23. sWAR — Statcast 기반의 차세대 WAR 지표

결과보다는 과정을 평가한다.

야구의 데이터 분석은 시대에 따라 끊임없이 진화하고 있습니다.
기존의 WAR(Wins Above Replacement)은 선수의 종합적인 기여도를 한눈에 보여주는 핵심 지표로 자리 잡았지만, 타구 속도나 발사각, 수비 위치 변화와 같은 정량화되지 않은 세부 요소를 충분히 반영하지 못했습니다.
이를 보완하기 위해 등장한 것이 바로 sWAR(Statcast WAR) 입니다.

sWAR은 MLB의 Statcast 시스템이 측정하는 고해상도 추적 데이터(Tracking Data) 를 기반으로 합니다. 즉, 단순히 경기 결과(안타, 홈런, 삼진 등)만이 아니라, 그 결과에 이르는 과정(process) 을 평가하는 데 초점을 둡니다.
이는 기존 WAR이 가지고 있던 수비 기여의 추정치나 타구 운의 영향을 최소화하여, 보다 실력에 가까운 WAR을 산출하려는 시도입니다.

 

목차

• sWAR의 계산 방식 — 기존 WAR과의 차이점
• sWAR의 필요성 — WAR의 한계를 넘어서다
• 투수 평가에서의 sWAR — 피타구 질과 구종 가치의 정밀 분석
• 수비 평가의 진보 — OAA와의 연계
• sWAR의 활용과 미래 전망
• 결론 — “진짜 실력을 드러내는 WAR의 진화형”

 

1. sWAR의 계산 방식 — 기존 WAR과의 차이점

sWAR은 기본적으로 WAR의 철학을 공유하지만, 계산 방식에서 데이터의 입력 단계가 다릅니다.
일반적인 WAR은 다음과 같은 요소를 기반으로 합니다.

• 타격: wRAA, wOBA, Park Factor 조정
• 주루: BsR
• 수비: UZR, DRS
• 대체선수 대비 보정 (Replacement Level Adjustment)

반면, sWAR은 Statcast 데이터로 각 항목을 대체합니다.

• 타격: 기대 타구 성과(Expected wOBA, xwOBA)
• 수비: 타구의 방향·속도·위치를 기반으로 한 Outs Above Average(OAA)
• 투수: 구속, 회전수, 릴리스 포인트, 피타구 질(Quality of Contact)을 활용한 xERA 기반 WAR

즉, sWAR은 결과 중심에서 기대 성과 중심(expected outcomes) 으로 관점을 전환합니다.
이는 단기적인 운(Luck)을 제거하고, 선수의 본질적인 퍼포먼스를 평가하기 위한 근본적인 변화입니다.

---

2. sWAR의 필요성 — WAR의 한계를 넘어서다

기존 WAR은 우수한 종합 지표이지만, 여전히 결과 중심(Result-based) 평가라는 한계를 가지고 있습니다.

예를 들어, 두 타자가 동일한 타구를 쳤더라도 한 명은 안타가 되고,

다른 한 명은 야수 정면으로 가서 아웃이 될 수 있습니다.

기존 WAR에서는 전자는 높은 가치를 얻고, 후자는 낮은 평가를 받습니다.

하지만 두 타구의 질이 동일하다면 실제 실력 차이는 거의 없다고 볼 수 있습니다.

sWAR은 이 문제를 보완하기 위해 고려된 지표 입니다.
Statcast는 타구의 출구속도(Exit Velocity)와 발사각(Launch Angle)을 통해 타구의 기대 가치를 계산합니다.

즉, “이 타구는 평균적으로 몇 퍼센트 확률로 안타가 되는가”를 계산하고

이를 종합하여 타자의 기대 공격 기여도(xwRAA)를 구합니다.

MLB 트레이드 시장에서 선수의 잠재력을 평가할 때, 기존 WAR보다 운의 요소가 제거된 sWAR 수치가 더 큰 설득력을 갖습니다.

🔥 sWAR과 실제 퍼포먼스 비교 사례 특정 시즌, 타율은 낮았으나 xwOBA(기대 가중 출루율)가 리그 최상위였던 애런 저지(Aaron Judge)와 같은 타자들의 가치를 sWAR은 기존 WAR보다 훨씬 정확하게 반영합니다.

이는 타자가 불운했음에도 불구하고 공을 꾸준히 강하게 쳤다는 사실을 증명하며,

다음 시즌의 성공을 예측하는 강력한 지표가 됩니다.

결국 sWAR은 운의 영향을 제거한, 실력 중심의 WAR이라고 할 수 있습니다.

---

3. 투수 평가에서의 sWAR — 피타구 질과 구종 가치의 정밀 분석

투수 평가에서도 sWAR은 기존 WAR보다 한층 높은 정밀도를 보여줍니다.

기존 WAR은 FIP(Fielding Independent Pitching)을 중심으로 계산되어 수비와 운의 영향을 배제하려 하지만,

여전히 피안타의 질을 완전히 반영하지 못했습니다.

Statcast 기반의 sWAR은 투수의 피타구 데이터를 정밀하게 분석합니다.

예를 들어, 같은 수의 피홈런을 기록한 두 투수가 있을 때, 한 투수는 중심에 정확히 맞은 110마일 타구를,

다른 투수는 95마일의 얕은 플라이볼을 허용했다면, sWAR은 이 차이를 구분하여 더 정확한 실력 평가를 수행합니다.

이는 투수가 ‘강한 타구를 얼마나 억제했는가’를 직접적으로 측정하는 **xERA(기대 평균자책점)**의 기본 원리입니다.

또한, sWAR은 투수의 구속, 회전수, 무브먼트, 릴리스 포인트 안정성 등의 데이터를 종합해 구종의 품질을 평가합니다.

이는 최근 주목받고 있는 Stuff+ 및 **Location+**과 함께 활용되며,

투수의 순수한 퍼포먼스를 보다 객관적으로 나타내는 기반이 됩니다.

선수 육성 코치들은 이 sWAR의 투수 구성 요소를 활용하여, 구종별 훈련의 우선순위를 정하고 있습니다.

---

4. 수비 평가의 진보 — OAA와의 연계

sWAR의 수비 파트는 UZR이나 DRS보다 훨씬 세밀합니다.

Outs Above Average(OAA) 데이터를 직접 반영하여, 수비수가 처리한 타구의 난이도와 성공률을 입체적으로 평가합니다.

이는 단순히 “잡았는가, 놓았는가”의 문제가 아니라, “얼마나 어려운 공을 처리했는가”를 정량화하는 방식입니다.

 

🏃‍♂️ OAA의 난이도 측정 원리

OAA는 타구 발생 즉시, 수비수의 위치와 타구의 속도, 궤적을 기반으로 그 타구를 잡을 확률(Catch Probability)을 계산합니다.

예를 들어, 잡을 확률이 20%인 공을 잡아냈다면 +0.8점의 기여도를 얻게 됩니다.

결과적으로 sWAR의 수비 구성요소는 수비 위치, 반응 속도, 이동 거리, 송구 방향 등 다양한 변수를 고려하여

평균 대비 얼마나 많은 아웃을 만들어냈는지를 평가합니다.

이는 기존 이벤트 기반 수비 지표보다 훨씬 현실적인 수비력을 반영합니다.

---

5. sWAR의 활용과 미래 전망

현재 sWAR은 MLB의 Baseball Savant 및 Baseball Prospectus 등

첨단 야구 통계 웹사이트에서 실험적으로 사용되고 있습니다.

KBO 역시 트래킹 시스템을 점차 확대 도입하고 있어, 향후에는 한국형 sWAR이 등장할 가능성도 높습니다.

다만 sWAR은 계산 과정이 매우 복잡하고, Statcast의 원본 데이터 접근이 제한적이기 때문에

일반 팬이 직접 계산하기는 어렵습니다. 그럼에도 불구하고, sWAR이 제시하는 철학은 분명합니다.

즉, 결과 중심의 평가에서 ‘과정 중심의 정밀 분석*으로 이동한다는 방향성입니다.

앞으로는 AI와 머신러닝을 결합해, 선수의 움직임 전체를 기반으로 예측형 sWAR을 산출하는 방식으로 발전할 것으로 예상됩니다. 이는 프런트 오피스의 선수 계약 및 연봉 협상 과정에서 가장 중요한 과학적 근거가 될 것입니다.

---

6. 결론 — “진짜 실력을 드러내는 WAR의 진화형”

sWAR은 단순히 WAR의 확장판이 아니라, 야구 통계의 새로운 기준점을 제시합니다.
운과 환경의 영향을 줄이고, 선수의 순수한 퍼포먼스 본질을 평가한다는 점에서 큰 의미가 있습니다.
데이터의 시대에 sWAR은 이제 선수의 가치를 바라보는 정밀한 잣대이자 진화의 신호입니다