Abstract
When an insurer develops an insurance product, it is very critical to determine reasonable premiums, which is directly related to insurer's profits. There are three methods to determine premiums. Frist, the insurer utilizes premiums paid to the similar cases to the current one. Second, the insurer calculates premiums based on policyholder's past records. The last method is to combine the first with the second one. Based on the three methods, there are two major theories determining premiums, Limited Fluctuation Credibility Theory not based on statistical models and Greatest Accuracy Credibility Theory based on statistical models. There are well-known methods derived from Greatest Accuracy Credibility Theory, such as, Buhlmann model and Buhlmann-Straub model. In this paper, we extend the Buhlmann-Straub model to accommodate the fact that variability grows according to the number of data in practice and suggest a new non-parametric method to estimate the premiums. The suggested estimation method is also applied to the data gained from simulation and compared with the existing estimation method.
보험회사가 보험계약자들의 적절한 보험료를 산출하는 것은 회사나 계약자들 모두에게 중요한 문제이다. 보험료를 결정하는 방법에는 보험회사가 보유하고 있는 매뉴얼에 근거하여 계약자들마다 같은 보험료를 부과하는 방법, 보험계약자 개인이나 집단에 관한 과거 기록에 바탕을 두어 보험료를 차등하여 정하는 방법, 그리고 위 두 가지 방법을 조합하여 보험료를 산정하는 방법 등이 있다. 이중 통계적인 모형에 기반을 둔 보험료 산정 방법에는 최대 정확도 신뢰도 이론이 있고, 이에 바탕을 둔 구체적인 접근법에는 뷸만 모형과 뷸만-스트라웁 모형 등이 있다. 본 논문에서는, 뷸만-스트라웁 모형을 확장하여, 자료 수가 늘어나면서 자료 평균의 변동성이 기대한 것보다 커지는 Hewitt의 아이디어를 반영한 모형에서, 새로운 비모수적 보험료 추정법을 제안한다. 또, 제안된 추정법을 모의자료에 적용해보고, 기존의 뷸만-스트라웁 추정량과 비교해본다.