[NHN FORWARD 22] 어떤 서비스를 선택해야 이용자 감소 리스크가 최소가 될까?(Feat. VAR-Copula)

슈퍼앱 트렌드에서 경기 악화로 리소스가 한정되면 어떤 서비스에 집중할지 고민이 생긴다. 기존의 생존분석과 머신러닝은 서비스 결합·제외 시 감소 리스크의 변동을 추정하기 어려워, 금융공학의 VaR 모형과 코폴라 함수를 적용하기로 한 배경을 설명한다.

VaR(밸류앳리스크)는 JP모건이 개발한, 일정 기간·신뢰수준에서 발생 가능한 최대 손실 금액 개념이다. 삼성전자 1억 매수 시 1% 확률로 약 820만원 손실, 신한은행과 분산 투자하면 520만원으로 줄어드는 예시로 계산 방식을 설명한다.

코폴라는 라틴어로 결합을 뜻하며, 금융공학자들이 주택담보대출의 종속성을 유지한 채 시뮬레이션하기 위해 개발한 함수임을 소개한다. 촐레스키 분해·주변확률분포 등 상세는 생략하고, 종속성 유지 시뮬레이션이라는 핵심 역할만 짚는다.

서비스 이용률을 기준 시점 대비 일자별 변동률로 정의한다. 페이코 금융에서 가장 많이 쓰이는 송금·신용조회·대출비교 세 서비스를 대상으로, 1월 3일부터 6월 30일까지 주말을 제외한 평일 데이터를 측정 대상으로 설계한다.

세 서비스를 트랜스퍼·크레딧·론으로 두고 산점도와 summary로 데이터를 탐색한다. 편차가 가장 작아 안정적인 송금을 기준으로 삼고, 피어슨·스피어만·켄달 타우 상관계수를 계산해 코폴라에는 켄달 타우를 적용하기로 한다.

샤피로 테스트 결과 신용조회는 정규성을 띠지 않아 극단치 꼬리가 두꺼운 t분포를 적용한다. 누적분포로 변환한 뒤 `BiCopSelect`로 40~50종 중 적합한 서바이벌 검벨 코폴라를 자동 선정해 실데이터와 유사한 예측 시뮬레이션을 수행한다.

100만 회 시뮬레이션을 20번 반복해 평균을 낸 결과, 송금+신용조회 결합의 1% VaR은 0.4465, 송금+대출비교는 0.46으로 나왔다. 전략적 위치·만족도·리소스가 비슷해 의사결정이 어려운 서비스 선택에 이 기법이 도움이 될 수 있다고 마무리한다.