비크만 합성곱 공식
1. 개요 Introduction
Beekman(비크만, 1968)은 [8]의 한 결과에 착안하여, 고전적 파산모형에서 파산확률을 계산하는 간단하고 일반적인 알고리즘을 제시했다. 이 알고리즘은 합성곱 공식(convolution formula)을 포함한다. 이 모형에서 시간 t에서의 보험사 무작위 잉여금은 다음과 같다.
여기서 u는 초기자본이고, 단위시간당 보험료 c는 고정으로 가정한다. 과정 S(t)는 시간 t까지 발생한 총 클레임으로
이다. 과정 N(t)는 시간 t까지의 클레임 건수로, 단위구간 기대 클레임 수가 λ인 포아송 과정으로 가정한다. 개별 클레임 X1, X2, …는 공통 cdf P(·)로부터의 독립 추출이다. 파산확률, 즉 잉여금이 한 번이라도 음수가 될 확률은 초기자본 u의 함수로
이다.
파산확률을 직접 구하기는 어렵다. 비크만의 아이디어는 잉여과정에서 최대누적손실 L이라는 확률변수를 정의하고, "파산 = L이 초기자본 u를 넘는 사건"으로 바꾸는 것이다. 이 L이 복합기하분포(compound geometric)임을 보이면, 파산확률을 합성곱의 급수로 깔끔하게 표현할 수 있다(폴라첵–킨친 형태).
2. 최대누적손실과 비파산확률 Maximal Aggregate Loss
"파산"이라는 사건은 L > u일 때, 오직 그때만 일어남을 쉽게 알 수 있다. 여기서 L은 최대누적손실(maximal aggregate loss)로 다음과 같이 정의된다.
따라서 비파산확률은 잉여과정에 정의된 어떤 확률변수의 cdf로 해석할 수 있다.
전형적인 잉여과정의 한 실현(그림 1)에서, S(t) − ct가 최대가 되는 시점은 정확히 잉여금이 새로운 최저기록(record low)을 마지막으로 경신하는 순간이다. 이 실현에서 그것은 파산이 (처음) 일어나는 파산시각 T와 일치한다.
3. 기록경신과 복합기하 구조 Record Lows and the Compound Geometric Structure
그러한 새 최저기록의 개수를 M으로, 직전 최저기록이 깨진 폭(금액)을 L1, L2, …로 표기하면 다음을 관찰할 수 있다. 첫째,
이다. 둘째, 포아송 과정은 무기억성(memoryless) 성질을 가져 미래 사건이 과거 사건과 독립이다. 따라서 어떤 새 최저기록이 실제로 이 과정에서 마지막 기록이 될 확률은 매번 같다. 이는 확률변수 M이 기하분포(geometric)임을 뜻한다. 같은 이유로 확률변수 L1, L2, …는 i.i.d.이고 M과도 독립이다. 그러므로 L은 복합기하 확률변수다.
잉여금이 새 최저기록을 찍을 때마다, 거기서 보면 마치 "자본 0에서 다시 시작하는" 것과 같다(무기억성). 따라서 "이번이 마지막 기록일 확률"이 매번 동일한 값 p로 일정하다. 마지막 기록이 나올 때까지 반복하는 "성공/실패" 시행의 횟수가 곧 M이므로, M은 자연스럽게 기하분포를 따른다. 각 경신폭 Li도 매번 같은 분포에서 독립으로 뽑힌다.
과정이 새 최저기록에 도달할 확률은 초기자본 0에서 출발해 파산할 확률과 같으므로 ψ(0)이다. [6]의 따름정리 4.7.2 등에서 보이듯
이 성립한다(μ = E[X1]). 단위시간당 보험료 수입이 단위시간당 평균 총 클레임보다 엄격히 크지 않으면, 즉 c ≤ λμ이면, 잉여과정이 상향 추세(upward drift)를 갖지 못해 어떤 초기자본으로도 결국 파산이 확실해진다. 또한 확률변수 L1, L2, …의 밀도는 y보다 큰 클레임이 있을 확률에 비례하므로 다음으로 주어진다.
4. 비크만 합성곱 공식 Beekman's Convolution Formula
그 결과, 고전적 위험모형에서 연속·무한시간 파산확률에 대한 비크만 합성곱 공식을 곧바로 얻는다.
여기서 M의 모수 p는
로 주어지고, H*m은 통합꼬리분포(integrated tail distribution) H의 m겹 합성곱이다.
공식의 핵심 구조는 "기하분포 개수 M만큼 통합꼬리분포 H를 합성곱한 것"이다. 1 − ψ(u) = Σ p(1−p)m H*m(u)는 바로 복합기하분포의 cdf다. 대기행렬이론에서 이는 폴라첵–킨친 공식으로 알려져 있다. 여기서 H는 클레임 분포의 "꼬리를 적분해 정규화한" 사다리높이(ladder-height) 분포로, 한 번의 기록경신폭의 분포다.
λ = 2, μ = 1, c = 3일 때 ψ(0)과 기하모수 p를 구하고, 안전할증과의 관계를 설명하라.
ψ(0) = λμ/c = 2·1/3 = 2/3. 기하모수 p = 1 − λμ/c = 1/3. 안전할증 θ = c/(λμ) − 1 = 3/2 − 1 = 0.5이므로 p = θ/(1+θ) = 0.5/1.5 = 1/3로 일치한다. p가 클수록(보험료 여유가 클수록) 기록경신이 적게 일어나 ψ(u)가 빨리 0으로 줄어든다. 만약 c ≤ λμ = 2였다면 p ≤ 0이 되어 모든 u에서 파산이 확실해진다.
5. 계산상의 어려움과 확장 Computation and Extensions
합성곱이 관여하므로 일반적으로 비크만 합성곱 공식은 수치적으로 다루기가 그리 쉽지 않다. Li가 산술적(arithmetic)이 아니어서 Panjer 점화식(Panjer's recursion)을 직접 쓰기에 적합하지는 않지만, Li를 어떤 δ의 배수로 내림하면 그 알고리즘으로 ψ(u)의 하한을, 올림하면 상한을 쉽게 계산할 수 있다. δ를 작게 잡으면 원하는 만큼 가까운 근사를 얻는다. 다만 Panjer 점화식은 2차(quadratic) 알고리즘이므로 δ를 반으로 줄이면 계산시간이 약 4배로 는다는 점에 유의해야 한다.
이 합성곱 급수 공식은 여러 맥락에서 거듭 재발견되었다. [3]의 246쪽에서 찾을 수 있으며, Beneš(1957)는 대기행렬이론(queuing theory)에서, Kendall(1957)은 저장이론(storage theory)에서 유도했다. 한편 Dufresne와 Gerber(1991)는 잉여과정이 브라운운동(Brownian motion)으로 교란된 경우로 일반화했고, 또 다른 일반화는 [9]에서 찾을 수 있다.
참고 및 관련 표제어
부록. 이 글에 나온 용어 (배경지식 보충)
- 비크만 합성곱 공식 (Beekman's convolution formula) — 파산확률을 통합꼬리분포의 복합기하 합성곱 급수로 나타낸 공식.
- 최대누적손실 (maximal aggregate loss, L) — max{S(t) − ct}. 파산은 L > u와 동치.
- 복합기하분포 (compound geometric) — 기하분포 개수 M만큼 i.i.d. 항 Li를 합한 분포. L이 그 예.
- 통합꼬리분포 (integrated tail distribution, H) — 클레임 꼬리 1−P(y)를 적분·정규화한 사다리높이 분포.
- 합성곱 (convolution, H*m) — 독립 확률변수 합의 분포. m겹 합성곱은 m개 항의 합의 분포.
- 최저기록 경신 (record low) — 잉여금이 이전 최저값을 깨고 더 낮아지는 사건. 경신 폭이 Li.
- 무기억성 (memoryless) — 포아송 과정의 성질로, 미래가 과거와 독립. M이 기하분포가 되는 근거.
- 안전할증 (safety loading, θ) — c/(λμ)−1. p = θ/(1+θ), ψ(0) = 1/(1+θ).
- 폴라첵–킨친 공식 (Pollaczek–Khinchine) — 대기행렬·위험이론에서 같은 복합기하 형태로 나타나는 공식.
- Panjer 점화식 (Panjer's recursion) — 복합분포를 재귀적으로 계산하는 알고리즘. 산술화 후 상·하한 근사에 사용.
한국보험시장 현황 Korea Market Practice
비크만 합성곱 공식은 파산확률(생존확률)을 기하분포·합성곱의 무한합으로 표현해 수치계산을 가능하게 한다. 국내 자본모형·내부모형에서 총손실분포와 파산·부족확률을 산출할 때, 이런 합성곱 기반 수치기법이 시뮬레이션의 대안 또는 검증수단으로 쓰인다.
실무적으로는 K-ICS 요구자본·재보험 적정성 평가에서 총손실분포의 꼬리를 정확히 계산하는 일이 중요한데, 합성곱 공식은 그 정밀 계산의 이론적 토대를 제공한다.
몬테카를로 대신 합성곱·재귀로 총손실분포를 정밀 계산하면 꼬리 확률을 안정적으로 얻을 수 있다. 자본·재보험 산정의 정확도를 높이는 도구다.