보험의 목적은 생명·재산 손실 위험에 직면한 개인과 기업에게 위험 풀링(pooling)과 분산(diversification)을 제공하는 것이다. 각 가입자는 보험료를 내고, 보장 기간에 정의된 손실을 입은 사람은 보험사로부터 보상을 받는다. 계약 발행 시점과 보험금 지급 시점 사이에는 시차가 있는데, 단기 재산보험은 몇 주, 장기지급형(롱테일) 배상책임보험·생명보험·연금은 수년에서 수십 년에 이른다. 보험사는 보험료를 모아 투자한 자금으로 풀에 청구되는 보험금을 지급한다.
손실은 예상보다 클 수 있으므로, 보험사는 미래 보험금 원가의 기대값을 넘어서는 자기자본(equity capital)을 보유해 불리한 편차가 발생해도 보험금이 지급되도록 보장한다. 그럼에도 보험사가 보유한 자금이 보험금 지급에 부족할 상당한 위험이 존재한다. 이것이 지급불능(insolvency)·파산(bankruptcy) 위험이며, 전 세계에서 보험사를 강하게 규제하는 가장 큰 이유다.
지급불능은 “보험사가 가진 돈(자산)으로 약속한 보험금(부채)을 다 못 갚는 상태”다. 보험료를 미리 받고 보험금은 나중에 주는 사업이라, 그 사이 손실이 예상을 크게 웃돌면 자본 완충이 동나면서 부도가 난다. 이 위험을 모형으로 재고 예측하는 것이 이 글의 주제다.
지급불능 위험을 다루는 가장 친숙한 보험계리 접근은 방대한 파산확률(probability of ruin) 문헌이다. 고전 파산이론에서 보험사는 초기 잉여금(자기자본) U0으로 영업을 시작한다고 가정한다. 시간에 걸쳐 누적 보험료 Pt를 받고 누적 보험금 Lt를 지급한다. 시점 t의 잉여금은 다음과 같다.
Pt와 Lt는 확률과정이며, 이산·연속시간, 유한·무한 시간지평으로 모형화할 수 있다. 여기서는 연속시간·무한지평 파산확률 문제를 본다. 파산확률은 다음으로 정의된다.
여기서 φ(u)는 생존확률로, 다음과 같다.
보험료 적립률은 보통 시간의 선형함수 Pt = (1+π)·E(L1)·t로 두며, π는 양의 위험(이윤) 부가, L1은 길이 1 기간의 손실이다. 클레임 과정은 흔히 복합 포아송 과정(compound Poisson process)으로 모형화한다. 클레임 건수 Nt는 도착률 λ의 포아송 과정으로 생성되고, 각 클레임 크기 Xi는 독립 동일분포다.
파산이론의 중요한 결과는 파산확률 ψ(u)의 상한을 주는 룬드베리 부등식(Lundberg’s inequality)이다.
여기서 조정계수(adjustment coefficient) κ는 다음 방정식의 해다(μ = E(Xi)).
이 우아한 결과는 보험계리적 사고에 큰 영향을 주었지만, 현실의 실무 상황에 적용하기는 일반적으로 어렵다. 한 가지 심각한 한계는 모형이 위험원을 단 하나(누적 클레임 과정 Lt)만 고려한다는 점이다. 그러나 보험사는 투자위험·재해위험 등 다른 위험원에도 노출되어 있다. 특히 재해(catastrophe)는 많은 익스포저에서 손실이 동시에 상관되어 발생하므로 복합 포아송 모형의 독립성 가정을 깨뜨린다.
조정계수 κ = 0.001, 초기 잉여금 u = 5000이라면 파산확률의 상한은?
ψ(u) ≤ e−κu = e−0.001·5000 = e−5 ≈ 0.0067, 즉 약 0.67% 이하. 자본 u를 늘리거나 부가보험료를 늘려 κ를 키우면 파산확률 상한이 지수적으로 빠르게 작아진다.
현대 금융이론은 지급불능 위험을 다루는 중요한 대안을 제시했다. 가장 핵심적인 금융 모형은 옵션가격 이론(option pricing theory)에 기반하며, 원래 부도 위험이 있는 회사채(위험부채) 수익을 모형화하려고 개발되었다(머튼, 1974). 금융 모형은 보험사를 자산(A)·부채(L)·자본(E)으로 이뤄진 시장가치 대차대조표(A = L + E)를 가진 기업으로 본다. 기본 모형에서 자산과 부채는 상관된 기하 브라운 운동을 따른다고 가정한다.
보험사는 시점 0에 자산 A0, 부채 L0으로 시작해 계약 종료 시점(시점 1)까지 진행한다. 종료 시 자산이 부채를 넘으면 청구권자는 L1을 받고 소유주는 잔여 E1 = A1 − L1을 받는다. 부채가 자산보다 크면 소유주는 자산을 청구권자에게 넘기고 청구권자는 A1(< L1)만 받는다. 이는 전형적 채무 디폴트다. 시점 1의 청구권자 페이오프는 다음과 같이 쓸 수 있다(자산을 기초자산, 행사가를 L1으로 하는 풋옵션 페이오프를 뺀 것).
계약 종료 전 임의 시점의 지급불능 위험은 디폴트 풋옵션(insolvency put option)의 기대현재가치로 분석할 수 있다. 위 가정하에서 풋옵션 가치는 블랙–숄즈 풋옵션 공식을 일반화하여 계산된다.
여기서 A, L은 정산 전 시점 τ의 자산·부채 값, σ2 = σA2 + σL2 − 2σAσLρAL은 변동성, N(·)은 표준정규 분포함수, r은 무위험이자율이다. 이 모형은 자산값(A)과 행사가(L)가 모두 확률적이라는 점에서 표준 블랙–숄즈의 일반화다.
현실성을 높이는 두 가지 중요한 일반화가 있다. 첫째는 자산·부채 과정에 점프위험(jump risk)을 도입하는 것이다(자산 점프: 머튼 1976, 부채 점프=손실 재해: 커민스 1988). 둘째는 확률적 이자율(stochastic interest)을 도입해 일정 무위험율 r을 대체하는 것이다(Heath–Jarrow–Morton). 고급 영역의 실무 작업은 대부분 시뮬레이션 등 수치적 방법을 쓴다.
주주는 부채가 자산보다 커지면 회사를 청구권자에게 “던져버릴” 수 있는 권리가 있다. 이 유한책임이 곧 자산을 기초자산으로 행사가 L인 풋옵션이다. 풋옵션 가치가 클수록 디폴트 가능성·기대손실이 크다는 뜻이고, 이것으로 지급불능 위험을 금액으로 환산할 수 있다.
파산이론과 금융이론 모두 우아하지만, 가장 발전된 모형조차 보험사 지급여력에 영향을 주는 모든 중요한 위험을 표현하지는 못한다. 그래서 등장한 것이 동적 재무분석(DFA, dynamic financial analysis)이다. DFA는 보험사의 미래 현금흐름에 영향을 줄 수 있는 모든 관련 사건을 고려해 전향적으로 미래 현금흐름을 모형화·시뮬레이션한다. 지급여력 평가뿐 아니라 보험료 산정, 사업 진입·철수, 인수합병 효과 측정 등 경영 의사결정에도 쓰인다.
보험사가 직면하는 위험은 (1) 개체 수준 위험(보험사 자신의 행동에서 비롯), (2) 산업 위험(업계 추세·순환), (3) 시스템 위험(전체 경제의 추세·순환)으로 묶을 수 있다. 대부분의 DFA 모형은 개체 수준 위험을 다룬다. 주요 개체 수준 위험은 다음과 같다.
산업 위험으로는 (1) 사법·법률·세제 변화(예: 1980년대 미국 배상책임 위기, 1990년대 초 로이즈 붕괴 위기), (2) 시장위험(보험인수 순환: 연성·경성 시장의 주기적 교차)이 있다. 시스템 위험으로는 인플레이션 가속, 경기순환, 전염병·테러로 인한 사망률 증가, 장수에 따른 연금 손실, 인터넷 같은 신기술 충격 등이 있다.
금융기관이 손실 노출을 제한하려는 위험관리 필요에서 위험가치(VaR, value-at-risk) 모형이 발전했다. VaR는 어떤 활동에서 작은 확률로 잃을 수 있는 손실액을 정량화한다. 손실이 x이고 밀도가 f(x)이면, 확률수준 α의 VaR는 분포의 분위수다.
수학적으로 VaR는 파산확률과 본질적으로 같은 개념(분포의 분위수 찾기)에 기반한다. 그러나 Artzner 외(1999)는 VaR가 정합적(coherent) 위험측도의 정의를 만족하지 못한다고 지적했다. VaR는 준가법성(subadditivity) 공리를 어긴다. 준가법성은 “두 활동을 합한 위험측도가 따로 잰 위험측도의 합을 넘지 않아야 한다(분산투자 효과; ‘합병은 추가 위험을 만들지 않는다’)”는 요구다.
대안으로 널리 논의된 것이 기대 계약자 부족액(EPD, expected policyholder deficit)으로, 보험사 부도로 계약자가 입는 손실의 기대값이다(Artzner 외는 이를 꼬리조건부기대 TailVaR라 부름).
실제로 EPD는 디폴트 풋옵션 가격과 수학적으로 비슷하게 정의된다. VaR의 한계는 잠재적으로 심각하지만, 많은 실무 상황에서는 정합성 조건을 어기지 않아 유용한 정보를 준다. 다만 VaR를 유일한 의사결정 기준으로 삼는 것은 위험할 수 있다. 또 다른 관련 부류는 채권·대출 포트폴리오의 신용위험 모형인데, 경기 침체 시 여러 대출의 디폴트 확률이 동시에 악화될 것을 반영해 증권 간 상관을 명시적으로 다루는 점이 특징이다.
보험사 부도의 실증 예측에 관한 문헌도 발전했으며 대부분 미국 데이터를 쓴다. 전형적 접근은 부도 보험사와 정상 보험사 표본을 함께 두고, 부도 이전 연도의 데이터로 이후 부도를 예측한다. 모형은 보통 제1종 오류(부도를 예측하지 못함)와 제2종 오류(정상 회사를 부도로 잘못 예측)를 절충하도록 보정된다.
Cummins, Grace, Phillips(1999)는 로지스틱 회귀(logistic regression) 모형을 썼다. 종속변수는 부도=1, 정상=0이고 최대우도법으로 추정한다. 설명변수는 미국 규제당국의 재무비율 두 묶음, 저자들이 지정한 추가 재무·기업 특성, 그리고 DFA 모형의 산출물이다. 주요 결론은 (1) 미국 규제당국의 재무분석·지급여력추적(FAST) 비율은 부도 예측에 효과적이고, (2) RBC 비율은 그 자체로는 예측력이 없고 FAST에 설명력을 더하지 못하며, (3) DFA 모형 산출물은 FAST 비율에 통계적으로 유의한 설명력을 더한다는 것이다.
실증 예측은 곧 조기경보체계(early-warning system)의 핵심이다. 재무비율(자본·유동성·수익성 등)을 입력해 로지스틱 회귀나 판별분석 등 점수모형(scoring model)으로 부도 가능성을 점수화한다. 목표는 부도를 놓치는 오류(제1종)와 멀쩡한 회사를 부도로 모는 오류(제2종)를 적절히 균형 잡는 것이다.
지급불능 모형화의 전통적 접근은 보험계리 파산이론으로, 우아하지만 실무 적용성이 제한적이다. 보다 최근의 현대 금융이론 접근은 자산·부채의 로그정규분포, 점프(재해), 확률적 이자율을 통합한 조건부청구권 모형으로 지급불능 위험을 분석한다. 가장 최근 접근은 DFA로, 미래 현금흐름을 모형·시뮬레이션해 회사의 장래 전개를 분석하며 경영과 지급여력 분석에 큰 잠재력을 지닌다. VaR 측정, 정합적 위험측도, 신용위험 포트폴리오 모형 등도 보험 지급여력 분석에서 중요한 역할을 할 수 있다.
한국에서 보험사 지급불능은 금융감독원의 적기시정조치(PCA, Prompt Corrective Action) 체계로 관리된다. K-ICS 비율이 감독기준을 하회하면 단계별로 경영개선 권고·요구·명령이 발동되며, 최종적으로는 업무정지·계약이전·파산 절차가 뒤따른다. 이 체계는 본문에서 설명하는 지급불능 리스크의 선제적 관리를 제도화한 것이다.
과거 국내에서 대형 보험사 부실이 현실화된 사례는 1997~98년 외환위기 당시 여러 생명보험사의 계약이전·정리 과정이 대표적이다. 당시 금리역마진 누적과 급격한 해약 증가가 맞물려 지급불능 위기가 발생했으며, 이후 감독 당국은 IFRS17 및 K-ICS 도입을 통해 시가 기반의 부채 평가와 리스크 감응형 자본 요건으로 전환했다. 2023년 도입된 K-ICS는 이 역사적 교훈을 제도적으로 내재화한 결과다.
보험 계약자 보호 측면에서 예금보험공사가 보험금 지급을 보장하며, 2025년부터 보호 한도가 1억 원으로 상향되었다. 재산보험 계약의 경우 타 보험사로의 계약이전(portfolio transfer) 방식이 선호되며, 파산 절차보다 계약자 보호를 우선시하는 국내 감독 철학이 반영되어 있다.
K-ICS 비율이 100% 미만이면 경영개선 권고, 50% 미만이면 경영개선 요구, 0% 미만이면 경영개선 명령이 발동된다. 감독기준(2025년 기준 130%)을 하회해도 조기 경보가 가동된다. 기본자본 규제(2027년 도입 예정, 기준 50%)가 추가되면 지급불능 판단 기준이 더 정교해질 전망이다.