• Communications for Statistical Applications and Methods
• /
• 제30권5호
• /
• pp.437-451
• /
• 2023

Generalized linear models and generalized linear mixed models (GLMMs) are fundamental tools for predictive analyses. In insurance, GLMMs are particularly important, because they provide not only a tool for prediction but also a theoretical justification for setting premiums. Although thousands of resources are available for introducing GLMMs as a classical and fundamental tool in statistical analysis, few resources seem to be available for the insurance industry. This study targets insurance professionals already familiar with basic actuarial mathematics and explains GLMMs and their linkage with classical actuarial pricing tools, such as the Buhlmann premium method. Focus of the study is mainly on the modeling aspect of GLMMs and their application to pricing, while avoiding technical issues related to statistical estimation, which can be automatically handled by most statistical software.

• Journal of the Korean Data and Information Science Society
• /
• 제21권6호
• /
• pp.1181-1190
• /
• 2010

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.