The Korean Journal of Applied Statistics (응용통계연구)

The Korean Statistical Society (한국통계학회)
권호 표지
DOI QR코드

DOI QR Code

Using Generalized Additive Partial Linear Model for Constructing Underwriting System

언더라이팅 시스템 구축을 위한 일반화가법부분선형모형의 활용

  • Ki, Seung-Do (Department of Statistics, Hankuk University of Foreign Studies, Korea Insurance Research Institute) ;
  • Kang, Kee-Hoon (Department of Statistics, Hankuk University of Foreign Studies)
  • 기승도 (한국외국어대학교 정보통계학과, 보험연구원) ;
  • 강기훈 (한국외국어대학교 정보통계학과)
  • Received : 20091100
  • Accepted : 20091200
  • Published : 2009.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Underwriting refers to the process that the insurance company measures the potential risk of the future clients and decide whether insuring them with current premium. Although the traditional underwriting system used in Korean automobile insurance market is easy to understand, it is not based on a reliable statistical procedure. In this paper, we propose to apply the generalized additive model into construction of underwriting system, which is based on statistical analysis. We use automobile insurance data in Korea and apply our approach to the data. The results from the empirical analysis would be useful even for determining the significance of each variable in calculating automobile insurance premium.

보험회사가 보험가입자의 정확한 위험도를 측정하여, 현재 보험료 수준으로 해당 가입자를 보험에 가입하도록 허용하는 것이 보험회사에게 손해인지 여부를 판정하는 보험회사의 활동을 언더라이팅이라 한다. 언더라이팅 시스템을 구축하는 방법으로는 기존 전통적 방법과 통계모형을 활용하는 방법이 있다. 기존의 요율산출방법에 따라 위험집단의 위험도 수준을 정하고, 해당 위험집단에 속한 가입자의 위험도를 기계적으로 계산하는 전통적인 방법은 모형의 이해가 용이하고, 사용이 편리하나 통계적으로 부합된 모형이라고 할 수는 없다. 본 연구에서는 우리나라 자동차보험 분야에서 언더라이팅 기준을 구축하기 위해 통계모형을 활용하는 방법으로 일반화가법모형을 활용하는 방안을 제시하고 분석하였다. 본 연구의 결과는 현재 자동차보험 요율산출에 사용되고 있는 변수들의 유의성을 판단하는 데에도 활용될 수 있을 것이다.

Keywords

References

  1. 보험개발원 (2008). 자동차보험 참조순보험료 요율
  2. Fan, J., Hardle, W. and Mammen, E. (1998). Direct estimation of low dimensional components in additive models, Annals of Statistics, 26, 943-971 https://doi.org/10.1214/aos/1024691083
  3. Hardle, W., Muller, M., Sperlich, S. and Werwatz, A. (2004a). Nonparametric and Semiparametric Models, Springer, Heidelberg
  4. Hardle, W., Huet, S., Mammen, E. and Sperlich, S. (2004b). Bootstrap inference in semiparametric generalized additive models, Econometric Theory, 20, 265-300 https://doi.org/10.1017/S026646660420202X
  5. Hastie, T. and Tibshirani, R. (1986). Generalized additive models (with discussion). Statistical Science, 1, 297-318 https://doi.org/10.1214/ss/1177013604
  6. Hastie, T. and Tibshirani, R. (1990). Generalized additive models, Vol 43 of Monographs on Statistics and Applied Probability, Chapman and Hall, London
  7. Jong, P. D. and Heller, G. Z. (2008). Generalized Linear Model for Insurance Data, Cambridge
  8. Lin, X. and Zhang, D. (1999). Inference in generalized additive mixed models using smoothing splines. Journal of the Royal Statistical Society. Series B, 61, 381-400 https://doi.org/10.1111/1467-9868.00183
  9. Nelder, J. A. and Wedderburn, R. W. M. (1972). Generalized linear models. Journal of the Royal Statistical Society. Series A, 135, 370-384 https://doi.org/10.2307/2344614
  10. Speckman, P. E. (1988). Regression analysis for partially linear models. Journal of the Royal Statistical Society. Series B, 50, 413-436
  11. Stone, C. J. (1985). Additive regression and other nonparametric models. Annals of Statistics, 13, 689-705 https://doi.org/10.1214/aos/1176349548
  12. Wood, S. N. (2000). Modeling and Smoothing parameter estimation with multiple quadratic penalties. Journal of the Royal Statistical Society. Series B, 62, 413-428 https://doi.org/10.1111/1467-9868.00240
  13. Wood, S. N. (2003). Thin plate regression splines. Journal of The Royal Statistical Society. Series B, 65, 95-114 https://doi.org/10.1111/1467-9868.00374
  14. Wood, S. N. (2004). Stable and efficient multiple smoothing parameter estimation for generalized additive models. Journal of the American Statical Association, 99, 673-686 https://doi.org/10.1198/016214504000000980
  15. Wood. S. N. (2006). Generalized Additive Models : An Introduction with R, Chapman Hall, London