자산 목표 달성 시뮬레이터
목표금액, 기간, 투자조건을 입력하면 몬테카를로 시뮬레이션으로 달성 확률을 계산합니다.
자산 목표 달성 시뮬레이터는 몬테카를로 시뮬레이션으로 목표 자산 달성 확률을 계산합니다. 현재 자산, 월 적립금, 기대수익률, 변동성(표준편차)을 입력하면 수천 번의 시뮬레이션으로 다양한 시장 상황을 반영합니다. 최종 자산의 중위값, 상위/하위 시나리오, 목표 달성 확률을 제공합니다. 기대수익률 7%, 변동성 15%는 글로벌 주식시장의 장기 평균에 가까운 값입니다. 은퇴 자금 준비, 주택 구매 목표, 자녀 교육비 마련 등 장기 재무 목표의 실현 가능성을 확률적으로 검증할 수 있습니다.
입력
현재 보유 자산
매월 추가 투자/저축 금액
연간 기대 수익률 (주식 평균 ~7%)
수익률의 변동성 (주식 평균 ~15%)
⚠️ 본 계산 결과는 참고용이며, 실제 금융상품의 조건과 다를 수 있습니다.
workflow
사용 방법
약 1분
현재 자산·적립금 입력
현재 보유 자산과 월 적립 금액을 입력합니다.
투자 조건 설정
기대수익률, 변동성(표준편차), 투자 기간을 설정합니다.
목표 금액 입력
달성하고자 하는 목표 자산 금액을 입력합니다.
결과 확인
목표 달성 확률, 최종 자산 중위값, 시나리오별 분포를 확인합니다.
principle
계산 원리
몬테카를로 시뮬레이션은 기하 브라운 운동(Geometric Brownian Motion) 모형으로 자산 가격 경로를 생성합니다. 각 월의 수익률 r_t = μ/12 + σ/√12 × Z_t로, μ는 연 기대수익률, σ는 연 변동성(표준편차), Z_t는 표준정규분포 난수입니다. 자산 가격은 S_t+1 = S_t × (1 + r_t) + PMT로 업데이트됩니다.
수천 번의 시뮬레이션 경로를 생성하면 최종 자산의 분포를 얻습니다. 이 분포에서 중위값(50% 분위), 하위 10%(비관적), 상위 10%(낙관적) 시나리오를 추출합니다. 목표 금액을 초과하는 경로의 비율이 "목표 달성 확률"입니다.
대수정규분포(log-normal distribution) 가정 하에서, 연속 복리 기대값은 E[S_T] = S_0 × exp(μT)이지만, 중위값은 S_0 × exp((μ - σ²/2)T)로 기대값보다 항상 낮습니다. 이것이 "변동성 드래그(volatility drag)"로, 변동성이 높을수록 중위 결과가 기대값에서 멀어집니다. 따라서 안정적 목표 달성을 위해서는 기대수익률뿐 아니라 변동성 관리도 중요합니다.
faq
자주 묻는 질문
cases
실생활 예시
30대 은퇴 자금 10억 목표
현재 자산 5,000만원, 월 적립 100만원, 기대수익률 7%, 변동성 15%, 목표 5억원, 투자기간 20년. 시뮬레이션 결과 달성 확률 약 72%, 중위 최종자산 약 6.8억원.
70% 이상이면 실현 가능한 목표입니다. 월 적립을 150만원으로 늘리면 달성 확률이 85% 이상으로 올라갑니다.
자녀 대학 교육비 마련
현재 자산 0원, 월 50만원, 기대수익률 5%, 변동성 10%, 목표 1억원, 기간 15년. 달성 확률 약 58%.
안정적 달성을 위해 월 70만원으로 상향하거나 기간을 18년으로 연장하는 것이 좋습니다.
내 집 마련 5년 계획
현재 자산 1억원, 월 200만원 적립, 기대수익률 5%, 변동성 12%, 목표 3억원(아파트 청약 자금), 기간 5년. 달성 확률 약 82%.
5년 단기 목표에서 변동성 12%는 높은 편입니다. 채권 혼합 비중을 높여 변동성을 8%로 낮추면 달성 확률이 90%까지 올라갈 수 있습니다.
조기 은퇴(FIRE) 가능성 검증
현재 자산 3억원, 월 300만원, 기대수익률 8%, 변동성 18%, 목표 15억원, 기간 15년. 달성 확률 약 65%, 중위 최종자산 약 18억원.
65%는 도전적이지만 불가능하지 않은 수준입니다. 매년 적립금을 5%씩 증가시키면 달성 확률이 75%까지 올라갑니다.
glossary
용어 사전
- 몬테카를로 시뮬레이션
- 난수를 반복 생성하여 확률적 결과 분포를 얻는 통계 기법. 금융, 공학, 과학에서 광범위하게 사용됩니다.
- 기대수익률(μ)
- 자산의 연평균 예상 수익률. 과거 데이터나 시장 전망을 기반으로 설정합니다.
- 변동성(σ)
- 수익률의 표준편차. 높을수록 수익률 변동이 크고 리스크가 높습니다.
- 중위값(Median)
- 시뮬레이션 결과를 크기순으로 정렬했을 때 정중앙 값. 극단값의 영향을 받지 않는 대표값.
- 변동성 드래그
- 변동성 때문에 중위 결과가 기대값보다 낮아지는 현상. σ²/2만큼 연간 성장률이 깎입니다.
- 기하 브라운 운동
- 자산 가격의 확률적 변동을 모델링하는 수학적 프로세스. 블랙-숄즈 모형의 기초.
next tools