트랜스포머 모델을 활용한 내재변동성 표면 추정과 실증 분석

국문 초록 (Abstract)

본 연구는 딥러닝 기법 중 하나인 트랜스포머(Transfomer) 모델을 활용 하여 스왑션의 내재변동성 표면을 예측하고 이를 실제 금융 상품의 평가 과정 에 적용할 수 있는지를 확인하는 것을 목적으로 한다. 먼저 스왑션 변동성 데이터를 시계열 형태로 구성하여 변동성 표면의 시간적 변화를 학습한 뒤 트랜 스포머 모델을 이용해 특정 평가일의 변동성 매트릭스를 예측하였다. 이후 예측된 변동성을 Hull White 1 Factor 모형에 입력해 신종자본증권의 가격과 민감도를 산출하고 동일한 날짜의 실제 시장 변동성을 입력한 결과와 비교하였다. 분석 결과 예측된 변동성 표면은 RMSE와 상관계수 기준에서 실제 표면과 높은 유사도를 보였으며 평가가격 괴리율은 0.1퍼센트 미만으로 매우 낮은 수준을 유지했다. Vega 민감도 또한 전 만기에 걸쳐 실제 변동성과 유사한 형태를 보였으며 모델 예측 오차가 평가 과정에서 크게 확대되는 현상은 관찰되지 않았다. 이러한 결과는 변동성 표면의 패턴을 학습한 트랜스포머 기반 접근이 변동성의 단기 예측과 금융상품 평가에 모두 활용 가능함을 시사한다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 논문의 구성 3
• Ⅱ. 이론적 배경 4
• 2.1 블랙모형 및 내재변동성 4
• 2.2 신종자본증권 9
• 2.3 Hull-White 모형 10
• 2.4 트랜스포머 모델 14
• 2.5 평가 지표 18
• Ⅲ. 본 론 22
• 3.1 내재 변동성 표면 간 비교 22
• 3.2 내재 변동성 표면 기반 평가 30
• Ⅳ. 결 론 34
• V. 참고문헌 36
• VI. 영문 논문 제출서 37
• VII. 영문 인준서 38
• VIII. 영문 초록(ABSTRACT) 39