송성주 연구실은 통계학과를 기반으로 금융, 보험, 리스크 관리 등 다양한 응용 분야에서 첨단 통계이론과 실무적 분석기법을 융합한 연구를 수행하고 있습니다. 본 연구실은 금융 파생상품의 가격결정, 옵션 및 다양한 구조화 상품의 수리적 모델링, 그리고 실제 시장 데이터에 기반한 실증분석에 이르기까지 폭넓은 연구영역을 다루고 있습니다. 특히, 블랙-숄즈 모형의 한계를 극복하기 위한 레비 확률과정, Variance Gamma, Normal Inverse Gaussian 등 비정상적 확률모형을 활용한 옵션 가격결정 연구가 활발히 이루어지고 있습니다. 이러한 연구는 실제 금융시장에서 관측되는 자산 가격의 비정상적 움직임과 두터운 꼬리 현상, 변동성 스마일 등 현실적 특성을 반영하는 데 큰 의의가 있습니다. 또한, 배리어 옵션, 스텝 배리어 옵션, 다중 배리어 옵션 등 복합적인 구조를 가진 파생상품의 가격결정 문제를 심도 있게 다루며, 보험상품의 리스크 평가와 재보험료 산출, 보험보장기금의 프리미엄 산정 등 보험수리 분야에도 연구를 확장하고 있습니다. 본 연구실은 최신 기계학습 기법과 전통적 통계모형을 융합하여 금융 리스크 예측 및 포트폴리오 관리에 관한 연구를 선도하고 있습니다. 주식시장 수익률 예측, 포트폴리오의 Value at Risk(VaR) 및 Expected Shortfall 산출, Copula 기반 다변량 분포 모델링 등 다양한 금융 리스크 관리 문제에 대해 체계적으로 접근합니다. LightGBM, Gradient Boosted Regression Trees, 신경망 등 다양한 기계학습 모델을 활용하여 주식 수익률 예측의 정확도를 높이고, 새로운 검증 지표(CRP10 등)를 도입하여 실질적인 투자성과를 극대화하는 전략을 제시합니다. 또한, 극단치 이론을 활용한 VaR 추정, 시계열 인자분석을 통한 차원축소 등 다양한 통계적 기법을 실무에 적용하고 있습니다. 자산 간의 상관관계를 반영한 Copula 모델, Normal Inverse Gaussian 분포 등 고차원 데이터에 적합한 통계적 방법론을 개발하여, 다양한 자산으로 구성된 포트폴리오의 리스크를 정밀하게 측정하고, 극단적 시장 상황에서도 안정적인 투자 전략을 수립할 수 있도록 지원합니다. 최근에는 사이버 리스크, 미세먼지 등 비전통적 리스크의 측정과 관리에도 연구를 확장하고 있습니다. 금융 데이터뿐만 아니라 환경, 보험, 공공정책 등 다양한 분야의 데이터를 통합적으로 분석하여, 사회 전반의 리스크 관리 역량을 강화하는 데 기여하고 있습니다. 이러한 연구는 학계뿐만 아니라 실무 현장과 정책 결정에도 실질적인 영향을 미치고 있습니다.