자본 할당이 만드는 새로운 위험 나눔

초록

본 논문은 기업의 자본 할당과 참가자 간 위험 공유의 구조적 유사성에 주목합니다. 결정론적인 자본 할당 원칙들을 ‘무작위화’하는 새로운 접근법을 제안하여, 기존 경제 원리나 파레토 최적성에 기반한 위험 공유 규칙들을 보완하는 새로운 규칙 클래스를 창출합니다.

상세 분석

이 논문의 핵심 기술적 기여는 ‘무작위화(Randomization)‘라는 독창적인 프레임워크를 통해 자본 할당 원칙과 위험 공유 규칙 간의 수학적 이중성을 공식적으로 규명한 점에 있습니다. 기존 연구가 두 개념의 유사성을 암묵적으로 인지하거나 특정 사례(예: 오일러 원리와 조건부 평균 위험 공유의 연결)에서만 논의했다면, 본 논문은 이를 체계적인 방법론으로 격상시켰습니다.

구체적으로, 저자들은 풍부한 자본 할당 원칙들의 패밀리를 설정한 후, 위험 변수의 각 가능한 실현 시나리오마다 해당 패밀리 내에서 하나의 원칙을 ‘표본 추출’하는 방식을 제안합니다. 이때 표본 추출의 기준은 ‘시나리오별 집계 자본량’이 ‘실제로 관측된 집계 손실량’과 정확히 일치하도록 하는 것입니다. 이 과정이 성립하기 위한 핵심 수학적 조건은 집계 자본 함수가 집계 위험 S의 지지 집합 위에서 ‘측정 가능한 우역변환 가능성(Measurable Right-Invertibility)‘을 가져야 한다는 것입니다. 즉, 모든 가능한 집계 손실 값 s에 대해, 그 값을 집계 자본으로 산출하는 패밀리 내 매개변수 θ(s)를 찾을 수 있어야 하며, 이 매핑이 측정 가능해야 합니다.

이 방법론의 강력한 함의는 두 가지입니다. 첫째, 이로써 생성된 위험 공유 규칙은 부모 자본 할당 원칙들이 가진 동기와 속성(예: 파레토 최적성)을 ‘시나리오별(Pointwise)‘로 상속받습니다. 이는 기존 위험 공유 문헌의 ‘분포적(Distributional)’ 파레토 최적성과 구분되는, 보다 강한 형태의 최적성 개념을 제공합니다. 둘째, 이 접근법은 최적화 원칙, 오일러 원칙, 가중 위험 할당 원칙, 통합적 원칙 등 다양한 자본 할당 원칙들을 출발점으로 삼을 수 있어 확장성이 매우 큽니다. 논문은 특히 하향식 원칙(집계 자본 결정 후 배분)과 상향식 원칙(개별 자본 결정 후 집계) 각각에 대해 이 프레임워크를 적용하고, 타원체 분포 가정 하에서 폐쇄형 해를 도출하는 등 구체적인 사례 연구를 풍부하게 제시합니다.

종합하면, 이 연구는 위험 관리의 두 중추 도메인을 연결하는 이론적 교량을 구축했을 뿐만 아니라, 실용적인 관점에서도 기존 자본 할당 모델(은행, 보험사 등에서 널리 사용됨)을 위험 공유 계약 설계에 직접적으로 활용할 수 있는 방법론적 통로를 열었다는 점에서 의미가 큽니다.