In automobile insurance, it is important to calculate the proper premium to each policyholder. To do this, insurer uses Bayesian method to update the distribution of the premium according to the risk pro files, the frequency and the severity. In the past, it is usually assumed that these two risk pro files are independent. In this thesis, we improve this and introduce three new method that also work when the risk profiles are not independent.
자동차 보험에서는 각 피보험자의 사고액을 예측하는 것이 매우 중요하다. 이 때, 보험사는 각 피보험자가 가지는 과거의 사고 빈도와 심도를 뜻하는 리스크 프로파일을 보고 프리미엄 분포의 베이지안 업데이트를 통해 다음번 사고액을 추측한다. 과거에는 이 리스크 프로파일들이 서로 독립이라고 가정한 연구들이 많이 진행되었다. 본 학위논문에서는 이것을 개선하여, 빈도와 심도가 독립이 아닌 경우에도 사용이 가능한 3가지 모델에 대해서 소개하고, 각각의 방법으로 예측한 프리미엄과 실제의 사고액을 비교하며 평가하고자 한다
