재무 흐름 네트워크를 위한 튜플렉스 계산

이 논문은 튜플렉스 계산(Tuplix Calculus, 이하 TC)을 재무 전송 네트워크(Financial Transfer Network, FTN)의 형식적 모델링에 적용하는 새로운 방법론을 제시한다. 먼저 저자는 FTN을 Attr (속성 집합), Unit (유닛 집합), in 및 out 이라는 두 함수(각 유닛이 받는 입력 속성과 내보내는 출력 속성을 나타냄)로 정의한다. 각 속성은 최대 하나의 내부 채널에만 연결될 수 있으며, 내부 채널은 두 유닛 사이를 연결하고, 외부 채널은 조직 외부와 연결된다. 이러한 구조적 제약은 TC의 캡슐화 연산 ∂ 을 통해 내부 속성들을 동기화하고, 성공적으로 캡슐화될 경우에만 내부 거래가 실제 흐름으로 인정된다. 플럭스(flux) 개념은 채널 a 에 대해 한 유닛이 a(t) 형태로 금액 t 를 보내고, 다른 유닛이 a(‑s) 형태로 금액 s 를 받는 상황을 의미한다. 두 금액이 일치(t = s)하면 채널 a 를 통한 실제 흐름이 존재한다는 뜻이며, 이는 캡슐화 연산 ∂{a}(P_g ⊕ P_h) = γ(t = s) 와 동일하게 표현된다. 일치하지 않으면 캡슐화 결과는 null 튜플 δ 가 된다. 플럭스 일치를 강제하기 위해 저자는 K 연산자를 도입한다. K_t(X)는 튜플 X 에 대해 총 플럭스가 t 와 동일하도록 제약을 추가한다. K 연산자는 기본 튜플, 테스트, 합성, 바인딩, 합 연산 등에 대해 재귀적으로 정의되며, 특히 K_t(a(x) ⊕ X) = a(x) ⊕ K_{t+x}(X) 와 같은 규칙을 통해 플럭스 누적을 구현한다. 이를 이용해 예시 4의 ‘보존 버퍼’ 모델에서 매 기간마다 일정 비율을 적립하고, 남은 금액을 다음 기간으로 이월하는 복잡한 흐름을 정형화한다. 내부 흐름을 가시화하기 위한 부호 속성 표기법은 기존 평면 속성 a(t) 을 + a(t) (출력)와 ‑ a(t) (입력)으로 구분한다. 변환 함수 ζ_{g,H}는 지정된 내부 속성 H 에 대해 유닛 g 의 평면 속성을 부호 속성으로 복제한다. 예를 들어 ζ_{g,{b}}(P_g) 는 b 채널에 대한 + b와 ‑ b 표현을 동시에 포함한다. 이후 Select 연산을 사용해 관심 유닛의 부호 속성 집합 J = {a, + a, ‑ a | a∈in(g)∪out(g)} 을 필터링하면, 캡슐화 후에도 해당 유닛이 수행한 내부 거래를 명시적으로 확인할 수 있다. 예시 5에서는 ∂{b}(ζ_{g,{b}}(P_g) ⊕ P_h) 를 통해 + b(1) 이라는 내부 흐름이 외부에 드러나도록 했다. 마지막으로 논문은 TC에 함수 정의와 바인딩을 위한 확장을 제시한다. 데이터 타입에 λ‑추상화와 적용을 도입하여 λx.x+x 와 같은 함수를 정의하고, (λx.x+x) 2 와 같이 적용할 수 있다. 함수 정의는 Γ(f, λ x.t(x)) 구문으로 표현되며, FD 공리 Γ(f, λ x.t(x)) = Γ(f, λ x.t(x)) ⊕ γ(f(s)‑t(s)) 에 의해 함수와 실제 인자 사이의 일치를 보장한다. 또한 함수 변수에 대한 합 연산 P_f 을 도입해 ‘let f = λ x.t(x) in P’ 형태의 바인딩을 가능하게 한다. 이를 통해 대학 예산 배분 사례와 같이 복잡한 파라미터화된 예산 모델을 간결히 기술할 수 있다. 전체적으로 논문은 (1) FTN의 형식적 정의, (2) 플럭스 일치를 위한 K 연산자, (3) 부호 속성 표기와 ζ, Select 연산을 통한 내부 흐름 가시화, (4) 함수 정의와 바인딩을 위한 TC 확장이라는 네 가지 핵심 기법을 제시한다. 이들 기법은 모듈식 예산 설계와 검증을 위한 강력한 수학적 도구를 제공하며, 기존의 재무 모델링이 갖는 비형식적 한계를 극복한다는 점에서 학술적·실무적 의의가 크다.