Loading [MathJax]/jax/output/CommonHTML/jax.js

[계리모형론] 베이지안 보험료 (Bayesian Premium)

2020. 4. 2. 13:04노트/Actuary : 계리

베이지안 방법 

모수를 사전에 정하지 않고 오직 데이터에 의해서 모수를 추정하는 방법.

새로운 데이터가 발생했을 때마다 모수를 지속적으로 업데이트 시켜주는 통계적 방법.

 

 

계산방식

model : f(x|λ)

prior : π(λ)

joint : f(x,λ)=f(x|λ)π(λ)

marginal : f(x)=f(x|λ)π(λ)

likelihood : L(x)=Ni=1f(x|λ)

posterior : π(λ|x)=f(x|λ)π(λ)f(x)

predictive : f(xn+1|x) 

predictive mean :E(xn+1|x)=E(x|λ)π(λ|x)dλ

 

 

Buhlmann Credibility 

베이지안 보험료 E(xn+1|x1,x2,...,xn) 을 계산하기 어려워 Buhlmann Credibility로 근사하기도 함. 

E(xn+1|x1,x2,...,xn)ˉxZ+μ(1Z)

 

Z=EPVVHM 

 

 

예제

asm Exam C 18th Edition Example 44A - 44B

bayesian premium.xlsx
0.01MB

전체 피보험자 포트폴리오를 good drivers 와 bad drivers로 나눌 수 잇다고 하자. 

집단의 수는 3:1 로 나뉘며, N 빈도 분포와 X 심도 분포는 각각 Poisoon 분포와 Bernoulli포를 따른다고 한다. 

 

그렇다면 Likelihood 함수의 가중치를 주는 Prior를 3414 로 주고,

f(s)=f(n)f(x) 를 각각 곱하여 joint probability를 구한다. 

 

다음은 joint probability를 전체 그룹을 good drivers 와 bad driver들의 확률에 나누어 주면 Posterior probability를 구할 수 있다. 

 

Hypothetical mean은 E(S|λ) 를 의미하며 posterior probability를 각각 곱하면 

good drivers 의 predictive mean 은 1400.672119=94.09666

bad drivers 의 predictive mean 은 5400.327881=177.05574 이고, 

이를 합하여 Predictive Mean 271.1525를 구할 수 있다. 

 

의미를 해석해보면 위험인수자 입장에서 피보험자가 good drivers에겐 94.09666원을 받으면 되지만, 

bad drivers일 경우엔 사고를 많이 칠 수 있어 177.05574원을 받아 Total 271.15원을 받아야만, 

X4 시점에 누군가에게 ( 어떤 drivers이든 ) 보험금이 0 혹은 1000혹은 5000이 나올 수 도있는 상황을 커버할 수 있다는 뜻이 된다. 

 

 

이전 예제는 심도분포가 비현실적이었으므로, 심도 분포가 Pareto 분포를 따를 때도 동일하게 구할 수 있다. 

이 역시 해석을 해보면, likelihood는 각 그룹의 피보험자가 발생할 수 있는 총손실의 우도함수이다. 즉 1시점, 2시점, 3시점에 발생한 손실이 일어날 확률 분포를 구한 것이다. 

여기에 prior를 곱하여 joint probability를 구해준 후, 이를 총 합으로 하는 posterior 값을 각각 구해준다. 그럼 이것이 사후분포가 되는것이고 

가설평균의 값은 각 그룹의 E(S)값을 의미한다. 

good drivers는  E(S)=E(N)E(X) 이고, 

E(N)=0.1,E(X)=1000(21) 으로 100이 되며, 

bad drivers는 

E(N)=0.3,E(X)=2000(21) 으로 600이 된다. 

그래서 이를 각각 sumproduct 한 값이 predictive mean 297.0511이다. 

 

과거의 경험데이터를 가지고 앞으로 발생할 값을 예측할 수 있다는 사실이 정말 신기했다. 

Bayesian을 계산하는 것은 Likelihood를 정확하게 계산할 수 있어야 한다.

 

다음은 보험손실을 buhlmann straub model을 사용하여 베이지안 분석을 해보는 논문이다. 

손해보험에서 주로 사용하는 방식으로 한번 읽어보면 익숙한 문제들을 볼 수 있다. 

 

「Bayesian Analysis of Insurance Losses Using the Buhlmann-Straub Credibility Model - Abraham J. van der Merwe , Kobus N. Bekker 」

https://digitalcommons.unl.edu/cgi/viewcontent.cgi?article=1010&context=joap

불러오는 중입니다...

Non-parametric bayesian 방식으로 실제 데이터분석을 진행해보려고 하는데 아.. 쉽지않다 일단 계산이 너무 복잡해가지고 ㅠ 시간 잡고 이해를 성공해서 포스팅해야겠다.