2020. 4. 2. 13:04ㆍ노트/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)≈ˉx∗Z+μ∗(1−Z)
Z=EPVVHM
예제
asm Exam C 18th Edition Example 44A - 44B

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 34 과 14 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 140∗0.672119=94.09666
bad drivers 의 predictive mean 은 540∗0.327881=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(2−1) 으로 100이 되며,
bad drivers는
E(N)=0.3,E(X)=2000(2−1) 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
Non-parametric bayesian 방식으로 실제 데이터분석을 진행해보려고 하는데 아.. 쉽지않다 일단 계산이 너무 복잡해가지고 ㅠ 시간 잡고 이해를 성공해서 포스팅해야겠다.
'노트 > Actuary : 계리' 카테고리의 다른 글
[계리모형론] 시뮬레이션(Actuarial applications) (0) | 2020.04.15 |
---|---|
[계리모형론] 경험적 베이즈 이론 (Empirical Bayes semi-parametric Methods) (0) | 2020.04.03 |
[LaTex] 티스토리 수학 수식 쉽게 쓰기 (0) | 2020.03.30 |