인공신경망을 활용한 보험리스크 분포 추정 및 보상 한도가 있는 보험에의 활용

Abstract

보험리스크 예측에서는 주로 일반화 선형모형 (Generalized Linear Model, GLM)을 활용한 통계적 방법론이 사용된다. 특히 원 손실액 (Ground loss)의 추정을 위해서는 Gamma 분포를 바탕으로 한 GLM 방법이 사용되며, 여기서는 평균 모수가 설명변수의 일차 함수로 모델링 되어지고, 이를 통해 직접적으로 원 손실액에 관한 추정이 가능하다. 또한 GLM을 통해서 원 손실액의 분포 자체를 알 수 있으므로 이를 이용하여 보상 한도가 있는 보험 등 원 손실액의 복잡한 함수로 표현되는 보험 상품의 보험료 추정이 가능해진다. 다만, 평균 모수가 설명변수의 일차 함수라는 가정은 실제 데이터 분석에 있어서 강한 제약 조건으로 작용할 수 있다. 본 논문에서는 Gamma 분포와 관련된 일반화 선형모형을 인공신경망을 통해 일반화하는 방법론을 설명하고, 이를 화재 보험 데이터에 적용하여 화재 사건에 대한 원 손실액과 원 손실액의 복잡한 함수로 표현되는 보험 상품의 보험료 추정에 활용하고자 한다.;In predictive analysis for insurance risk, the Generalized Linear Model (GLM) is typically employed as a statistical methodology. Specifically, when estimating ground loss amounts, a GLM method grounded in the gamma distribution is often utilized. In this method, the mean parameter is modeled as a linear function of the explanatory variables. This allows for the direct estimation of ground loss amounts. Moreover, the distribution of ground loss amounts can be determined through GLM, enabling the calculation of insurance premiums for products that are expressed as complex functions of ground loss amounts, such as limited insurance. However, the assumption that the mean parameter is a linear function of the explanatory variables can pose a significant constraint in real-world data analysis. This paper explains a statistical methodology that generalizes the Generalized Linear Model related to the Gamma distribution through artificial neural networks, and applies it to fire insurance data to estimate the ground loss amounts for fire incidents and the insurance premium of insurance products expressed as complex functions of ground loss amounts.