증명서가 붙은 옵션 가격 — '차익 없는 표면'을 수학적으로 보장하는 새 방법

옵션 가격을 만들 때 "이 가격 사이에 돈이 그냥 생기는 구멍은 없을까?"라는 질문에, 수학적으로 "없다"고 증명해주는 새로운 프레임워크가 나왔습니다.

---

들어가며: 백화점 세일 태그와 숨겨진 구멍

여러분이 백화점에 갔다고 생각해 보세요. 같은 브랜드 지갑이 있는데, 1층 매장에서는 10만 원, 3층 매장에서는 8만 원이라고 적혀 있습니다. 눈치 빠른 사람은 바로 3층에서 사서 1층에 되팔아 2만 원을 남길 수 있습니다. 이걸 금융에서는 차익거래(아비트리지)라고 부릅니다. 시장에 이런 '구멍'이 있으면, 그것을 발견한 소수만 돈을 벌고 나머지는 손해를 봅니다.

옵션 시장도 비슷합니다. 옵션은 '만기'(언제), '행사가격'(어떤 가격에 살 수 있는지)에 따라 수천, 수만 개의 가격이 존재합니다. 이것들을 한데 모아 3차원 표면으로 만든 것이 바로 옵션 표면(스urface)인데, 이 표면에 구멍—즉 차익 기회—이 없도록 만드는 건 놀랍도록 어려운 문제입니다.

오늘 소개할 논문은 바로 이 문제를 풀면서, "구멍이 없다"는 증명서까지 컴퓨터가 확인해주는 새로운 방법을 제안합니다.

---

무엇이 문제였나: 기존 방법의 세 가지 고민

옵션 표면을 만들 때 퀀트들이 안고 있는 고민은 크게 세 가지입니다.

1. 차익 기회가 숨어 있으면 큰일

만약 옵션 가격 표면에 아무도 모르게 차익 기회가 남아 있다면, 알고리즘 트레이더가 그것을 발견해 순식간에 돈을 빨아들입니다. 마켓메이커(시장에서 끊임없이 사고팔 가격을 제시하는 역할) 입장에서는 이런 구멍이 있으면 큰 손실을 볼 수 있죠. 그래서 옵션 가격을 만들 때 정적 차익(static arbitrage)—시간이 지나지 않아도 이미 존재하는 가격 불일치—이 없도록 해야 합니다.

2. 만기끼리 연결이 끊기면 위험

옵션은 만기가 다양합니다. 1주일짜리, 1개월짜리, 3개월짜리... 이렇게 여러 만기의 가격이 서로 체인(chain)처럼 부드럽게 연결되어 있어야 합니다. 만기별로 따로따로 만들면, 인접한 만기 사이에 다시 차익이 생기거나, 가격이 갑자기 뚝 끊기는 불연속이 발생할 수 있습니다.

3. "정말 괜찮은 건지 어떻게 확인하지?"

가장 까다로운 문제입니다. 복잡한 수학 모델로 옵션 표면을 만들었는데, 정말로 차익이 없는지, 정말로 만기 간 연결이 부드러운지 어떻게 확신할 수 있을까요? 직관적으로 "괜찮아 보인다"는 말로는 충분하지 않습니다. 규제 당국이나 고객에게 "우리가 만든 가격에 구멍은 없습니다"라고 증명할 수 있는 계산 가능한 증거가 필요합니다.

---

핵심 아이디어: 세 가지를 하나로 묶고, 증명서까지 붙이다

이 논문의 핵심 아이디어는 한 문장으로 요약됩니다:

"옵션 표면을 세 가지 기술로 동시에 만들고, 결과물에 수학적 품질 보증서를 붙이자."

세 가지 기술

첫 번째: PCA-스몰약(PCA-Smolyak) 근사

PCA는 데이터를 요약하는 잘 알려진 방법입니다. 쉽게 말하면, 수천 개의 옵션 가격 움직임 패턴을 몇 가지 '주요 패턴'으로 압축하는 것이죠. 스몰약 근사는 이 압축된 패턴을 빠르게 계산하는 수치 방법입니다. 둘을 합치면 고차원인 옵션 표면을 저차원으로 빠르게 표현할 수 있습니다.

두 번째: 체인 일관 확산 모델(Chain-Consistent Diffusion Model)

여러 만기에 걸친 옵션 가격을 한꺼번에 생성하는 인공지능 모델입니다. 중요한 점은 이 모델이 만기 간 연결(chain consistency)을 구조적으로 보장한다는 것입니다. 쉽게 말하면, 1개월 만기와 2개월 만기의 가격이 서로 어긋나지 않도록 '체인'으로 묶어 동시에 만든다는 뜻입니다.

세 번째: c-EMOT 브릿지

'엔트로피 최적수송(Entropic Optimal Transport)'이라는 수학 도구를 활용합니다. 최적수송은 확률 분포 간의 가장 효율적인 변환을 찾는 방법입니다. 여기에 마팅게일 제약(가격이 미래를 예측하지 못하도록 하는 수학적 조건)을 추가해, 세 개의 확률 분포를 한꺼번에 연결하는 '브릿지'를 만듭니다.

증명서: "괜찮아 보인다"가 아니라 "괜찮다"를 증명

이 논문의 가장 독창적인 부분은 바로 계산 가능한 증명서(certificates)입니다. 모델이 만든 옵션 표면의 품질을 숫자로 확인할 수 있는 보증서를 제공한다는 것이죠.

쉽게 말하면 이렇습니다:

• KKT 잔차: "이 가격이 수학적으로 모순 없는가?" → 0.0377 (허용치 0.04 이하) → 통과
• 기하감쇠율(r_geo): "계산이 안정적으로 수렴하는가?" → 1.00 (허용치 1.05 이하) → 통과
• 강볼록성 하한(μ̂): "해가 유일하게 존재하는가?" → 허용 범위 내 → 통과
• Lipschitz 투영: "작은 입력 변화에 가격이 급격히 튀지 않는가?" → 1.01 (허용치 1.01 이하) → 통과

이 증명서들이 의미하는 바를 일상 언어로 풀어보면: "이 옵션 가격 표면에는 숨겨진 차익 기회가 없고, 계산이 안정적으로 수렴하며, 입력이 조금 바뀌어도 가격이 갑자기 요동치 않는다"는 것입니다.

---

결과: 실제로 모든 테스트를 통과했나

논문 연구진은 SPX(S&P 500 옵션)와 VIX(변동성 지수 옵션)를 동시에 다루는 실험을 수행했습니다. 이 두 옵션 표면은 서로 연결되어 있어서 함께 다루기 매우 까다롭기로 유명합니다.

핵심 수치 정리

Dupire 비감소 인증서란 무엇일까요? Dupire 공식은 옵션 가격에서 '국소 변동성'을 추출하는 유명한 방법입니다. 이 변동성이 음수가 되면 말이 안 되는데(변동성이 음수라는 건 "가격이 거꾸로 간다"는 뜻), 이 논문의 방법은 변동성이 항상 양수임을 보장합니다.

리스크 분해

이 논문의 또 다른 특징은 전체 리스크를 구성 요소별로 분해한다는 점입니다. 총 리스크 0.04336을 다음과 같이 나눕니다:

• C1: PCA-스몰약 근사 오차
• ERM: 경험적 리스크 최소화 오차
• Bridge: c-EMOT 브릿지 오차
• Chain: 체인 일관성 오차

이렇게 분해하면 "어디서 오차가 발생했는지"를 정확히 알 수 있어서, 실무에서 특정 부분만 개선할 수 있습니다.

---

한계와 주의점: 솔직하게 말씀드리면

좋은 소식만 있는 건 아닙니다. 이 연구의 한계도 분명히 있습니다.

1. 계산 비용이 클 수 있다

PCA-스몰약 방법은 저차원 근사에서 효과적이지만, 옵션 표면의 차원이 커지면 차원의 저주에 직면할 수 있습니다. SPX-VIX 두 개 상품은 아직 괜찮지만, 더 많은 상품을 동시에 다루려면 계산 비용이 급격히 늘어날 수 있습니다.

2. 하이퍼파라미터에 민감할 수 있다

c-EMOT 브릿지에서 사용하는 엔트로피 강도(ε)와 마팅게일-모멘트 반지름 같은 설정값들이 결과에 어떤 영향을 미치는지에 대한 깊은 분석이 더 필요합니다. 실무에서 이 값들을 어떻게 정해야 하는지에 대한 명확한 가이드라인이 아직 부족합니다.

3. 실시간 적용은 아직 과제

이 프레임워크는 현재 형태로는 실시간에 가까운 속도를 내기 어려울 수 있습니다. 마켓메이킹처럼 가격을 밀리초 단위로 업데이트해야 하는 환경에서는 추가적인 최적화가 필요합니다.

4. 특정 시장에 집중

SPX와 VIX라는 미국 옵션 시장의 대표 상품에 대해서만 검증되었습니다. 한국 시장이나 다른 자산군에서는 별도의 검증이 필요합니다.

---

그래서 투자/실무엔?

이 연구가 실제 투자와 실무에 주는 시사점을 정리하면:

첫째, 옵션 가격 표면을 만들 때 '차익 없는 증명'을 붙일 수 있게 되었습니다. 기존에는 모델이 옵션 표면을 만들고 나서 별도의 검증 과정을 거쳐야 했습니다. 이 프레임워크는 표면을 만드는 과정 자체에 차익 제한이 내장되어 있고, 완성된 결과물에 품질 증명서까지 제공합니다. 규제 보고나 내부 리스크 관리에 큰 도움이 될 수 있습니다.

둘째, SPX와 VIX를 동시에 다루는 프레임워크입니다. 현실의 옵션 시장에서 SPX 옵션과 VIX 옵션은 서로 밀접하게 연결되어 있습니다. 두 표면을 따로 만들면 사이에 차익이 생길 수 있는데, 이 방법은 두 표면을 하나의 프레임워크 안에서 동시에 구성합니다.

셋째, 리스크를 부분별로 분해할 수 있습니다. 전체 리스크를 근사 오차, 브릿지 오차, 체인 오차 등으로 나누면, "어느 부분을 개선해야 전체 품질이 올라가는지"를 정확히 파악할 수 있습니다. 실무에서 모델을 개선할 때 방향을 잡는 데 유용합니다.

넷째, 시장조성과 헤지 파이프라인에 참고할 수 있습니다. 마켓메이커가 옵션 가격을 제시할 때, 이 프레임워크의 PCA-스몰약 저차원 근사를 활용하면 빠른 보간이 가능하고, Lipschitz 투영을 이용하면 가격 안정성을 보장할 수 있습니다.

---

함께하기

최신 퀀트 연구와 AI 트레이딩 인사이트를 받아보시려면:

• 🌐 ohselab.com — 연구 소개 및 상담
• 📬 뉴스레터 구독 — 주간·월간 리포트를 이메일로
• 🐦 팔로우 — 최신 논문 큐레이션

---

더 알아보기

• 원 논문: Proof-Carrying No-Arbitrage Surfaces: Constructive PCA-Smolyak Meets Chain-Consistent Diffusion with c-EMOT Certificates (arXiv:2511.09175)
• 티어: A | Composite: 75.0 | 도메인: A4 (시장 미시구조)
• KB 5차원 점수: 새로움 70 / 실용성 86 / 엄밀성 68 / 재현성 42 / 통찰력 78

관련 논문 더 보기

• A Risk-Neutral Neural Operator for Arbitrage-Free SPX-VIX Term Structures — SPX-VIX 기간구조를 신경 연산자로 학습하면서 차익 제한을 강제하는 방법
• Forecasting IV Surface with Generative Diffusion Models — 확산 모델로 무차익 내재변동성 표면을 생성하는 방법
• Selective Forgetting in Option Calibration — 옵션 캘리브레이션에서 일부 데이터만 제거하는 '선택적 망각' 기법

---