는 본 논문에서 설명한 접근법을 통해 중대한 비즈니스 가치를 발견할 수 있었다. 그 중 주요 이점을 요약하면 다음과 같다.

기업은 다양한 차원의 리스크, 자본, 시장 및 유동성을 통합하는 보다 포괄적이고 견고한 프레임워크를 구현함으로써 다양한 시장 쇼크 상황에 보다 정확하게 대응할 수 있을 뿐 아니라 경우에 따라서는 시장 쇼크를 효과적으로 활용해 보다 나은 차익 거래의 기회를 얻을 수 있다. 지난 2년간 서브프라임, 두바이 위기 같은 시장 위기 상황에 대응하는 데 소요되는 시간과 인적 자본, 금융 자본의 잠재적 손실 등에 관해 많은 논의가 오간 바 있다. 현재, 대다수 기업의 리스크 노출 계산 프로세스—시장에서 자산 포지션을 유지, 해소 또는 증대할 것인지 여부를 결정하는 프로세스와 관련하여—가 지니는 단계적·비동시적 특성 때문에 운영 지원 프로세스와 자본 노출 프로세스 부문에 수백만 달러가 낭비되고 있는 실정이다.

이 같은 프로세스를 시나리오에 근거하여 최신의 시장 정보, 포트폴리오 업데이트, 자본 수익률 및 시장 유동성 뷰를 통합하는 동시적·전향적 프로세스로 전환하면 보다 체계화된 의사결정 능력을 통해 기업의 상품 구조와 예상 수익률을 시장 변동에 구애 받지 않고 일관성 있게 평가할 수 있다. 그리고 리스크/자본 관리 정책과 긴밀하게 제휴할 수 있고 규제자가 높은 수준의 일관성을 기대할 수 있다는 이점 외에도, 자본 최적화/옵션 분석을 통해 일관성 있는 의사 결정을 내릴 수 있는 분석 프레임워크가 구축된다. 또한, 방대하게 구성된 정보의 보고 속에서, 비즈니스 의사결정을 위한 매우 정교하고 분석적인 시각을 통해 원칙에 대한 전문적 판단 능력을 더욱 강화할 수 있다. 오늘날 은행/금융 서비스 기관들이 안고 있는 과제 중 하나는 바로 조직의 규모—즉, 시장 상황의 변화 속도와 연관된 상품의 범위와 복잡성—이다.

끝으로, 위에서 설명한 분석 프로세스를 통해 하이 퍼포먼스 계산 환경과 리스크/보상 방법론의 변화를 함께 모색함으로써 기업 경영진은 마침내 자본 성과의 현실적 평가와 더불어 전사적 리스크에 대한 동적 뷰를 확보할 수 있다. 경영진이—현재의 시장 여건을 바탕으로—리스크 노출과 시장 여건에 대한 잠재적 영향을 온디맨드 방식으로 결정할 수 있는 능력을 갖추는 것은 경쟁력 우위를 확보하는 데 없어서는 안될 필수 요소이다. 자본 평가 능력이 제약을 받고 시장으로 되돌아올 자본 영향력을 평가해야 하는 상황에서, 선도적 기업들은 전사적 리스크의 완벽한 청사진을 제공하는 하이 퍼포먼스 리스크 관리 프레임워크의 구현을 적극적으로 검토하게 될 것이다.

■ 자본 평가 능력이 제약을 받고 시장으로 되돌아올 자본 영향력을 평가해야 하는 상황에서, 선도적 기업들은 전사적 리스크의 완벽한 청사진을 제공하는 하이 퍼포먼스 리스크 관리 프레임워크의 구현을 적극적으로 검토하게 될 것이다.

 


고객지원
기술문의, 구입문의, 일반문의
자료실
E-브로셔, White paper
데모 & 투어
뉴스레터
SAS Intelli-Zine
뉴스레터 신청
Events
이벤트와 세미나 정보
특별할인이벤트
대표전화 : 02-2191-7000
교육문의 : 02-2191-7002
기술문의 : 02-2191-7003
Global Contact List