블랙 스완 (Black Swan)

처음 실린 날 2026-05-31 · 마지막으로 고친 날 2026-09-27

다른 이름: 검은 백조 · Black Swan

한 줄 정의

과거 데이터로는 예측할 수 없고(outlier), 충격이 극단적으로 크며, 사후에야 "예견 가능했다"고 서사화되는 사건. Taleb이 정의한 세 속성의 묶음이다 [Taleb 2007].

일상 한 줄

"한 번도 그런 적 없으니 괜찮다"는 안심이 가장 위험하다. 정규분포 평균만 보면 멀쩡한 시스템이, 드물지만 거대한 한 방으로 무너진다 [Taleb 2007]. 과거의 평온함은 미래의 안전을 보장하지 않는다.

이 카드의 학술 주장은 1차 출처(Taleb의 대중·학술 저작, Mandelbrot의 두꺼운 꼬리 연구)에서 확인한 것만 담습니다. verbatim 대조분과 일반화된 비판을 구분해 표기합니다.

흔한 장면

금융 리스크 모델: VaR(Value at Risk)이 "99% 정상 범위"를 보여줘 안심하지만, 2008년처럼 모델 밖 1%가 시스템을 붕괴시킨다. 두꺼운 꼬리(fat tail)에서 평균·표준편차는 위험을 과소평가한다 [Mandelbrot & Taleb 2010].
칠면조의 1000일: 매일 사료를 받아먹은 칠면조는 1000일치 데이터로 "농부는 나를 사랑한다"고 귀납한다. 추수감사절 전날, 그 데이터가 가장 두꺼울 때 도살된다 — 귀납의 함정 [Taleb 2007]. 귀납의 문제는 흄(Hume)이 제기했고, 매일 모이를 받다 목이 비틀리는 닭의 비유는 러셀(Russell 1912)의 것이다. Taleb은 이 닭을 칠면조로 바꿔 썼다.
"100년에 한 번" 홍수·정전: 과거 빈도로 설계한 제방·전력망이, 한 번도 관측 안 된 규모의 사건에 무너진다. 표본에 없던 일이 일어나지 않는다는 보장은 없다.
스타트업·콘텐츠의 비대칭: 대부분 실패하지만 극소수가 수익 전체를 만든다. 양(+)의 블랙 스완(대박)도 같은 두꺼운 꼬리 구조라, 결과를 좌우하는 것은 드문 꼬리 쪽 사건이다.
정치·사회 격변: 안정돼 보이던 체제가 갑자기 무너진다. 변동성을 인위적으로 억누른 시스템일수록 더 취약해져 블랙 스완에 노출된다 [Taleb & Blyth 2011].
사후 서사화: 사건 직후 전문가들이 "사실 신호가 있었다"고 설명한다. 결과를 알고 나면 그 신호가 사전에 보였던 것보다 훨씬 뚜렷해 보인다 — 회고적 예측 가능성 [Taleb 2007], 사후확신 편향(hindsight bias) [Fischhoff 1975].

왜 빠지나 (메커니즘)

정규분포 오용 (Gaussian in Extremistan) [Mandelbrot & Taleb 2010] — 키·몸무게처럼 한 표본이 평균을 못 흔드는 "Mediocristan"에서는 종형 곡선이 맞다. 그러나 부·주가 변동·전쟁 사망자처럼 한 사건이 전체를 지배하는 "Extremistan"에서 종형 곡선을 쓰면 극단값(꼬리)을 체계적으로 과소평가한다. 무작위성을 순한(mild)·거친(wild) 상태로 나눈 것은 Mandelbrot(1997)이고, Taleb은 이를 Mediocristan·Extremistan이라는 두 나라 비유로 풀었다 [Taleb 2007; Mandelbrot & Taleb 2010].
귀납의 문제 (칠면조 문제) [Taleb 2007] — 과거 관측의 안정성이 길수록 미래에 대한 확신이 커지지만, 그 확신 자체가 충격의 크기를 키운다. "한 번도 안 일어났다"가 곧 "일어나지 않는다"의 증거로 오용된다. 사람 쪽 실험 근거도 있다. 확률을 글로 읽고 고를 때와 달리 직접 겪어 보며 고를 때는 드문 사건을 실제보다 가볍게 다루는 것처럼 선택했다 [Hertwig et al. 2004]. 6,000명 넘는 참가자의 7만 건 넘는 선택을 묶은 메타분석에서 가장 큰 원인은 표본을 조금만 보고 멈추는 것이었다. 드문 결과를 한 번도 겪지 못한 채 판단하게 된다 [Wulff et al. 2018].
회고적 예측 가능성 (서사 오류, narrative fallacy) [Taleb 2007] — 사후에 인과 서사를 붙이면 사건이 예측 가능했던 것처럼 보인다. Taleb의 세 번째 속성: "사후에 설명을 지어내 설명 가능하고 예측 가능했던 것으로 만든다." 실험 근거는 사후확신 편향이다. 결과를 알려 준 집단은 모르는 집단보다 그 결과가 일어날 확률을 높게 매겼다 [Fischhoff 1975]. 95개 연구 메타분석의 평균 효과는 d = 0.39였다 [Guilbault et al. 2004].
침묵의 증거 (silent evidence) [Taleb 2007] — 살아남은 사례만 데이터로 남고, 사라진 사례(생존 편향)는 표본에서 빠진다. 그래서 위험이 실제보다 작아 보인다. (Taleb의 개념 설명이며, 블랙 스완 맥락에서 이를 직접 잰 실험은 이번 확인에서 찾지 못했다. 표본 평균이 꼬리 위험을 과소평가하는 통계적 근거는 Cirillo & Taleb 2016 참고.)

빠져나오는 법

1. 빈도보다 충격×취약성으로 사고한다. "얼마나 자주 일어나나"보다 "일어나면 회복할 수 있나"를 먼저 묻는다. 블랙 스완은 맞히려 하기보다 대비(강건성, robustness) 해 두는 대상이다 [Taleb 2007]. "지금까지 없었다"는 경험만으로 판단하지 말고, 겪지 못한 드문 결과를 목록으로 따로 적는다. — 근거 수준: 규범적 권고 [Taleb 2007]. 겪어서 배운 판단이 드문 사건을 가볍게 본다는 점은 실험·메타분석 [Hertwig et al. 2004; Wulff et al. 2018] 2. 정규분포 가정에 의존하는 지표를 의심한다. 평균·표준편차·VaR이 안심을 줄 때, 그 모델이 꼬리를 어떻게 처리하는지 확인한다 [Mandelbrot & Taleb 2010]. — 근거: 통계 실측 [Gopikrishnan et al. 1998; Cirillo & Taleb 2016]. 먼저 분포가 정말 두꺼운 꼬리인지 검정한다 [Clauset et al. 2009] 3. 작은 변동은 억누르지 않고 드러나게 둔다. 작은 변동을 인위적으로 막으면 시스템이 취약해져 거대 충격에 노출된다 [Taleb & Blyth 2011]. 작은 실패를 자주 허용하는 설계가 큰 붕괴를 막는다. — 근거 수준: 규범적 권고·사례 논증 [Taleb & Blyth 2011], 비교 연구 없음 4. 비대칭 포지션을 만든다. 손실은 작게 한정하고 이득은 열어두는 구조(보험·현금·옵션성)로, 어떤 꼬리가 와도 무너지지 않게 한다. — 근거 수준: 규범적 권고 [Taleb 2007], 개입 연구 없음

주의: 블랙 스완은 예측 불가능성을 전제로 대비·복원력을 설계하는 관점이다. 예측 정확도를 높여 주지는 않는다. 근거의 성격: 위 네 단계는 Taleb·Mandelbrot의 규범적 권고다. 이 처방을 따른 사람·조직이 실제로 손실을 덜 봤는지 비교한 개입 연구는 이번 확인에서 찾지 못했다. 2번의 "정규분포 지표가 꼬리를 과소평가한다"는 통계 근거가 있다(주가 꼬리 지수 α ≈ 3, Gopikrishnan et al. 1998 / 전쟁 사망자 그림자 평균이 표본 평균의 1.5배 이상, Cirillo & Taleb 2016).

함께 쓰기 좋은 도구

antifragility — 블랙 스완이 현상 인식이라면, 안티프래질은 충격에서 오히려 강해지는 대응 전략. 둘은 한 쌍이다(아래 차별화 참고).
base-rate-neglect — 기저율 무시는 흔한 사건의 빈도를 오판하는 것이고, 블랙 스완은 표본에 없던 사건을 무시하는 것. 분포의 양 끝에서 만난다.
deep-uncertainty-rdm — 확률을 못 매기는 깊은 불확실성에서 강건한 의사결정(RDM)으로 대비.
regression-to-mean — 극단값 다음의 평균 회귀와, 극단값 자체가 분포를 지배하는 두꺼운 꼬리를 구분해야 한다.

통념이 무너지는 순간

"지금까지 한 번도 그런 적 없으니 안전하다"

⚠ 흔한 말: "20년 데이터에 그런 폭락은 없었다 — 그러니 일어날 리 없다." ✓ 학술: Taleb의 칠면조 문제 [Taleb 2007]. 안정적 관측이 길수록 충격은 커진다. 과거에 없던 사건이 일어나지 않는다는 보장은 없으며, 오히려 데이터가 가장 두꺼울 때 도살이 온다. 귀납으로 "일어나지 않음"을 증명할 수 없다. 경험으로 배운 선택에서는 드문 사건을 가볍게 다루는 경향이 실험과 메타분석으로 확인됐다. 조금만 보고 멈추면 드문 결과를 아예 못 보고 지나치기 때문이다 [Hertwig et al. 2004; Wulff et al. 2018].

"위험은 표준편차·VaR로 정확히 계산된다"

⚠ 흔한 말: "리스크 모델이 99% 신뢰구간을 보장한다." ✓ 학술: Mandelbrot & Taleb (2010), "Mild vs. Wild Randomness" — 부·주가처럼 한 사건이 전체를 지배하는 분포(두꺼운 꼬리, 멱법칙)에서는 종형 곡선의 평균·표준편차가 극단값을 체계적으로 과소평가한다 [Mandelbrot & Taleb 2010]. 정규분포는 "Mediocristan"에서만 안전하다.

"전문가들이 예견했어야 했다 / 사실 신호가 있었다"

⚠ 흔한 말: 사건 직후 "징후가 분명했는데 놓쳤다"는 사후 평가. ✓ 학술: Taleb의 세 번째 속성 — 회고적(사전이 아닌 사후) 예측 가능성 [Taleb 2007]. 원문은 "사후에 설명을 지어내 설명 가능하고 예측 가능했던 것으로 만든다"이다(아래 원문 인용). 사후에는 신호가 실제보다 뚜렷해 보인다. 결과를 알려 준 사람들은 그 결과를 "처음부터 그럴 줄 알았다"고 더 높게 평가했다(사후확신 편향, Fischhoff 1975). 사전에 경고하거나 반대로 베팅한 소수가 있었더라도, 그 경고가 수많은 틀린 경고 가운데 어느 것이었는지는 사후에야 가려진다.

"안정시키려면 변동성을 줄여야 한다"

⚠ 흔한 말: "흔들림을 막는 개입이 시스템을 안전하게 만든다." ✓ 학술: Taleb & Blyth (2011), Foreign Affairs — "인위적으로 변동성을 억누른 복잡계는 가시적 위험이 없어 보이지만 극도로 취약해진다" (verbatim). 작은 변동을 막으면 블랙 스완에 더 노출된다 [Taleb & Blyth 2011].

1차 출처

Taleb, N. N. (2007). The Black Swan: The Impact of the Highly Improbable. Random House / Penguin. (2010년 2판에 "On Robustness and Fragility" 추가)
Mandelbrot, B., & Taleb, N. N. (2010). "Mild vs. Wild Randomness: Focusing on Those Risks That Matter." In F. X. Diebold, N. A. Doherty, & R. J. Herring (Eds.), The Known, the Unknown, and the Unknowable in Financial Institutions (pp. 47–58). Princeton University Press. (웹 검증 2026-05-31: 책·장·페이지 일치)
Taleb, N. N., & Blyth, M. (2011). "The Black Swan of Cairo: How Suppressing Volatility Makes the World Less Predictable and More Dangerous." Foreign Affairs, 90(3), 33–39. JSTOR [23039405]. (저자 OA PDF: fooledbyrandomness.com, 웹 검증 2026-05-31)

Russell, B. (1912). The Problems of Philosophy, 6장 "On Induction". Home University Library. — 매일 모이를 주던 사람에게 결국 목이 비틀리는 닭의 비유. 칠면조 문제의 원형(귀납의 문제는 흄이 먼저 제기).

Taleb의 대중서 The Black Swan이 개념을 정립했고, 두꺼운 꼬리·멱법칙의 수학적 기반은 Mandelbrot과의 공저(2010)에, 복잡계 응용은 Blyth와의 공저(2011)에 있다.

원문 핵심 인용

세 속성 (Taleb 2007, 프롤로그 — MacTutor 호스팅 사본 mathshistory.st-andrews.ac.uk 에서 verbatim 재검증, 2026-09-27):

"First, it is an outlier, as it lies outside the realm of regular expectations, because nothing in the past can convincingly point to its possibility." "Second, it carries an extreme impact." "Third, in spite of its outlier status, human nature makes us concoct explanations for its occurrence after the fact, making it explainable and predictable." 요약: "rarity, extreme impact, and retrospective (though not prospective) predictability." — Taleb (2007), Prologue

복잡계와 변동성 억제 (Taleb & Blyth 2011 — 저자 공개 PDF fooledbyrandomness.com/ForeignAffairs.pdf 에서 verbatim 재검증, 2026-09-27):

"Complex systems that have artificially suppressed volatility tend to become extremely fragile, while at the same time exhibiting no visible risks." — Taleb & Blyth (2011), Foreign Affairs

주: Mandelbrot & Taleb (2010)의 "mild vs. wild randomness" 본문 verbatim은 미대조(서지·장·페이지만 검증). 개념 인용은 학술 요약 기준. 이 때문에 confidence를 B로 둔다.

핵심 정의·메커니즘

원전 정의

블랙 스완은 ① 과거 어떤 것도 그 가능성을 설득력 있게 가리키지 못하는 이상치 ② 극단적 충격 ③ 사후에만 설명·예측 가능해 보이는 사건, 세 속성의 묶음이다 [Taleb 2007, 프롤로그]. 관찰자의 지식에 상대적인 개념이라 같은 사건도 누구에게는 블랙 스완이고 누구에게는 아니다 [Taleb 2007; Aven 2013].

| 개념 | 내용 | |---|---| | 블랙 스완 3속성 | ① 예측 불가(outlier) ② 극단적 충격 ③ 사후 예측 가능성(서사화) [Taleb 2007] | | Mediocristan | 한 표본이 평균을 못 흔드는 영역(키·몸무게). 정규분포가 통한다 [Mandelbrot & Taleb 2010] | | Extremistan | 한 사건이 전체를 지배하는 영역(부·주가·전쟁 사망자). 두꺼운 꼬리·멱법칙 | | 칠면조 문제 | 귀납의 함정. 과거 안정성이 미래 안전을 보장하지 못함 [Taleb 2007] | | wild randomness | 극단값이 사건을 지배하는 무작위성. mild(종형)와 대비. 분류는 Mandelbrot (1997) |

작동 기제

통계 쪽과 사람 쪽 두 갈래가 겹쳐 블랙 스완이 생긴다.

1. 분포가 두꺼운 꼬리를 가진다: 꼬리 확률이 P(X x) ~ x^(-α) 꼴로 천천히 줄어드는 멱법칙 분포에서는 α ≤ 2 이면 분산이, α ≤ 1 이면 평균까지 무한대가 된다 [Mandelbrot 1963; Taleb 2020]. 이때 표본 평균·표본 분산은 표본이 늘어도 안정되지 않고, 가장 큰 관측값 하나가 합계의 상당 부분을 차지한다. 2. 실측 꼬리 지수는 영역마다 다르다: - 주가: 미국 3대 시장 1,000개 대형주의 5분 단위 수익률 약 4,000만 개(1994~1995)에서 누적분포 꼬리 지수가 α ≈ 3(양의 꼬리 3.1, 음의 꼬리 2.84)이었다 [Gopikrishnan et al. 1998]. 분산은 유한하지만 4차 이상 적률은 발산한다. Mandelbrot (1963)이 제안한 안정 파레토(α < 2)보다는 얇은 꼬리다. - 전쟁 사망자: 서기 1~2015년 3,000명 넘게 죽은 무력 충돌 565건에 극값 이론을 적용하자 꼬리 모수 ξ가 약 1.5(ξ 1이면 평균이 무한대)였다 [Cirillo & Taleb 2016]. 1823~2003년 국가 간 전쟁 95건에서는 확률밀도 멱지수 α̂ = 1.53 ± 0.07(사망 7,061명 이상)이었다 [Clauset 2018]. 두 연구의 지수는 정의가 다르다. Cirillo & Taleb의 ξ≈1.5를 위 1번의 누적분포 꼬리 지수로 바꾸면 α = 1/ξ ≈ 0.67이다. Clauset의 1.53은 확률밀도 지수라 누적분포 지수로는 1을 뺀 약 0.53이다. 둘 다 누적분포 기준 1보다 작아 평균이 발산하는 영역에 든다. 3. 표본 평균이 꼬리 위험을 가린다: Cirillo & Taleb (2016)은 세계 인구라는 상한을 반영한 "그림자 평균"이 표본 평균보다 적어도 1.5배, 낮은 문턱에서는 거의 3배 컸다고 보고했다. 과거 자료의 평균으로 위험을 재면 꼬리를 과소평가한다. 정규분포 기반 VaR(최대 예상 손실)가 꼬리 위험을 과소평가하는 이유도 같다. 4. 사람은 사후에 서사를 붙인다: 결과를 알려 준 집단은 모르는 집단보다 그 결과가 일어날 확률을 높게 매겼다 [Fischhoff 1975]. 95개 연구 메타분석의 평균 효과는 d = 0.39였다 [Guilbault et al. 2004]. 사후에 사건이 "예측 가능했던 것"으로 보이는 세 번째 속성의 실험 근거다.

언제 강해지고 언제 약해지나

분포 판별이 먼저다: 멱법칙이라고 주장된 실제 데이터 24종을 최대우도·적합도 검정으로 다시 보니 일부는 멱법칙과 맞았지만 일부는 기각됐다 [Clauset et al. 2009]. 로그정규처럼 꼬리가 덜 두꺼운 분포와 구분되지 않는 경우도 많다. Extremistan이 아닌 영역에서는 블랙 스완 논리가 약해진다.
꼬리 지수의 크기: 같은 두꺼운 꼬리라도 α ≈ 3인 주가 [Gopikrishnan et al. 1998]와 평균이 발산하는 전쟁 사망자 [Cirillo & Taleb 2016]는 과소평가의 정도가 다르다.
드래곤 킹(dragon-king): 멱법칙 꼬리마저 벗어난 극단 사건 가운데 일부는 고유한 증폭 기제(양의 되먹임, 거품)가 있어 사전 징후를 잡을 수 있다는 반론 [Sornette & Ouillon 2012]. 저자들도 자료가 드물어 어려운 분야라고 적었다.
겪어서 배웠나, 읽어서 배웠나: 확률이 적힌 설명을 읽고 고르면 드문 사건을 무겁게, 직접 뽑아 보며 고르면 가볍게 다루는 것처럼 선택했다. 이 격차는 문제 구조(위험한 선택지와 안전한 선택지의 짝 등)에 따라 달라졌고, 표본을 많이 보게 해 표집 오차를 거의 없애도 남았다 [Wulff et al. 2018]. "20년 데이터에 없었다"는 판단은 겪어서 배운 쪽에 속한다.
사후확신 편향의 크기: 객관 확률 추정으로 잰 효과가 주관 추정보다 컸고, 연감 문제(상식 퀴즈)가 실제 사건보다 효과가 컸다. 편향을 줄이려는 조작은 효과를 낮추지 못했다 [Guilbault et al. 2004].
회색 코뿔소(grey rhino): 발생 가능성이 크고 눈에 보이는데도 무시된 위험은 블랙 스완과 구분한다 [Wucker 2016, 대중서].

어떻게 재나

꼬리 지수 추정: 힐 추정량(Hill estimator)이나 최대우도로 α를 추정하고, 콜모고로프-스미르노프(KS) 적합도 검정·우도비 검정으로 다른 분포와 비교한다 [Clauset et al. 2009]. 최소제곱으로 로그-로그 그래프에 직선을 맞추는 흔한 방법은 추정이 크게 틀릴 수 있다.
극값 이론(extreme value theory, EVT): 일정 문턱을 넘는 값만 모아 일반화 파레토 분포에 맞춰 꼬리 모수 ξ를 추정한다. 상한이 있는 자료는 로그 변환한 "쌍대 분포"로 바꿔 적용한다 [Cirillo & Taleb 2016].
정상성 모형 비교: 과거 자료로 추세가 없는 모형을 만들고, 관측된 패턴(예: 1945년 이후 큰 전쟁이 적음)이 그 모형에서 얼마나 흔한지 시뮬레이션으로 따진다 [Clauset 2018].
사후확신 편향 실험: 결과를 알려 준 집단과 알려 주지 않은 집단에게 각 결과의 사전 확률을 매기게 해 비교한다 [Fischhoff 1975].

헷갈리는 개념과의 차이

회색 코뿔소: 보였는데 무시한 위험. 블랙 스완은 사전에 설득력 있는 신호가 없던 사건이다 [Wucker 2016; Aven 2013].
드래곤 킹: 멱법칙에서도 벗어난 극단 사건으로, 별도 기제가 있어 예측 여지가 있다고 보는 개념 [Sornette & Ouillon 2012]. 블랙 스완은 예측 불가를 전제로 한다.
사후확신 편향: 결과를 안 뒤 "그럴 줄 알았다"고 느끼는 인지 편향으로, 블랙 스완의 세 번째 속성을 만드는 기제 중 하나다 [Fischhoff 1975]. 블랙 스완은 사건과 분포에 관한 개념이다.

주요 후속 연구·메타분석

### Gopikrishnan, Meyer, Amaral & Stanley (1998) — 주가 변동의 역세제곱 법칙 The European Physical Journal B, 3, 139-140. DOI: 10.1007/s100510050292 (arXiv 전문)

설계: 1994~1995년 뉴욕·아메리칸·나스닥 3개 시장의 모든 거래 기록에서 시가총액 상위 1,000개 기업의 5분 단위 수익률을 뽑았다(약 4,000만 개). 표준화한 수익률의 누적분포 꼬리에 멱법칙을 맞췄고, 1984~1996년 S&P500 지수와 다른 시간 간격(최대 120분)으로 확인했다.
결과: 누적분포 꼬리 지수 α = 3.1 ± 0.03(양의 꼬리), 2.84 ± 0.12(음의 꼬리), 표준편차 2~100배 구간에서. 다른 추정법으로는 2.84 ± 0.12, 2.73 ± 0.13. 모든 확인이 α = 3과 맞았다.
의미와 한계: 주가 수익률은 두꺼운 꼬리지만 레비 영역(0 < α < 2)을 벗어나 분산은 유한하다. Mandelbrot (1963)의 안정 파레토 가설보다 얇은 꼬리이고, 정규분포보다는 훨씬 두껍다. 2년 치 미국 대형주 자료에 한정된 2쪽짜리 단신이다.

### Cirillo & Taleb (2016) — 2000년 전쟁 사망자의 꼬리 위험 Physica A, 452, 29-45. DOI: 10.1016/j.physa.2016.01.050 (arXiv 전문)

설계: 서기 1~2015년 사망자 3,000명 넘는 무력 충돌 565건. 사망자 수는 세계 인구를 넘을 수 없으므로 로그 변환한 쌍대 분포에 극값 이론을 적용했다. 역사 기록의 오류·누락에 대한 강건성과 극단 사건 사이 간격을 분석했다.
결과: 꼬리 모수 ξ가 원자료·보정 자료·쌍대 자료 모두에서 1보다 유의하게 크고 약 1.5였다(평균이 무한대로 보이는 영역). 상한을 반영한 그림자 평균은 표본 평균보다 적어도 1.5배 컸고, 낮은 문턱에서는 거의 3배였다. 극단 사건 사이 간격에서 뚜렷한 추세를 찾지 못했다.
의미와 한계: 표본 평균에 기대면 전쟁 꼬리 위험을 크게 과소평가한다. 저자들은 결과가 "장기 평화" 주장과 맞지 않는다고 적었다. 고대 자료는 불완전하고, 사상자 추정이 여러 개인 사건이 많다. Taleb이 공저자여서 블랙 스완 이론의 독립 검증은 아니다.

### Clauset (2018) — 국가 간 전쟁 규모의 추세와 변동 Science Advances, 4(2), eaao3580. DOI: 10.1126/sciadv.aao3580 (PMC 전문)

설계: 전쟁 상관관계(Correlates of War) 자료의 1823~2003년 국가 간 전쟁 95건. 전쟁 규모에 멱법칙을 맞추고, 추세 없는 정상성 모형 세 가지로 전쟁 발생 시점과 규모를 시뮬레이션해 1945년 이후의 "장기 평화"가 통계적으로 드문 패턴인지 검사했다.
결과: 가장 큰 전쟁들의 밀도 멱지수 α̂ = 1.53 ± 0.07(사망 7,061명 이상, 부트스트랩 95% 구간 1.37~1.76), 멱법칙 적합 p = 0.78. 장기 평화와 그 앞의 대량 폭력기 모두 정상성 모형에서 드물지 않은 패턴이었다. 장기 평화가 통계적으로 유의한 추세가 되려면 앞으로 100~140년 더 이어져야 한다(모형 1·2).
의미와 한계: 저자는 이 결과가 장기 평화의 중요성이나 그것을 설명하는 기제를 깎지 않는다고 적었다. 추세가 없다는 증명도 아니고, 있다고 판정할 자료가 아직 부족하다는 결론이다. 극단값 영역에서는 짧은 기록으로 추세를 판정하기 어렵다는 점을 보인다.

### Clauset, Shalizi & Newman (2009) — 실측 데이터의 멱법칙 판별 SIAM Review, 51(4), 661-703. DOI: 10.1137/070710111 (arXiv 전문)

설계: 최대우도 적합과 KS 통계량·우도비 기반 적합도 검정을 묶은 판별 절차를 제안하고, 합성 데이터로 성능을 시험한 뒤 멱법칙이라고 주장된 여러 분야의 실제 데이터 24종에 적용했다.
결과: 흔히 쓰는 최소제곱 적합은 모수를 크게 틀리게 추정할 수 있고, 멱법칙 여부 자체를 알려 주지 않는다. 24종 중 일부는 멱법칙과 맞았고 일부는 기각됐다.
의미와 한계: "두꺼운 꼬리"를 주장하려면 검정이 먼저라는 표준 방법을 세웠다. 멱법칙과 로그정규를 가르기 어려운 경우가 남는다.

### Hertwig, Barron, Weber & Erev (2004) — 겪어서 고를 때 드문 사건을 가볍게 다룬다 Psychological Science, 15(8), 534-539. DOI: 10.1111/j.0956-7976.2004.00715.x

설계: 같은 위험 선택 문제를 두 방식으로 줬다. 한 집단은 결과와 확률이 적힌 설명을 읽고 골랐고(설명 기반 결정), 다른 집단은 선택지를 직접 여러 번 뽑아 보며 결과를 겪은 뒤 골랐다(경험 기반 결정).
결과: 설명을 읽은 사람은 전망 이론이 말하듯 드문 사건의 확률을 과대 반영하는 것처럼 골랐고, 겪어 본 사람은 반대로 과소 반영하는 것처럼 골랐다. 저자들은 원인으로 적은 표본에 기대는 것과 최근에 본 결과를 더 무겁게 보는 것 두 가지를 살폈다. (초록 기준, 수치 미기재)
의미와 한계: 칠면조 문제의 사람 쪽 기제다. 오래 아무 일 없던 경험이 드문 충격을 가볍게 보게 만든다. 저자들은 두 결정 방식에 서로 다른 이론이 필요하다고 결론 내렸다. 실험실 선택 과제다.

### Wulff, Mergenthaler-Canseco & Hertwig (2018) — 설명-경험 격차 메타분석 Psychological Bulletin, 144(2), 140-176. DOI: 10.1037/bul0000115

설계: 경험 기반 결정의 표집 패러다임(참가자가 스스로 멈출 때까지 선택지를 뽑아 본 뒤 고르는 방식)을 쓴 연구를 모아, 6,000명 넘는 참가자의 7만 건 넘는 선택을 메타분석했다.
결과: 설명-경험 격차는 강건했고, 문제 구조가 핵심 조절 변수였다. 격차의 가장 큰 원인은 적은 표본과 그에 따른 표집 오차였다. 스스로 멈출 수 있으면 너무 적게 탐색해 가능한 결과를 다 겪지 못했다. 표집 오차를 거의 없애도 격차는 남았다. 최근 결과를 무겁게 보는 효과는 참가자가 탐색을 스스로 멈출 수 있을 때만 나타났다. (초록 기준, 효과크기 수치 미기재)
의미와 한계: "본 적 없으니 안전"이라는 판단의 상당 부분이 적게 본 탓임을 대규모 자료로 보였다. 다만 표집 오차만으로 격차가 다 설명되지는 않았다. 실험실 도박 과제의 결과이고, 금융·재난 같은 현실 꼬리 위험 판단에 그대로 옮긴 연구는 아니다.

### Guilbault, Bryant, Brockway & Posavac (2004) — 사후확신 편향 메타분석 Basic and Applied Social Psychology, 26(2-3), 103-117. DOI: 10.1080/01973533.2004.9646399

설계: 연구 95편(출판 83, 미출판 12), 독립 효과크기 252개를 연구·측정·조작 특성으로 코딩해 메타분석했다.
결과: 평균 효과 d = .39(95% 신뢰구간 .36~.42). 객관 확률 추정이 주관 추정보다, 연감 문제가 실제 사건·사례보다, 중립 결과가 긍정·부정 결과보다 효과가 컸다. 편향을 키우는 조작은 효과를 키웠고, 줄이려는 조작은 효과를 낮추지 못했다.
의미와 한계: 블랙 스완의 "사후 예측 가능성"을 받치는 인지 편향이 작지 않고 교정이 어렵다는 근거다. 실제 사건을 쓴 연구에서는 효과가 더 작았다.

그 밖의 문헌:

Mandelbrot, B. (1963). The variation of certain speculative prices. The Journal of Business, 36(4), 394-419. DOI 10.1086/294632 — 면화 가격 변동이 정규분포보다 두꺼운 꼬리(안정 파레토 분포)를 보인다는 원조 논문.
Mandelbrot, B. (1997). Fractals and Scaling in Finance. Springer. — 무작위성의 순한(mild)·느린(slow)·거친(wild) 상태 분류.
Fischhoff, B. (1975). Hindsight ≠ foresight. Journal of Experimental Psychology: Human Perception and Performance, 1(3), 288-299. DOI 10.1037/0096-1523.1.3.288 — 결과를 알려 주면 그 결과의 확률을 더 높게 추정했다(사후확신 편향).
Sornette, D., & Ouillon, G. (2012). Dragon-kings: Mechanisms, statistical methods and empirical evidence. The European Physical Journal Special Topics, 205(1), 1-26. DOI 10.1140/epjst/e2012-01559-5 — 드래곤 킹 특집의 서론. 기제·판별 검정·여러 계에서의 실증을 정리했고, 자료가 드물어 어려운 분야라고 적었다.
Aven, T. (2013). On the meaning of a black swan in a risk context. Safety Science, 57, 44-51. DOI 10.1016/j.ssci.2013.01.016 — 블랙 스완을 관찰자 지식 대비 놀라운 사건으로 재정의하고 세 유형으로 나눔.
Taleb, N. N. (2012). Antifragile. Random House. — 충격에서 강해지는 설계로의 확장.
Taleb, N. N. (2020). Statistical Consequences of Fat Tails. STEM Academic Press. — 두꺼운 꼬리에서 평균·분산 추정의 실패를 수학적으로 정리.
Wucker, M. (2016). The Gray Rhino. St. Martin's Press. — 보이는데 무시한 위험(대중서).

주의: 블랙 스완 개념 자체는 실험으로 재현할 수 있는 효과가 아니다. 효과크기로 잴 수 있는 것은 관련 인지 기제(사후확신 편향 d = 0.39, 경험 기반 결정의 드문 사건 과소 반영)이고, 나머지 검증은 분포 통계(꼬리 지수 추정·적합도 검정)와 사후 사례 분석으로 한다.

비판·한계

재현성

사후확신 편향: 95편·252개 효과크기 메타분석에서 d = .39로 안정적이었다 [Guilbault et al. 2004].
두꺼운 꼬리: 주가 수익률의 α ≈ 3은 시간 간격·지수·변동성 정의를 바꿔도 유지됐다 [Gopikrishnan et al. 1998]. 전쟁 사망자의 평균 발산 꼬리는 다른 자료와 방법을 쓴 두 연구에서 비슷하게 나왔다 [Cirillo & Taleb 2016; Clauset 2018]. 반면 멱법칙이라고 주장된 데이터 가운데 검정에서 기각되는 것도 많았다 [Clauset et al. 2009].
블랙 스완 개념 자체는 재현 대상이 아니다. 정의상 드문 사건이라 사례 수가 적다.

대표 반론

정의가 모호하다 (Aven 2013): 위험 분석 쪽에서는 블랙 스완을 "관찰자의 지식·믿음에 비해 놀라운 극단 사건"으로 다시 정의하고, 아무도 몰랐던 사건·누군가는 알았지만 분석자가 몰랐던 사건·알려졌지만 확률이 무시할 만하다고 판단된 사건으로 갈라야 한다고 제안했다. "예측 불가능했다"는 판정 자체가 사후적이라 사전에 가를 기준이 모호하다는 지적이다. Taleb 쪽은 블랙 스완이 원래 관찰자 상대적 개념이라고 답한다 [Taleb 2007].
일부 극단 사건은 예측 여지가 있다 (Sornette & Ouillon 2012): 거품·연쇄 붕괴처럼 증폭 기제가 있는 사건은 사전 징후를 통계로 잡을 수 있다고 본다. 저자들도 자료가 드물어 어려운 분야라고 인정했다.
꼬리가 얼마나 두꺼운가: Mandelbrot (1963)은 가격 변동을 분산이 무한한 안정 파레토 분포로 봤지만, 대규모 주가 자료에서는 α ≈ 3으로 분산이 유한했다 [Gopikrishnan et al. 1998]. "모든 금융 위험은 분산이 무한"이라는 식의 일반화는 자료와 맞지 않는다.
전쟁 추세 논쟁: 1945년 이후 큰 전쟁이 줄었다는 "장기 평화"를 추세로 볼 수 있는가. Cirillo & Taleb (2016)은 극단 사건 간격에 추세가 없고 결과가 장기 평화 주장과 맞지 않는다고 봤다. Clauset (2018)도 현재 패턴이 추세 없는 모형에서 드물지 않다고 봤지만, 장기 평화의 중요성과 그 기제를 부정하지 않으며 추세를 판정하려면 100~140년이 더 필요하다고 정리했다. 두꺼운 꼬리 영역에서는 짧은 기록으로 "줄었다"도 "안 줄었다"도 단정하기 어렵다.
남용·서사화: 모든 실패를 "블랙 스완이었다"고 부르면 책임 회피가 된다. 빤히 보이던 위험을 무시한 회색 코뿔소인 경우가 많다 [Wucker 2016].

쓰면 안 되는 상황

얇은 꼬리 문제에 들이댈 때: 기저율 자료가 충분하고 분포가 얇은 꼬리(키·부품 불량률 등)인 문제에서 블랙 스완 논리로 통계 예측 자체를 거부하는 것.
검정 없이 "두꺼운 꼬리"라고 단정할 때: 로그-로그 그래프의 직선만 보고 멱법칙이라 판정하면 틀리기 쉽다 [Clauset et al. 2009].
경고가 있던 사고를 덮을 때: 이미 경고가 있던 사고를 "블랙 스완"이라 부르며 책임을 덮는 것 [Aven 2013; Wucker 2016].
양(+)의 블랙 스완과 음(−)의 블랙 스완을 한 처방으로 묶을 때: 대박과 붕괴는 분포 구조가 같아도 대응 전략이 다르다.

블랙 스완과 안티프래질은 어떻게 다른가

같은 Incerto 시리즈지만 역할이 다르다.

블랙 스완 = 현상 인식. "예측 불가·고충격 사건은 존재하며, 정규분포·귀납으로는 못 잡는다"는 진단 [Taleb 2007].
안티프래질 = 대응 전략. "그 충격에서 무너지지 않고 오히려 강해지도록 시스템을 설계하라"는 처방 [Taleb 2012].

블랙 스완은 "무엇이 위험한가"를, 안티프래질은 "그래서 어떻게 살아남나/이득 보나"를 다룬다. 두 카드를 함께 읽어야 인식→행동이 닫힌다.