두꺼운 꼬리: 블랙 스완 예고

"극단사건의 희귀함은 분포에 조건부야. 정규모형에서 드물다는 말이 현실에서도 같은 빈도로 드물다는 뜻은 아니야."

꼬리를 어떻게 부를까

'두꺼운 꼬리'와 '무거운 꼬리'는 분야에 따라 조금 느슨하게 쓰여. 보통은 정규분포보다 극단값에 더 많은 확률을 두는 분포를 fat-tailed라고 부르고, 수학적으로는 지수함수보다 느리게 감소하는 꼬리를 heavy-tailed라고 정의하는 경우가 많아. 두 용어를 쓸 때 어떤 비교와 정의인지 밝혀야 해.

첨도가 정규분포보다 높으면 꼬리와 중심의 모양이 다르다는 신호가 될 수 있지만, 첨도 3 초과가 두꺼운 꼬리의 정의는 아니야. Student-t는 자유도에 따라 높은 첨도를 가질 수 있고, 코시분포처럼 평균·분산·첨도가 존재하지 않는 분포도 있어.

정규꼬리의 숫자

표준정규분포에서 절댓값이 5σ 이상일 양측확률은 약 5.7×10⁻⁷이고, 6σ 이상은 약 2×10⁻⁹야. 매우 작지만 "무시해도 안전하다"는 정책결론이 자동으로 따라오지는 않아. 시행횟수가 엄청나게 많거나 한 번의 손실이 치명적이면 작은 확률도 중요해.

두꺼운 꼬리 모형에서는 같은 숫자의 σ가 정규분포와 전혀 다른 꼬리확률을 가질 수 있어. 분산이 존재하지 않는 분포에서는 σ 자체가 정의되지 않을 수도 있고, 시간에 따라 변동성이 바뀌면 하나의 고정 σ가 적절하지 않을 수 있어.

2008년을 한 원인으로 만들지 마

금융수익률의 두꺼운 꼬리와 상태에 따라 변하는 상관관계를 과소평가한 위험모형은 2008년 위기의 취약성 중 하나였어. 하지만 주택대출, 증권화, 등급평가, 레버리지, 단기자금조달, 인센티브와 감독 실패도 함께 작동했지. "정규분포 하나가 위기를 만들었다"는 설명은 위험모형이 경계해야 할 바로 그 과도한 단순화야.

운영 규칙

'몇 σ 사건'이라는 말을 보면 먼저 σ가 존재하고 안정적인지, 어떤 기간과 상태에서 추정했는지, 정규꼬리를 가정할 근거가 있는지 물어봐. 대안분포, 극값분석, 스트레스 시나리오와 손실의 크기를 함께 보면서 꼬리의 모형불확실성을 드러내야 해.

Code

정규 vs Student-t 꼬리: 같은 sigma, 다른 현실·python

import numpy as np
rng = np.random.default_rng(20)
N = 200_000

# 정규와 자유도 낮은 Student t (두꺼운 꼬리) 비교.
normal = rng.normal(size=N)
student_t = rng.standard_t(df=3, size=N)

# 공정한 꼬리 비교 위해 둘 다 표준화 (std=1).
for name, x in [("정규", normal), ("t (df=3)", student_t)]:
    x = (x - x.mean()) / x.std()
    p4 = (np.abs(x) > 4).mean()
    p5 = (np.abs(x) > 5).mean()
    p6 = (np.abs(x) > 6).mean()
    print(f"{name:>10s}: P(|x|>4) = {p4:.5f}   P(|x|>5) = {p5:.6f}   P(|x|>6) = {p6:.6f}")

# 정규에서 |x|>5 는 약 천만에 6번.
# t(df=3) 에서 |x|>5 는 대략 1000배 더 자주 일어남.
# 같은 축, 같은 표준편차, 다른 현실.
# 이게 종이 위에서의 '두꺼운 꼬리' 모습.

Exercise

극단값이 중요한 자료 하나를 골라 정규분포, Student-t, 로그정규 또는 절단 멱법칙 중 두 후보를 비교해봐. 최대값/중앙값 비율만으로 결론 내리지 말고 Q-Q 그림과 꼬리적합을 확인해.

Hint

큰 최대값 하나는 두꺼운 꼬리의 단서지만 증명은 아니야. 표본크기와 생성과정, 시간에 따른 상태변화도 함께 봐.

꼬리를 어떻게 부를까

정규꼬리의 숫자

2008년을 한 원인으로 만들지 마

운영 규칙

Code

External links

Exercise

Progress

댓글 0