그레이 스완 이벤트 하에서의 옵션 가격 예측을 위한 양자 기계학습 응용

권상지; 권성준; 김성민; Zichen Luo; 최상호; 최륜희; 권오병

doi:10.13088/jiis.2026.32.2.095

학술저널

저자정보: 권상지 (한국과학기술연구원(KIST)) 권성준 (경희대학교) 김성민 (경희대학교) Zichen Luo (경희대학교) 최상호 (경희대학교) 최륜희 (한국과학기술연구원(KIST)) 권오병 (경희대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제32권 제2호

오류 신고하기

피인용 0

검색

초록·키워드

금융 시장에서 그레이 스완(Grey Swan) 이벤트는 예상 가능한 범위를 벗어난 구조적 붕괴와 급격한 체제 전환을 야기하며, 이로 인한 옵션 가격 예측의 불확실성을 극대화한다. 최근 트럼프 행정부의 무역 정책 변화와 같은 정책 주도적 충격은 변동성 급증과 옵션 함의 기대를 불안정하게 만드는 대표적인 사례다. 기존 기계 학습 모델은 정상적인 시장 환경에서 우수한 성과를 보이나, 과도한 매개변수 최적화 의존성으로 인해 고변동성 국면에서의 강건성(Robustness)이 제한된다는 한계가 있다. 본 연구는 이러한 그레이 스완 이벤트 하에서 옵션 가격 예측을 위한 강력한 대안으로 양자 리저버 컴퓨팅(Quantum Reservoir Computing, QRC) 프레임워크를 제안하고 그 효과를 분석한다. QRC는 고정된 양자 역학을 계산 저장소로 활용하고 선형 판독층(Readout layer)만을 학습시킴으로써, 기울기 기반 최적화의 불안정성을 극복하고 NISQ(노이즈가 있는 중간 규모 양자) 환경에 최적화된 구조를 갖는다. S&P 500 지수 옵션의 실거래 데이터를 활용하여 분석한 결과, QRC는 극단적 비정상성(Non-stationarity)이 지배하는 시장 체제에서 고전적 모델 대비 탁월한 예측 안정성을 보였다. 이는 QRC가 불규칙한 금융 시계열 데이터와 구조적 호환성을 가짐을 시사하며, 극단적 불확실성 상황에서 금융 의사 결정 지원을 위한 효율적인 예측 도구로서의 실용적 잠재력을 입증한다.

Option price prediction becomes particularly challenging during gray swan events unexpected but plausible disruptions that induce abrupt regime shifts, high volatility, and structural breaks in financial markets. Recent policy-driven shocks, such as sudden shifts in U.S. trade policy under the Trump administration, exemplify such gray swan conditions by triggering sharp volatility spikes and destabilizing option-implied expectations. While machine learning approaches have shown promising performance under normal market regimes, their reliance on extensive parameter optimization often limits robustness during these periods of heightened uncertainty. This study investigates the effectiveness of Quantum Reservoir Computing (QRC) as a robust forecasting framework for option price prediction under gray swan events. Unlike parameterized quantum machine learning models, QRC leverages fixed quantum dynamics as a computational reservoir and restricts learning to a classical linear readout layer, thereby avoiding gradient-based optimization and mitigating instability in noisy intermediate-scale quantum (NISQ) environments. Using real transaction data from S&P 500 index options, we evaluate QRC across different moneyness and maturity segments during episodes of extreme volatility and policy-driven market disruptions. The empirical results show that QRC achieves superior predictive stability in market regimes dominated by extreme volatility and non-stationarity, where classical models exhibit pronounced performance degradation. Rather than suggesting universal quantum advantage, the findings indicate that QRC offers conditional performance benefits arising from its structural compatibility with highly irregular financial time series. These results highlight the practical potential of QRC as a noise-tolerant and computationally efficient forecasting tool for financial decision-support systems operating under extreme uncertainty.

#Gray Swan #Quantum Machine Learning(QML) #Option Pricing #Financial Market Volatility #NISQ #Market volatility

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료