승자의 저주
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
승자의 저주는 경매에서 가치를 과대평가하여 승리자가 손해를 보는 현상을 의미한다. 입찰자들은 경매 대상의 가치를 정확히 알지 못하며, 각자 추정한 가치에 따라 입찰한다. 승자는 가장 높은 입찰가를 제시하지만, 이는 가치 추정의 오류로 인해 실제 가치보다 높은 가격을 지불하게 될 가능성이 높다. 이러한 현상은 입찰자 수가 많을수록 심화되며, 숙련된 입찰자는 입찰가를 낮추거나, 경매 방식을 변경하는 등의 전략을 통해 승자의 저주를 피하려 한다. 승자의 저주는 유전, 주파수 경매, 기업 공개 등 다양한 분야에서 나타나며, 통계학의 평균 회귀 현상과도 관련이 있다.
더 읽어볼만한 페이지
- 저주 - 방황하는 유대인
예수를 조롱한 죄로 영원히 속죄받지 못하고 세상을 떠돌아다니는 저주를 받았다는 전설 속 인물인 방황하는 유대인은 '카르타필루스'라는 이름으로 처음 등장하여 다양한 이름으로 불리며 성경적, 역사적 맥락에서 기원하고 진화하여 여러 매체에서 상징적인 존재로 재해석되었다. - 저주 - 방황하는 네덜란드인
방황하는 네덜란드인은 17세기 네덜란드 동인도 회사 시대에서 유래된 전설로, 희망봉 인근을 영원히 떠돌아다닌다는 유령선이며, 예술 작품, 특히 바그너의 오페라에 영감을 주었다.
| 승자의 저주 | |
|---|---|
| 개요 | |
| 정의 | 경매나 입찰에서 경쟁자들을 물리치고 낙찰이나 수주를 받았지만, 과도한 가격을 지불하여 오히려 손해를 보는 상황을 의미함. 특정 가치에 대한 불확실성 때문에 발생하며, 평균 이상의 추정치를 가진 입찰자가 낙찰받게 되어 결국 손실을 보게 됨. |
| 어원 | |
| 유래 | 석유 시추권 입찰에서 유래 |
| 발생 원인 | |
| 정보 부족 | 자산 가치에 대한 정보 부족 비대칭 정보 (참가자 간 정보 불균형) |
| 경쟁 심리 | 과도한 경쟁 심리 |
| 낙관주의 편향 | 지나친 낙관주의 |
| 위험 회피 성향 | 위험에 대한 회피 성향 |
| 발생 메커니즘 | |
| 가치 추정의 오류 | 모든 입찰자는 대상의 가치를 과대 또는 과소평가할 수 있음. 낙찰자는 일반적으로 가장 긍정적인 (가장 높은) 평가를 내린 입찰자임. |
| 평균의 함정 | 추정치의 평균이 실제 가치보다 높을 가능성이 있음. 낙찰자는 평균 이상의 추정치를 제시했을 가능성이 높음. |
| 정보의 비대칭성 | 일부 입찰자는 다른 입찰자보다 더 많은 정보를 가지고 있을 수 있음. |
| 극복 방안 | |
| 객관적 가치 평가 | 객관적인 정보에 근거한 가치 평가 |
| 입찰 전 충분한 분석 | 과거 데이터 분석 전문가의 조언 |
| 합리적인 입찰 전략 수립 | 경쟁 강도 고려 최대 지불 의사 금액 설정 |
| 감정적 판단 배제 | 냉철하고 이성적인 판단 |
| 위험 관리 계획 수립 | 손실 발생 가능성에 대비 계약 조건 명확화 |
| 승자의 저주가 나타나는 경우 | |
| 자원 개발 | 유전 또는 광산 입찰 |
| 기업 인수 합병 (M&A) | 인수 경쟁 과열 시 발생 가능 |
| 스포츠 선수 FA 계약 | 과도한 연봉 제시 |
| 정부 주파수 경매 | 통신사 간 경쟁 심화 |
| 온라인 경매 | 충동적인 구매 결정 |
| 관련 연구 | |
| 행동 경제학 | 인지 편향 연구 대니얼 카너먼과 아모스 트버스키의 연구 |
| 게임 이론 | 존 내쉬의 균형 이론 경매 이론 |
| 같이 보기 | |
| 관련 개념 | 매몰 비용 합리적 선택 이론 과신 효과 |
| 참고 문헌 | |
2. 설명
일반적인 가치 경매에서, 경매에 부쳐진 품목은 모든 입찰자에게 대략 동일한 가치를 지니지만, 입찰자들은 입찰 시 품목의 시장 가치를 알지 못한다. 따라서 각 입찰자는 입찰 전에 품목의 가치를 독립적으로 추정한다.[1]
경매의 승자는 가장 높은 입찰가를 제출한 입찰자인데, 경매에 부쳐진 품목은 모든 입찰자에게 거의 동일한 가치를 가지기 때문에 입찰자들은 각자의 시장 가치 추정치에 의해서만 구분된다. 즉, 승자는 가장 높은 추정치를 제시한 입찰자이다. 평균 입찰이 정확하다고 가정하면, 가장 높은 입찰자는 품목의 가치를 과대평가하게 되므로 경매의 승자는 과도한 비용을 지불할 가능성이 높다.[1]
이는 "조건부 기대값"을 사용하여 엄밀하게 설명할 수 있다. 입찰자가 경매에서 이긴다는 가정 하에, 입찰자의 경매로부터의 "기대 가치"(품목의 기대 가치에서 기대 가격을 뺀 값)는 실제 추정치에 대해 음수가 된다. 즉, 평균적으로 승리한 입찰자는 과도한 비용을 지불한다는 것을 의미한다.[1]
승자의 저주가 모든 경매의 승자에게 적용된다는 오해가 있지만, 사적 가치를 가진 경매(품목이 시장 가치와 독립적으로 가치를 갖는 경우)에서는 승자의 저주가 발생하지 않는다. 또한, 다른 입찰자들이 전문 지식이 부족하여 "평균" 입찰가가 외부 시장 상황에 비해 너무 낮은 경우에도 승자의 저주는 발생하지 않을 수 있다.[1]
2. 1. 입찰자 수의 영향
일반 가치 경매에서 경매 품목은 모든 입찰자에게 거의 동일한 가치를 갖지만, 입찰자들은 입찰 시 품목의 시장 가치를 알지 못한다. 각 입찰자는 품목 가치를 독립적으로 추정한다. 경매 승자는 가장 높은 입찰가를 제출한 입찰자이다. 품목은 모든 입찰자에게 거의 동일한 가치를 가지므로, 입찰자들은 각자의 시장 가치 추정치에 의해서만 구분된다. 따라서 승자는 가장 높은 추정치를 제시한 입찰자이다. 평균 입찰이 정확하다고 가정하면, 가장 높은 입찰자는 품목 가치를 과대평가하게 된다. 따라서 경매 승자는 과도한 비용을 지불할 가능성이 높다.[1]승자의 저주의 심각성은 입찰자 수와 함께 증가한다. 입찰자가 많을수록 그들 중 일부가 경매 품목의 가치를 과대평가했을 가능성이 더 높기 때문이다. 기술적인 용어로, 승자의 기대 추정치는 "n번째" "순서 통계량"의 값이며, 이는 입찰자 수가 증가함에 따라 증가한다.[1]
이는 입찰자가 많을수록 경매에 출품된 상품의 가치를 과대평가할 가능성이 높아지기 때문이다.[1] 다시 말해, 입찰자가 많을수록 승자의 저주도 강해진다. 입찰자 수가 적을수록 승자의 저주도 적어진다.[1]
2. 2. 숙련된 입찰자의 전략
일반적인 가치 경매에서, 경매에 부쳐진 품목은 모든 입찰자에게 대략 동일한 가치를 지닌다. 그러나 입찰자들은 입찰 시 품목의 시장 가치를 알지 못한다. 각 플레이어는 입찰 전에 품목의 가치를 독립적으로 추정한다.경매의 승자는 가장 높은 입찰가를 제출한 입찰자이다. 경매에 부쳐진 품목은 모든 입찰자에게 거의 동일한 가치를 가지기 때문에, 입찰자들은 각자의 시장 가치 추정치에 의해서만 구분된다. 따라서 승자는 가장 높은 추정치를 제시한 입찰자이다. 평균적으로 입찰이 정확하다고 가정하면, 가장 높은 입찰자는 품목의 가치를 과대평가하게 된다. 따라서 경매의 승자는 과도한 비용을 지불할 가능성이 높다.
영리한 입찰자는 입찰 감축(bidding shading)을 통해 승자의 저주를 피한다. 즉, 판매 품목 가치에 대한 사전 추정치보다 낮지만, 경매에서 이겼을 때 품목의 가치에 대한 사후 믿음과 동일한 입찰가를 제시한다. 경매에서 이기는 것은 승자에게 품목의 가치에 대해 나쁜 소식이다. 다시 말해, 그는 가장 낙관적이었고, 입찰자들이 평균적으로 자신의 추정에서 정확하다면, 너무 많은 비용을 지불했다는 것을 의미한다. 따라서 영리한 입찰자들은 이러한 영향을 고려하여 사전 추정치를 낮춘다.
승자의 저주의 심각성은 입찰자 수와 함께 증가한다. 입찰자가 많을수록 그들 중 일부가 경매 품목의 가치를 과대평가했을 가능성이 더 높기 때문이다.
3. 사례
승자의 저주는 대부분의 경매에서 어느 정도 공통 가치가 존재하고, 그 가치에 대한 불확실성이 있기 때문에 발생하는 현상이다.[1] 1950년대 해상 유전의 가치를 정확히 추정하기 어려웠던 것처럼, 기업 가치, 주파수, 온라인 광고 등 다양한 분야에서 이러한 불확실성으로 인해 승자의 저주가 나타날 수 있다.
'승자의 저주'라는 용어는 1971년 ''Journal of Petroleum Technology'' 23권, 641-653페이지에 게재된 케이픈, 클랩 & 캠벨의 논문에서 처음 사용되었다.[1]
3. 1. 대한민국
현대중공업이 세계 2위 D램 업체인 하이닉스 인수에 관심을 보인 직후 시가총액이 35억달러가 증발한 것은 승자의 저주의 한 예로 볼 수 있다. 이 금액은 인수 예정이었던 하이닉스 지분 15%의 24억달러보다도 큰 액수다.3. 2. 해외 사례
1950년대에 '승자의 저주'라는 용어가 처음 사용되었을 때, 해상 유전의 잠재 가치를 추정할 정확한 방법이 없었다. 예를 들어, 유전의 실제 내재 가치가 1000만달러라면, 석유 회사는 그 가치를 500만달러에서 2000만달러 사이로 추정할 수 있다. 2000만달러로 잘못 추정하고 그 수준으로 입찰한 회사가 경매에서 승리하겠지만, 나중에 그만큼의 가치가 없다는 것을 알게 될 것이다.[1]승자의 저주가 중요한 다른 경매는 다음과 같다.[1]
| 경매 예시 | 불확실한 추정 |
|---|---|
| 주파수 경매 | 예를 들어 뉴욕시의 휴대전화 시장 가치 |
| 신규 주식 공개 (IPO) | 회사의 주식 시장 가치 |
| 온라인 광고의 클릭당 과금료 | 광고 가치 (검색 엔진 사용자의 클릭 단가를 높이면 광고주는 더 높은 순위를 얻을 수 있다.) |
| 프로 스포츠의 자유 계약 선수 | 선수의 승리 기여도 가치 |
4. 관련 개념
경매 이론에서 일반적인 가치 경매의 경우, 경매 물품의 가치는 모든 입찰자에게 거의 동일하지만, 입찰자들은 입찰 시 물품의 시장 가치를 정확히 알지 못한다. 이때, 가장 높은 추정치를 제시하여 경매에서 승리한 입찰자는 평균적으로 물품의 가치를 과대평가하여 과도한 비용을 지불할 가능성이 높다. 이를 '승자의 저주'라고 한다. 영리한 입찰자는 "입찰 감축"을 통해 이러한 위험을 피하려고 노력한다.[10]
승자의 저주의 심각성은 입찰자 수가 많을수록 증가한다. 이는 더 많은 입찰자 중 일부가 경매 품목의 가치를 과대평가했을 가능성이 더 높기 때문이다.
하지만, 사적 가치를 가진 경매(즉, 품목이 시장 가치와 독립적으로 원하는 경우)에서는 승자의 저주가 발생하지 않는다. 또한, 다른 입찰자들이 전문 지식이 부족하여 평균 입찰가가 외부 시장 상황보다 너무 낮은 경우에도 승자의 저주가 발생하지 않을 수 있다.
"승자의 저주"라는 용어는 통계학에서 평균으로의 회귀 현상을 지칭하는 데에도 사용된다. 예를 들어, 유전체 연관성 연구와 역학에서 최초로 유의미한 검사 결과를 보고한 사람은 이후의 재현 연구에서 나타날 가능성이 있는 것보다 훨씬 더 큰 효과 크기를 보고할 가능성이 높다.[5][6]
Auction theory영어의 "동시 호가 경매" 이론을 포함하는 연구로 2020년에 폴 밀그롬과 로버트 버틀러 윌슨 두 사람이 노벨 경제학상을 수상했다.
이 외에도 다음과 같은 관련 개념들이 있다.
5. 경매 주최자의 대응
경매 방식을 변경하여 대응한다. 동시 경매 방식, 빅토리 경매 등의 방식이 연구되고 있다.
6. 같이 보기
참조
[1]
논문
Anomalies: The Winner's Curse
https://www.research[...]
2018-10-19
[2]
간행물
Winner's Curse
https://www.investop[...]
Investopedia
[3]
논문
Auctions and Bidding
[4]
논문
Competitive Bidding in High-Risk Situations
Society of Petroleum Engineers
1971-06
[5]
논문
Why most discovered true associations are inflated
[6]
논문
Statistical correction of the Winner's Curse explains replication variability in quantitative trait genome-wide association studies
2017-07-17
[7]
논문
Anomalies: The Winner's Curse
https://www.research[...]
2018-10-19
[8]
간행물
Winner's Curse
https://www.investop[...]
Investopedia
[9]
논문
Auctions and Bidding
JSTOR
[10]
뉴스
ノーベル経済学賞に2氏 オークション理論発展に貢献
https://www.nikkei.c[...]
2020-10-12
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com