신뢰도이론 (Credibility Theory)
쉽게 풀면
신뢰도이론은 특정 회사나 특정 그룹의 통계가 얼마나 믿을 만한지(신뢰도)를 판단해서, 그 그룹만의 경험치와 업계 전체 평균치를 적절히 섞어 요율을 계산하는 방법입니다. 데이터가 충분히 많은 그룹이라면 자기 그룹의 경험치에 더 큰 비중을 두고, 데이터가 적은 그룹이라면 업계 평균에 더 의존하게 됩니다.
왜 중요한가
새로 인수한 단체나 소규모 집단은 자체 손해 경험이 적어 그것만으로 요율을 정하면 우연에 흔들리고, 업계 평균만 쓰면 집단의 특성을 무시하게 됩니다. 신뢰도이론은 두 정보를 얼마씩 섞을지 정하는 가중치를 통계적으로 도출하므로, 경험요율과 단체보험 갱신 요율 산정의 표준 도구로 백 년 넘게 쓰이고 있습니다.
논문에서는 이렇게 쓰입니다
이 문장은 계약자 수가 적은 단체의 위험률을 계산할 때, 자체 데이터와 전체 업계 데이터를 적절한 비율로 섞어서 더 안정적인 수치를 만들었다는 것을 설명합니다.
계약 수가 적은 집단의 자체 통계와 업계 전체 통계를 적절한 비중으로 섞어서, 더 안정적인 보험료율을 계산한 결과를 보여주었다는 뜻입니다.
조금 더 깊게 보면
고전적 제한변동 신뢰도는 '완전 신뢰도에 필요한 사고 건수'를 정하는 다소 임의적인 기준에서 출발하고, 뷜만 모형은 베이즈 관점에서 가중치를 유도한다는 점에서 두 계열의 논리가 다릅니다. 신뢰도가 높다는 것은 개별 경험을 많이 반영한다는 뜻이지 그 추정치가 정확하다는 뜻은 아닙니다. 현대 통계의 혼합모형과 계층 베이즈가 같은 문제를 다루므로, 신뢰도이론은 보험 특유의 용어로 포장된 축소추정으로 이해할 수 있습니다. 신뢰도이론은 보험료율 산정뿐 아니라 개별 계약자의 다음 해 예상 손해액을 추정하는 사후적 요율조정, 예를 들어 무사고 할인·할증 제도의 이론적 근거로도 널리 응용됩니다.
주의할 점
신뢰도이론에서 신뢰도 가중치를 잘못 설정하면 소규모 데이터의 우연한 변동이 요율에 과도하게 반영될 수 있어 신중한 모형 선택이 필요하다.
신뢰도이론에서 산출되는 신뢰도계수는 집단의 규모가 커질수록 1에 가까워지지만, 아무리 데이터가 많아도 완전히 1이 되지 않는 모형도 있어 완전 신뢰도라는 개념 자체가 모형에 따라 다르게 정의된다는 점을 유의해야 한다.