Laplace Transform Inversion Techniques for the Ruin Probability of the Compound Poisson Process Perturbed by Diffusion

보험 회사를 금융적 불확실성이라는 바다를 항해하는 선박이라고 상상해 보십시오. 이들의 임무는 고객으로부터 꾸준한 보험료를 징수하는 동시에 사고, 질병 또는 재난에 따른 예측 불가능한 보험금을 지급하는 것입니다. 이 배가 떠 있기 위해서는 충격적인 파도가 몰려올 때 이를 흡수할 수 있는 완충 장치인 자본의 안전 마진이 필요합니다. 그러나 대양은 결코 완벽하게 평온하지 않습니다. 보험료 수입조차 변동할 수 있으며, 보험금 지급의 시기 또한 완전히 예측할 수 없습니다. 리스크 수학의 세계에서 이 시나리오는 회사의 은행 잔고를 나타내는 수학적 표현인 '잉여 과정(surplus process)'으로 모델링됩니다. 핵심적인 질문은 계리사와 수학가들에게 매우 단순하면서도 결정적입니다. 즉, 이 잔고가 결국 0 또는 그 이하로 떨어질 확률, 즉 '파산(ruin)'이라 불리는 상태에 도달할 확률은 얼마인가 하는 점입니다. 만약 잔고가 0에 도달하면, 회사는 부채를 갚을 수 없게 되어 사업이 붕괴됩니다.

수십 년 동안 연구자들은 보험금의 도착을 무작위 간격으로 떨어지는 빗방울처럼 취급하는 고전적인 모델을 사용하여 이 금융 여정을 설명해 왔습니다. 하지만 현실 세계의 금융은 비보다 훨씬 더 복잡합니다. 그것은 마치 배가 끊임없이 흔들리는 것처럼, 지속적이고 근저에 깔린 난기류를 가지고 있습니다. 이 난기류는 회사의 잔고에 매 순간 영향을 미치는 연속적인 무작위적인 흔들림인 '확산(diffusion)'으로 모델링됩니다. 이 흔들림이 고전적 모델에 추가될 때, 파산 확률을 정확히 계산하는 것은 매우 어려워집니다. 이러한 무작위적인 도약과 연속적인 흔들림의 복잡한 춤을 설명하는 방정식들은 너무 얽혀 있어서 간단한 공식으로는 풀 수 없습니다. 대신, 수학자들은 문제의 요약으로부터 구체적인 답을 찾아내기 위해 역으로 작업하는 정교한 수치 기법에 의존해야 합니다.

최근 연구에서 베른 대학교의 라파엘 월러(Raphael Waller)와 리카르도 가토(Riccardo Gatto)는 이 어려운 방정식을 해결하기 위해 세 가지 다른 방법을 테스트하며 이 과제에 도전했습니다. 그들의 목표는 특히 파산 확률이 극도로 낮을 때, 파산 확률을 계산하는 가장 정확한 방법을 찾는 것이었습니다. 보험의 세계에서는 백만 년에 한 번 일어날 법한 재앙의 확률을 아는 것이 흔한 사건의 확률을 아는 것만큼이나 중요합니다. 왜냐하면 그 드문 재앙을 놓쳤을 때의 결과가 파멸적일 수 있기 때문입니다. 연구팀은 세 가지 서로 다른 접근 방식을 비교했습니다: 탈보트 방법(Talbot method), 오일러 방법(Euler method), 그리고 새들포인트 근사법(saddlepoint approximation)입니다. 각 방법은 수학적 요약으로부터 답을 역설계하려고 시도하지만, 그 방식은 매우 다릅니다.

첫 번째와 두 번째 방법인 탈보트와 오일러는 특정 경로를 걸으며 지형을 측정하는 매우 정밀한 측량사와 같습니다. 이들은 복잡한 수학적 요약을 가져와서 곡선 경로를 따라 상세하고 단계적인 계산을 수행하여 정확한 파산 확률을 재구성합니다. 이 과정은 문제를 수천 개의 작은 조각으로 나누고 이를 모두 더하는 과정을 포함하며, 이는 '수치 적분'이라고 알려진 기술입니다. 세 번째 방법인 새들포인트 근사법은 지형의 모양을 보고 가장 높은 언덕, 즉 '안장점(saddle)'을 기준으로 목적지를 추정하는 숙련된 항해사와 같습니다. 이 방법은 긴 데이더운 계산 대신 간결한 공식을 사용하여 빠르게 답을 찾는 영리한 지름길을 사용합니다.

연구진은 이미 정확한 답을 알고 있는 특정 시나리오를 사용하여 이 세 가지 방법을 테스트했는데, 이를 통해 각 접근 방식의 정확도를 절대적인 확신을 가지고 측정할 수 있었습니다. 그들은 다음과 같은 특정 매개변수를 가진 보험 회사의 금융 여정을 시뮬레이션했습니다: 일정한 유입 자금, 특정 패턴을 따르는 무작위 보험금 청구, 그리고 특정한 수준의 금융 난기류. 그런 다음 각 방법에게 서로 다른 양의 자본(작은 완충 자금부터 매우 큰 자본까지)으로 시작하는 회사의 파산 확률을 예측하도록 요청했습니다. 결과는 명확하고 결정적이었습니다. 세 방법 모두 우수한 성능을 보였지만, 탈보트 방법이 정확도 면에서 압도적인 챔피언으로 등장했습니다. 연구진이 알려진 실제 값과 비교했을 때, 탈보트 방법은 파산 확률이 10조 분의 1만큼 작을 때조차도 거의 존재하지 않을 정도로 미미한 오차만을 생성했습니다.

오일러 방법 또한 매우 뛰어난 성능을 보였으며, 그 정확도를 유지하기 위해 약간 다른 설정이 필요하긴 했지만 탈보트 방법에 육박하는 정밀한 결과를 제공했습니다. 새들포인트 근사법은 속도와 단순함 측면에서는 유용했지만, 다른 두 방법에 비해 뒤처졌습니다. 이 방법은 근사한 결과를 내놓기는 했으나, 특히 파산 확률이 극도로 낮아질 때 오차가 눈에 띄게 커졌습니다. 이 연구는 새들포인트 방법이 빠른 추정을 위한 가치 있는 도구이긴 하지만, 가장 극단적이고 낮은 확률의 사건을 다룰 때는 적분 기반 방법의 미세한 정밀함이 부족하다는 것을 보여주었습니다. 연구진은 회사가 작은 안전 마진을 가졌든 큰 안전 마진을 가졌든 관계없이 탈보트 방법의 우월성이 테스트된 모든 시나리오 범위에서 일관되게 나타난다는 것을 발견했습니다.

가장 흥미로운 발견 중 하나는 초기 자본이 증가함에 따라 오차가 어떻게 변화하는지에 관한 것이었습니다. 오일러 방법의 경우, 연구진은 자본의 안전 마진이 커짐에 따라 오차가 증가하지 않고, 오히려 파산 확률이 낮아질수록 방법이 상대적으로 더 정확해진다는 것을 발견했습니다. 이는 더 많은 단계가 큰 자본 금액에 대한 정확도를 유지하기 위해 필요할 것이라는 일부 이전 이론들과는 다소 상반되는 결과였습니다. 연구는 이 방법이 자연스럽게 조정되어, '이산화 오차(discretization error)'—문제를 단계로 나눌 때 발생하는 작은 실수—가 파산 확률이 감소함에 따라 줄어든다는 것을 보여주었습니다. 이는 오일러 방법이 지속적으로 수정되거나 복잡해질 필요 없이 극도로 희귀한 사건을 신뢰성 있게 추정할 수 있음을 의미합니다.

연구는 또한 오일러 방법의 오차 원인을 세 부분으로 나누어 분석했습니다: 단계별 계산에서 발생하는 오차, 계산을 조기에 중단하여 발생하는 오차, 그리고 컴퓨터의 제한된 숫자 저장 능력으로 인한 오차입니다. 연구진은 안전 마진이 작은 회사의 경우 주요 오차 원인이 단계별 계산 자체라는 것을 발견했습니다. 그러나 안전 마진이 커지고 파산 확률이 미시적인 수준이 되면, 계산을 조기에 중단하여 발생하는 오차가 지배적인 요인이 되었습니다. 그럼에도 불구하고 총 오차는 매우 작게 유지되었으며, 이는 해당 방법이 다양한 규모에서 견고함을 입증합니다. 연구진은 높은 수준의 정밀도를 사용하여 계산을 진행한다면 컴퓨터의 숫자 저장 과정에서 발생하는 미세한 오차는 무시할 수 있는 수준임을 확인했습니다.

궁극적으로 이 연구는 보험 전문가와 리스크 분석가들에게 적절한 도구를 선택할 수 있는 명확한 로드맵을 제공합니다. 목표가 리스크에 대한 빠르고 대략적인 추정치를 얻는 것이라면, 새들포인트 방법은 사용하기 쉬운 편리한 공식을 제공합니다. 그러나 목표가 특히 확률이 천문학적으로 낮을 때 발생하는 파멸적 실패의 정확한 확률을 이해하는 것이라면, 탈보트 방법이 최선의 선택입니다. 이 방법은 다른 방법들이 따라올 수 없는 정밀함을 제공하며, 보험 회사의 안전 마진을 최대한 주의 깊게 계산할 수 있도록 하는 가장 신뢰할 수 있는 도구입니다. 연구 결과는 가장 중요한 리스크 관리 적용 분야에서, 작은 계산 착오가 거대한 결과를 초래할 수 있는 상황에서는 탈보트 방법이 요구하는 추가적인 계산 노력이 충분히 투자할 가치가 있다는 것을 시사합니다.

또한 이 연구는 더욱 복잡한 리스크 모델에 대한 향후 연구의 문을 열어줍니다. 연구진은 자신들의 방법이 표준 모델보다 극도로 크고 드문 청구가 발생할 가능성이 높은 '헤비 테일(heavy-tailed)' 분포를 따르는 보험금 규모를 포함한 다른 유형의 리스크 프로세스에도 적용될 수 있다고 언급했습니다. 또한 이번 연구는 무한한 시간 지평에서의 파산 확률에 초점을 맞추었지만, 동일한 기술을 사용하여 1년과 같은 특정 유한 기간 내의 파산 위험을 계산하는 데에도 적응할 수 있다고 지적했습니다. 이러한 유연성은 탈보트 및 오일러 방법이 광범위한 계리적 과제에 대한 유망한 후보가 되게 하며, 더 큰 확신과 정밀함을 가지고 금융적 불확실성의 격랑을 헤쳐 나갈 수 있는 방법을 제시합니다.