음이항사고건수모형 (Negative Binomial Claim Count Model)

한 줄 정의: 사고 건수의 분산이 평균보다 큰 과산포 현상을 반영할 수 있도록 음이항분포를 사용해 사고 건수를 모형화하는 방법입니다.

쉽게 풀면

보험 계약자들의 사고 건수를 살펴보면 평균만큼이 아니라 그보다 더 들쭉날쭉하게 퍼져 있는 경우가 많습니다. 어떤 계약자는 사고가 거의 없고 일부 계약자는 유난히 많기 때문입니다. 이런 편차가 큰 현상을 표현하기에 흔히 쓰는 포아송분포는 한계가 있는데, 음이항분포는 평균과 분산을 따로 조절할 수 있는 여유 모수를 하나 더 가지고 있어 이런 들쭉날쭉함(과산포)을 더 잘 표현할 수 있습니다.

왜 중요한가

실제 자동차보험, 화재보험 등의 사고 데이터는 포아송분포가 가정하는 "평균=분산" 조건을 잘 만족하지 않는 경우가 대부분이어서, 음이항사고건수모형은 계리학에서 사고건수를 적합시킬 때 가장 널리 쓰이는 대안 중 하나입니다. 보험료 산정, 준비금 추정, 신뢰도 이론 등 실무 전반에서 폭넓게 응용됩니다.

논문에서는 이렇게 쓰입니다

"포아송모형의 등산포 가정이 데이터와 맞지 않아 음이항사고건수모형을 대안으로 적합시킨 결과 적합도가 유의하게 개선되었다."

과산포 문제 해결을 위해 음이항모형을 적용하는 전형적인 예문입니다.

"감마분포를 혼합분포로 하는 혼합포아송과정을 통해 음이항사고건수모형을 유도하고 그 모수를 최대우도법으로 추정하였다."

혼합포아송과정과의 이론적 관계 및 모수 추정 방법을 함께 보여주는 예문입니다.

조금 더 깊게 보면

음이항분포는 감마분포를 혼합분포로 하는 혼합포아송과정에서 자연스럽게 유도될 수 있으며, (a,b,0)분포족에도 속해 판제르 재귀공식을 적용할 수 있습니다. 모수 추정은 흔히 최대우도법을 사용하며, 과산포의 정도를 나타내는 추가 모수(분산-평균 비율과 관련된 모수)를 통해 데이터의 흩어짐 정도를 조절합니다.

주의할 점

음이항분포는 과산포는 잘 다루지만 분산이 평균보다 작은 과소산포 현상에는 적합하지 않습니다. 또한 데이터에 0건 사고가 이론적 예측보다 훨씬 많은 경우에는 영변형분포와 같은 추가적인 보정이 필요할 수 있습니다.