표제어 · 위험이론

합성분포 (Compound Distributions)

출처: Encyclopedia of Actuarial Science (Wiley, 2004)

읽는 법. 본문은 원문 표제어의 내용을 그대로 옮긴 것입니다. 회색 해설 · 예제 상자는 학부 입문 학습을 돕기 위해 새로 추가한 부분이며, 원문에는 없습니다. 처음 보는 용어는 글 끝 부록(보험·통계 용어 풀이)을 참고하세요.

1. 정의 Definition

N을 확률함수 q_n = Pr{N=n} (n=0,1,2,…)을 갖는 계수(counting) 확률변수라 하고, {X_n}을 (N과도 독립인) i.i.d. 양의 확률변수열 — 공통 분포함수 P(x) — 이라 하자. 확률적 개수의 합(random sum)

(N=0이면 S=0으로 약속)의 분포를 합성분포(compound distribution)라 한다. N의 분포를 1차(primary) 분포, X_n의 분포를 2차(secondary) 분포라 부른다. 보험에서는 한 기간 보험 포트폴리오의 총클레임을 모형화하는 데 쓰인다 — N은 클레임 건수(빈도), X_n은 개별 클레임 금액(심도), S는 총클레임액이며, 1차·2차 분포를 각각 클레임 빈도분포·심도분포라고도 한다.

해설 "이중의 무작위성"

총클레임 S에는 두 겹의 불확실성이 있다 — 몇 건이 터질지(N)와 각 건이 얼마일지(X). 합성분포는 이 둘을 한 분포로 합친 것이다. 같은 사상이 총손실모델링·집합위험모형 표제어의 출발점이며, 이 글은 그 수학적 기초를 정리한다.

2. 보험에서 중요한 세 가지 합성분포 Key examples

복합 포아송 (compound Poisson) — 총클레임 모형의 인기 선택지. 계산상의 장점 덕에 여러 독립 포트폴리오의 결합이나 개별 클레임에 공제액·한도가 걸린 경우도 쉽게 평가할 수 있다.
복합 음이항 (compound negative binomial) — 비동질적 포트폴리오의 총클레임에 쓰인다. 개인별 평균이 감마분포를 따르는 조건부 포아송(= 감마 혼합 포아송)으로 건수가 생기는 상황이며, 자동차·의료보험처럼 한 사고에서 여러 클레임이 날 수 있는 보험에도 응용된다.
복합 기하 (compound geometric) — 음이항의 특수경우로, 파산확률 분석과 위험이론의 관련 문제에서 핵심 역할을 한다(파산확률이 복합 기하 분포의 꼬리로 표현된다).

3. 기본 성질 Basic properties

건수를 조건으로 잡으면 S의 분포함수는 합성곱 급수로 표현된다:

여기서 P^*n(x)는 P(x)의 n중 합성곱의 분포함수다(P^*0(x)=1). 평균·분산·라플라스 변환도 같은 조건화로 얻는다:

예제 1 평균·분산 공식 사용하기

N ~ 포아송(λ=100), 개별 클레임 E(X)=50, E(X²)=5,000 (단위: 만 원)일 때 E(S)와 Var(S)는?

포아송은 E(N)=Var(N)=λ이므로 식 (4)가 Var(S)=λ[Var(X)+(EX)²]=λE(X²)로 단순해진다 — 복합 포아송의 유명한 공식이다. 총클레임 평균 5,000만 원, 표준편차 √500,000 ≈ 707만 원.

꼬리의 점근 거동. 보험에서 N의 분포는 보통 가벼운 꼬리(light tail)이므로, 합성분포의 우측 꼬리는 심도분포 P(x)의 꼬리와 같은 무게(가벼움·중간·무거움)를 갖는 경향이 있다 — 무거운 꼬리(준지수분포), 가벼운 꼬리, 중간 꼬리 각각에 대한 점근 결과가 문헌에 정리되어 있다.

신뢰성 분류와 무한분해가능성. 신뢰성(reliability) 분류는 합성분포 분석의 유용한 도구다 — 복합 기하 분포는 항상 NWU(new worse than used)이며 이 결과는 더 넓은 합성분포로 일반화되었다. 또한 복합 포아송 분포는 무한분해가능(infinitely divisible)하고, 역으로 음이 아닌 정수 위의 무한분해가능 분포는 모두 복합 포아송이다 — 합성분포의 특성화에 쓰이는 결과다.

4. 합성분포의 계산 Evaluation

해석적 표현은 특정 조합에서만 가능하다 — 예컨대 지수 심도의 복합 기하 분포는 (모수만 다른) 지수 꼬리를 가지며, 빈도·심도가 모두 위상형(phase-type)이면 합성분포도 위상형이어서 행렬해석적 방법으로 계산할 수 있다. 일반적으로는 근사·수치 방법이 필요하다.

적률 기반 해석적 근사 — 안장점(정규멱, NP) 근사, 홀데인 공식, 윌슨–힐퍼티 공식, 이동감마(translated gamma) 근사. 왜도가 작은 합성분포에서 비교적 잘 작동한다(→ Approximating the Aggregate Claims Distribution).
시뮬레이션 — 빈도·심도를 그대로 모의하는 직관적 방법이나, 흔히 비효율적이고 컴퓨팅 자원이 많이 든다.
재귀 알고리즘 — 빈도분포가 (a,b,k)족 또는 순트–주얼족이면 재귀적 계산이 가능하다. 판여(Panjer, 1980·81)가 보험계리 문헌에 도입했으며, 합성분포 재귀법의 포괄적 개관은 Sundt(2002)에 있다(→ Sundt and Jewell Class of Distributions).
수치적 변환 역산 — 식 (5)로 라플라스 변환·특성함수를 구한 뒤 역변환한다. 고속 푸리에 변환(FFT) 계열(심도분포의 이산화 필요), 연속 심도를 조각별 선형으로 근사해 해석적 특성함수를 얻는 헤크만–마이어스 방법, 그 밖에 푸리에 급수·라게르 급수·오일러 합산·생성함수 방법 등이 있다 — 효과적일 뿐 아니라 수치적으로 안정적이어서 통신 등 여러 분야의 확률모형에 널리 쓰여 왔다.
점근·한계 기반 근사 — §3의 점근식으로 큰 총클레임의 확률을 추정할 수 있고, 우측 꼬리의 상·하한이 분포 자체와 초과손해(stop-loss) 적률의 쓸 만한 근사가 되기도 한다. 한계의 정밀도는 빈도·심도분포의 신뢰성 분류에 좌우된다(→ Lundberg Approximations, Generalized).

심화 해설 어떤 방법을 언제 쓰나

실무 감각으로는 — 빈도가 포아송·음이항·기하((a,b,0)족)이고 심도를 이산화할 수 있으면 판여 재귀가 표준, 심도 격자가 크면 FFT가 빠르고, 분포 전체가 아니라 꼬리·분위수만 필요하면 이동감마/NP 근사로 충분한 경우가 많다. 시뮬레이션은 공제액·재보험 등 복잡한 변형이 겹쳐 다른 방법이 안 통할 때의 최후 수단에 가깝다.

참고 및 관련 표제어

관련 표제어. Collective Risk Models(집합위험 모형) · Compound Process(복합과정) · Compound Poisson Frequency Models(복합 포아송 빈도모형) · Individual Risk Model(개별위험 모형) · De Pril Recursions(드프릴 재귀) · Sundt's Classes of Distributions(순트 분포족) · Mixed Poisson Distributions(혼합 포아송 분포) · Stop-loss Premium(초과손해율 재보험 보험료) · Lundberg Inequality(룬드베리 부등식) · Integrated Tail Distribution(적분꼬리분포)

원문 참고문헌(발췌). Klugman, Panjer & Willmot, Loss Models (Wiley, 1998) · Panjer & Willmot, Insurance Risk Models (SOA, 1992) · Panjer, TSA 32 (1980), ASTIN Bulletin 12 (1981) · Sundt, IME 30 (2002) · Rolski et al., Stochastic Processes for Insurance and Finance (1999) · Willmot & Lin, Lundberg Approximations (Springer, 2001) · Heckman & Meyers, PCAS LXX (1983) 외.

부록. 이 글에 나온 용어 (배경지식 보충)

합성곱 (convolution) P*ⁿ — 독립 변수 n개의 합의 분포. 합성분포는 합성곱들의 q_n 가중평균.
확률생성함수/라플라스 변환 — E{z^N}, E{e^{−zS}}. 합성분포에서는 두 변환의 합성으로 묶인다(식 5).
혼합 포아송 (mixed Poisson) — 포아송 모수 자체가 확률변수인 빈도모형. 감마 혼합이면 음이항.
(a,b,k)족 — q_n = (a + b/n)q_{n−1} (n≥k+1)을 만족하는 빈도분포족. 판여 재귀의 적용 조건.
위상형 분포 (phase-type) — 마르코프 연쇄의 흡수시간 분포. 행렬 계산이 닫힌 형태로 가능.
무한분해가능 (infinitely divisible) — 임의의 n에 대해 i.i.d. n개 합으로 표현 가능한 분포.
NWU (new worse than used) — 잔여수명이 새것보다 확률적으로 긴 성질. 복합 기하의 특징.
초과손해 적률 (stop-loss moment) — E[(S−d)₊] 류의 적률. 재보험 보험료 계산의 기본량.

한국보험시장 현황 Korea Market Practice

합성분포 S = X₁+…+X_N — 임의의 건수(N)와 건당 손해(X)를 결합한 총손해 — 는 한국 손해보험 실무의 표준 사고 틀인 집합위험모형 그 자체다. 자동차·일반·장기보험의 요율산정은 익스포저당 빈도와 건당 심도를 따로 추정해 순보험료 E[S]=E[N]E[X]로 합치는 방식이 기본이고, 분산식 Var[S]가 보여주는 "빈도 변동과 심도 변동의 결합"은 안전할증과 보유한도 설정의 근거가 된다. 보험개발원의 참조순보험요율 산출, 회사별 요율 검증 모두 이 틀 위에 있다.

분포 전체가 필요한 영역의 대표는 재보험 가격산정과 보유 전략이다. 초과손해(XL) 특약에서 레이어별 기대손해 E[(S−d)₊]나 손해율 분포를 구하는 일, 보유한도(retention)별 순보유 손익의 변동성을 비교하는 일은 모두 합성분포의 정지손실(stop-loss) 변환 계산이며, 본문 4장의 계산 기법 — Panjer 재귀, FFT, 시뮬레이션 — 이 그대로 도구상자가 된다. 국내 실무의 무게중심은 몬테카를로 시뮬레이션으로 이동했지만, 재귀·해석적 근사는 결과 검증과 빠른 민감도 산출에 여전히 쓰인다. 농작물재해보험·풍수해보험 같은 정책성 보험의 국가재보험 구조 설계, Cat 모형의 연간 총손해(AEP)·최대단일사고(OEP) 곡선도 본질적으로 합성분포의 분위수 계산이다.

2023년 IFRS17·K-ICS 시행은 합성분포의 쓰임을 회계·자본 영역으로 넓혔다. IFRS17 위험조정(RA)을 신뢰수준 방식으로 산출하면 총손해(이행현금흐름) 분포의 분위수가 직접 필요하고, 공시되는 신뢰수준의 해석도 분포 위에서 이루어진다. K-ICS의 보험리스크 요구자본은 표준모형 충격 방식이지만, 그 충격 계수의 보정(calibration)과 회사 자체의 ORSA 분석은 빈도·심도 기반 분포 모형에 기대는 부분이 크다. 본문 2장의 세 분포 가운데 음이항(과분산 빈도)과 중꼬리 심도(파레토류)의 조합이 국내 일반보험·재보험 분석의 사실상 기본 사양이라는 점도, "복합 포아송은 출발점, 현실은 더 퍼진 분포"라는 본문의 메시지와 일치한다.

실무 진전삼각형과 합성분포 — 결산의 두 바퀴

국내 손해보험 결산에서 지급준비금(IBNR)은 진전삼각형(체인래더 등) 기반의 집계적 방법으로, 미래 가격·자본 분석은 빈도·심도 기반의 합성분포로 접근하는 이원 구조가 일반적이다. 두 접근의 결과가 크게 어긋나면 — 예컨대 삼각형이 시사하는 평균 대비 분포 모형의 꼬리가 비정상적으로 얇으면 — 심도 분포 선택이나 대형사고 분리 처리(대형클레임을 별도 모형화하고 나머지만 합성분포로)가 점검 대상이 된다. 대형사고 분리는 본문의 "꼬리는 가장 큰 클레임이 지배한다"는 성질을 실무 절차로 옮긴 것이다.

[한국보험시장 현황]은 한국 보험시장 실무 관점(2026.6 기준)에서 추가 작성한 것임. · 원문: Encyclopedia of Actuarial Science (Wiley, 2004), “Compound Distributions”, X. Sheldon Lin. · 본 해설서의 [해설]·[예제]·[부록]은 학부 입문 학습용으로 추가·구성한 것임. 수식은 원문 기준 복원.