회귀신뢰도 (Regression Credibility)
쉽게 풀면
전통적인 신뢰도이론은 계약자의 과거 손해 경험과 전체 평균만을 섞습니다. 그런데 계약자마다 나이, 지역, 차종 등 서로 다른 특성이 있다면 이런 정보를 무시하는 것은 아깝습니다. 회귀신뢰도는 먼저 회귀분석으로 이런 특성 변수들이 손해액에 미치는 영향을 추정한 뒤, 그 회귀 예측치와 계약자 개별 경험을 다시 신뢰도 가중치로 결합합니다. 마치 학생의 시험 점수를 예측할 때 공부 시간이라는 변수로 먼저 예측하고, 그 예측치를 실제 지난 성적과 다시 섞어 보정하는 것과 비슷합니다.
왜 중요한가
보험 요율산정에서는 계약자 특성 변수(공변량)를 활용하는 회귀 기반 방법과, 과거 경험을 활용하는 신뢰도 기반 방법이 각각 장단점을 가집니다. 회귀신뢰도는 두 접근을 통합함으로써 특성 변수와 경험 정보를 모두 반영한 보다 정교한 보험료 산정을 가능하게 하여, 요율산정 실무와 관련 연구에서 중요하게 다루어집니다.
논문에서는 이렇게 쓰입니다
공변량 기반 회귀 예측치를 신뢰도 방법과 결합했다는 의미입니다.
공변량 정보를 활용함으로써 예측 정확도가 향상될 수 있음을 나타냅니다.
조금 더 깊게 보면
회귀신뢰도는 대체로 한센-헤흐만 유형의 모형이나 뷸만-스트라웁 모형에 회귀 구조를 결합한 형태로 확장됩니다. 회귀계수와 신뢰도 가중치를 동시에 추정하는 과정이 필요하며, 이 과정에서는 반복추정법이나 최소제곱 기반 접근이 흔히 사용됩니다.
주의할 점
공변량 선택이 부적절하면 회귀 부분이 오히려 예측력을 떨어뜨릴 수 있습니다. 회귀신뢰도가 항상 단순 신뢰도 모형보다 우월한 것은 아니며, 자료의 특성에 따라 성능 차이가 달라질 수 있습니다.