💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

원문 렌더가 준비되기 전까지 텍스트 가이드로 표시합니다.

2026년 생명보험을 둘러싼 세 가지 거대 변화

2026년 생명보험 업계가 마주한 거대한 흐름은 세 가지다. 첫째, IFRS 17(보험계약)이 한국·일본 모두 2023년 도입 후 3년이 흐르며 결산·EV 산출 방식이 완전히 재편됐다. 둘째, 금융위원회의 K-ICS(신지급여력제도, Korean Insurance Capital Standard)가 2024년 1단계에 이어 2026년 2단계가 시행됐고, 일본 금융청은 IAIS의 ICS(보험자본기준) 2.0을 2025년부터 단계적으로 도입했다. 셋째, 코로나19 이후 사망률 개선 추세가 흔들리면서 Lee-Carter, CBD(Cairns-Blake-Dowd) 같은 고전 모델 위에 새 캘리브레이션이 필요해졌다. 이 글은 계리사·재무·리스크·상품 담당자가 2026년 시점에서 알아야 할 모델·자본·헷지·상품을 한 번에 정리한다.

생존함수와 사망률: 기본 수식 다시 보기

생명보험 계리의 출발점은 생존자 수 `l_x`와 사망률 `q_x`다. `l_x`는 어떤 가상의 100,000명 표본 중 `x`세까지 생존한 사람 수, `q_x`는 `x`세 사람이 1년 안에 사망할 확률이다. 두 양은 항상 `l_{x+1} = l_x \cdot (1 - q_x)` 관계로 연결된다. 연속시간 모형에서는 force of mortality `\mu_x`를 쓰며 `l_x = l_0 \exp(-\int_0^x \mu_t dt)`로 표현된다. 한국 KMT 2021, 일본 JMT 2018, 미국 SOA의 RP-2014/MP-2021 같은 경험표는 모두 이 두 양의 표를 제공한다.

사망률 개선(Mortality Improvement)이 결정적 변수가 된 이유

연금·종신·변액연금 같은 장수 위험을 가진 상품은 사망률이 매년 일정 비율로 개선된다는 가정에 매우 민감하다. 미국 SOA의 Retirement Plans Experience Committee(RPEC)는 RP-2014 사망표에 이어 MP-2014, MP-2017, MP-2021 개선스케일을 발표해왔다. 한국 KIRI(보험연구원)도 매년 사망률 개선율을 발표한다. 2020-2022년 코로나19 초과사망으로 추세가 흔들렸고, 2026년 시점에서는 코로나 효과를 반영해 베이즈리언으로 재추정하는 작업이 한일 양국에서 진행 중이다.

Lee-Carter 모델: 사망률 시계열의 정석

Lee와 Carter가 1992년 JASA 논문에서 제안한 모델은 로그 사망률을 `log m_{x,t} = a_x + b_x \cdot k_t + e_{x,t}`로 분해한다. `a_x`는 연령별 평균 로그 사망률, `b_x`는 연령별 변화 민감도, `k_t`는 시간 인덱스다. SVD(특이값 분해)로 `b_x`, `k_t`를 추정하고 `k_t`를 ARIMA로 외삽해 미래 사망률을 예측한다.

lee_carter.py — numpy/pandas 구현 (간이판)

def fit_lee_carter(mxt: pd.DataFrame):

"""

mxt: 행=연령(x), 열=연도(t), 값=중심 사망률 m_{x,t}

반환: a_x, b_x, k_t (정규화: sum(b_x)=1, sum(k_t)=0)

"""

log_m = np.log(mxt.values + 1e-12)

a_x = log_m.mean(axis=1)

Z = log_m - a_x[:, None]

U, S, Vt = np.linalg.svd(Z, full_matrices=False)

b_x = U[:, 0]

k_t = S[0] * Vt[0, :]

정규화

norm = b_x.sum()

b_x = b_x / norm

k_t = k_t * norm

k_t = k_t - k_t.mean()

return (

pd.Series(a_x, index=mxt.index, name='a_x'),

pd.Series(b_x, index=mxt.index, name='b_x'),

pd.Series(k_t, index=mxt.columns, name='k_t'),

)

def forecast_k(k_t: pd.Series, horizon: int = 30):

"""

k_t를 random walk with drift로 외삽한 평균 경로.

실전에서는 statsmodels ARIMA(0,1,0)+drift를 권장.

"""

drift = (k_t.iloc[-1] - k_t.iloc[0]) / (len(k_t) - 1)

future_t = np.arange(1, horizon + 1)

return pd.Series(

k_t.iloc[-1] + drift * future_t,

index=range(int(k_t.index[-1]) + 1, int(k_t.index[-1]) + 1 + horizon),

name='k_t_hat',

)

사용 예: mxt를 KOSIS·HMD에서 다운받아 fit_lee_carter에 입력.

Lee-Carter는 단순하지만 한 가지 큰 결점이 있다. 모든 연령이 같은 `k_t`로 움직인다고 가정하기 때문에 코호트 효과를 다루기 어렵다.

Cairns-Blake-Dowd(CBD): 고령 사망률에 최적화된 양자 모델

CBD 모델은 Cairns, Blake, Dowd가 2006년 제안한 logit 형 모델로 고령(60+) 사망률 분석에 강하다. `logit\,q_{x,t} = k_t^{(1)} + (x - \bar{x}) \cdot k_t^{(2)} + e_{x,t}`로, 두 시계열 `k^{(1)}`(레벨), `k^{(2)}`(연령 기울기)를 다변량 random walk로 모델링한다. M5 모델이라 불리며, M6(코호트 추가), M7(이차 항), M8(고령 평탄화) 확장이 표준이다.

cbd_m5.py — CBD M5 모델 추정

from scipy.special import logit

def fit_cbd_m5(qxt: pd.DataFrame):

"""

qxt: 행=연령(60~89 권장), 열=연도, 값=q_{x,t}

반환: k1_t, k2_t

"""

ages = qxt.index.values.astype(float)

x_bar = ages.mean()

Y = logit(qxt.values) # shape (n_ages, n_years)

X = np.column_stack([np.ones_like(ages), ages - x_bar]) # (n_ages, 2)

연도별 OLS: Y[:, t] = X @ [k1_t, k2_t]

XtX_inv = np.linalg.inv(X.T @ X)

K = XtX_inv @ X.T @ Y # shape (2, n_years)

return (

pd.Series(K[0], index=qxt.columns, name='k1_t'),

pd.Series(K[1], index=qxt.columns, name='k2_t'),

)

def simulate_cbd_paths(k1: pd.Series, k2: pd.Series, n_sims: int, horizon: int, seed: int = 7):

rng = np.random.default_rng(seed)

잔차 공분산 추정

dk1 = np.diff(k1.values)

dk2 = np.diff(k2.values)

mu = np.array([dk1.mean(), dk2.mean()])

cov = np.cov(np.vstack([dk1, dk2]))

paths = np.zeros((n_sims, horizon, 2))

start = np.array([k1.iloc[-1], k2.iloc[-1]])

for s in range(n_sims):

eps = rng.multivariate_normal(mu, cov, size=horizon)

paths[s] = start + np.cumsum(eps, axis=0)

return paths # shape (n_sims, horizon, 2)

CBD는 Lee-Carter보다 통계적 발산성이 적고 고령에서 적합도가 좋아 IAA, OECD가 추천하는 연금 평가 모델이다.

Heligman-Pollard: 단년도 사망률 곡선의 고전

Heligman과 Pollard가 1980년 제안한 8-파라미터 모델은 단일 연도 `q_x`를 세 구간—영아(infant mortality), 청장년 사고 험프(accident hump), 노년 지수증가—으로 분해한다. `q_x / p_x = A^{(x+B)^C} + D \cdot \exp(-E (\log x - \log F)^2) + G H^x` 형태다. K-EX(한국 경험표), JLT(일본 생명표) 정제 시 평활화에 자주 쓰이며, 비선형 최소제곱(scipy.optimize.curve_fit)으로 적합한다.

Heligman-Pollard 적합 코드

heligman_pollard.py

from scipy.optimize import curve_fit

def hp8(x, A, B, C, D, E, F, G, H):

term1 = A ** ((x + B) ** C)

term2 = D * np.exp(-E * (np.log(x + 1e-9) - np.log(F)) ** 2)

term3 = (G * H ** x) / (1 + G * H ** x)

return term1 + term2 + term3

def fit_hp(ages: np.ndarray, qx: np.ndarray):

p0 = [0.0005, 0.02, 0.1, 0.001, 8.0, 22.0, 5e-5, 1.1]

bounds = (

[1e-6, 0, 0, 0, 0, 10, 1e-8, 1.0],

[1e-2, 1, 1, 1e-1, 30, 40, 1e-2, 1.2],

)

popt, pcov = curve_fit(hp8, ages, qx, p0=p0, bounds=bounds, maxfev=20000)

return dict(zip(list('ABCDEFGH'), popt)), pcov

보험료 산정의 기본: 일시납 종신과 정기보험 가격

전통 계리에서 1원 사망보험금 보장의 단일납 순보험료는 `A_x = \sum_{k=0}^{\omega - x - 1} v^{k+1} \cdot _kp_x \cdot q_{x+k}`로 표현된다(여기서 `v = 1/(1+i)`는 할인계수, `_kp_x`는 `k`년 생존확률). 종신보험은 `\omega - x`까지, n년 정기는 n까지만 합한다. 한국·일본 모두 표준이율 3% 이상에서 2010년대 1% 미만까지 떨어졌다가, 2024년 이후 다시 2%대로 올라온 상태다.

책임준비금: FAS 60/97/120 vs IFRS 17의 본질적 차이

미국 GAAP은 상품 유형별로 FAS 60(전통 종신·정기), FAS 97(유니버설·변액), FAS 120(배당부 종신) 다른 회계 규칙을 적용한다. IFRS 17은 모든 보험계약을 일반접근법(GMM), 변액접근법(VFA), 보험료배분접근법(PAA) 세 가지로 통합했다. 핵심은 BBA(Building Block Approach)의 세 블록—FCF(이행현금흐름) = BEL(최선추정부채) + RA(위험조정) — CSM(계약서비스마진)—을 명시적으로 분리해 표시한다는 점이다.

IFRS 17 계약서비스마진(CSM)의 의미

CSM은 보험계약에서 발생할 미래 이익을 계약기간에 걸쳐 균등하게 인식하기 위한 부채다. 계약 시점에 이익이 한 번에 떨어지지 않고 CSM에 적립됐다가, coverage units 비례로 매년 풀린다. 한국 빅3(삼성생명·한화생명·교보생명)는 2023년 결산부터 IFRS 17로 전환하며 CSM 잔액을 영업이익의 선행지표로 공시하기 시작했다.

ifrs17_csm_release.py — CSM의 단순화된 풀림 시뮬레이션

def csm_release(initial_csm: float, coverage_units: np.ndarray, discount_rate: float):

"""

initial_csm: 계약 시점 CSM 잔액

coverage_units: 연도별 보장 단위(예: 가입금액)

discount_rate: locked-in 할인율(IFRS 17 B72)

"""

n = len(coverage_units)

csm_balance = np.zeros(n + 1)

csm_balance[0] = initial_csm

release = np.zeros(n)

for t in range(n):

이자부리

accrued = csm_balance[t] * (1 + discount_rate)

풀림 비율

remaining_cu = coverage_units[t:].sum()

rel = accrued * (coverage_units[t] / remaining_cu)

release[t] = rel

csm_balance[t + 1] = accrued - rel

return release, csm_balance

사용: release[t]가 t연도 보험서비스결과로 인식되는 이익.

변액보험(VA)이란 무엇인가

변액보험은 보험료 일부를 펀드에 투자해 그 수익률에 따라 사망보험금·해약환급금이 변동하는 상품이다. 한국에서는 1990년대 후반 도입돼 2000년대 초 변액유니버설로 폭발 성장했고, 일본에서는 2000년대 초 외화건 변액(평생연금·종신)이 큰 시장을 형성했다. 기본은 분리계정(separate account)으로 운용되어 보험사 일반계정과 격리된다.

GMxB: 최저보증의 종류와 본질

VA의 핵심은 최저보증(GMxB)이다. GMDB(사망보증), GMAB(만기보증), GMIB(연금보증), GMWB(인출보증), GMMB(만기최저보증)로 분류된다. 가입자는 시장이 떨어져도 최소 원금 또는 일정 인출액을 보장받는다. 이는 보험사가 풋옵션을 매도한 것과 동일하다. 2008년 AIG 파이낸셜 프로덕츠 그룹의 변액연금 파산 위기는 이 풋옵션을 동적 헷지로 제대로 관리하지 못한 결과였다.

GMxB 헷지: Greek 기반 동적 헷지

VA 보증은 본질적으로 장기 풋옵션이라 Black-Scholes 그릭—델타(주가 변동), 베가(변동성), 로(금리), 감마(델타의 변화)—을 매일 측정하고 시장에서 헷지 자산(주식 선물, 변동성 스왑, 금리 스왑)을 거래한다. 한국 삼성·한화·교보, 일본 第一·明治安田·住友·東京海上日動あんしん 모두 별도 ALM·헷지 데스크를 둔다.

va_gmdb_delta.py — GMDB 델타 근사

from scipy.stats import norm

def gmdb_pv_and_delta(

s0: float, k: float, r: float, q: float, sigma: float,

t_years: float, mortality_prob: float

"""

매우 단순화: GMDB를 만기 T년 풋옵션으로 근사하고

mortality_prob을 곱해 기대지급 현가를 산출.

실전 GMDB는 사망 시점별 가중 풋 적분이 필요하다.

"""

d1 = (np.log(s0 / k) + (r - q + 0.5 * sigma ** 2) * t_years) / (sigma * np.sqrt(t_years))

d2 = d1 - sigma * np.sqrt(t_years)

put = k * np.exp(-r * t_years) * norm.cdf(-d2) - s0 * np.exp(-q * t_years) * norm.cdf(-d1)

delta_put = -np.exp(-q * t_years) * norm.cdf(-d1)

pv = put * mortality_prob

delta = delta_put * mortality_prob

return pv, delta

AIG 2008: 변액연금이 회사 한 곳을 무너뜨릴 뻔한 사건

AIG는 2000년대 초 변액연금 GMDB·GMIB를 공격적으로 팔며 풋옵션 부채를 누적했다. 2008년 시장 폭락으로 부채가 폭증했고, 같은 그룹의 CDS·MBS 손실과 겹쳐 유동성 위기로 이어졌다. 미국 연준은 850억 달러 긴급대출로 막았다. 교훈은 두 가지다. 첫째, VA 보증은 long-dated, deep OTM 풋이므로 일반 옵션보다 헷지 오차가 크다. 둘째, 통계적 사망률 가정과 시장 위험을 분리해서 측정해야 한다.

EIA(지수연동연금): 미국에서 큰 시장, 한국엔 변액유니버설

Equity-Indexed Annuity는 S&P 500 같은 지수 수익률을 천장(cap)·바닥(floor)으로 가공해 적립금에 부여하는 상품이다. 보험사는 채권 + 콜옵션 구조로 자산을 운용한다. 한국에서는 EIA 자체가 흔치 않지만, 변액유니버설의 펀드 옵션으로 인덱스 펀드를 제공하는 방식이 비슷하다. 미국에서는 RILA(Registered Index-Linked Annuity)가 2020년대 후반 폭발 성장했다.

일본 변액보험의 부활: 외화건과 신탁형

일본 변액보험은 1990년대 후반 닛케이 폭락으로 한 차례 좌초된 뒤 2010년대 후반부터 외화건(달러·호주달러)으로 부활했다. 第一프런티어, 메트라이프, AIG 솔로몬이 주요 판매사다. 2026년 시점 일본의 저금리·엔저 고착 환경에서 외화건 변액·연금은 은퇴자 자산의 핵심 옵션이다. 다만 환변동·해약수수료·복잡성 때문에 일본 금융청은 2023년부터 판매적합성 가이드라인을 강화했다.

한국 변액보험 불완전판매 이슈

한국에서는 2010년대 초 변액유니버설 불완전판매가 사회적 문제가 됐다. 가입자가 펀드 운용보수·해약환급금 구조를 충분히 이해하지 못한 채 가입한 경우가 다수였다. 금감원은 2018년 판매적합성 원칙을 강화하고, 2023년 IFRS 17 도입 이후에는 사업비 공시도 의무화했다. 2026년 시점 변액 신계약은 다시 회복세지만 평균 가입금액은 줄고 가입자 연령대는 낮아졌다.

EV(Embedded Value)와 VIF: 보험사 가치 평가의 표준

EV = ANW(조정순자산) + VIF(보유계약가치). VIF는 보유 계약에서 미래 발생할 세후 현금흐름의 현재가치다. CFO Forum의 MCEV(Market Consistent EV) 가이드라인이 글로벌 표준이고, 한국 빅3와 일본 大手는 매년 EV 보고서를 공시한다. IFRS 17 도입 후 CSM과 EV의 관계가 새로운 화두가 됐다—CSM은 회계 기준의 미래 이익 부채, VIF는 경제적 가치 평가라 정확히 일치하지 않는다.

솔벤시 II: 유럽이 만든 자본 규제의 원본

Solvency II는 EU가 2016년 시행한 보험 자본 규제로 Pillar 1(정량 자본요건), Pillar 2(거버넌스·ORSA), Pillar 3(공시) 3단 구조다. Pillar 1은 99.5% VaR 기준의 SCR(Solvency Capital Requirement)을 계산하고, 보유 가용자본이 SCR을 넘어야 한다. 시장위험, 보험위험, 운영위험, 거래상대위험을 모듈별로 측정하고 상관행렬로 합산한다.

K-ICS: 한국 신지급여력제도의 구조

한국 K-ICS는 2024년 1단계, 2026년 2단계로 완전 도입됐다. 지급여력비율 = 가용자본 / 요구자본이며 100% 이상 유지가 의무다. 솔벤시 II와 유사하게 99.5% VaR을 쓰고 시장·보험·운영·신용·집중 위험 모듈을 적용한다. 다만 한국 특유의 변액·유니버설 비중을 반영해 보험위험 세분화가 더 세밀하다. 삼성생명 200% 후반, 한화생명·교보생명 200% 전후, 중소형사는 150% 부근이 2025년 말 시장 평균이다.

ICS 2.0: IAIS가 만드는 국제 표준 자본

IAIS의 ICS(Insurance Capital Standard) 2.0은 IAIG(국제활동 보험그룹)에게 적용되는 그룹 기준 자본이다. 5년 모니터링 기간을 거쳐 2025년부터 본격 시행됐고, 일본·캐나다·호주가 도입국이다. 한국은 아직 옵서버 단계지만 IFRS 17와 함께 K-ICS가 ICS와 정합되도록 정렬되고 있다.

Solvency II vs K-ICS vs ICS 비교 표

| 항목 | 솔벤시 II | K-ICS | ICS 2.0 |

|---|---|---|---|

| 시행 | 2016 EU | 2024(1단계)/2026(2단계) KR | 2025 IAIS |

| 신뢰수준 | 99.5% VaR | 99.5% VaR | 99.5% VaR |

| 시야 | 1년 | 1년 | 1년 |

한국·일본 사망표 비교: KMT, JMT, SOA

한국은 KIDI(보험개발원)가 KMT 2021을 마지막 공식 경험표로 발표했고, 일본은 일본보험계리사회(JILA)가 JMT 2018을 활용한다. 미국 SOA는 RP-2014/MP-2021을 연금용으로 발표한다. 일반적으로 일본이 가장 장수, 한국이 그 다음, 미국이 가장 짧은 기대수명을 보인다. 2026년 시점 OECD 평균은 남자 80세, 여자 86세이고 한국은 남자 81.4세, 여자 87.5세, 일본은 남자 81.6세, 여자 88.0세 부근이다.

ILS(보험연계증권)과 롱제비티 본드

ILS는 보험위험을 자본시장에 전가하는 증권이다. CAT 본드(자연재해)가 가장 크고, 롱제비티 본드(장수위험)는 시장이 아직 작지만 OECD·G20이 표준화를 추진 중이다. 2010년 Swiss Re Kortis Capital이 첫 상장 longevity bond를 발행했고, 2020년대 들어 SCOR, RGA, Munich Re 같은 재보험사가 longevity swap을 활발히 거래한다. 일본 第一생명은 2023년 영국 연금기금과 longevity swap을 체결해 화제가 됐다.

라이프 세틀먼트: 미국식 2차 시장

생명보험 가입자가 보험을 제3자에게 매각하는 라이프 세틀먼트 시장은 미국에서 200억 달러 규모로 성장했다. 가입자는 즉시 현금을 받고, 매수자는 사망 시 보험금을 받는다. 한국·일본은 이 시장이 법적으로 제한돼 있으나, 미국 SOA 연구에 따르면 라이프 세틀먼트가 시니어 자산관리의 한 옵션으로 자리잡았다는 분석이 있다.

2026년 액터리얼 사이언티스트의 도구상자

2026년 계리·리스크 데스크가 실전에서 쓰는 도구는 ① Python(pandas, numpy, scipy, statsmodels, PyMC), ② R(lifecontingencies, demography, StMoMo, fmsb), ③ MATLAB/SAS(레거시), ④ Prophet/MoSes/AXIS 같은 상용 액터리얼 모델링 플랫폼이다. K-ICS·IFRS 17 결산은 Moody's RiskIntegrity, Milliman MG-ALFA, Conning ADVISE가 점유율 상위다. 한일 보험사는 자체 인하우스 시뮬레이션 엔진을 병행한다.

자주 보는 안티패턴과 모범 사례

가장 흔한 안티패턴은 ① 단일 사망표만 쓰는 것(개선스케일 미적용), ② VA 보증을 정적 헷지로 두는 것, ③ EV 산출 시 가정 변경을 적시 공시 안 하는 것, ④ IFRS 17 CSM을 영업이익으로 오인 표시하는 것이다. 모범 사례는 ① 다중 시나리오(베이스·스트레스·코비드) 병행, ② 그릭 한도 + 시나리오 한도 이중 통제, ③ 가정 변경 공시 표준화, ④ CSM·VIF·HKD/USD 분해 공시다.

결론: 계리는 다시 코드와 자본의 문제다

2026년 시점 생명보험 계리는 더 이상 표 룩업의 영역이 아니다. Lee-Carter·CBD·HP 같은 모델을 직접 추정하고, GMxB 헷지를 매일 돌리며, K-ICS·IFRS 17 결산을 자동화하는 것이 표준이다. 한일 빅 보험사는 모두 액터리얼 사이언스 팀과 리스크 IT 팀을 통합 운영하며, 파이썬·R 기반 자체 플랫폼을 확장 중이다. 자산운용·재보험·헷지·자본 4축이 모두 코드 위에 올라가는 시대다.

References

- Society of Actuaries (SOA): https://www.soa.org/

- SOA RP-2014/MP-2021 Mortality Improvement Scale: https://www.soa.org/resources/experience-studies/2021/mortality-improvement-scale-mp-2021/

- Casualty Actuarial Society (CAS): https://www.casact.org/

- International Actuarial Association (IAA): https://www.actuaries.org/

- KIRI 한국보험연구원: https://www.kiri.or.kr/

- 보험개발원(KIDI): https://www.kidi.or.kr/

- 금융위원회 K-ICS 자료실: https://www.fsc.go.kr/

- JILA 일본보험계리사회: https://www.actuaries.jp/

- 일본 금융청(FSA) 보험·ICS: https://www.fsa.go.jp/

- EIOPA Solvency II: https://www.eiopa.europa.eu/

- IAIS Insurance Capital Standard: https://www.iaisweb.org/

- IFRS 17 공식 문서: https://www.ifrs.org/issued-standards/list-of-standards/ifrs-17-insurance-contracts/

- Lee & Carter 1992 JASA 논문: https://www.demog.berkeley.edu/~rlee/papers/Lee-Carter1992.pdf

- Cairns-Blake-Dowd 2006 모델 문서: https://www.actuaries.org.uk/

- Human Mortality Database (HMD): https://www.mortality.org/

- StMoMo R 패키지: https://cran.r-project.org/web/packages/StMoMo/

- CFO Forum MCEV Principles: https://www.cfoforum.eu/

- Milliman MG-ALFA: https://www.milliman.com/en/products/mg-alfa