크라메르–룬드베리 점근

1. 고전적 위험모형과 파산확률 The Classical Risk Model and Ruin Probability

위험이론(risk theory)에서 고전적 위험모형(classical risk model)은 복합포아송 위험모형(compound Poisson risk model)이다. 이 모형에서 시간 t ≥ 0 까지의 클레임 건수 N(t)는 포아송 비율 λ > 0의 포아송 과정(Poisson process)이라 가정한다. 개별 클레임의 크기 X₁, X₂, … 은 공통 분포함수 P(x) = Pr[X₁ ≤ x]를 가지는 비음의 독립이고 동일분포인 확률변수이며, 클레임 건수 과정과 독립이다.

보험사가 일정 비율 c > λμ 로 보험료를 받고 초기자본이 u ≥ 0이면, 시간 t에서의 잉여금(surplus)은 다음과 같다.

여기서 핵심 양은 파산확률(ruin probability) ψ(u)로, 잉여금이 어느 시점에서 음수가 될 확률이다.

확실한 파산(ψ(u) = 1)을 피하려면 안전할증(safety loading) θ가 양수여야 한다.

2. 파산확률의 적분방정식 The Integral Equation

일반적으로 파산확률의 명시적(닫힌) 표현을 구하기는 매우 어렵다. 그러나 첫 클레임의 발생 시점과 크기에 조건을 붙이는 갱신(renewal) 논법으로 ψ(u)가 다음 적분방정식을 만족함을 보일 수 있다.

여기서 이 글 전반에 걸쳐 B̅(x) = 1 − B(x) 는 분포함수 B(x)의 꼬리(tail)를 뜻한다. 이 적분방정식은 아래에서 불완전 갱신방정식(defective renewal equation) 형태로 다시 쓰인다.

3. 크라메르–룬드베리 조건 The Cramér–Lundberg Condition

근사를 위해서는 조정계수(adjustment coefficient)라 불리는 양수 상수 κ > 0가 다음 룬드베리 방정식(Lundberg equation)을 만족한다고 가정한다. 이것이 바로 크라메르–룬드베리 조건이다.

여기서 F(x)는 클레임크기 분포의 평형분포(equilibrium distribution, 적분꼬리 분포)로 다음과 같다.

4. 크라메르–룬드베리 점근식 The Cramér–Lundberg Asymptotic Formula

위 조건(룬드베리 방정식) 하에서, 만약 다음이 성립하면

크라메르–룬드베리 점근식은 어느 상수 C에 대해 다음을 말한다.

여기서 상수 C는 다음과 같이 주어진다.

여기서 a(x) ∼ b(x) (x → ∞)는 lim_x→∞ a(x)/b(x) = 1을 뜻한다. 이 점근식은 큰 u에서 파산확률의 지수적 점근 추정치를 제공한다.

예제 지수클레임에서의 정확한 파산확률

클레임이 평균 μ의 지수분포를 따를 때 점근식이 무엇을 의미하는지 구체적으로 설명하라.

지수클레임 P(x) = 1 − e^−x/μ의 경우 파산확률은 다음처럼 명시적으로 주어진다.

즉 지수클레임에서는 크라메르–룬드베리 점근식이 정확하다. κ = θ/[(1+θ)μ]이고 C = 1/(1+θ)가 된다.

5. 룬드베리 부등식과 개선된 상한 The Lundberg Inequality and Improved Bound

한편, 룬드베리 부등식(Lundberg inequality)은 모든 u ≥ 0에 대해 파산확률의 지수적 상한을 주는 다음이다.

점근식과 부등식을 합쳐 고전적 위험모형의 파산확률에 대한 크라메르–룬드베리 근사라 부른다. 지수클레임인 경우 룬드베리 상한을 개선하여 정확하게 만들 수 있다. 실제로 크라메르–룬드베리 조건 하에서 다음이 성립함을 증명할 수 있다.

여기서 상수 β는 다음과 같이 주어진다.

이 개선된 상한은 지수클레임일 때 파산확률과 정확히 같다. 분포 F가 감소 고장률(decreasing failure rate, DFR)을 가지면 β = 1/(1+θ)의 명시적 표현을 갖는다.

6. 복합기하분포의 꼬리로의 해석 Tail of a Compound Geometric Distribution

적분방정식을 불완전 갱신방정식으로 다시 쓰면, 그 해는 복합기하분포(compound geometric distribution)의 꼬리로 표현된다.

여기서 F⁽ⁿ⁾(x)는 분포함수 F(x)의 n중 합성곱(convolution)이다. 이 표현을 비크만 합성곱 급수(Beekman’s convolution series)라 부른다. 즉 고전적 위험모형의 파산확률은 복합기하분포의 꼬리로 특징지어진다. 이 때문에 크라메르–룬드베리 점근식과 룬드베리 부등식은 일반적으로 복합기하분포의 꼬리에 대해서도 말할 수 있다.

7. 가벼운 꼬리 vs 무거운 꼬리(준지수) 분포 Light-tailed vs Heavy-tailed (Subexponential)

크라메르–룬드베리 조건은 근사에서 결정적 역할을 한다. 그러나 적률생성함수가 존재하지 않거나(파레토·로그정규 같은 무거운 꼬리(heavy-tailed) 분포), 혹은 적률생성함수가 존재해도 조건이 성립하지 않는 클레임 분포가 많다. 어느 r > 0에 대해서도 ∫₀^∞ e^rx dF(x) < 1 + θ 인 분포를 중간 꼬리(medium-tailed)라 한다(일부 역가우스 분포 등).

이런 중간·무거운 꼬리 분포에서는 크라메르–룬드베리 근사를 쓸 수 없으며, 파산확률의 점근 거동이 전혀 달라진다. 예를 들어 F가 준지수분포(subexponential distribution, F ∈ S)이면, 즉 다음이 성립하면

파산확률은 다음과 같은 점근 형태를 갖는다.

이는 파산이 점근적으로 하나의 큰 클레임(large claim)에 의해 결정됨을 의미한다. 지수적으로 감소하는 경우와 달리, 꼬리 자체의 무거움이 파산 위험을 지배한다.

8. 일반 위험모형으로의 확장 Extensions to More General Risk Models

크라메르–룬드베리 근사는 보다 일반적인 위험모형에서도 성립한다. 클레임 건수 과정 N(t)가 갱신과정(renewal process)이면 복합갱신 위험모형(Sparre Andersen 모형)이 된다. 클레임 간격 T₁, T₂, … 이 독립이고 동일분포일 때, 어느 상수 κ₀ > 0가 다음을 만족한다고 하자.

그러면 핵심 갱신 정리에 의해 파산확률은 다음 꼴이 된다. 다만 이 경우 상수 C₀는 기저 분포가 일반적으로 알려지지 않아 미지수이다. 그러나 룬드베리 부등식 ψ₀(u) ≤ e^−κ₀u은 여전히 성립한다.

또한 확산을 덧붙인 섭동복합포아송 위험모형(perturbed compound Poisson model with diffusion)에서도 크라메르–룬드베리 근사가 성립한다. 잉여과정에 브라운 운동 W_t이 덧붙는다.

이 경우 어느 상수 R > 0에 대해 Dufresne와 Gerber가 점근식 ψ_p(u) ∼ C_p e^−Ru (u → ∞) 과 룬드베리 상한 ψ_p(u) ≤ e^−Ru을 유도했다.

이 외에도 클레임 건수 과정이 콕스 과정(Cox process)인 경우나, 이자힘(force of interest)을 도입한 모형, 의존적 위험(dependent risks) 모형 등에서도 룬드베리 상한과 점근식이 연구되어 왔다.

9. 정리: 구현 방법과 의의 Summary: Methods and Significance

크라메르–룬드베리 근사의 원래 증명은 비너–홉(Wiener–Hopf) 방법에 기초했으나, 오늘날에는 더 간단한 여러 방법이 있다. Gerber의 마팅게일 접근, Wald 항등식, 귀납법 등이 룬드베리 부등식을 증명하는 데 쓰인다. 특히 적분방정식을 불완전 갱신방정식으로 바꾸면 핵심 갱신 정리(key renewal theorem)로부터 점근식을 간단히 얻을 수 있다.

핵심 갱신 정리는 파산 직전의 잉여금, 파산 시 결손(deficit), 파산을 일으킨 클레임의 분포 같은 여러 파산 양의 지수 점근식을 유도하는 표준 방법이 되었다. 요약하면 크라메르–룬드베리 근사는 고전적 위험모형(또는 복합기하분포의 꼬리)에 대한 지수적 점근식과 지수적 상한을 제공하며, 다양한 위험모형과 응용확률 모형에서 끊임없이 등장한다.

참고 및 관련 표제어

부록. 이 글에 나온 용어 (배경지식 보충)

• 파산확률 (ruin probability, ψ(u)) — 초기자본 u로 출발한 잉여금이 언젠가 음수가 될 확률.
• 조정계수 (adjustment coefficient, κ) — 룬드베리 방정식 ∫₀^∞ e^κx dF(x) = 1 + θ의 양의 해. 지수 감소율.
• 복합포아송 위험모형 (compound Poisson model) — 포아송 건수만큼의 독립 동일분포 클레임을 더한 응집 위험모형.
• 안전할증 (safety loading, θ) — θ = (c − λμ)/(λμ). 기대클레임을 넘는 보험료 여유분.
• 평형분포 (equilibrium distribution, F) — F(x) = (1/μ)∫₀^x P̅(y) dy. 적분꼬리 분포라고도 한다.
• 룬드베리 부등식 (Lundberg inequality) — ψ(u) ≤ e^−κu. 파산확률의 지수 상한.
• 복합기하분포 (compound geometric distribution) — 기하분포 건수만큼의 합성곱. 파산확률은 이 분포의 꼬리로 표현된다.
• 준지수분포 (subexponential, S) — lim F̅⁽²⁾(x)/F̅(x) = 2인 무거운 꼬리 분포. 하나의 큰 클레임이 합계를 지배.
• 핵심 갱신 정리 (key renewal theorem) — 갱신방정식 해의 점근 거동을 주는 정리. 점근식 유도의 표준 도구.
• Sparre Andersen 모형 — 클레임 건수를 갱신과정으로 일반화한 복합갱신 위험모형.

한국보험시장 현황 Korea Market Practice

크라메르–룬드베리 점근은 자본 u가 클 때 파산확률이 C·e^(-Ru)로 정밀하게 근사된다는 결과다. 국내 자본관리 관점에서 이는 '자본을 늘릴수록 파산확률이 지수적으로 빠르게 감소한다'는 정량적 근거를 제공하며, 목표 신뢰수준(K-ICS 99.5%)을 달성하기 위한 자본 수준의 감각을 준다.

다만 이 점근은 클레임이 가벼운 꼬리(지수형)일 때 성립하며, 대형 재해처럼 두꺼운 꼬리(준지수형) 위험에서는 파산확률이 훨씬 느리게 감소한다. 국내에서 Cat·거대위험에 재보험과 추가자본이 필요한 이유가 여기에 있다.