Processing math: 100%

[계리모형론] 경험적 베이즈 이론 (Empirical Bayes semi-parametric Methods)

2020. 4. 3. 15:23노트/Actuary : 계리

 

empirical bayes methods.xlsx
0.02MB

 

 

 

 

경험적 베이즈 방법은 사고 빈도에 대해서는 분포를 가정하지만, 모수의 분포는 사전에 정의하지 않고 

오직 경험으로 얻은 데이터에 의해서 분포를 추정해보는 방식을 의미한다. 잘 이해해보기 위해서 엑셀로 예제들을 작성해보았다. 

 

먼저 Example 57A를 봐보면, 

사전에 얻은 데이터 정보는 각 클레임수를 청구한 보험계약자의 수 정보만 있다. 

이를 활용하여 다음해에 얼마나 클레임을 청구할지 뷸만 신뢰도를 이용하여 예측해볼 수 있다. 

단위기간을 1년동안 관찰하였다고 하면 

EPV=0461500+130500+27500+32500 

이며, 이 사고 빈도가 포아송 분포이기 때문에, EPV=μ 이다. 

 

VHM은 사전에 구한 s2EPV/n 으로 구한다. 여기서 n은 관찰 단위기간 1이다. 

나머지는 Buhlmann Credibility 구하는 것처럼 똑같이 구하면 된다. 

 

이제 단위기간이 변화할 경우 어떻게 구하는 지 다음 예제를 통해 보자. 

 

Example 57B이다. 

 

단위기간이 3년이 된 경우에는 EPVS2VHM 모두 1년기준 값으로 환산해야한다. 

데이터가 관찰기간 3년간 얻어진 총 값으로 주어졌기 때문에, 

EPV=[0250500+1163500+264500+323500]13  

전체 EPV 계산한 값을 1년 단위로 환산하기위해 3으로 나눠주는 작업을 잊으면 안된다. 

 

s2를 구할때에도, Number of Claims 값들을 1년 값들로 환산해주고 1년으로 환산한 EPV를 빼줘서, 표본 분산을 구해줘야한다. 

 

나머지는 뷸만 신뢰도 구하는 것처럼 똑같이 하면된다. 이때, Z를 구할 때, n=3이다. 

참고적으로 X4값을 예측하기 위해서 X1 X3 까지 구한 값의 표본평균 을 구하기 위해서 각 데이터에 3을 나눠야한다. (익스포져 수를 맞춰줘야 하니깐 ) 

 

 

그렇다면 이제, 그룹이 나눠져 있어서 Exposure 수가 각 그룹마다 다른 예제를 살펴본다. 

 

 

빈도 수가 Poisson 분포를 따르지만, Group의 Exposure가 다르기 때문에 μ 를 계산할때 표본평균( Hypothetical mean) 들을 가중평균해주어야한다. 따라서 μ=0.11030+0.42030 이고, 

EPV 는 포아송분포여서 μ와  같다. 

 

이경우에는 VHM을 계산하는 것이 간단한데 외워야하는 부분이다. 이거는 시험직전에 외우고 들어가면 좋을 것 같다. 표본분산에서 EPV를 빼주고 자유도를 나눠준다고 생각하면 외우기 편하다. 

 

 

다음은 N과 X의 분포가 더이상 Poisson 분포를 따르지 않는 경우이다. 

 

이 경우에는 μEPV가 달라진다. μ=E(N)E(X) 로 구하고,

EPV=E(Var(N|γ)) 로 구한다. 

 

문제에 어떤 데이터 형식을 주었냐에 따라 계산하는 방식을 판단하는 연습을 해야할 것 같다.! 

 

 

 

 

 

출처: ASM SOA Exam C 18th Edition Exampe 57A - 57D