왜곡위험측도 (Distortion Risk Measure)
쉽게 풀면
왜곡위험측도는 원래의 확률을 그대로 쓰지 않고, 손실이 큰 상황에 더 많은 가중치를 주는 방향으로 확률을 "왜곡"시킨 뒤 그 왜곡된 확률로 평균을 내는 방식입니다. 이렇게 하면 드물지만 큰 손실이 나는 상황을 실제 확률보다 더 신경 써서 반영할 수 있습니다. 왜곡을 어떻게 시키느냐(왜곡함수의 형태)에 따라 다양한 위험측도가 만들어지며, 왕변환도 그중 하나의 예시입니다. 보험료 산정과 자본요구량 산출 모두에 폭넓게 활용되는 통합적인 개념입니다.
왜 중요한가
왜곡위험측도는 VaR, 조건부 꼬리기대값 등 실무에서 널리 쓰이는 여러 위험측도를 하나의 수학적 틀 안에서 통일적으로 설명할 수 있게 해주어, 위험측도의 성질을 비교하고 새로운 측도를 설계하는 이론적 기반이 됩니다. 지급여력제도와 자본배분 논의에서도 자주 인용됩니다.
논문에서는 이렇게 쓰입니다
왜곡위험측도가 다른 위험측도들을 포괄하는 일반적 개념임을 설명합니다.
왜곡위험측도가 재보험 등 실무적 의사결정 문제에 응용되는 사례입니다.
조금 더 깊게 보면
왜곡위험측도는 손실의 생존함수에 오목한(concave) 왜곡함수를 적용하여 얻은 새로운 확률측도 하에서의 기대값으로 정의되며, 왜곡함수가 오목할 경우 응집성 위험측도의 조건을 만족하는 경우가 많습니다. 왜곡함수의 형태에 따라 조건부 꼬리기대값, 왕변환, 비례 위험조정 등 다양한 구체적 측도가 도출됩니다. 왜곡위험측도는 원래의 확률분포에 단조증가하는 왜곡함수를 합성해 극단적인 손실 구간에 더 큰 가중치를 부여한 뒤 기대값을 구하는 방식으로 정의되며, 왕변환이나 에셔변환은 서로 다른 형태의 왜곡함수를 사용하는 구체적인 사례에 해당합니다. 왜곡위험측도는 손실분포의 생존함수에 왜곡함수를 적용해 꼬리 부분에 더 큰 가중치를 부여함으로써 위험을 측정하는 일반적 틀로, Value-at-Risk와 조건부VaR(TVaR/CTE) 모두 특정 왜곡함수를 선택한 특수 사례로 볼 수 있습니다.
주의할 점
모든 왜곡함수가 응집성 조건을 만족하는 것은 아니므로, 특정 왜곡위험측도가 분산투자 효과를 제대로 반영하는지는 왜곡함수의 성질을 별도로 확인해야 합니다.
왜곡함수의 형태를 어떻게 정하느냐에 따라 산출되는 위험측도가 VaR처럼 하위가산성을 만족하지 않을 수도, TVaR처럼 만족할 수도 있어 함수 선택이 중요합니다.