CBD M7모형 (CBD M7 Model)
쉽게 풀면
사람들의 사망률은 나이뿐 아니라 태어난 시기(코호트)에 따라서도 다르게 나타날 수 있습니다. CBD M7모형은 기본적인 사망률 추세에 더해 이러한 출생연도 효과와 연령에 따른 곡률까지 함께 반영해 사망률을 예측하는 통계 모형입니다. 여러 개의 요인을 동시에 고려하기 때문에 비교적 정교한 예측이 가능하다는 평가를 받습니다.
왜 중요한가
장수 위험을 다루는 연금과 생명보험 분야에서는 미래 사망률을 정확히 예측하는 것이 재무 건전성 관리에 직결됩니다. CBD M7모형은 이러한 확률적 사망률 예측 연구에서 대표적으로 비교·활용되는 모형 중 하나입니다. 고연령층에 특화된 CBD 계열 모형은 리-카터 모형이 상대적으로 다루기 어려운 초고령 구간의 사망률 추세를 보다 정교하게 포착한다는 점에서 연금과 장수상품 리스크 평가에 자주 활용됩니다.
논문에서는 이렇게 쓰입니다
고령층 사망률의 미래 추세와 그 불확실성 범위를 함께 추정했다는 뜻입니다.
같은 나이라도 태어난 시기에 따라 사망률이 다르게 나타나는 현상을 모형이 포착했다는 의미입니다.
조금 더 깊게 보면
CBD M7모형은 확률적 사망률 모형 계열에서 연령 효과, 기간 효과, 코호트 효과를 함께 포함하며, 시간에 따른 파라미터의 변화를 확률과정으로 모형화하는 것이 특징입니다. 파라미터 추정에는 최대우도추정 등의 통계적 방법이 사용되며, 다른 확장 모형들과 적합도를 비교하는 연구도 활발합니다. Cairns 등(2009)의 모형 번호 체계에서 M5는 고연령층을 겨냥한 원래의 2요인 CBD 모형이고, M6는 여기에 코호트 효과를 더한 모형, M7은 M6에 연령의 이차항(곡률) 기간효과를 추가한 모형, M8은 코호트 효과가 연령에 따라 달라지도록 한 변형입니다(M1은 리-카터, M2는 렌쇼-해버만, M3는 APC 모형).
주의할 점
모형이 정교해질수록 추정해야 할 파라미터가 늘어나 과적합의 위험이 커질 수 있으므로, 자료의 양과 목적에 맞는 모형 선택이 중요합니다.
M7모형처럼 파라미터가 많은 확장 모형은 특정 자료 구간에서 적합도는 개선되지만 미래로 외삽할 때 예측 구간이 오히려 넓어지는 경우가 있어, 적합도와 예측 안정성을 함께 평가해야 합니다. M7모형처럼 파라미터가 많을수록 과거 자료에 대한 적합도는 좋아지지만, 표본 밖 예측에서는 오히려 단순한 모형보다 성능이 떨어지는 과적합 현상이 보고되기도 합니다.