1. 서론
풍수해보험은 재난 및 안전관리기본법 제66조(재난지역에 대한 국고보조 등의 지원)를 대체하기 위해 도입된 정책보험으로 보험가입목적물(주택, 온실)이 태풍, 호우, 대설 등과 같은 풍수해로 입은 손해를 보상해 주는 재물보험이다. 이처럼 우리나라에서 운용하고 있는 풍수해보험은 수해위험만을 보장하는 미국, 독일, 영국, 프랑스의 홍수보험(Flood Insurance)과 달리 수해위험, 풍해위험, 설해위험을 동시에 담보해 주는 종합형 자연재해보험이다(Lee et al., 2014). 한편, 현행 풍수해보험의 요율체계는 단순히 전국 232개 시⋅군⋅구 각각을 하나의 보험요율산정단위로 적용함으로써 지역별 위험도에 따라 합리적인 보험요율 차별화가 이루어지지 않고 있다는 문제점이 제기되고 있다.1) 이 같은 문제점을 해결하기 위해 Lee(2016)은 시⋅군⋅구 단위의 보험요율을 4개의 위험등급별로 차등화하는 방안을 제시하였다. 특히, 위험등급별 차등화를 위해 재해원인별(수해위험, 풍해위험, 설해위험)로 가중치(Weighted Value)2)를 산정⋅적용하고 있는데 이 때 태풍을 National Emergency Management Agency(2008)와 Lim et al.(2015)에서 제안하고 있는 기준에 따라 수해위험으로 분류하고 있다(이하, National Emergency Management Agency는 NEMA로 표기함). 풍수해보험법 제2조(정의) 제1호에서 정하고 있는 풍수해를 NEMA(2008)의 기준에 따라 분류하면 Table 1과 같다.
Table 1
Classification of Storm and Flood Hazard
| Flood Hazard | Wind Hazard | Snow Hazard | Earthquake Hazard |
|---|---|---|---|
| Typhoon, Flood, Heavy Rain, Storm Surge | Strong Wind, Wind Wave | Heavy Snow | Earthquake (Tsunami inclusion) |
※ Source: NEMA(2008), pp. 164-165.
일반적으로 태풍은 그 속성상 강한 바람뿐만 아니라 많은 비를 동반하고 있기 때문에 태풍으로 인한 피해는 수해위험과 풍해위험이 동시다발적으로 발생된다는 특징이 있다. 따라서 NEMA(2008)에서 태풍을 수해위험으로 분류하고 있는 것은 위험의 속성상 불합리한 점을 노출하고 있다고 볼 수 있다. 태풍으로 인한 피해 중 수해가 아닌 풍해로 피해를 입은 사례를 예시하면 Fig. 1과 같다.
최근 Ministry of Public Safety and Security(2017)에서는 풍수해보험가입목적물(주택과 온실)은 태풍 발생 시 호우(수해위험)보다는 바람에 의한 피해(풍해위험)에 취약한 것으로 나타나기 때문에 태풍 피해 전부를 수해위험으로 간주하기에는 무리가 있다는 의견을 제시하고 있다(이하, Ministry of Public Safety and Security는 MPSS로 표기함). 이를 해결하기 위한 방안의 하나로 호우로 인한 침수피해액 대비 파손피해액 비중이 태풍의 침수피해액 대비 파손피해액 비중과 동일하다는 가정 하에 수해⋅풍해⋅설해위험 원인별 가중치를 Table 2와 같이 제안하고 있다.
Table 2
Example of Weighted Value for Flood⋅Wind⋅Snow Hazards in Dwelling Houses (Unit: %)
| Classification | Flood Hazard | Wind Hazard | Snow Hazard | Total |
|---|---|---|---|---|
| Before Adjustment | 19 | 80 | 1 | 100 |
| After Adjustment | 27 | 72 | 1 | 100 |
※ Source: MPSS(2017), pp. 5-60.
이런 점을 고려하여 본 연구에서는 태풍을 위험의 속성별로 재분류하는 방안을 제안하였다. 먼저 제2장에서는 재해연보(MPSS)상의 재해원인별 분류기준(태풍, 호우, 강풍, 대설)에 따라 최근 10년간 풍수해 원인별 피해액의 발생 현황을 분석하고 주택3)을 대상으로 풍수해보험 피해형태(전파, 반파, 침수)별 사고건수를 분석하였다. 제3장에서는 경험데이터 활용이 가능한 1988년부터 2015년까지 한반도에 영향을 미치는 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)별 피해액과의 상관분석(Correlation Analysis)을 실시하였다. 이 같은 분석결과를 토대로 MPSS(2017)에서 제안하고 있는 분류기준에 따라 1985년부터 2015년까지 태풍으로 발생한 피해형태별 사고건수와 태풍 18호 차바(CHABA)로 발생한 재해원인별 평균보험금을 가지고 침수피해액과 전파⋅반파⋅소파피해액의 구성비를 추정하였고, 이를 근거로 풍수해 원인별 가중치 산정방안을 제안하였다. 마지막 제4장에서는 태풍의 분류기준을 보다 더 합리적으로 개선하기 위한 향후 과제들을 제안하였다.
2. 풍수해 원인별 경험데이터 분석 및 태풍 분류기준 개선의 필요성
2.1 풍수해 원인별 주택 피해액
재해연보상의 분류기준(태풍, 호우, 강풍, 대설)에 따라 최근 10년간 주택의 연도별, 재해원인별 피해액은 Table 3에서 보는 바와 같이 호우와 태풍 피해액이 전체의 97.8%를 차지하고 있는 것으로 나타났다. 또한 태풍으로 인한 피해액의 편차가 크게 발생(0∼29,975백만원)하고 있는 것으로 나타났다.
Table 3
Loss Costs of Dwelling Houses During the Last 10 Years (Unit: Thousand Won)
2.2 태풍으로 인한 피해형태별 사고건수
재해연보상의 분류기준(유실⋅전파, 반파, 침수)에 따라 최근 10년간 태풍으로 인한 주택의 피해형태별 사고건수는 Table 4에서 보는 바와 같이 침수로 인한 피해가 가장 많이 발생(전체의 81.4%)하고 있는 것으로 나타났다. 그러나 가중치 산정 기준이 되는 침수피해액의 비중은 전체의 17.3%로 나타났다(Table 5 참조). 즉, 전파, 반파, 소파피해액에 비해 침수사고 건당 피해액은 상대적으로 적음을 알 수 있다. 2012년의 경우 제15호 태풍 볼라벤(BOLAVEN)과 제16호 태풍 산바(SANBA)로 인한 피해가 많이 발생한 것으로 나타났다.
Table 4
The Number of Damage Types During the Last 10 Years (Unit: The Number of Damage Types)
Table 5
The Number of Typhoons Affected the Korean Peninsula and Loss Costs for Damage Types
※ Source: National Typhoon Center (2011), (2009-2016)
2.3 태풍 분류기준 개선의 필요성
Table 3에서 보는 바와 같이 전체 피해액 중 태풍으로 인한 피해액의 비중이 37.2%로 나타났다. 또한 태풍으로 인한 전파⋅반파⋅소파피해액의 비중은 82.7%인 반면에 침수피해액의 비중은 17.3%(Table 5 참조)로 나타났다. 따라서 NEMA(2008)과 Lee(2016) 등에서와 같이 태풍 피해 전체를 수해위험으로 분류하기 보다는 위험의 속성에 따라 분류하는 것이 합리적인 보험요율 산정을 위해 필요할 것으로 판단된다. 이를 위한 방안 중의 하나가 MPSS(2017)에서 제시하고 있는 기준(즉, 태풍피해 중 침수피해는 위험의 속성상 수해위험으로 분류)에 따라 태풍을 위험의 속성에 따라 재분류4)하는 것이다. 물론 침수로 인한 유실⋅전파와
반파 피해를 예상해 볼 수 있겠으나 현실적으로 이를 분류할 수 있는 위험의 속성별 경험데이터가 집계되지 않다는 한계가 있다. 따라서 현시점에서 재분류가 가능한 침수피해만을 우선 수해위험으로 분류하고 장기적으로 침수로 인한 유실⋅전파, 반파 피해를 위험의 속성별로 재분류할 수 있도록 경험데이터의 집적시스템을 개선해 나갈 필요가 있다.
3. 풍수해 원인별 수해⋅풍해⋅설해위험 분류기준 개선방안
3.1 연도별 태풍피해 분석
3.1.1 태풍피해 경험데이터
MPSS에서 매년 발간되는 재해연보에는 주택의 피해형태를 유실⋅전파, 반파, 침수건수로 집계하고 있어 본 연구에서는 Criteria for Calculating of Natural Disaster Recovery Planning(Unit Cost)에 의해 주택 유실 · 전파인 경우 30,000(천원), 반파인 경우 15,000(천원), 주택 침수인 경우 600(천원)을 기준(Criteria of Natural Disaster Survey and Recovery Planning Guide in 2014, National Disaster Prevention and Countermeasures Headquarters, p.144)으로 1988년부터 2015년까지 28개년의 연도별 피해액을 산정하였다(Table 5 참조). 또한 기상청 예보국 국가태풍센터에서 매년 발표하는 한반도에 영향을 미친 태풍횟수를 인용하였고 1988년도와 2009년도는 한반도에 영향을 미치는 태풍이 발생하지 않아 분석에서 제외하였다.
3.1.2 한반도에 영향을 미친 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)별 피해액과의 상관분석
본 절에서는 매년 한반도에 영향을 미친 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)별 피해액과의 상관관계를 분석하였다. 이 같은 분석을 하는 이유는 한반도에 영향을 미친 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)별 피해액과의 상관관계가 낮다면 변수들(Variables) 간의 선형관계 등을 고려함이 없이 일부 태풍피해만으로 분석이 가능하다는 점을 찾기 위함이다. 먼저, 두 변수간의 귀무가설(H0)과 대립가설(H1)은 다음과 같이 설정할 수 있다.
이 같은 귀무가설과 대립가설 하에서 상관관계를 분석하면 Table 6과 같고, 상관계수 분석은 Lee and Lim(2015)을 활용하였다. Table 6에서 ｢태풍횟수｣는 ｢매년 한반도에 영향을 미치는 태풍횟수｣를 일컫는 말이다.
Table 6
Correlation Analysis Between Typhoon Frequency and Damage Types (Swept and Total Destruction, Half Destruction, Inundation)
이상의 결과를 종합하면 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)간의 Pearson 상관계수는 0.171, 0.194, 0.111로서 유의수준 0.001(0.05)에서 귀무가설이 채택(즉, 대립가설 기각)됨을 알 수 있다. 다시 말해, 태풍횟수와 피해형태(유실⋅전파, 반파, 침수)간의 상관관계가 없다고 해석할 수 있다. 결과적으로 태풍횟수와 피해형태별 피해액과는 상관관계가 존재하지 않다고 판단되므로 변수들 간의 선형관계 등을 고려하지 않아도 된다는 것을 알 수 있다. 만약에 상관관계가 존재한다면(즉, H1 채택) 선형회귀분석(Linear Regression Analysis) 등을 통해 태풍횟수와 피해형태별 피해액을 추정해서 분석해야 할 것이다.
3.2 태풍위험 분류기준 제안(안)
2.3절에서와 같이 MPSS(2017)에서 제시하고 있는 분류기준에 따라 전체 태풍피해 중 침수피해를 수해위험으로 분류하고 나머지 전파⋅반파⋅소파 피해를 풍해위험으로 분류하였다. 다만, Tables 3∼5에서는 소파에 대한 분류기준이 없으나 현재 풍수해보험에서는 소파(Quarter Destruction)의 경우 전파 피해액의 25% 수준을 보상해 주고 있기 때문에 보상규모만 다를 뿐 물리적 피해형태는 동일하므로 Tables 8~9에서는 소파를 추가하였다.
3.3 태풍 18호 차바(CHABA) 피해이력에 의한 가중치 산정(안)
3.3.1 태풍 18호 차바(CHABA) 피해이력 데이터 분석
먼저, Table 7의 분류기준 제안(안)에 따라 2016년 10월 우리나라 남부지역(제주지역 포함)을 강타한 태풍 18호 차바(CHABA)로 인해 지급된 평균보험금을 피해형태별로 집계하면 Table 8과 같다. 다만, 피해는 발생했으나 보험금이 지급되지 않은 면책사고 11건은 제외하였다.
Table 7
Proposed Classification Standard of Typhoon
| Classification | Flood Hazard | Wind Hazard | Snow Hazard | Earthquake Hazard |
|---|---|---|---|---|
| Current* | Typhoon, Flood, Heavy Rain, Storm Surge | Strong Wind, Wind Wave | Heavy Snow | Earthquake (Tsunami inclusion) |
| Propose | Typhoon(Inundation), Flood, Heavy Rain, Storm Surge | Typhoon(Total⋅Half⋅Quarter Destruction), Strong Wind, Wind Wave | Heavy Snow | Earthquake (Tsunami inclusion) |
* : NEMA (2008), p. 164.
Table 8
Claims for Damage Types in Dwelling Houses
| Classification | Inundation | Total⋅Half⋅Quarter Destruction | Total |
|---|---|---|---|
| Number of Payments | 104 | 48 | 152 |
| Claims Paid(Thousand Won) | 254,808 | 621,980 | 876,788 |
| Mean(Thousand Won) | 2,450 | 12,958 | 5,768 |
※ Source: MPSS (2017)
다음으로 31년(1985-2015) 동안 태풍으로 발생한 피해형태별 평균피해건수를 추정하면 Table 9와 같다. Table 9에서 1985-1995까지는 소파피해가 집계되었으나 1996-2015까지는 집계가 안되고 있어 1985-1995의 소파피해 건수의 비율(%)을 적용하여 1996-2015의 소파피해건수를 추정하여 포함시켰다.
Table 9
The Number of Damage Types for Last 31 Years (Unit: The Number of Damage Types)
Table 10
A Component Ratio of Damage Types
| Classification | Inundation | Total⋅Half⋅Quarter Destruction | Total |
|---|---|---|---|
| Claims Paid(Thousand Won) | 10,723,650 | 17,765,418 | 28,489,068 |
| Component Ratio(%) | 37.6 | 62.4 | 100.0 |
※ Source: MPSS (2017)
이상에서는 태풍 18호 차바(CHABA)만을 대상으로 피해형태별 평균보험금을 산정(Table 8 참조)하였으나 장기적으
로 우리나라에 영향을 준 모든 태풍 경험데이터를 Table 10과 같은 형태로 집계⋅분석한다면 좀 더 안정적이고 신뢰성 있는 피해형태별 보험금 구성비를 산정할 수 있을 것이다.
3.3.2 태풍 분류 기준 제안(안)에 의한 가중치 산정(안)
재해원인별 가중치를 산정함에 있어 ｢3.2 태풍위험 분류기준 제안(안)｣에 따라 태풍 피해액의 37.6%는 수해위험으로 분류하고 나머지 62.4%는 풍해위험으로 분류하는 것이 위험의 속성에 따른 합리적인 분류기준이라 할 수 있다. 이 같은 분류기준 제안(안)에 따라 재해연보(MPSS, 2012-2015)에서 수해 및 풍해 피해액이 발생한 전라북도5)의 남원시, 부안군, 완주군, 정읍시를 대상으로 가중치를 산정, 예시하면 Table 11과 같다. 제안(안)의 가중치를 산정함에 있어 재해연보상의 피해액과 풍수해보험의 지급건수와 지급보험금에서 수해위험의 37.6%만 수해위험으로 분류하고 나머지 62.4%는 풍해위험으로 분류하였다.
Table 11
Comparison Current Weighted Value with Proposed Weighted Value in Dwelling Houses (Unit: %)
Table 11에서 보는 바와 같이 태풍피해의 대부분이 풍해위험으로 분류됨에 따라 수해로 인한 가중치가 상대적으로 적어짐을 알 수 있다. 결과적으로 시⋅군⋅구별 재해연보상의 피해액과 풍수해보험의 지급건수 및 지급보험금의 크기
에 따라 재해원인별 가중치가 다르게 산정된다.
4. 결론 및 향후 과제
풍수해보험은 정부 또는 지자체에서 보험료의 일부를 지원해 주는 정책보험으로 수해위험은 물론 풍해위험과 설해위험을 동시에 담보해 주는 종합형 자연재해보험이다. 그러나 우리나라에서 운용되고 있는 풍수해보험은 단순히 행정단위(시⋅군⋅구)를 기준으로 동일한 보험요율(단일요율)을 산정⋅적용하고 있다는 점이다.6) 이 같은 문제점을 해결하기 위해 MPSS(2017)에서는 하나의 시⋅군⋅구를 수해위험(침수심)에 따라 4개의 위험으로 등급화하고 여기에 풍해위험도와 설해위험도를 나타내는 가중치(Weighted Value)를 반영하여 보험요율을 차등화하는 방안을 제안하고 있다. 그러나 Table 1에서 보는 바와 같이 태풍 전체를 수해위험으로 분류함으로써 위험의 속성을 제대로 반영치 못하고 있다는 문제점이 있다. 따라서 본 연구에서는 태풍으로 인한 피해 중 침수피해는 수해위험으로 분류하고 나머지 전파, 반파, 소파피해는 풍해위험으로 분류하는 방안을 제안하였고, 실증적 사례분석을 통해 새로운 가중치 산정방법의 적용가능성을 확인하였다.
본 연구에서 제안하고 있는 가중치 산정을 위한 개선방안이 풍수해보험요율 산정방법으로 자리를 잡기 위해서는 다음과 같은 과제들의 선행이 필요하다.
첫째, 위험속성별 다양한 경험데이터의 집적이다. 현재는 보험가입목적물별 보험가입금액과 보험료, 지급보험금과 손해액 등 평면적인 경험데이터가 집적되고 있지만 장기적으로 태풍 종류별, 진로별, 피해형태별 평균보험금(예, Table 8)과 위험등급(침수심)별, 보험가입목적물별 사고건수와 피해액 등 입체적인 경험데이터가 집적되어야만 다양한 분석이 가능하다.
둘째, 경험데이터의 정확성 및 신뢰성의 확보이다. 현재 풍수해보험의 보험료 규모는 일반 손해보험의 보험료 규모에 비해 적어 효율적인 경험데이터 집적 및 관리가 부족한 것으로 판단된다. 예를 들면, 하나의 보험가입목적물을 기준으로 보험가입시의 지번과 보험금 지급시의 지번이 대부분 일치하지 않는 다는 점은 하나의 예가 된다. 따라서 충분한 경험데이터의 집적도 필요하지만 신뢰성 있는 경험데이터의 집적 또한 중요하다는 사실은 당연하다.
셋째, 시⋅군⋅구 단위가 아닌 위험등급별 가중치 산정이 필요하다. 현재는 시⋅군⋅구 단위7)로 가중치를 산정⋅적용하고 있으나 경험데이터 집적시스템의 개선을 통해 최소 보험요율 산정단위인 위험등급별로 가중치를 산정해야 할 것이다.
넷째, 가중치 산정 등 자연재해 관련 연구에 필요한 속성별 경험데이터의 접근이 용이해야만 할 것이다. 현재는 재해연보 등을 통해 제한적인 경험데이터만 이용할 수 있으나 일반연구자들이 좀 더 쉽게 다양한 경험데이터를 활용할 수 있는 제도적 뒷받침이 필요하다. 예를 들면, 의료관련 경험데이터의 경우 한국보건의료원의 정부3.0(공공데이터 개방)을 통해 쉽게 이용할 수 있다는 점이다.
이상과 같은 과제들이 선행될 때 풍수해 원인별 수해⋅풍해⋅설해위험 분류기준에 따라 합리적인 가중치 산정은 물론 합리적인 보험요율 산정도 가능해 질 수 있을 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
