Abstract
Well-known Bayes and empirical Bayes estimators have a disadvantage in respecting to overshink the parameter estimator error; therefore, a constrained Bayes estimator is suggested by matching the first two moments. Also traditional loss function such as mean square error loss function only considers the precision of estimation and to consider both precision and goodness of fit, balanced loss function is suggested. With these reasons, constrained Bayes estimators under balanced loss function is recommended for non-life insurance pricing.; however, most studies focus on the performance of estimation since Bayes risk of newly suggested estimators such as constrained Bayes and constrained empirical Bayes estimators under specific loss function is difficult to derive. This study compares the Bayes risk of several Bayes estimators under two different loss functions for estimating the risk in the auto insurance business and indicates the effectiveness of the newly suggested Bayes estimators with regards to Bayes risk perspective through auto insurance real data analysis.
잘 알려져 있는 것처럼 일반적인 베이즈 추정량(Bayes estimator)과 경험적 베이즈 추정량(empirical Bayes estimator)은 모수를 추정하는데 있어서 오차를 과다축소하는 단점을 가지고 있다. 따라서 이러한 단점을 극복하기 위하여 constrained 베이즈 추정량이 일차 적률과 이차 적률을 일치시키는 성질을 만족시키며 제안되었다. 또한 평균 제곱오차 함수와 같은 전통적인 손실함수에서는 추정의 정확성만을 고려하는 특징을 가지고 있기 때문에, 추정의 정확성과 정합성을 동시에 고려하는 균형 손실함수가 제안되었다. 이러한 이유로 인하여 균형손실 함수하에서의 제한적 베이즈 추정량의 활용이 손해 보험의 가격 산출에 제안되는 것은 타당하다. 그러나 대부분의 연구는 추정의 문제에만 집중하는 경향이 있으며. 이는 새롭게 제안되는 특정 손실함수하에서의 constrained 베이즈 추정량과 constrained empirical 베이즈 추정량의 베이즈 위험의 계산이 어렵다는 점에서 기인한다. 본 연구에서는 다양한 베이즈 추정량들에 대한 베이즈 위험을 서로 다른 두 손실함수하에서 비교하였으며, 그 대상은 자동차 보험 산업에서의 위험도 추정 분야이다. 또한 자동차 보험 산업의 실제 사고 데이터를 이용하여 새롭게 제안된 베이즈 추정량의 베이즈 위험을 비교함으로써 그 효용성을 입증하였다.
