블랙 스완과 모델의 사각지대

"극단 사건이 나타났을 때 현실을 탓하기 전에 모델의 꼬리, 관측범위, 의존성을 먼저 의심해. 다만 모든 놀라움을 '통계 실수' 한마디로 끝내지는 마."

Taleb가 붙인 세 가지 조건

Nassim Nicholas Taleb가 말한 블랙 스완은 관찰자의 기존 기대 바깥에 있고, 영향이 크며, 일이 벌어진 뒤에는 사람들이 그럴듯한 설명을 만들어 예측 가능했던 것처럼 말하는 사건이야. 여기에는 확률분포뿐 아니라 우리가 무엇을 알았고 무엇을 무시했는지, 사후서사가 어떻게 생기는지까지 들어 있어.

그래서 블랙 스완을 "두꺼운 꼬리를 정규분포로 잘못 모델링한 사건"과 완전히 같은 말로 만들면 좁아져. 잘못된 꼬리모형은 중요한 한 원인이지만 전부는 아니야. 정보가 없었거나, 제도가 경고를 무시했거나, 여러 작은 상호작용에서 전에 없던 경로가 생겼을 수도 있어. 같은 사건도 누구에게는 예견된 위험이고 누구에게는 블랙 스완일 수 있지.

그래도 분포 질문은 날카로워

어떤 모델이 사건을 6σ라고 부르면서 사실상 불가능하다고 말했다면 먼저 물어야 해. 그 σ는 어떤 기간의 어떤 자료로 계산했나? 수익률이 독립이고 안정적이라는 가정을 했나? 변동성과 상관관계가 위기 때 달라지는 현상을 반영했나? 꼬리부분에 자료가 충분했나?

극단 사건이 모델 예측보다 반복해서 자주 나타난다면 "운이 나빴다"보다 모형이 틀렸다는 설명이 강해져. 분포가 두꺼운 꼬리일 수도 있고, 자료가 서로 의존할 수도 있고, 상태가 바뀌는 과정을 하나의 고정분포로 묶었을 수도 있어. 이때 모델오류를 블랙 스완이라는 이름 뒤에 숨기면 같은 손실을 다시 맞게 돼.

자주 만나는 세 영역

금융시장: 레버리지, 유동성, 군집행동과 상태에 따라 바뀌는 상관관계가 손실꼬리를 키울 수 있어.
네트워크와 플랫폼: 연결구조와 추천 피드백 때문에 도달량이나 장애규모가 심하게 비대칭일 수 있어. 다만 실제로 멱법칙인지 다른 두꺼운 꼬리 분포인지는 자료로 비교해야 해.
복잡한 적응시스템: 전염병, 전쟁, 금융전염처럼 행위자들이 서로 반응하는 과정에서는 과거의 독립관측만으로 미래 극단을 보정하기 어려워.

모델러의 규율

"희귀하다"는 말에는 반드시 "어떤 모델과 정보 아래에서?"를 붙여. 극단 사건이 일어났다고 정규모형이 자동으로 틀린 것도 아니고, 정규모형이 계산한 확률이 작다고 현실이 그 모형을 따라야 하는 것도 아니야. 여러 꼬리모형, 스트레스 시나리오, 극값이론, 견고한 요약치를 비교하고 모형 밖의 불확실성까지 드러내는 게 두 번째 시그마 트릭이야.

Code

정규 vs 두꺼운 꼬리 우주의 꼬리 희귀성·python

import numpy as np
rng = np.random.default_rng(180)

# 두 평행 우주에서 '희귀 사건' 빈도 비교:
# 우주 A: 정규분포 (얇은 꼬리).
# 우주 B: 두꺼운 꼬리 분포 (Student t, df=3).
# 둘 다 같은 표본 표준편차.
N = 1_000_000
universe_a = rng.normal(size=N)
universe_b = rng.standard_t(df=3, size=N)

for name, x in [("우주 A (정규)", universe_a), ("우주 B (두꺼운 꼬리)", universe_b)]:
    z = (x - x.mean()) / x.std()
    for k in (4, 5, 6, 8):
        rate = (np.abs(z) > k).mean()
        # 'X 분의 1' 표현으로 변환.
        if rate > 0:
            one_in = 1 / rate
            print(f"{name:>26s}: |z|>{k}  =  {one_in:>15,.0f} 분의 1")
        else:
            print(f"{name:>26s}: |z|>{k}  =  샘플에서 관측 안 됨")
    print()

# 우주 A: |z|>6 이 100만 샘플에서 본질적으로 안 관측.
# 우주 B: |z|>6 이 수천 배 더 자주 일어남.
# 같은 축, 같은 시그마, 엄청나게 다른 희귀성.
# 우주 A 의 6-sigma 사건이 블랙 스완. 우주 B 에서는 화요일.
# 우주 B 를 우주 A 처럼 다루는 모델러가 주문 시 블랙 스완을 생산.

Exercise

블랙 스완이라고 불린 사건 하나를 골라 사전 경고, 당시 사용된 모델, 사후 설명을 각각 찾아봐. 예측하지 못한 이유를 자료 부족, 잘못된 분포, 의존성 누락, 조직의 무시 중 어디에 둘 수 있는지 구분해.

Hint

사건을 정말 예견한 경고와 사건 뒤에 그럴듯하게 맞춘 이야기를 구분해. '누군가는 말했다'만으로 예측 가능성이 증명되지는 않아.

Taleb가 붙인 세 가지 조건

그래도 분포 질문은 날카로워

자주 만나는 세 영역

모델러의 규율

Code

External links

Exercise

Progress

댓글 0