모델 결합과 위험 공유: 모호성 하에서 최적 전략 분석

초록

본 논문은 연속시간 손실 모델을 갖는 보험사가 다수의 손실 분포 모델에 대한 불확실성을 고려하여 위험을 공유할 최적 계약을 찾는 문제를 다룬다. χ² 발산을 이용한 모델 결합형 단조 평균‑분산(MMV) 선호를 도입하고, 이중 표현을 통해 상태공간을 확장함으로써 시간 일관성을 확보한다. Cramér‑Lundberg 손실 모델을 가정해 최적 위험 공유 계약과 부의 과정에 대한 폐쇄형 해를 제시하고, admissibility와 검증 정리를 증명한다. 마지막으로 스페인 자동차 보험 데이터를 활용해 실증적 결과를 제시한다.

상세 분석

이 연구는 전통적인 평균‑분산(MV) 프레임워크를 확장하여, 다중 참조 모델이 존재하는 상황에서 모델 불확실성을 정량화한다는 점에서 혁신적이다. 핵심은 χ² 발산을 페널티 항으로 사용한 모델 결합 기준식 (1)이다. 이 식은 각 모델 Pₖ에 대한 라돈‑니코디미드 파생(dQ/dPₖ)의 제곱 평균을 가중 평균(πₖ)으로 결합함으로써, 단일 모델에 대한 MMV 선호와 동일한 구조를 유지한다. χ² 발산은 KL 발산보다 계산이 간단하고, 특히 L² 공간에서의 최소화 문제와 직접적인 연결고리를 제공한다는 장점이 있다.

시간 일관성을 확보하기 위해 저자들은 보조 과정 Z_{β,k,t}를 도입한다. 이는 후보 측정 Q_β와 각 참조 모델 Pₖ 사이의 라돈‑니코디미드 파생을 확률 과정 형태로 표현한 것으로, 상태공간을 (X_t, Z_{β,1,t},…,Z_{β,n,t}) 로 확장한다. 이렇게 하면 원래 비마르코프적 최적화 문제가 마르코프 제어 문제로 전환되어, HJB 방정식의 해석이 가능해진다. 특히, Cramér‑Lundberg 손실 모델을 가정하면 점프 프로세스의 보상 구조가 선형화되어, 최적 위험 공유 함수 α*_t(ξ)와 최적 부의 과정 X*_t를 명시적으로 도출할 수 있다.

수학적 증명 부분에서는 두 가지 핵심 정리를 제시한다. 첫째, 제안된 전략이 admissible 함을 보이는 정리에서는 Assumption 2.2, 2.3을 활용해 모든 보조 과정이 L² 적분가능함을 확인한다. 둘째, 검증 정리에서는 확장된 상태공간에서의 가치 함수 V(t,x,z) 가 HJB 방정식의 고전 해임을 증명하고, 최적 제어가 이 가치 함수의 그래디언트에 의해 결정된다는 것을 보여준다.

모델 결합 파라미터 θ와 가중치 πₖ는 위험 회피 정도와 각 모델에 대한 신뢰도를 직접 조정한다. θ가 클수록 부의 과정의 분산이 크게 페널티되며, 이는 MMV 선호가 위험 회피를 강화하는 효과와 일치한다. 또한, πₖ가 0인 경우 해당 모델은 완전히 배제되며, 이는 실무에서 전문가 의견을 선택적으로 반영할 수 있는 메커니즘을 제공한다.

실증 부분에서는 스페인 자동차 보험 포트폴리오 데이터를 이용해 5개의 후보 손실 모델을 교차 검증으로 추정하고, 각 모델에 대한 πₖ를 데이터 적합도에 따라 할당한다. 최적 계약을 계산한 결과, 위험을 완전하게 이전하는 경우보다 일정 비율을 자체 보유하는 것이 기대 부와 위험(분산) 측면에서 우수함을 확인한다. 또한, θ와 πₖ의 민감도 분석을 통해 정책 입안자가 모델 불확실성에 대한 보수성을 어떻게 조정할 수 있는지 실용적인 가이드를 제공한다.

전체적으로 이 논문은 연속시간 점프 위험 모델, χ² 기반 모델 결합, 그리고 시간 일관적인 제어 해법을 통합함으로써, 보험·재보험 분야에서 다중 모델 불확실성을 정량화하고 최적 위험 공유 계약을 설계하는 새로운 이론적·실증적 틀을 제시한다.