본 연구실은 금융 파생상품의 가격결정 이론과 실무 적용에 중점을 두고 다양한 연구를 수행하고 있습니다. 특히, 블랙-숄즈 모형의 한계를 극복하기 위한 레비 확률과정, Variance Gamma, Normal Inverse Gaussian 분포 등 비정상적 확률과정을 활용한 옵션 가격결정 방법론을 개발하고 있습니다. 이러한 연구는 실제 금융시장에서 관측되는 자산 가격의 비정상적 움직임과 두터운 꼬리 현상, 변동성 스마일 등 현실적 특성을 반영하는 데 큰 의의가 있습니다. 또한, 본 연구실은 다양한 형태의 배리어 옵션, 스텝 배리어 옵션, 다중 배리어 옵션 등 복합적인 구조를 가진 파생상품의 가격결정 문제를 심도 있게 다루고 있습니다. 이를 위해 확률론적 반사원리, 점근적 근사, 비선형 회귀, 몬테카를로 시뮬레이션 등 첨단 수리통계적 기법을 적용하여, 실제 시장에서 거래되는 파생상품의 가격을 보다 정확하게 산출할 수 있는 방법론을 제시합니다. 이와 더불어, 보험상품의 리스크 평가, 재보험료 산출, 보험보장기금의 프리미엄 산정 등 보험수리 분야에도 연구를 확장하고 있습니다. 금융과 보험의 경계에서 발생하는 복합적 리스크를 정량적으로 분석하고, 정책적 시사점을 도출하는 연구도 활발히 이루어지고 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. 특히, 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. 포트폴리오 리스크 측정에서는 자산 간의 상관관계를 반영한 Copula 모델, Normal Inverse Gaussian 분포 등 고차원 데이터에 적합한 통계적 방법론을 개발하고 있습니다. 이를 통해 다양한 자산으로 구성된 포트폴리오의 리스크를 정밀하게 측정하고, 극단적 시장 상황에서도 안정적인 투자 전략을 수립할 수 있도록 지원합니다. 또한, 극단치 이론을 활용한 VaR 추정, 시계열 인자분석을 통한 차원축소 등 다양한 통계적 기법을 실무에 적용하고 있습니다. 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.