• Communications for Statistical Applications and Methods
• /
• 제30권6호
• /
• pp.531-550
• /
• 2023

The estimation of extreme quantiles is one of the main objectives of statistics of extremes (which deals with the estimation of rare events). In this paper, a robust estimator of extreme quantile of a heavy-tailed distribution is considered. The estimator is obtained through the minimum density power divergence criterion on an exponential regression model. The proposed estimator was compared with two estimators of extreme quantiles in the literature in a simulation study. The results show that the proposed estimator is stable to the choice of the number of top order statistics and show lesser bias and mean square error compared to the existing extreme quantile estimators. Practical application of the proposed estimator is illustrated with data from the pedochemical and insurance industries.

• 응용통계연구
• /
• 제22권3호
• /
• pp.489-498
• /
• 2009

언더라이팅은 보험자가 청약자에 대한 인수여부를 결정하는 보험계약 운영의 초기단계로서, 그 기준의 정교성 여부에 따라 회사에 안정적인 수익을 가져올 수도 있고 예기치 못한 큰 손실을 야기할 수도 있다. 일반적으로, 각 청약자의 위험요소를 파악, 평가하여 위험정도를 평가할 수 있는 점수를 이용하는 스코어링 시스템을 언더라이팅 기준으로 이용하는데, 점수를 산출하기 위한 방법은 각 위험요소별 점수 기준을 설정하고 위험요소별 점수를 합산하는 형태가 보편적이다. 최근 위험율차 이익의 중요성이 강조됨에 따라 기존의 방법에 비해 보다 효과적인 언더라이팅 기법이 요구되고 있다. 본 연구에서는 일반화 선형모형을 이용하여 보다 합리적으로 보험 계약자에 대한 위험도를 추정하는 방법을 제시하였다. 실증분석을 통해 위험집단의 위험도를 평가하고 점수화하는 구체적인 언더라이팅 모형을 설계하였고, 제시된 언더라이팅 모형의 적용효과를 반영하여 언더라이팅 기준을 설정하는 방법에 대해서도 설명하였다.

• 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.

• Communications for Statistical Applications and Methods
• /
• 제28권5호
• /
• pp.447-462
• /
• 2021

In insurance, the surrender rate is an important variable that threatens the sustainability of insurers and determines the profitability of the contract. Unlike other actuarial assumptions that determine the cash flow of an insurance contract, however, it is characterized by endogenous variables such as people's economic, social, and subjective decisions. Therefore, a microscopic approach is required to identify and analyze the factors that determine the lapse rate. Specifically, micro-level characteristics including the individual, demographic, microeconomic, and household characteristics of policyholders are necessary for the analysis. In this study, we select panel survey data of Korean Retirement Income Study (KReIS) with many diverse dimensions to determine which variables have a decisive effect on the lapse and apply the lasso regularized regression model to analyze it empirically. As the data contain many missing values, they are imputed using the random forest method. Among the household variables, we find that the non-existence of old dependents, the existence of young dependents, and employed family members increase the surrender rate. Among the individual variables, divorce, non-urban residential areas, apartment type of housing, non-ownership of homes, and bad relationship with siblings increase the lapse rate. Finally, among the financial variables, low income, low expenditure, the existence of children that incur child care expenditure, not expecting to bequest from spouse, not holding public health insurance, and expecting to benefit from a retirement pension increase the lapse rate. Some of these findings are consistent with those in the literature.

• Genomics & Informatics
• /
• 제20권2호
• /
• pp.16.1-16.12
• /
• 2022

Various methodologies for the genetic analysis of longitudinal data have been proposed and applied to data from large-scale genome-wide association studies (GWAS) to identify single nucleotide polymorphisms (SNPs) associated with traits of interest and to detect SNP-time interactions. We recently proposed a grid-based Bayesian mixed model for longitudinal genetic data and showed that our Bayesian method increased the statistical power compared to the corresponding univariate method and well detected SNP-time interactions. In this paper, we further analyze longitudinal obesity-related traits such as body mass index, hip circumference, waist circumference, and waist-hip ratio from Korea Association Resource data to evaluate the proposed Bayesian method. We first conducted GWAS analyses of cross-sectional traits and combined the results of GWAS analyses through a meta-analysis based on a trajectory model and a random-effects model. We then applied our Bayesian method to a subset of SNPs selected by meta-analysis to further discover SNPs associated with traits of interest and SNP-time interactions. The proposed Bayesian method identified several novel SNPs associated with longitudinal obesity-related traits, and almost 25% of the identified SNPs had significant p-values for SNP-time interactions.

• Journal of the Korean Data and Information Science Society
• /
• 제27권1호
• /
• pp.9-18
• /
• 2016

모수불확실성을 반영하는 손실모형으로는 Heckman과 Meyers가 제안한 모형이 주로 인용되고 있다. 이 모형은 모수 자체가 어떤 확률분포를 따른다는 가정을 하고 있으며 IAA, Swiss Solvency Test, EU Solvency II 등에서 참고하고 있다. 반면 베이지안 기법을 이용한 연구는 모수에 대한 선험적 정보 즉, 사전분포를 이용하여 모수불확실성을 반영한다. 그러나 현실에서는 두 가지 방법을 동시에 고려해야 하는 상황이 빈번히 발생한다. 이에 본 연구는 Heckman-Meyers의 모형과 베이지안 접근법을 동시에 고려한 베이지안 H-M CRM모형을 제안하고 그 특성을 분석하였다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.725-736
• /
• 2013

최근 노년기의 삶에 대비하기 위한 은퇴자금 마련이 중요한 개인적, 사회적 문제로 부각되고 있다. 특히, 앞으로 노년인구의 비율이 지속적으로 상승할 것이라는 전망과 더불어 이러한 개인의 재무설계 및 그와 관련한 리스크와 관련한 문제는 그 중요성이 날로 커질 것이다. 노년기의 질병에 따른 의료비 지출은 특히 재무적인 리스크와 밀접한 관련이 있는데, 유병 기간이 상대적으로 긴 질병의 경우에는 수발비용을 포함한 장기적인 의료비 지출로 인하여 재무적인 위험을 증가시키고 노년기의 삶의 질을 크게 떨어뜨릴 수 있다. 따라서, 각 개인이 장기적인 비용 지출을 요하는 질병에 대하여 예상되는 비용의 규모를 파악하고 이를 사전에 대비할 수 있는 방안을 모색하는 것이 필요하다. 본 연구에서는 노인장기요양보험의 실적 자료와 다중상태모형을 토대로, 노년기에 노인장기요양보험을 통하여 장기요양보호가 필요한 기간과 이에 따른 비용 규모의 추정을 통하여, 각 개인이 장기간병을 위해 준비해야 하는 필요금액을 도출하여 보았다.

• Communications for Statistical Applications and Methods
• /
• 제21권1호
• /
• pp.23-43
• /
• 2014

We study the dependence between the insureds in multiple-life insurance contracts. With the future lifetimes of the insureds modeled as correlated random variables, both premium and reserve are different from those under independence. In this paper, Gaussian copula is used to impose the dependence between the insureds with Gompertz marginals. We analyze the change of the reserves of standard multiple-life insurance contracts at various dependence levels. We find that the reserves based on the assumption of dependent lifetimes are quite different for some contracts from those under independence as its correlation increase, which elucidate the importance of the dependence model in multiple-life contingencies in both theory and practice.

• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2013년 춘계학술대회
• /
• pp.517-531
• /
• 2013

보증 데이터를 통해 제품의 수명 및 형상모수를 추정할 때 최우추정법과 같은 전통적인 통계 분석방법(Classical Statistical Method)을 많이 사용하였다. 그러나 전통적인 통계 분석방법을 통해 수명과 형상모수의 추정 시 표본의 크기가 작거나 불완전한 경우 추정량의 신뢰성이 떨어진다는 단점이 있고 또 누적된 경험과 과거자료를 충분히 이용하지 못하는 단점도 있다. 이러한 문제점을 해결하기 위해 모수의 사전분포를 가정하는 베이지안(Bayesian) 기법의 적용이 필요하다. 하지만 보증 데이터분석에 있어서 베이지안 기법을 이용한 연구는 아직 미흡한 실정이다. 본 연구에서는 수명분포가 와이블 분포를 갖는 보증데이터를 활용하여 모수 추정의 효율성을 비교 분석하고자 한다. 이를 위해 와이블 분포의 모수가 대수정규분포를 따르는 사전분포를 갖는 베이지안 기법과 전통적 통계기법인 생명표법(Actuarial method)을 활용하여 추정량을 도출하고 비교 분석하였다. 이를 통해 충분한 관측 데이터를 확보할 수 없는 경우에 베이지안 기법을 이용한 보증 데이터 분석방법의 성능을 확인하고자 한다.

• Communications for Statistical Applications and Methods
• /
• 제27권4호
• /
• pp.487-500
• /
• 2020

Insurers face increasing demands for cyber liability; entailed in part by a variety of new forms of risk of data breaches. As data breach occurrences develop, our understanding of the volatility in data breach counts has also become important as well as its expected occurrences. Volatility clustering, the tendency of large changes in a random variable to cluster together in time, are frequently observed in many financial asset prices, asset returns, and it is questioned whether the volatility of data breach occurrences are also clustered in time. We now present volatility analysis based on INGARCH models, i.e., integer-valued generalized autoregressive conditional heteroskedasticity time series model for frequency counts due to data breaches. Using the INGARCH(1, 1) model with data breach samples, we show evidence of temporal volatility clustering for data breaches. In addition, we present that the firms' volatilities are correlated between some they belong to and that such a clustering effect remains even after excluding the effect of financial covariates such as the VIX and the stock return of S&P500 that have their own volatility clustering.