두꺼운꼬리분포 (Heavy-Tailed Distribution)

한 줄 정의: 극단적으로 큰 값이 발생할 확률이 정규분포보다 훨씬 높게 나타나는 확률분포를 말합니다.

쉽게 풀면

대부분의 자연현상은 평균 근처에 값이 몰려 있고 아주 큰 값은 거의 나오지 않는 종 모양(정규분포)을 따르지만, 보험 손해액이나 재해 손실 같은 데이터는 그렇지 않습니다. 어쩌다 한 번씩 평균보다 수십 배, 수백 배 큰 손실이 발생할 수 있고, 이런 극단값이 나올 가능성을 무시할 수 없을 때 그 분포를 두꺼운꼬리분포라고 부릅니다. 이름 그대로 분포 그래프의 양쪽 끝(꼬리) 부분이 정규분포보다 두툼하게 퍼져 있다고 생각하면 됩니다. 대형 화재, 태풍, 팬데믹처럼 드물지만 한 번 터지면 손실 규모가 매우 큰 사건들이 이런 성질을 보입니다.

왜 중요한가

보험사가 준비금이나 자본을 산정할 때 정규분포를 잘못 가정하면 극단적 손실 가능성을 과소평가하게 되어 파산 위험이 커집니다. 따라서 재보험, 재해보험, 대형 배상책임보험 등의 계리 모형에서는 두꺼운꼬리분포를 반영한 손해액 모델링이 필수적으로 다뤄집니다.

논문에서는 이렇게 쓰입니다

"자연재해 손해액 자료는 heavy-tailed distribution의 특성을 보이므로 정규분포 대신 파레토 분포를 적합하였다."

실제 손해 데이터 분석에서 극단값이 많이 관측되어 특정 분포족을 선택하는 근거로 사용됩니다.

"본 연구는 두꺼운꼬리분포 하에서의 재보험 특약 설계가 회사의 파산확률에 미치는 영향을 분석하였다."

재보험 설계나 리스크관리 전략의 효과를 두꺼운꼬리 상황에서 검증하는 연구 맥락입니다.

조금 더 깊게 보면

두꺼운꼬리분포 여부는 흔히 꼬리 부분의 감소 속도로 판단하며, 지수분포보다 꼬리가 느리게 감소하는 분포를 두꺼운꼬리로 분류하는 방식이 일반적으로 사용됩니다. 보험계리 실무에서는 파레토 분포, 로그정규분포, 버(Burr) 분포 등이 두꺼운꼬리 손해액 모델링에 자주 활용되며, 극단값이론(EVT)을 함께 적용해 꼬리 부분만 별도로 적합하는 접근도 쓰입니다.

주의할 점

모든 두꺼운꼬리분포가 같은 정도로 극단적인 것은 아니며, 분포족에 따라 꼬리의 두꺼운 정도(예: 분산이나 특정 모멘트가 존재하지 않는 경우)가 크게 다릅니다. 데이터가 제한적일 때 꼬리 부분을 과도하게 확신을 가지고 추정하면 오히려 위험을 잘못 평가할 수 있으므로 신중한 접근이 필요합니다.