AI Agent를 활용한 시장리스크 측정에 대한 연구 : KOSPI와 KRX 채권종합지수를 중심으로
A Study on the Characteristics of Market Risk Using an AI Agent : Focusing on the KOSPI and KRX Bond Index
- 주제어 (키워드) 시장리스크 , Expected Shortfall , 바젤 3 , AI 에이전트 , KOSPI , KRX 채권종합지수 , 거대언어모델 , Market Risk , Basel 3 , AI Agent , Traffic Light Approach , LLM
- 발행기관 서강대학교 일반대학원
- 지도교수 이군희
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 일반대학원 경영학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000081961
- UCI I804:11029-000000081961
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 금융시장 내 점증하는 불확실성과 복합위기 상황 속에서 효과적인 리스크 대응 모델을 제안하기 위해, 바젤 III 기준에 따라 시장리스크의 핵심 지표인 Expected Shorfall(ES)을 기반으로 KOSPI와 KRX 채권종합지수의 fl스크를 정량적으로 분석하고 등급화하여 구조적으로 해석하였다. 이를 위해 Sliding Window 방식과 Traffic Light Approach를 결합하여 시장리스크를 동적으로 측정하였다. 본 연구의 분석은 세 단계로 구성된다. 첫째, 자산별 시장리스크를 로그수익률과 ES로 정량화한 후, 사분위수 범위에 기반한 통계적 기준으로 등급을 구분하였다. 둘째, 자산 간 상관계수 변화를 분석하고 등급화하여 리스크 전이 구조와 등급 간 구조 해석 가능성을 검토하였다. 셋째, 세 가지 다른 가중 산정 방식을 적용한 포트폴리오 모형의 ES 값을 바탕으로 민감도 분석 및 규제자본의 변동성을 검토하였다. 각 단계에는 대규모 언어 모델 기반 AI 에이전트를 도입하여 분석 결과를 자동 요약·해석하고 리포트 형태로 출력하는 구조를 구현하였다. AI 에이전트는 수치 결과를 자연어로 설명하며, 자산 리스크, 상관구조, 포트폴리오 시장리스크를 통합적으로 제시함으로써 분석 자동화 가능성을 입증하였다. 특히 이러한 자동화는 반복 업무 부담을 줄이고 분석자의 주관 개입을 최소화하는 장점을 지니며, 실무 적용 가능성 또한 높다. 이는 향후 금융기관의 리스크 대응 및 리포팅 체계 고도화에 실질적으로 기여할 수 있을 것이다.
more초록 (요약문)
This study proposes a risk response model to address rising uncertainty and complex crises in global financial markets. Under the Basel III framework, market risk is measured using Expected Shortfall as a core indicator. The analysis quantifies and classifies the risk of the KOSPI and KRX Bond Index using a dynamic method that combines the Sliding Window technique and the Traffic Light Approach. The research consists of three stages. First, asset-specific risks are quantified using log-returns and ES, then classified over time. Second, asset correlations are analyzed and graded to understand risk transmission and interpretability. Third, an ES-based portfolio strategy is evaluated for its applicability to Basel III capital requirements. At each stage, a Large Language Model-based AI Agent summarizes and interprets results in report form. The Agent converts data into natural language and offers insights on asset risk, correlations, and portfolio vulnerabilities. This automation cuts repetitive work, reduces bias, and improves usability. It is expected to enhance real-time risk response and reporting in financial institutions.
more목차
제 1 장 서론 1
제 1 절 연구 배경 및 목적 1
제 2 절 선행 연구 3
제 2 장 이론적 배경 5
제 1 절 Basel III 기반 시장리스크 5
1. Basel III 5
2. 시장리스크 측정 기법 6
2-1. VaR 6
2-2. Expected Shortfall 7
2-3. 자본규제 산출 방식 9
2-4. Sliding Window 10
제 2 절 대규모 언어 모델 11
1. GPT 11
2. AI 에이전트 12
제 3 장 연구 모형 및 분석 방법 14
제 1 절 데이터 설명 14
1. 활용 데이터 14
2. 데이터 전처리 15
제 2 절 시장리스크 분석 방법 16
1. 로그수익률 계산 16
2. ES 측정 적용 방식 17
3. ES 등급 분류 17
제 4 장 자산 별 리스크 분석 19
제 1 절 자산 별 ES 측정 19
1. KOSPI 지수 ES 측정 19
2. KRX 채권종합지수 ES 측정 22
제 2 절 AI Agent 기반 시장리스크 보고서 25
제 5 장 자산 간 상관관계 분석 31
제 1 절 상관계수 기반 리스크 구조 분석 31
1. 자산 간 상관관계 분석 31
2. 등급 기반 구조 분석 33
제 2 절 AI 에이전트 기반 상관구조 분석 37
제 6 장 시장리스크 기반 포트폴리오 분석43
제 1 절 Basel III 기반 포트폴리오 리스크 분석 43
1. ES 기반 포트폴리오 모델 설계 43
2. ES 모델 비교 분석 50
제 2 절 AI 에이전트 기반 포트폴리오 리스크 관리 52
제 7 장 결론 58
제 1 절 연구 결과 및 시사점 58
제 2 절 향후 연구 방안 60
참고 문헌 61
