Skip to content
Published on

재보험 + Cat Risk 모델링 2026 Deep-Dive: Munich Re·Swiss Re·Verisk AIR·RMS·Aon Impact Forecasting + 코리안리·東京海上 Retrocession 완전 분석

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

2024년 9월 허리케인 Helene이 미국 남동부를 강타하며 약 500억 달러의 보험 손실을 일으켰고, 10월 Milton이 플로리다를 직격하면서 또 300억 달러가 추가됐다. 2024년 1월 일본 노토반도 지진(M7.6)은 일본 지진보험 풀의 한 분기 예산을 통째로 소진시켰다. 한국도 2022년 힌남노 이후 풍수해 재보험 요율이 누적 35% 이상 올랐다. 2026년 재보험과 Cat Risk 모델링은 더 이상 보조 시스템이 아니다. 재무 자본의 가용성을 결정하는 핵심 인프라다. 이 글에서는 Munich Re·Swiss Re·Hannover Re·SCOR 4대 유럽 재보험사부터 RenaissanceRe·Berkshire Hathaway Re의 버뮤다·미국 진영, Verisk AIR Worldwide·RMS(Moody's)·CoreLogic·KCC·Aon Impact Forecasting의 모델 벤더 4파전, 그리고 한국 코리안리·한화재보험과 일본 ジャパンエルアン재보험·東京海上 retrocession까지 한 호흡으로 정리한다.

재보험이란 무엇인가 — 보험사를 위한 보험

재보험(reinsurance)은 보험회사가 자신이 인수한 위험의 일부를 다른 보험사(재보험사)에게 넘기는 거래다. 직접보험사(cedent)는 보험료의 일부를 재보험사에 양도(cede)하고, 큰 손실이 발생하면 재보험사로부터 회수한다. 이 구조 덕분에 작은 보험사도 거대한 단일 위험(아파트 단지, 정유공장, 대형 선박)을 인수할 수 있고, 자연재해 같은 누적 위험에서도 자본 안정성을 유지한다. 솔벤시 II와 K-ICS 같은 자본 규제는 재보험을 통해 위험 분산을 한 회사가 얼마나 효과적으로 했는지를 자본 비용에 직접 반영한다. 재보험은 단순한 비용 절감이 아니라 자본 효율화 도구다.

재보험 vs 직접보험 — 거래 구조의 본질적 차이

직접보험은 개인이나 기업과 1대1로 계약을 맺지만, 재보험은 보험사 간 B2B 계약이다. 직접보험은 보험약관(policy wording)이 표준화·규제되지만, 재보험은 양 당사자가 협상으로 자유롭게 조건을 정한다. 직접보험은 손실 발생 시 가입자가 청구하지만, 재보험은 cedent가 일정 한도를 넘긴 손실을 모아 다음 분기 또는 연도에 한꺼번에 청구한다. 또한 재보험에는 broker(Aon, Guy Carpenter, Howden Re)가 거의 항상 개입한다. 시장 정보·풀 가격·역량 매칭이 너무 복잡해 cedent가 직접 모든 재보험사와 협상하기 어렵기 때문이다. 글로벌 재보험 거래의 약 70% 이상이 broker를 거친다.

Treaty 재보험 — Proportional vs Non-proportional

Treaty 재보험은 cedent의 한 보험 포트폴리오 전체(예: 한국 화재보험 신규계약 전체)를 대상으로 자동 양도하는 약정이다. Proportional treaty는 보험료와 손실을 정해진 비율로 나눈다. Quota share는 모든 계약을 같은 비율(예: 30%)로 양도하고, surplus는 일정 한도를 넘는 부분만 양도한다. Non-proportional treaty는 보험료를 일률적으로 나누지 않고, 특정 손실 한도를 넘는 부분만 재보험사가 부담한다. 이중 가장 대표적인 것이 XOL(Excess of Loss)이다. 예를 들어 1,000M USD xs 500M USD 레이어는 5억 달러 초과~15억 달러까지를 재보험사가 부담한다는 의미다. Per-risk XOL은 사건당, Cat XOL은 자연재해 단일 사건당, aggregate XOL은 연간 누적 손실에 적용된다.

Facultative 재보험 — 한 건씩 협상하는 거대 위험

Treaty가 포트폴리오 자동 양도라면, facultative 재보험은 개별 위험 한 건마다 협상해 양도하는 방식이다. 보통 한 건 인수 한도가 수억 달러를 넘는 메가 위험(반도체 fab, LNG 터미널, 우주발사체, 풍력 단지 등)에 쓰인다. cedent가 인수 한도가 부족한 단일 위험을 발견하면 broker를 통해 글로벌 재보험 시장에 facultative offer를 띄우고, Munich Re·Swiss Re·Lloyd's syndicate 등이 자율적으로 line(인수 비율)을 적어 제출한다. 시간이 오래 걸리고 비용이 비싸지만, 위험 한 건의 모든 디테일을 협상할 수 있다는 장점이 있다.

Cat Bond와 ILS — 자본 시장으로 위험을 푸는 길

전통 재보험만으로는 1-in-250-year 같은 극단 위험을 인수할 자본이 부족하다. 그래서 등장한 것이 Cat bond(Catastrophe Bond)와 더 넓은 의미의 ILS(Insurance-Linked Securities)다. cedent가 SPV(special purpose vehicle)를 세우고, 자본시장 투자자에게 채권을 발행해 받은 돈을 담보로 두고, 정해진 trigger(예: 플로리다 허리케인 SS 카테고리 4 이상)가 발동하면 원금이 차감되는 구조다. 2024년 글로벌 Cat bond 발행은 175억 달러로 사상 최대였고, artemis.bm 집계로 2026년 1분기 outstanding은 510억 달러를 넘었다. 연금펀드와 헤지펀드가 주요 투자자이며, 자연재해와 자본시장 사이 상관관계가 낮다는 점이 매력이다. ILS는 cat bond, sidecar, collateralized reinsurance, ILW(Industry Loss Warranty)를 포괄한다.

자연재해 모델링이란 — Probabilistic Cat Model의 4단계

Cat 모델은 단순한 통계가 아니라 hazard·exposure·vulnerability·financial 4개 모듈로 구성된 확률론적 시뮬레이션이다. Hazard 모듈은 수만 개의 가상 사건(허리케인 경로, 지진 시나리오)을 생성한다. Exposure 모듈은 보험 가입 건물·콘텐츠·BI(business interruption)를 좌표·구조·층수 단위로 보유한다. Vulnerability 모듈은 각 구조물이 특정 강도의 hazard에 노출됐을 때 손실률을 곡선(vulnerability function)으로 표현한다. Financial 모듈은 보험 약관(자기부담금, 한도, coinsurance)을 적용해 실제 보험 손실로 환산한다. 이 4단계를 수만~수십만 번 Monte Carlo로 반복해 손실 분포를 만든다. 결과는 EP curve(Exceedance Probability)와 PML(Probable Maximum Loss)로 요약된다.

Hurricane — Saffir-Simpson Scale과 NHC 베스트트랙

대서양·태평양 허리케인은 1-min sustained wind 기준 Saffir-Simpson 5단계로 분류된다. SS1은 119–153 km/h, SS5는 252 km/h 초과다. Cat 모델은 NHC HURDAT2 데이터셋(1851년현재)과 NOAA NHC best track을 기반으로 stochastic catalog를 만든다. 한 사이클의 catalog는 보통 100,000년250,000년 분량의 가상 시즌을 포함한다. landfall 위치·각도·전진속도(forward speed)·풍속 감쇠(decay) 파라미터가 손실에 결정적이다. 2024년 Helene은 SS4(225 km/h)로 플로리다 빅벤드에 상륙해 내륙 노스캐롤라이나까지 깊숙이 들어갔다. 내륙 침수 시뮬레이션이 약했던 일부 모델은 PML을 30% 이상 과소 추정했다.

Earthquake — PGA와 Return Period

지진 모델은 풍속 대신 PGA(Peak Ground Acceleration, %g 또는 cm/s^2)와 PGV(Peak Ground Velocity)를 hazard intensity로 쓴다. USGS NSHM(National Seismic Hazard Map)과 일본 J-SHIS, 한국 KMA 지진 분포도가 핵심 입력이다. Catalog 생성에는 fault rupture model(특정 단층이 어떤 magnitude로 얼마나 자주 깨지는지)과 GMPE(Ground Motion Prediction Equation, 단층에서 거리·토양 보정해 PGA 산정)가 들어간다. 1-in-475-year PGA는 한국 건축구조기준의 설계 기준이고, 1-in-2475-year는 원전 안전성 평가 기준이다. 2024년 노토반도 지진은 PGA 2,800 gal을 기록해 일부 지점이 1-in-1000-year에 가까운 강도였다.

Flood — Return Period와 1-in-100-year의 함정

홍수 모델은 강수 → 유출 → 하천 수위 → 침수 매핑 → 침수 깊이 → 손실 연결로 이뤄진다. 1-in-100-year flood는 어떤 해에 발생할 확률이 1%라는 의미지, 100년에 한 번 발생한다는 뜻이 아니다. 30년 동안 한 번이라도 발생할 확률은 약 26%다. 미국 FEMA NFIP, 영국 EA Flood Map, 일본 ハザードマップ, 한국 환경부 침수예상도가 base 데이터다. 기후변화로 강수 강도가 증가하면서 과거의 1-in-100-year 수위가 1-in-50-year 또는 그 이하가 되는 사례가 빠르게 늘고 있다. 이를 반영한 climate-conditioned catalog가 2024–2026년 RMS·Verisk·Fathom의 차세대 flood 모델에서 표준이 되고 있다.

Monte Carlo Simulation — PML 직접 계산하기

PML은 단순한 평균이 아닌 분포의 특정 분위수다. 1-in-250-year PML은 0.4 분위(99.6% 분위)다. 손실 분포가 lognormal 또는 GPD(Generalized Pareto Distribution)로 근사된다고 가정하고 직접 Monte Carlo로 계산해보자.

import numpy as np

rng = np.random.default_rng(42)

# 연간 사건 수: Poisson(lambda=3)
# 사건당 손실: lognormal(mu=18, sigma=1.4) — 평균 약 200M USD, 두꺼운 꼬리
N_SIMULATIONS = 200_000
annual_loss = np.zeros(N_SIMULATIONS)

events = rng.poisson(lam=3.0, size=N_SIMULATIONS)
for i in range(N_SIMULATIONS):
    if events[i] > 0:
        losses = rng.lognormal(mean=18.0, sigma=1.4, size=events[i])
        annual_loss[i] = losses.sum()

aal = annual_loss.mean()                  # Average Annual Loss
pml_100 = np.percentile(annual_loss, 99)  # 1-in-100-year
pml_250 = np.percentile(annual_loss, 99.6)  # 1-in-250-year

print(f"AAL          : {aal/1e6:,.1f} M USD")
print(f"1-in-100 PML : {pml_100/1e6:,.1f} M USD")
print(f"1-in-250 PML : {pml_250/1e6:,.1f} M USD")

이 코드를 실제 사건 카탈로그로 대체하고, vulnerability 곡선을 적용하면 본격적인 cat 모델이 된다. 상업용 모델은 사건 수만 수십만, 시뮬레이션은 100K–1M 반복으로 돌린다.

AIR Touchstone API — 모델 벤더 호출 예시

Verisk AIR Worldwide의 Touchstone은 cat 모델 시장의 표준 도구 중 하나다. REST API로 분석을 트리거할 수 있다.

import requests
import os

API = "https://api.air-worldwide.com/v3"
TOKEN = os.environ["AIR_TOKEN"]

# 1) Exposure 업로드 (CEDE 형식)
files = {"file": open("exposure_kr_property.cede", "rb")}
exposure_id = requests.post(
    f"{API}/exposures",
    headers={"Authorization": f"Bearer {TOKEN}"},
    files=files,
).json()["exposure_id"]

# 2) Analysis 실행
payload = {
    "exposure_id": exposure_id,
    "model": "AIR Typhoon Model for Korea v3.0",
    "perspective": "GU",   # Ground Up
    "event_set": "100K-year stochastic",
    "currency": "KRW",
}
analysis = requests.post(
    f"{API}/analyses",
    headers={"Authorization": f"Bearer {TOKEN}"},
    json=payload,
).json()

# 3) Results 폴링
results = requests.get(
    f"{API}/analyses/{analysis['id']}/results",
    headers={"Authorization": f"Bearer {TOKEN}"},
).json()

print(f"AAL    : {results['aal_krw']:,.0f} KRW")
print(f"100-yr : {results['pml_100']:,.0f} KRW")
print(f"250-yr : {results['pml_250']:,.0f} KRW")

RMS Moodys의 RiskLink과 Intelligent Risk Platform도 유사한 REST 인터페이스를 제공하고, KCC RiskInsight, CoreLogic RQE, Impact Forecasting의 ELEMENTS는 각각 고유한 API를 가진다.

Cat Bond Payoff 구조 — Parametric vs Indemnity

Cat bond의 trigger는 크게 4종이 있다. Indemnity trigger는 cedent의 실제 손실이 임계치를 넘으면 발동하므로 가장 정확하지만, 손실 산정에 시간이 걸린다. Parametric trigger는 풍속·진도 같은 객관 측정값이 임계치를 넘으면 즉시 발동한다. Industry loss trigger는 PCS 또는 Verisk PCS Catastrophe Bulletin의 산업 손실을 기준으로 한다. Modeled loss trigger는 cat 모델 재실행 결과를 쓴다. Parametric은 단순하지만 basis risk(실제 손실과 trigger의 괴리)가 크다. 다음은 단순화된 parametric trigger 코드다.

def cat_bond_payoff(event_wind_kph, attachment, exhaustion, principal):
    """
    Parametric cat bond payoff for hurricane wind.
    attachment  : trigger point in kph (예: 220)
    exhaustion  : full payout point (예: 260)
    principal   : 발행 원금 (예: 100M USD)
    Returns     : 투자자에게 갚을 잔여 원금 (USD)
    """
    if event_wind_kph < attachment:
        return principal                  # 발동 안 됨, 원금 전액 반환
    if event_wind_kph >= exhaustion:
        return 0                          # 원금 전액 소실
    pct = (event_wind_kph - attachment) / (exhaustion - attachment)
    return principal * (1 - pct)

# 예: 5억 달러 cat bond, attachment 220 kph, exhaustion 260 kph
remaining = cat_bond_payoff(245, 220, 260, 500_000_000)
print(f"투자자 원금 잔액: {remaining/1e6:,.1f} M USD")
# → 어택먼트 220, 사건 풍속 245, 익조스천 260 → 약 68% 잔존, 41.6% 손실

기후변화 영향 — RCP·SSP·NGFS 시나리오

전통 cat 모델은 1971–2020 기상 기록의 정상성(stationarity)을 가정했지만, 기후변화는 이 가정을 깨뜨린다. 2026년 표준은 RCP(Representative Concentration Pathway) 또는 SSP(Shared Socioeconomic Pathway) 시나리오로 미래 catalog를 재가중치(reweight)하는 것이다. RCP 4.5는 중간 안정화, RCP 8.5는 고배출 시나리오다. NGFS(Network for Greening the Financial System)는 6개 시나리오(Net Zero 2050, Below 2 deg C, Delayed Transition, Current Policies, Fragmented World, NDCs)를 제시한다. 보험사는 NGFS 시나리오에 cat 모델을 매핑해 2030·2050·2080년 PML 변화를 산정한다. Munich Re는 2024년 연차보고서에서 SSP5-8.5 하 글로벌 허리케인 PML이 2050년까지 평균 25–40% 증가할 것으로 추정했다.

1-in-100/250-year PML — 자본 규제와의 연결

솔벤시 II는 1-in-200-year SCR(Solvency Capital Requirement)을 자본 산정 기준으로 쓴다. 미국 NAIC RBC와 한국 K-ICS는 다른 confidence 수준을 쓰지만 구조는 유사하다. 재보험사는 자기 자본을 모든 영업 노출의 1-in-250-year 또는 1-in-500-year PML보다 크게 유지해야 한다. 이를 위해 cat 모델 PML을 정기적으로 재계산하고, retrocession(재보험사가 다시 재보험을 사는 행위)으로 초과분을 시장에 넘긴다. retrocession 시장은 글로벌 50개 미만의 specialist 트레이더(Bermuda 본거지 다수)와 ILS 펀드로 구성된 매우 좁은 시장이다. 2023년 retrocession 요율은 평균 40% 이상 인상됐고, 2024–2025년에도 추가 인상이 이어졌다.

한국 코리안리·한화재보험 — 동아시아 풍수해 모델링

코리안리(Korean Reinsurance Company)는 한국 유일의 전업 재보험사로 1963년 설립됐다. 2024–2025년 GoLog 디지털 전환 프로젝트로 underwriting·claims·analytics를 클라우드 기반으로 통합 중이다. KMA(기상청) 태풍 best track과 환경부 침수예상도, KIGAM 지진 카탈로그를 조합한 자체 풍수해 모델을 운영하며, AIR Worldwide Typhoon Model for Korea v3과 RMS Asia-Pacific Typhoon HD Model을 병행 사용한다. 한화재보험은 한화손해보험의 재보험 사업부로 출발했고, 한화 그룹 계열사 위험과 외부 cedent를 인수한다. 2025년 한국 재보험 시장 합산비율(combined ratio)은 약 102%로 약화되었으며, 풍수해와 건설업 LOC(line of credit) 위험이 주요인이었다.

일본 ジャパンエルアン재보험·東京海上 retrocession

일본 재보험 시장의 특수성은 지진보험에 있다. 일본 정부 재보험인 JER(Japan Earthquake Reinsurance)이 1차 재보험을 인수하고, JER이 다시 민간 손보사(東京海上日動·損保ジャパン·三井住友海上)와 정부에 retrocession을 푸는 4-layer 구조다. 정부 자본 보장은 11.7조 엔(2024년 기준)이며, 한 사건당 정부 부담은 단계별로 50억엔 미만 100%, 50–193억엔 50%, 193억엔–11.7조엔 정부 99.5% 같은 layer로 짜여 있다. ジャパンエルアン재보험(Japan REIN, 가칭)을 비롯한 신규 specialist 재보험사도 등장하고 있으며, 東京海上은 자체 retrocession 프로그램을 통해 1-in-200-year 지진 PML의 약 30%를 글로벌 ILS 시장에 풀어낸다.

Top 10 글로벌 재보험사 — 2026 GWP 기준

순위재보험사본사2024 GWP(B USD)핵심 강점
1Munich Re독일 뮌헨약 55P&C, life, NatCatSERVICE
2Swiss Re스위스 취리히약 47sigma, life·health
3Hannover Re독일 하노버약 32비용 효율, 신흥시장
4SCOR프랑스 파리약 17Tier1 EU 4번째
5Berkshire Hathaway Re미국 오마하약 24자본 보유력, NICO
6China Re중국 베이징약 18중국 본토 점유율
7Lloyd's market영국 런던약 27 (전체)syndicate 시장
8RenaissanceRe버뮤다약 9cat 전문, Validus 인수
9Everest Re버뮤다약 12미국 중심
10PartnerRe버뮤다약 8EXOR 소유

GWP는 gross written premium이며, 회사 회계와 시점에 따라 변동한다.

Top Cat 모델 벤더 비교

벤더대표 제품지역 강점라이선스 형태
Verisk AIR WorldwideTouchstone, CATRADER글로벌 P&C, 일본 typhoon연간 라이선스
RMS (Moody's RMS)RiskLink, Intelligent Risk Platform북미 허리케인·지진연간 라이선스 + cloud
CoreLogicRQE미국 holders, wildfire연간·use-based
KCC (Karen Clark Co)RiskInsight미국 hurricane·EQ연간
Impact Forecasting (Aon)ELEMENTSbroker-supported, 다지역broker 서비스
FathomGlobal Flood Mapflood specialtyAPI per call
JBA Risk Managementflood model유럽·아시아 flood연간
MITIGA Solutionsclimate-conditionedclimate change overlay연간

US vs JP vs KR — 누적 보험 노출 비교

항목미국일본한국
주요 perilhurricane, EQ, wildfire, severe convective stormEQ, typhoon, flood, volcanotyphoon, flood, EQ
1-in-100 PML(industry)약 250B USD약 60B USD약 7B USD
1-in-250 PML(industry)약 430B USD약 110B USD약 12B USD
flood NFIP/공보험 비중NFIP 약 60%손보사 자체풍수해 정부 보조
EQ 가입률캘리포니아 13%전국 약 35%약 0.5% 미만
정부 재보험 풀TRIA(테러), NFIP(홍수)JER(지진)농작물재해보험

수치는 회사·연도별로 ±20% 변동.

가격 결정 — Risk Premium vs Risk Load

재보험 가격은 단순히 평균 손실(pure premium 또는 AAL)을 더해 정해지지 않는다. 위험 부담에 대한 추가 보상(risk load)이 더해진다. 일반적인 가격 공식은 다음과 같다.

Reinsurance Premium = AAL
                    + Standard Deviation Load (kappa * stdev(loss))
                    + Capital Cost (CoC * required capital)
                    + Expense Load (브로커, 분석, 운영)
                    + Margin

kappa는 0.10.5, CoC(Cost of Capital)는 812%가 시장 관례다. 1-in-250-year layer는 표준편차가 매우 크므로 AAL 대비 premium이 5~15배가 되는 경우가 흔하다. 이는 단순 평균 손실의 5–15배를 의미하지, 보험사가 폭리를 취한다는 의미가 아니다. 자본을 동결해두는 대가다.

Retrocession 시장 — 마지막 안전판

retrocession은 재보험사의 재보험이다. 1-in-1000-year 같은 극단 위험을 글로벌 specialist에게 넘기는 매우 좁은 시장으로, 약 30–50개 트레이더가 핵심을 형성한다. Bermuda(RenaissanceRe, Validus, Hiscox Re), Lloyd's, ILS 펀드(Fermat, RenaissanceRe DaVinci, Stone Ridge)가 주요 플레이어다. 2017년 허리케인 Harvey·Irma·Maria 이후 retrocession 요율이 30% 인상됐고, 2022년 Ian·2024년 Helene·Milton 이후 추가로 40% 이상 누적 인상됐다. retrocession 자본 부족(retro capacity crunch)은 1차 재보험사가 underwriting을 줄여야 한다는 신호로 작동한다.

ILW와 Sidecar — 단순 trigger와 빠른 capacity

ILW(Industry Loss Warranty)는 cedent의 실제 손실이 아니라 산업 전체의 손실을 trigger로 쓰는 단순한 계약이다. 예: "미국 hurricane PCS 산업 손실이 30B USD를 넘으면 100M USD 지급". 약관 분쟁이 거의 없고, basis risk는 cedent가 부담한다. 헤지펀드와 ILS 펀드가 자주 인수하며, 2025년 ILW 시장 규모는 약 4–6B USD로 추정된다. Sidecar는 재보험사가 외부 투자자와 함께 SPV를 세우고, 한정된 기간(보통 1–3년) 한정된 라인(보통 cat XOL)을 함께 인수하는 구조다. 재보험사는 underwriting 기술과 시장 접근을 제공하고, 투자자는 자본을 제공한다. RenaissanceRe Upsilon, Hannover Re K-Cessions, Mt. Logan(Everest)가 대표 사례다.

데이터 품질 — Exposure Data가 모델보다 중요할 때

cat 모델의 정확도는 hazard·vulnerability 모듈보다 exposure 데이터 품질에 더 좌우되는 경우가 많다. 건물 좌표가 우편번호 중심점인지 실제 GPS인지, 구조(콘크리트/철골/목조)가 코딩되어 있는지, 층수와 점유 형태가 있는지에 따라 PML이 ±30% 이상 흔들린다. 미국에서는 LexisNexis ASD·CoreLogic Property Quote, 일본은 ZmapTOWN II·LandPro, 한국은 도로명주소 KAIS API와 KEPCO 위치 데이터를 결합해 exposure를 enrich한다. 코리안리는 2024년 GoLog 프로젝트의 핵심 산출물 중 하나로 enriched exposure database를 구축했다.

모델 불확실성과 ensemble — 한 벤더만 믿지 않는다

cat 모델 4개 벤더(AIR·RMS·KCC·CoreLogic)의 1-in-250-year PML이 같은 포트폴리오에 대해 50% 이상 차이가 나는 경우가 흔하다. 이는 hazard 가정(landfall 빈도, GMPE 선택), vulnerability 곡선, demand surge·LAE 가정의 차이에서 비롯된다. 따라서 2026년 표준은 ensemble 접근이다. 여러 모델의 평균 또는 중앙값을 자본 기준으로 쓰고, 한 모델이 outlier일 때는 그 가정을 검증한다. Munich Re와 Swiss Re는 자체 사내 모델(Munich Re NATHAN, Swiss Re CatNet)을 외부 벤더와 병행 사용한다.

청구·지급 사이클 — 사건 후 18~36개월

자연재해 손실의 보험·재보험 지급은 일반인이 생각하는 것보다 훨씬 오래 걸린다. 대형 허리케인의 경우 1차 손해사정(initial loss estimate)은 사건 후 1주일 내 발표되지만, ULAE(Unallocated Loss Adjustment Expense)와 IBNR(Incurred But Not Reported)이 안정되는 데 18~36개월이 걸린다. 2017년 Harvey 손실은 2019년에야 최종치에 근접했다. cedent는 재보험사에 분기별로 cession statement를 보내고, 큰 사건은 commutation(미지급 책임을 일시금으로 정산)으로 마무리되는 경우가 많다.

ESG·기후 공시 — TCFD와 IFRS S2

재보험사는 2024년부터 IFRS S2 기후공시 의무를 진다. 시나리오 분석(NGFS 6개 중 최소 2개), transition risk, physical risk 노출을 정량 공시해야 한다. Munich Re와 Swiss Re는 매년 climate risk report를 별도 발행하며, Hannover Re는 2050 net-zero underwriting 로드맵을 발표했다. 한국 코리안리는 K-ICS 보고와 함께 한국형 ESG 공시 체계에 맞춰 climate risk 시나리오를 공시한다. 일본은 TCFD를 IFRS S2와 병행하며 2027년 의무화를 준비 중이다.

미래 5년 — 무엇을 준비해야 하는가

2026–2031년 재보험과 cat risk 모델링은 세 가지 축으로 변한다. 첫째, 기후변화 conditioning이 표준화된다. RCP/SSP 가중치 재가중치(reweighting)와 climate-conditioned catalog가 모든 cat 모델의 디폴트가 된다. 둘째, 데이터 결합이 가속화된다. 위성 영상(Maxar·Planet), IoT 센서, 지자체 GIS가 exposure와 사후 손해사정에 즉시 통합된다. 셋째, 자본 시장과 보험 시장의 경계가 더 흐려진다. cat bond·ILS·tokenized parametric의 시장 규모는 2030년까지 전통 재보험 capacity의 25% 수준에 이를 전망이다. 한국과 일본은 정부 풀(JER, 한국 풍수해)과 민간 재보험의 역할 분담을 재정의하는 정책 논의에 들어가고 있다.

References

Discuss on Twitter • View on GitHub