클라크법 (Clark Method)
쉽게 풀면
전통적인 체인래더법이 연도별 발전계수를 각각 따로 계산하는 것과 달리, 클라크법은 손해가 시간에 따라 어떤 곡선 모양으로 커지는지를 하나의 수학 함수로 표현합니다. 마치 나무가 자라는 속도를 하나의 성장 곡선으로 설명하듯, 손해의 누적 패턴을 매끄러운 곡선으로 요약해 예측하는 방식입니다.
왜 중요한가
클라크법은 소수의 모수로 손해 발전 패턴 전체를 설명할 수 있어 데이터가 상대적으로 적은 경우에도 안정적인 추정이 가능합니다. 또한 최우추정법을 기반으로 하기 때문에 예측치의 불확실성(표준오차)을 함께 산출할 수 있다는 장점이 있어 준비금 리스크 논문에서 자주 언급됩니다. 진전계수가 아닌 확률적 최대우도추정 틀 위에 있어 예측오차의 표준편차를 이론적으로 함께 산출할 수 있다는 점에서 확률적 준비금 산정 기법의 대표 사례로 꼽힙니다.
논문에서는 이렇게 쓰입니다
손해가 시간에 따라 누적되는 형태를 특정 함수로 근사했다는 의미입니다.
확률적 모형이기 때문에 예측의 불확실성까지 함께 제시할 수 있었다는 설명입니다.
조금 더 깊게 보면
클라크법은 손해 발전 패턴을 로그로지스틱 또는 와이블 성장곡선 함수로 표현하고, 손해액이 과분산 포아송 분포를 따른다고 가정한 뒤 최우추정법으로 모수를 추정합니다. 이 과정에서 소수의 모수만으로 전체 발전 패턴을 설명할 수 있다는 것이 특징입니다. 클라크법은 사고연도별로 몇 개씩 떨어진 이산적인 발전계수를 추정하는 대신, 손해의 발생·보고 패턴을 와이불분포나 로그로지스틱분포 같은 연속함수로 가정해 성장곡선(growth curve)을 직접 적합시키고, 이를 통해 최종손해액과 표준오차를 함께 산출합니다. 이 접근은 분기별처럼 세분화된 발전 구간에서도 매끄러운 발전 패턴을 추정할 수 있다는 장점이 있습니다. 클라크법은 손해진전 패턴을 와이불이나 로그로지스틱 같은 연속함수로 모형화해 최대우도추정으로 파라미터를 산출하므로, 이산적인 진전계수를 사용하는 전통적 체인래더보다 적은 파라미터로 꼬리 부분까지 매끄럽게 추정할 수 있습니다.
주의할 점
곡선의 형태를 잘못 가정하면 실제 패턴과 괴리가 발생할 수 있으므로, 적합도 검토와 잔차 분석이 함께 이루어져야 합니다.
실제 발전 패턴이 가정한 성장곡선 형태와 크게 다르면 적합도가 떨어져, 체인래더법보다 오히려 부정확한 추정치를 낼 수 있습니다. 또한 이 기법은 과산포 포아송 가정 아래 최대우도법으로 모수를 추정하는 비선형 최적화를 필요로 해, 전통적 체인래더법보다 실무 적용의 진입장벽이 다소 높습니다. 연속함수 형태의 가정이 실제 데이터의 계절성이나 불연속적 변화를 반영하지 못할 수 있다는 한계도 지적됩니다. 성장곡선의 함수형태 선택에 따라 결과가 달라질 수 있어 여러 함수형을 비교하고 적합도를 검토하는 과정이 필요합니다.