맥모형 (Mack Model)
쉽게 풀면
전통적인 체인래더법은 "최종손해액은 이만큼일 것이다"라는 하나의 숫자만 알려줍니다. 하지만 그 숫자가 얼마나 믿을 만한지는 알려주지 않습니다. 맥모형은 같은 체인래더 계산 방식을 쓰면서도, 그 추정치 주변에 얼마나 편차가 있을 수 있는지를 함께 계산해 줍니다. 일기예보에서 "내일 기온은 20도"라고만 하는 것과 "20도, 오차범위 ±2도"라고 하는 것의 차이와 비슷합니다. 전통적인 체인래더법은 최종손해액의 점추정치만 알려주지만, 맥모델은 그 추정치가 통계적으로 얼마나 불확실한지, 즉 표준오차까지 함께 계산할 수 있게 해주는 확률모형입니다.
왜 중요한가
손해보험수리에서는 준비금 추정치 자체뿐 아니라 그 불확실성의 크기도 중요한 정보입니다. 맥모형은 특정 확률분포를 가정하지 않고도 체인래더 추정치의 표준오차를 구할 수 있어, 준비금의 신뢰구간을 제시하거나 위험 자본을 산정하는 데 널리 활용됩니다.
논문에서는 이렇게 쓰입니다
준비금 추정치의 불확실성을 정량화하는 절차를 설명한 예입니다.
서로 다른 확률적 준비금평가 방법론을 비교하는 연구 맥락입니다.
조금 더 깊게 보면
맥모형은 체인래더법의 세 가지 가정(진전계수의 선형성, 사고연도 간 독립성, 분산과 평균의 특정 관계) 위에서 예측오차를 진전연도별 분산 요소로 분해하여 계산합니다. 전체 준비금의 평균제곱오차(MSE)를 개별 사고연도의 프로세스 분산과 추정 분산의 합으로 근사하는 방식이 핵심입니다. 맥모델은 (1) 다음 발전연도 누적손해액의 조건부 기대값이 현재 누적손해액에 발전계수를 곱한 값이고, (2) 서로 다른 사고연도의 손해액이 독립이며, (3) 조건부 분산이 현재 누적손해액에 비례한다는 세 가지 가정 위에 세워져 있습니다. 체인래더법의 점추정치와 정확히 같은 결과를 주면서도 분산 공식을 통해 예측오차를 산출할 수 있다는 점이 핵심적인 기여입니다.
주의할 점
모형이 가정한 조건(진전계수의 안정성 등)이 실제 데이터와 크게 어긋나면 표준오차 추정이 부정확해질 수 있습니다. 분포 자체를 알려주지는 않으므로, 전체 분포가 필요한 경우 부트스트랩 방식 등이 함께 검토됩니다.
맥모델의 가정이 실제 데이터에서 위배되는지, 특히 발전계수의 사고연도 간 이질성이 큰지를 진단 도구로 먼저 확인하지 않으면 산출된 표준오차 자체가 왜곡될 수 있습니다.