선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 단변량 분석 방법에서 제시한 예제와 유사하게 두 개의 요율요소에 대하여 다음과 같은 구조하에서 보험료가 산출되는 방법에 대하여 살펴보기로 한다.
- 지금까지 위험도 평가 방식에 중심을 두어 비교하였고 이러한 평가 방식이 진화되면서 상관관계의 오류등과 같이 기존 방식이 가지고 있는 문제점이 어떻게 해결되는지 확인하였다. 본 논문에서는 모든 요소의 주효과만을 산출하여 비교하였다.
- 본 논문에서는 자동차 보험이 가장 선진화되어 있는 영국과 미국 등에서 보험료를 산출하는 방법이 어떻게 발전되어 왔는지를 검토하여 보고, 상대적으로 보험료 산출 기법이 선진국에 비해 다소 뒤쳐져 있는 국내에서 어떠한 통계적 분석 방법의 활용이 가능한지와 어떤 방법을 통한 접근이 보다 효율적인지를 제시하고자 한다.
- 변수 사이에 존재하는 상관관계 (교호작용)에 대한 확인, 차원 결정 등에 대한 의사 결정 등 모형화 이전에 분석되어야 할 많은 요소들이 내포 되어 있으며, 또한 각 변수의 레벨을 정의, 분류하는 방법 등, 그리고 모형 내의 변수 간에 존재하는 상관관계를 어떻게 정의하여 모형에 반영할 것인지에 대한 연구 또한 지속적으로 연구되어야 한다. 본 연구에서는 이미 정의된 변수를 통하여 위험도의 적정한 평가를 논하였지만, 어떤 변수를 어떤 방식으로 정의하여 모형에 반영할 것인가에 대한 것 또한 최적의 위험도 평가 이전에 선행되어야 하는 필수불가결한 연구 분야이기 때문이다. 이러한 적절한 입력 (input) 방법에 대한 연구와 본 논문에서 다루고 있는 최적 결과 산출이 병행하여 발전한다면, 본 논문에서 추구하고자 하는 최상의 결과를 도출해 낼 수 있을 것이다.
- 앞서 설명한 Tweedie 분포가 어떤 이유로 자동차 보험에 유용하게 사용될 수 있는지, 이 분포가 갖고 있는 특성과 자동차 보험 산업의 특성을 비교하여 그 활용의 적정성에 대하여 살펴보기로 한다.
- 앞장에서 자동차 보험료 산출에 대하여 여러 가지 방법이 어떻게 발전되어 왔는지, 그리고 어떤 방법들이 적용 발전되고 있는지에 대하여 살펴보았고, 현재 국내에서 실제 발생된 자동차 보험 사고 데이터를 통하여 그 결과를 확인하여 보았다.
- 이 장에서는 실제 데이터를 통하여 앞에서 설명한 방법들을 실제 적용하고 그 결과의 비교를 통하여 자동차 보험료 산출에 있어 그 적정성을 비교해 보고자 한다.
- 참고로 순보험료 모형에서 감마분포를 가정하여 추정한 모형을 추가하여 비교함으로써 적합한 모형의 중요성을 언급하고자 하였다. 부적절한 분포가 가정되는 경우 위험도 정도의 오류 뿐 아니라 위험도의 방향성까지도 반대로 산출되는 오류를 범하게 됨을 확인할 수 있다.
가설 설정
- 보험료 산출 방법의 비교를 위한 분석에 사용된 데이터는 Kim과 Kim (2009)에서 다루었던 국내 자동차 보험사의 자동차 보험 대물 사고에 대한 실제 자료로서, 전체 데이터에서 10만개의 표본을 임의로 추출하여, 이 표본에서 얻어지는 값을 특성치를 모수의 참값으로 가정하였다.
- 주) 심도(사고당 발생하는 손해액)는 동일한 것으로 가정.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.