[경영학과 공통] 몬테카를로 시뮬레이션의 (1)개념 및 적용가능 분야, 그리고 (2)이를 이용한 시설대안 평가의 수치적 예를 2개 이상 작성 (몬테카를로)

소개글

[경영학과 공통] 몬테카를로 시뮬레이션의 (1)개념 및 적용가능 분야, 그리고 (2)이를 이용한 시설대안 평가의 수치적 예를 2개 이상 작성 (몬테카를로)에 대한 보고서 자료입니다.

목차

Ⅰ. 서론

Ⅱ. 본론

1. 몬테카를로 시뮬레이션의 개념

2. 몬테카를로 시뮬레이션의 적용가능 분야

3. 몬테카를로 시뮬레이션을 이용한 시설대안 평가의 수치적 예
1) 몬테카를로 시뮬레이션을 활용한 예측 시스템
2) 몬테카를로 시뮬레이션 기반의 리스크 관리 프로세스
3) 몬테카를로 시뮬레이션을 통한 손실분석

4. 시사점

Ⅲ. 결론

참고문헌

본문내용

가능하다. 주택가격이 9억원 이하이며 대출한도는 5억 원까지이다. 대출을 위해서는 소득이 있어야 하며 DTI(Debt To Income)와 LTV(Loan To Value)제한이 있다. DTI제한은 동 대출로 인한 제한이 30%이내여야 하고(DTI1), 타대출까지를 합한 경우 40%이내(DTI2)이어야 한다. 이 같은 DTI조건을 모두 만족하고 주택유형이 아파트일 경우는 LTV를 70%까지 적용 받을 수 있고 그렇지 않은 경우는 65%나 60%까지 적용 받는다. 대출기간은 최소 10년 이상 30년까지이다.
2004년 대출 자료를 분석대상으로 한 이유는 가능한 한 긴 시계열 자료를 활용하기 위해서이다. 대출은 48,132건을 분석대상으로 고정(이하 “대상풀”)하고 이에 대한 시계열 자료를 사용하였다. 법적절차, 미수채권 자료는 대출이후 2011년 6월까지 대출계좌별 자료이다.
(1) 대출특성
대상풀 48,132건의 총 대출금액은 33,582억원으로 평균 대출금액은 6,977만원이다. 5천만원 초과 1억원 이하 대출건수가 전체의 40.75%를 차지하여 가장 높고 5천만원 이하의 대출건수도 38.19%로 높은 비율을 보였다.
(2) 담보특성
담보가치는 비소구 주택담보 대출에 있어 고려해야할 가장 중요한 요소이다. 대상풀에서 담보 가치는 LTV를 통해 표시된다. 대상풀의 대출원금 가중평균 LTV는 60.89%이다. 50%초과 60%이하 건수 비율이 39.53%로 가장 높은 비율을 보였고 65%초과 70%이하의 대출도 건수 기준 36.87%로 높은 비율을 보였다.
(3) 신용특성
대상풀은 채무자가 소득이 있는 것을 대출조건으로 한다. 대출로 인한 원리금 부담액이 소득의 얼마를 차지하는 지를 나타내는 비율로 DTI를 활용한다. 대상풀의 경우 DTI2의 조건은 40%이내일 경우 다른 조건을 감안하여 LTV를 상향할 수 있는 인센티브를 제공한다. DTI1의 경우에는 30%이내일 경우 인센티브를 제공한다. 다만 특별한 조건일때는 33%이내인 경우에도 인센티브를 제공한다.
대상풀에 대한 분석결과 보금자리론의 경우는 비소구 주택담보 대출이 현행 소구 주택담보 대출에 비해 추가적인 신용손실액(관리비용 차감)등이 분석1의 경우 0.005273%, 분석2의 경우 0.001576%로 높지 않게 나타났다. 이 같은 결과를 바탕으로 대상풀과 유사한 유형의 대출 경우 다른 조건이 같은 경우는 추가적인 금리의 인상 없이 도입이 가능하다고 생각된다. 또한, 은행권의 주택담보 대출의 경우 최대 LTV가 70%를 넘는 경우가 없기 때문에(신규 취급기준)은행권 주택담보 대출의 경우에도 큰 차이는 없을 것이라 생각된다. 따라서 소비자 보호에 장점이 있고 금융기관의 대출체계를 강화할 수 있으며 대출 관리기간 단축을 통한 사회적 비용을 절감할 수 있는 비소구 주택담보 대출의 국내 도입을 고려할 필요가 있다고 생각된다.
4. 시사점
결정론적 시스템(deterministic model)은 확정정인 변수들이 사용되어 예측치를 정확하게 제시한다. 하지만 어떤 문제들은 불확정적인 정보들이 관여되기 때문에 결정론적 시스템으로 해결하지 못한다. 이러한 경우 확률론적 시스템(stochastic system)이 사용되게 되며, 확률론적 의사결정이 필요한 경우 사용될 수 있는 도구는 몬테카를로 시뮬레이션(Monte Carlo Simulation)이다. 몬테카를로 모델의 기본 개념은 단위 변수들의 확률패턴을 규명하고, 단위 변수들의 조합패턴을 추정하는 것이다. 수치적(numerical)으로 일련의 난수를 반복적으로 발생해서 시뮬레이션을 하면 답을 찾을 수 있다. 여기서, 시뮬레이션(simulation)의 개념은 컴퓨터를 이용하여 실제로 실행하기 어려운 실험을 모의 실험 하도록 하는 것이다. 이러한 컴퓨터를 이용한 모의실험은 실제의 환경과 거의 같은 상황을 연출한다면 실제 실험과 같은 결과를 얻어낼 수 있다.몬테카를로 모델 개념과 시뮬레이션 개념이 더해져서 몬테카를로 시뮬레이션으로 불린다. 이 기법은 정량적 위험관리, 사업리스크 분석, 금융공학, 품질관리 등등 확률이 존재하는 의사결정이 필요한 모든 부분에서 사용되어 왔다. 몬테카를로 시뮬레이션의 절차는 다양하게 존재하지만 대표적으로 다음과 같이 4가지의 절차로 이루어진다.
1. 가능한 입력상수의 범위 정의.
2. 입력상수의 범위 안에서 확률분포를 통해 입력상수 생성.
3. 생성된 입력상수에 대한 계산.
4. 계산 결과 종합.
Ⅲ. 결론
지금까지 본론에서는 몬테카를로 시뮬레이션의 (1)개념 및 적용가능 분야, 그리고 (2)이를 이용한 시설대안 평가의 수치적 예를 2개 이상 작성해 보았다. 시뮬레이션은 분석적인 방법으로 표현할 수 없거나 표현하기 어려운 문제를 컴퓨터상에서 최대한 현실 문제와 비슷하게 모델링하여 분석하는 WHAT-IF 분석법중의 하나이다. 시뮬레이션을 통해 의사결정 상황을 모형화하여 가상으로 실행시켜 봄으로써 실제 상황에서의 결과를 예측하는 모의실험을 수행할 수 있으며 보다 구체적으로 문제에 대해 어떤 가정(확률분포)하에서 수리 모델을 설정하고 여러 상황에서 가장 효과적인 방법을 모색할 수 있다. 몬테카를로 시뮬레이션은 시뮬레이션에 사용하기 위한 값을 확률분포로 부터 임의적으로 선택 (표본추출 :Sampling)하는 하나의 기법으로, 모의적 표본추출법(Simulated sampling technique)이라고도 한다. 몬테카를로 시뮬레이션의 장점은, 입력에 해당하는 조건에 임의의 난수를 발생시켜 모든 경우의 수를 따져 보고 그 결과(Output)에서 발생하는 분포와 통계량을 제공하여 의사결정을 지원하는 것이다.
참고문헌
정대영(2005). 신위험관리론. 한국금융연수원.
양영순 외(1999). 구조 신뢰성 공학. 서울대 출판부.
최행진(2002). 수치해석학. 아진.
문병근(2005). 제조시스템에서 프로젝트 포트폴리오 설정방법의 설계.
류강민 외(2010). 몬테카를로 시뮬레이션을 이용한PF사업 공모지침서 평가배점에 관한 연구. 부동산학연구.
박연우 외(2011). 스트레스 테스트와 몬테카를로 시뮬레이션을 이용한 국내금융기관의 주택담보대출 신용위험 분석. 주택연구.

키워드

몬테카를로,   시뮬레이션,   추출,   표본추출,   리스크,   몬테카를로법