극단값이론 (Extreme Value Theory)
쉽게 풀면
극단값이론은 대재해나 초대형 손해처럼 아주 드물지만 일단 발생하면 엄청난 규모가 되는 사건들을 다루는 통계 이론입니다. 일반적인 통계 방법은 평균적인 상황을 잘 설명하지만 극단적인 꼬리 부분은 잘 맞지 않는 경우가 많은데, 극단값이론은 이런 꼬리 부분만을 따로 정교하게 모델링합니다.
왜 중요한가
대재해 손해나 초대형 배상 사건은 관측치가 극히 적어 일반적인 분포 적합으로는 꼬리를 추정할 수 없는데, 극단값이론은 임계치를 넘는 초과분이 일반화파레토분포로 수렴한다는 정리를 제공해 꼬리 추정에 이론적 근거를 줍니다. 재보험 고층 요율, 대재해 요구자본, 운영리스크 손실 모형에서 표준 도구로 쓰입니다.
논문에서는 이렇게 쓰입니다
이 문장은 특정 확률분포 모형을 이용해서, 아주 드물게 발생하는 초대형 손해의 위험을 통계적으로 계산했다는 것을 설명합니다.
평소에는 잘 일어나지 않지만 한 번 발생하면 큰 피해를 주는 사건들의 발생 가능성을 통계적으로 추정하는 데 이 이론이 쓰인다는 뜻입니다.
조금 더 깊게 보면
임계치를 어디에 두느냐에 따라 추정 결과가 크게 달라지는데 이를 정하는 객관적 기준이 없어 결국 판단이 개입하며, 이 점이 실무 적용의 가장 큰 약점입니다. 이론은 관측치가 독립이고 동일분포라는 가정 위에 있어 기후 변화나 법제 변화로 분포가 이동하는 상황에서는 과거 극단값이 미래를 대표하지 못합니다. 200년 빈도 손해액 같은 추정치는 신뢰구간이 매우 넓어 점추정치만 보고하면 정밀도를 과장하게 됩니다. 극단값이론에는 블록최대값법과 임계치초과법 두 가지 접근이 있으며, 임계치초과법이 관측치를 더 효율적으로 활용해 실무에서 더 널리 쓰입니다. 일반화파레토분포의 형상모수가 양수이면 두꺼운 꼬리(무한분산 가능성)를, 음수이면 유한한 상한을 갖는 분포를 의미해 이 부호가 재보험 설계의 방향성을 좌우합니다.
주의할 점
극단값이론은 관측 자료가 극히 적은 영역을 다루므로, 모형의 선택과 추정 방법에 따라 결과가 크게 달라질 수 있다는 한계가 있다.
실무에서는 임계치를 지나치게 낮게 잡으면 편향이, 지나치게 높게 잡으면 표본 부족으로 분산이 커지는 상충관계가 있어 평균초과함수 그래프 등으로 적정 임계치를 탐색하는 절차가 필요하다.