KOSPI200 시장의 실시간 요인 기여도 모니터링과 위험 탐지 지표 구축 : Rolling SHAP 접근법
Real-Time Monitoring of Factor Contributions and Construction of a Market Risk Detection Indicator in the KOSPI200 Index: A Rolling SHAP Approach
- 발행기관 서강대학교 경제대학원
- 지도교수 정재식
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 경제대학원 금융경제
- 실제URI http://www.dcollection.net/handler/sogang/000000082329
- UCI I804:11029-000000082329
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
본 연구는 수익률 예측 정확도 자체가 아니라, 시장 요인의 기여도가 시간에 따라 어떻게 변화하는지를 실시간으로 추적하고 이를 체계적 위험 신호로 전환하는 데 목적을 둔다. 기존 연구가 위기 이후 요인 구조 변화를 사후적으로 해석한 데 그쳤던 반면, 해당 연구에서는 KOSPI200 자료를 바탕으로 머신러닝(XGBoost, Logit)과 Shapley value(이하 SHAP)를 롤링 방식으로 적용하여, 미래 정보가 없는 환경에서도 요인 구조의 동태적 변화를 추적하는 체계를 구축하였다. 실증 분석에서는 시장 스트레스를 (1) 변동성 레짐 및 주요 금융위기 기반(Event Shock), (2) 가격 급락 기반(Price Shock) 두 관점에서 정의하여 요인 구조가 국면 전환과 함께 어떻게 변화하는지 평가하였다. 그 결과, 가격·추세·거래량 기반의 기술적 지표(TA)와 외국인 ·기관 매매 등 자금 흐름 정보(Flow)는 Shock 진입 시 설명력이 크게 약화된 반면, VIX·VKOSPI 등 시장 불안 ·투자심리 지표(Sentiment)는 평상시와 Shock 모두에서 가장 일관된 위험 신호로 유지되었다. 이는 시장 환경 변화에 따라 요인의 상대적 중요도가 전이되는 구조적 패턴이 존재함을 보여준다. 이러한 발견을 바탕으로 설계한 알람 인덱스(Alarm Index)는 높은 예측 정확도 (AUC)에 의존하지 않고도 실질적 위험 관리 성과를 제공한다. Out-of-Sample 구간에서 Buy&Hold 대비 최대낙폭(MDD)을 약 10%p (−35.9% → −25.5%, 거래비용 15bp포함) 개선하였으며, 이는 Rolling SHAP 기반 요인 기여도 모니터링이 기존 기술적 지표보다 우수한 조기 위험 탐지 기능을 수행할 수 있음을 시사한다.
more초록(요약문)
This study aims not at predicting returns perse, but at tracking how the contributions of market factors evolve over time and converting these dynamics into systematic risk signals. While previous research has largely interpreted factor-structure changes only after crises, this study constructs a real-time framework that detects such transitions without look-ahead bias. Using KOSPI200 data, machine-learning models (XGBoost and Logit) are combined with Shapley value (SHAP) attributions in a rolling-window setting to capture the time-varying importance of factors. Market stress (Shock)is defined from two complementary perspectives: (1) an event-based view using volatility regimes and major financial crises (Event Shock), and (2) a price-based view using sudden market drawdowns (Price Shock). Empirical results show that technical indicators based on price, trend, and volume (TA), as well as capital-flow information such as foreign and institutional trading (Flow), lose explanatory power sharply when the market enters a stress regime. In contrast, sentiment-related variables—including VIX and VKOSPI, which reflect market anxiety and investor risk perception—remain the most consistent risk signals across both normal and stressed conditions. These findings indicate the presence of structural transitions in factor importance as market conditions evolve. Building on these insights, the proposed Alarm Index provides practical risk-management benefits without relying on high predictive accuracy (AUC). In the Out-of-Sample evaluation, the index improves the Maximum Drawdown (MDD) by approximately 10 percentage points relative to Buy&Hold (−35.9% → −25.5%, including a 15bp transaction cost). This demonstrates that rolling SHAP-based factor monitoring can serve as an effective early-warning mechanism, offering information beyond that of traditional technical indicators.
more목차
1 서론 1
1.1 연구배경및목적 1
1.2 연구구성 2
2 선행연구 4
2.1 XAI 및 SHAP의금융응용 4
2.2 한국금융시장의요인관련선행연구 4
3 연구설계및방법론 6
3.1 데이터구성및피처설계 6
3.2 예측모형및라벨링 8
3.3 롤링학습및 SHAP 해석구조 10
3.4 동적리스크탐지지표 (Alarm Index) 구축 11
4 실증결과분석 14
4.1 Event Shock 기반구조전이 (All vs Event Shock) 14
4.2 Price Shock–Recovery 국면분석 (Regime 기반) 18
4.3 요인기여도의선행성검증 (Granger Causality) 24
4.4 실증분석종합및시사점 26
5 논의및해석 27
5.1 요인전이의경제적메커니즘 27
5.2 Alarm Index의성과와실무적함의 29
6 결론및향후연구 36
6.1 주요결론및시사점 36
6.2 연구의한계 37
6.3 향후연구방향 38
부록A 데이터및피처구성 39
A.1 데이터출처및표본기간 39
A.2 피처그룹및대표변수 39
A.3 라벨정의 41
부록B 핵심알고리즘로직 42
B.1 롤링학습및 SHAP 산출 (Rolling Window Loop) 42
B.2 Alarm Index 산출및신호생성 43
부록C 추가검정결과 45
C.1 보조예측성능 (해석안정성우선) 45
C.2 상관계수기반피처선별 45
C.3 Granger 인과성검정 46
C.4 TreeSHAP–KernelSHAP 강건성검증 46
C.5 민감도분석 (Sensitivity Analysis) 47
C.6 Alarm Index 파라미터감도분석 48
C.7 대안모형강건성검증: RandomForest 48
부록D 추가그림및분석 52
D.1 Alarm Index와시장국면 52
D.2 이벤트전후피처기여도변화 52
참고문헌 54
