[Thesis Report] 거시경제 사이클 기반 주식·부동산 동적 자산배분 및 몬테카를로 확률 시뮬레이션 시스템 개발

Title: Development of a Macro-Cycle Driven Dynamic Asset Allocation and Monte Carlo Stochastic Simulation Engine for Stock and Real Estate Portfolios

Author: Economi / AI Studio Quantitative Research

Date: 2026-08-26

Category: Quantitative Finance & AI Systems

Keywords: Asset Allocation, Macroeconomic Cycles, Monte Carlo Simulation, Real Estate Leverage, Dividend Compounding, LLM Financial Advisor

1. 초록 (Abstract)

본 연구 및 개발 프로젝트는 인플레이션, 기준금리 경로, 경기 4계절 사이클 변동 속에서 투자자가 주식(Stock)과 부동산(Real Estate) 간의 최적 자산배분 및 자금 이동(Money Move) 경로를 정밀하게 예측하고 검증할 수 있는 전주기 인터랙티브 자산 시뮬레이션 플랫폼을 설계·구현하였다.

기존 금융 계산기들의 단일 자산 고정 수익률 가정과 선형적 한계를 극복하기 위해, 본 시스템은 (1) 주식의 배당 재투자 및 과세 복리 모델, (2) 부동산의 LTV 부채 상환(원리금 균등 vs 만기일시), 임대 월세 수익률, 양도소득세 및 보유세 차감 순자산(Net Equity) 모델, (3) 기하 브라운 운동(GBM) 기반 500회 몬테카를로 확률 신뢰구간 분석, (4) Google Gemini 3.7 Flash 모델을 연동한 실시간 거시 충격 스트레스 테스터 및 CIO 자산배분 최적화 엔진, 그리고 (5) 경기 4계절 사이클별 자산 반응도를 정성적으로 안내하는 투자 흐름 가이드 패널(Investment Flow Radar)을 통합 구축하였다. 또한 산출된 결과를 기관 투자자 제출용 규격의 고화질 Executive PDF 리포트로 즉각 내보낼 수 있는 기능을 포함한다.

2. 서론 및 개발 배경 (Introduction)

투자 시장에서 주식과 부동산은 유동성, 인플레이션 헤지 능력, 변동성, 레버리지 활용성 측면에서 상반된 특성을 지닌 양대 핵심 자산군이다. 특히 고물가·고금리(스태그플레이션) 또는 경기 침체기(디플레이션)와 같은 거시경제 국면 전환기에는 자산 간 상관관계가 동적으로 변화하며, 부채 비용과 세금(취득세, 보유세, 양도소득세, 배당소득세)이 장기 실질 수익률에 막대한 영향을 미친다.

본 시스템은 사용자가 복잡한 거시경제 지표와 금융 공식을 직접 계산하지 않고도, 직관적인 UI와 정밀한 시뮬레이션 엔진을 통해 장기(최대 40년) 자산 성장 궤적과 최대 낙폭(MDD), 실질 구매력 보존율을 즉각 시각화할 수 있도록 개발되었다. 정량적 시뮬레이션만으로는 "왜 지금 이 국면에서 이 자산이 유리한가"에 대한 직관적 설명이 부족하다는 사용자 피드백을 반영해, v5에서는 정성적 의사결정 가이드 레이어를 추가하였다(4.5절 참고).

3. 시스템 아키텍처 및 수학적 계산 모델 (System Architecture & Mathematical Formulations)

3.1 전체 아키텍처 다이어그램

[ Client Application (React 18 + TypeScript + Tailwind CSS) ]
  ├── Simulation Parameter Controller (상태 관리 & 5대 거시 프리셋)
  ├── Core Financial Engine (순수 TypeScript 수학 연산)
  │     ├── Stock Compounding & Dividend Tax Reinvestment
  │     ├── Real Estate Debt Amortization & Net Equity Engine
  │     ├── Inflation Discounting (실질 구매력 환산)
  │     └── Monte Carlo 500-Iteration Stochastic Simulator
  ├── Interactive Visualizations (Recharts: Area, Bar, Monte Carlo Bands)
  ├── Investment Flow Radar (거시경제 4계절 사이클 대응 가이드 패널)
  ├── Gemini 3.7 Flash AI CIO Engine
  │     ├── Macro Regime Evaluation & Asset Rebalancing Proposal
  │     └── Custom Shock Stress Tester (프롬프트 파이프라인)
  └── Executive PDF Engine (jsPDF + html2canvas + Print Stylesheets)

본 시스템은 moosjiny/investment GitHub 저장소를 기반으로 Vercel(Vite + React 프레임워크, Node.js Serverless Functions)에 배포되었으며, 프로덕션 URL은 https://codex-eta-seven.vercel.app 이다. 기존 Express 서버의 두 AI 엔드포인트(/api/gemini/market-analysis, /api/gemini/scenario-simulate)는 Vercel Functions(/api/gemini/*.ts)로 이식되었다.

3.2 핵심 수학적 모델링 (Mathematical Formulations)

(1) 주식 복리 및 배당 재투자 모델

연간 주식 자산 \(S_t\)는 자본이득률 \(g\), 배당수익률 \(d\), 배당소득세율 \(\tau_d\)(15.4%), 연간 추가 적립금 \(C\)를 반영하여 다음과 같이 반복 계산된다.

$$S_t = S_{t-1}(1+g) + S_{t-1} \cdot d \cdot (1-\tau_d) + C$$

최종 매도 시 양도소득세율 \(\tau_{cg}\)가 누적 평가차익에 적용된 세후 실질 가치 \(S_t^{net}\)은 다음과 같다.

$$S_t^{net} = S_0^{principal} + \big(S_t - S_0^{principal}\big)(1-\tau_{cg})$$

(2) 부동산 순자산 및 부채 상환(LTV) 모델

부동산 평가액 \(V_t\)는 가격상승률 \(r_{re}\)에 의해 성장한다.

$$V_t = V_{t-1}(1+r_{re})$$

대출 잔액 \(L_t\)는 상환 방식에 따라 갱신된다: 원리금 균등상환(Amortization)의 경우 매기 원리금 \(P_t\)가 원금과 이자로 분할 상각되고, 만기일시상환의 경우 만기 전까지 \(L_t = L_{t-1}\)로 유지되며 이자만 현금흐름에서 차감된다. 부동산 순자산(Net Equity) \(E_t\)는 임대수익(세후) \(R_t^{net}\)과 보유세·감가상각 \(O_t\)를 반영하여 다음과 같다.

$$E_t = V_t - L_t + \sum_{k=1}^{t}\big(R_k^{net} - O_k\big)$$

(3) 실질 구매력(인플레이션 할인) 가치

명목 자산 \(N_t\)에 누적 인플레이션율 \(\pi\)를 적용한 실질 자산 가치 \(R_t\)는 다음과 같이 도출된다.

$$R_t = \frac{N_t}{(1+\pi)^t}$$

(4) 몬테카를로 500회 확률 시뮬레이션

자산 가격의 확률 과정은 기하 브라운 운동(Geometric Brownian Motion)을 적용해 500개 경로를 샘플링한다.

$$S_t^{(i)} = S_{t-1}^{(i)} \exp\left[\left(\mu - \tfrac{\sigma^2}{2}\right)\Delta t + \sigma\sqrt{\Delta t}\,Z_t^{(i)}\right],\quad Z_t^{(i)} \sim \mathcal{N}(0,1),\ i=1,\dots,500$$

연차별로 500개 경로의 백분위수(\(P_{10}\), \(P_{50}\), \(P_{90}\))를 추출하여 신뢰구간 밴드를 구성한다.

4. 주요 기능 및 모듈 구현 (Core Functional Modules)

4.1 5대 거시경제 프리셋(Macro Presets)

• 기본 균형 성장: 주식 50% · 부동산 40% · 현금 10%
• 고금리·스태그플레이션: 배당 인컴 및 디레버리징 중심
• 부동산 레버리지 사이클: 저금리 환경 LTV 극대화 및 지가 상승 추구
• 주식 슈퍼 복리 사이클: 테크/성장주 및 고배당 재투자 극대화
• 디플레이션·안전자산 방어: 현금성 자산 및 채권 중심

4.2 4대 인터랙티브 차트 뷰 (Recharts)

• 자산 복리 성장 궤적 (내 포트폴리오 vs AI 최적 배분 vs 실질구매력)
• 자산 구성 및 부채 분해 (주식·부동산 순자산·대출 잔액·현금)
• 몬테카를로 500회 확률 신뢰구간 팬 차트 (상위 10% · 중앙값 · 하위 10%)
• 연도별 현금흐름 (주식 배당금 + 부동산 월세 수익)

4.3 Gemini AI CIO 자산배분 & 스트레스 테스터

• 현재 입력 수치와 거시 국면을 JSON Schema로 구조화하여 LLM에 전달
• 최적 자산배분 비중과 샤프 지수, 예상 MDD를 반환해 원클릭 적용 가능
• "한국 기준금리 1.5%p 기습 인상", "서울 아파트 가격 20% 급락" 등 커스텀 위기 시나리오 실시간 스트레스 테스트 지원

4.4 연도별 상세 데이터 시트 & CSV / PDF Export

• 연차별 명목/실질 순자산, 배당, 월세, 부채 잔액 CSV 다운로드
• A4 규격에 최적화된 Executive PDF 리포트 생성 및 인쇄 지원 (jsPDF + html2canvas)

4.5 (v5 신규) Investment Flow Radar — 투자 흐름(Money Move) & 거시경제 사이클 대응 가이드 패널

정량적 시뮬레이션 수치만으로는 "지금 국면에서 왜 이 자산이 유리한가"라는 직관적 판단을 돕기 어렵다는 한계를 보완하기 위해, 정성적 의사결정 가이드 패널인 InvestmentFlowRadar 컴포넌트를 신규 추가하였다. 현재 선택된 macroRegime 입력값과 실시간으로 연동되어 다음 두 개 서브 뷰를 제공한다.

(a) 거시경제 4계절 사이클별 자산 유동성 흐름 카드

현재 시뮬레이션에 설정된 macroRegime과 일치하는 카드는 하이라이트(테두리 강조 + 배지)되어, 사용자가 자신이 가정한 거시 국면에서의 자산별 기대 행동을 즉시 대조할 수 있다.

(b) 주식 vs 부동산 5대 핵심 투자 특성 비교 매트릭스

이 패널은 정량적 계산 엔진(3.2절)과는 독립적으로 동작하는 규칙 기반(rule-based) 정적 콘텐츠 매핑이며, 향후 과제(5절)에서 실시간 거시 지표 연동으로 고도화할 계획이다.

5. 결론 및 향후 과제 (Conclusion & Future Work)

본 플랫폼은 주식과 부동산이라는 이질적인 두 자산군의 복리 효과, 부채 레버리지, 세금 및 인플레이션을 종합적으로 연산하는 정밀 금융 시뮬레이션 환경을 성공적으로 구축하였다. v5에서는 정량적 시뮬레이션 결과에 정성적 해석을 더하는 Investment Flow Radar 패널을 추가하여, 수치 이면의 "왜"를 설명하는 의사결정 지원 레이어를 보강하였다.

향후 확장 과제로는 (1) 한국 국채·미국 T-Bill을 포함한 3중 다변화 자산 포트폴리오 모델, (2) OpenDart 및 부동산 실거래가 Open API를 통한 실시간 시장 데이터 피드 연동, (3) 세법 개정(종합부동산세율, 금융투자소득세 등)에 대응하는 동적 세무 룰 엔진 고도화, (4) Investment Flow Radar의 정적 매핑을 실시간 거시 지표(기준금리, CPI, 부동산 실거래가 지수) 기반 동적 판정으로 전환하는 작업이 계획되어 있다.