몬테카를로 시뮬레이션으로 미래를 확률로 보기
"20년 뒤 내 자산은 얼마가 될까?"라는 질문에 하나의 숫자로 답하는 건 위험합니다. 미래 수익률은 알 수 없고, 같은 평균 수익률이라도 오는 순서에 따라 결과가 크게 달라지기 때문입니다. 몬테카를로 시뮬레이션은 이 불확실성을 '하나의 예측'이 아니라 '확률 분포'로 다룹니다.
한 줄 정의
미래처럼 불확실한 결과를, 무작위 숫자를 수천~수만 번 뽑아 반복 계산해서 가능한 결과의 '확률 분포'로 예측하는 방법입니다. 이름은 카지노로 유명한 도시 몬테카를로에서 따왔습니다 — 무작위성이 핵심이라는 뜻입니다.
왜 필요한가
백테스트는 '과거에 실제로 이랬다'는 하나의 실현된 경로를 보여줍니다. 하지만 그건 수많은 가능성 중 우연히 실현된 단 하나일 뿐입니다. 몬테카를로는 반대로 '앞으로 벌어질 수 있는 수천 개의 경로'를 생성해, 평균뿐 아니라 좋은 경우와 나쁜 경우가 각각 얼마나 될지를 보여줍니다.
어떻게 작동하나 (4단계)
- 불확실한 변수의 분포를 정한다. 예: 월 기대수익률과 변동성(표준편차).
- 그 분포에서 무작위 수익률을 한 세트 뽑아 미래 자산 경로를 하나 계산한다.
- 이 과정을 수천~수만 번 반복한다.
- 모인 결과를 분포로 요약한다 — 중앙값, 하위 5%, 목표 달성 확률 등.
결과를 읽는 법
몬테카를로 결과는 단일 숫자가 아니라 '범위와 확률'로 읽어야 합니다. 대표적인 지표는 다음과 같습니다.
- 중앙값(50% 백분위): 절반은 이보다 좋고 절반은 나쁜, 가장 표준적인 시나리오.
- 5~95% 밴드: 가능한 결과의 넓은 범위. 팬차트에서 위아래로 벌어지는 부채꼴이 불확실성의 크기입니다.
- 원금손실 확률: 최종 자산이 총 납입금보다 적을 확률.
- 목표 달성 확률: 정한 목표 금액에 도달할 확률.
- 하위 5% 평균(CVaR): 최악의 5% 구간이 평균적으로 얼마나 나쁜지 — 진짜 위험은 여기서 드러납니다.
수익의 '순서'가 중요한 이유
적립·인출이 있는 투자에서는 평균 수익률이 같아도 나쁜 해가 언제 오느냐에 따라 결과가 달라집니다. 이를 '수익 순서 위험(sequence risk)'이라 합니다. 특히 은퇴 후 인출기에 초반 급락이 겹치면 자산이 회복하기 전에 소진될 수 있습니다. 몬테카를로는 순서를 무작위로 섞어 이 위험을 확률로 보여줍니다.
💡 몬테카를로의 결과는 '입력 가정'에 전적으로 달려 있습니다. 가정이 틀리면 결과도 틀립니다(Garbage In, Garbage Out). 특히 단순 정규분포는 실제 시장의 급락(두꺼운 꼬리)을 과소평가하는 경향이 있어, 과거 수익률을 그대로 재추출하는 부트스트랩 방식이 더 현실적인 경우가 많습니다.
한계
몬테카를로는 '미래를 맞히는 도구'가 아니라 '불확실성의 크기를 가늠하는 도구'입니다. 과거 변동성이 미래에도 이어진다는 가정에 기대며, 전례 없는 위기나 구조적 변화는 반영하지 못합니다. 확률은 참고일 뿐, 실제 결과는 제시된 범위를 벗어날 수 있습니다.
투자모아에서 확인하기
투자모아의 ETF '미래 확률 시뮬(베타)'은 선택한 ETF의 과거 변동성을 바탕으로 가능한 미래 경로를 다수 생성해, 팬차트와 함께 중앙값·5~95% 범위·원금손실 확률·목표 달성 확률을 보여줍니다. 적립식·거치식 설정을 그대로 미래로 확장해볼 수 있습니다.
본 글은 개념 설명이며 투자 자문이 아닙니다. 시뮬레이션 결과는 확률적 추정으로, 미래 수익을 보장하지 않습니다.