[논문 리뷰] Stable-1/2 Bridges and Insurance: a Bayesian approach to non-life reserving

Edward Hoyle, Lane P. Hughston외 1명|arXiv (Cornell University)|2010. 05. 04.

Probability and Risk Models참고 문헌 24인용 수 10

한 줄 요약

이 논문은 안정성-1/2 랜덤 브릿지(Stable-1/2 random bridge)를 사용하여 지급 보험금의 누적을 시뮬레이션하는 베이지안 비생명 보험 예치금 모델을 제안한다. 이는 궁극적 손해의 탄력적인 사전 분포 설정과 최적 추정 궁극적 손해 과정의 명시적 계산을 가능하게 한다. 이 방법은 관측된 개발 패턴에 맞추기 위해 결정론적 시간 변화를 지원하며, 극단적 손해 시나리오에 적합하다. 일반화된 역가우스분포(GIG)는 자연스러운 사전 분포로 부각되며, 주요 양에 대한 유리 함수 표현이 가능하다.

ABSTRACT

We develop a non-life reserving model using a stable-1/2 random bridge to simulate the accumulation of paid claims, allowing for an arbitrary choice of a priori distribution for the ultimate loss. Taking a Bayesian approach to the reserving problem, we derive the process of the conditional distribution of the ultimate loss. The ‘best-estimate ultimate loss process ’ is given by the conditional expectation of the ultimate loss. We derive explicit expressions for the best-estimate ultimate loss process, and for expected recoveries arising from aggregate excess-of-loss reinsurance treaties. Use of a deterministic time change allows for the matching of any initial (increasing) development pattern for the paid claims. We show that these methods are well-suited to the modelling of claims where there is a non-trivial probability of catastrophic loss. The generalized inverse-Gaussian (GIG) distribution is shown to be a natural choice for the a priori ultimate loss distribution. For particular GIG parameter choices, the best-estimate ultimate loss process can be written as a rational function of the paid-claims process. We extend the model to include a second paid-claims process, and allow the two processes to be dependent. The results obtained can be applied to the modelling of multiple lines of business or multiple origin years. The multidimensional model has the attractive property that the dimensionality of calculations remains low, regardless of the number of paid-claims processes. An algorithm is provided for the simulation of the paid-claims processes.

연구 동기 및 목표

• 비생명 보험 예치금에 대한 강력한 베이지안 프레임워크를 개발하여, 극단적 보험금 발생 확률이 비중요하지 않은 경우에도 이를 수용할 수 있도록 한다.
• 궁극적 손해에 대한 임의의 사전 분포를 포함시켜 지급 보험금 개발 패턴을 탄력적으로 모델링할 수 있도록 한다.
• 집합 초과손해 재보험 계약 하에 최적 추정 궁극적 손해 과정과 기대 재보험 회수액에 대한 명시적 표현을 유도한다.
• 다중 상관관계가 있는 보험금 과정으로 모델을 확장하면서도 저차원 계산 복잡도를 유지한다.
• 다양한 보험 영업 분야 또는 발생 연도에 걸쳐 실용적 구현이 가능한 지급 보험금 과정을 시뮬레이션할 수 있는 알고리즘을 제공한다.

제안 방법

• 지급 보험금의 시간에 따른 확률적 누적을 모델링하기 위해 안정성-1/2 랜덤 브릿지를 활용한다.
• 관측된 지급 보험금을 바탕으로 궁극적 손해의 조건부 분포를 도출하기 위해 베이지안 프레임워크를 적용한다.
• 모델의 개발 패턴을 관측된 초기 보험금 패턴과 일치시키기 위해 결정론적 시간 변화를 적용한다.
• 궁극적 손해에 대한 자연스러운 켤레 사전 분포로 일반화된 역가우스분포(GIG)를 선택하여 해석적 유연성을 확보한다.
• GIG 사전 분포 하에서 궁극적 손해의 조건부 기대값으로서 최적 추정 궁극적 손해 과정을 유도한다.
• 저차원 계산 복잡도를 유지하면서도 다차원 프레임워크를 활용해 다중 상관관계가 있는 보험금 과정으로 모델을 확장한다.

실험 결과

연구 질문

• RQ1 어떻게 비생명 보험 예치금에 대한 베이지안 모델을 구성할 수 있을까? 이는 비중요하지 않은 극단적 보험금 발생 확률을 수용하면서도 계산의 실용성을 유지할 수 있도록 해야 한다.
• RQ2 궁극적 손해에 대한 어떤 사전 분포 선택이 최적 추정 궁극적 손해 과정에 대해 해석적으로 다룰 수 있는 표현을 가능하게 하는가?
• RQ3 시간 변화 메커니즘을 통해 모델이 지급 보험금의 임의의 초기 개발 패턴을 수용할 수 있는가?
• RQ4 최적 추정 궁극적 손해 과정이 지급 보험금 과정의 유리 함수로 축소되는 조건은 무엇인가?
• RQ5 계산 차원의 증가 없이도 다중 상관관계가 있는 보험금 과정으로 모델을 확장할 수 있는가?

주요 결과

• 제안된 베이지안 프레임워크에서 궁극적 손해의 사전 분포로 일반화된 역가우스분포(GIG)는 자연스럽고 해석적으로 편리한 선택이다.
• GIG 사전 분포의 특정한 매개수 설정 하에서 최적 추정 궁극적 손해 과정은 관측된 지급 보험금 과정의 유리 함수로 표현될 수 있으며, 이는 효율적 계산을 가능하게 한다.
• 모델은 결정론적 시간 변화를 지원하여 지급 보험금의 임의의 증가 초기 개발 패턴을 정확히 일치시킬 수 있다.
• 모델의 다차원 확장은 보험금 과정의 수에 관계없이 저차원 계산을 유지하므로, 다양한 보험 영업 분야 또는 발생 연도의 효율적 모델링이 가능하다.
• 집합 초과손해 재보험 계약 하의 기대 회수액에 대한 명시적 표현이 도출되었으며, 이는 실용적인 리스크 관리 응용을 향상시킨다.
• 지급 보험금 과정을 시뮬레이션하기 위한 알고리즘이 제공되어 실용적 구현과 시나리오 분석을 지원한다.