이득:
- 데이터 입력부터 최종 서명 보고서까지 전체 계리 워크플로우를 인공 지능이 지원하는 엔드투엔드 프로세스로 설계할 수 있는 능력
- 인공 지능 도구를 워크플로에 통합할 때 버전 제어, 감사 추적 및 반복성 규율을 설정하는 기능
- 인공지능 시대에 보험계리직이 어떻게 변화하고 있는지 이해하고, 자신의 기술 개발과 전문적 책임을 계획할 수 있는 능력.
모듈 시험
1. 보험계리사가 AI에게 "작년에 우리 포트폴리오의 손실 빈도는 어땠나요?"라고 묻습니다. 정책 데이터를 제공하지 않고. 그가 묻자 모델은 자신 있는 수치를 제시합니다. 이 상황은 어떤 위험을 가장 잘 예시합니까?
- A) 환각: 모델이 데이터에 접근하지 않고 가짜 숫자를 생성합니다. ✔
- 나) 과적합
- 다) 데이터 유출
- 라) 사망률 개선
설명: 모델에 데이터가 제공되지 않을 때 생성되는 숫자는 환각입니다. 유창하지만 실제 데이터를 기반으로 하지 않은 만들어진 출력입니다. 빈도와 같은 수치 결과는 항상 기관 자체 데이터에서 계산되어야 합니다.
2. 피해 모델링에서 '빈도'와 '심각도'를 구분하는 주된 이유는 무엇입니까?
- A) 법률에서는 모델링 빈도와 강도를 함께 금지하고 있기 때문에
- 나) 생명보험에만 유효하기 때문에
- C) 빈도와 강도는 서로 다른 분포를 따릅니다. 따로 모델링하고 결합하면 전체 피해량을 더 정확하게 예측할 수 있습니다 ✔
- 라) 주파수와 강도는 항상 같은 값을 가지므로 둘 중 하나만 계산하면 된다.
설명: 손상 횟수(빈도)와 손상당 금액(심각도)은 서로 다른 행동과 서로 다른 확률 분포를 갖습니다. 총 피해량(위험 프리미엄)은 별도로 모델링하고 곱하여 구합니다. 이러한 구별을 통해 두 가지 모두를 보다 정확하게 예측할 수 있습니다.
3. IBNR 상당액은 무엇을 의미하나요?
- 가) 보험료 환급을 위한 법정자금 할당
- B) 피해가 발생했지만 아직 보고되지 않은 손해에 대한 대비책 ✔
- 다) 재보험사로부터 받는 수수료
- D) 지급 및 종결된 손해 배상 총액
설명: IBNR(Incurred But Not Reported)은 발생했지만 아직 회사에 보고되지 않은 손해에 대해 향후 비용을 마련하기 위해 마련한 조항입니다. 사슬사다리 등의 방법으로 추정합니다.
4. 사슬사다리법에서 "발달 인자"의 용도는 무엇입니까?
- A) 인플레이션에 따라 보험료를 업데이트합니다.
- B) 보험 수를 연도별로 나눕니다.
- C) 자본 요구 사항을 직접 계산합니다.
- D) 한 발달단계에서 다음 발달단계까지 누적 손상의 증가율을 제공하여 최종 손상을 예측하는 데 사용됩니다. ✔
설명: 성장 계수는 개발 1년부터 다음 해까지 피해 기간의 누적 피해가 몇 배나 증가하는지를 나타냅니다. 이러한 요소를 사용하여 미성숙 단계의 최종 손상을 추정합니다.
5. 보험계리사에서 가격 책정에 사용되는 GLM(일반화 선형 모델)이 널리 선호되는 이유는 무엇입니까?
- A) 항상 가장 높은 예측 정확도를 제공하기 때문입니다.
- B) 계수 해석이 가능하므로 위험요인이 보험료에 미치는 영향을 투명하게 설명할 수 있음 ✔
- 다) 데이터가 없어도 작동하기 때문에
- D) 법안에서는 GLM만 허용하기 때문에
설명: GLM은 계수를 해석할 수 있기 때문에 각 위험 요소가 보험료에 미치는 영향을 투명하게 보여줍니다. 이는 입법, 감사 및 직무 설명 측면에서 중요한 이점입니다.
6. 사망률 표의 qx 값은 무엇을 나타냅니까?
- A) 1년 이내에 노인 x 사망할 확률 ✔
- B) 연령 x까지 납부한 총 보험료
- 다) x년 연금의 현재 가치
- 라) 기술적 이자율
설명: qx는 x 나이에 도달한 사람이 1년 이내에 사망할 확률입니다. 생명 보험 및 퇴직 계좌의 기본 입력입니다. 생존 확률은 px = 1 - qx로 구합니다.
7. 연금 계좌의 기술 이자율(할인)을 높이면 향후 지급액의 현재 가치에 어떤 영향을 미치나요?
- 가) 현재가치 증가
- 나) 전혀 영향을 미치지 않는다
- C) 현재 가치 감소 ✔
- D) 사망률만 변경합니다.
설명: 할인율이 증가하면 화폐의 시간가치가 더 강하게 적용되기 때문에 미래 지급액의 현재 가치는 감소합니다. 따라서 이자 가정은 부채 가치에 직접적인 영향을 미치며 신중하게 선택됩니다.
8. 기능 엔지니어링에서 "데이터 유출"은 무엇을 의미합니까?
- 가) 암호화 없이 데이터 저장
- B) 평균으로 결측값 채우기
- 다) 데이터를 백업하지 않고 있다
- 라) 예측 당시 실제로 알 수 없는 정보가 모델에 섞여 있어 오해의 소지가 있을 정도로 성능을 부풀린다 ✔
설명: 데이터 유출은 예측 당시 실제로 존재하지 않는 정보(예: 미래를 포함하는 변수)가 모델에 유입되는 것입니다. 이는 테스트 성능을 인위적으로 부풀려 실제 모델이 실패하게 만듭니다.
9. 몬테카를로 시뮬레이션은 보험계리사에게 본질적으로 무엇을 제공합니까?
- A) 결과를 하나의 정확한 숫자로 줄입니다.
- B) 다수의 무작위 시나리오를 생성하여 결과의 확률 분포와 꼬리 위험을 볼 수 있습니다 ✔
- C) 과거 데이터 없이도 정확한 예측을 제공합니다.
- D) 입법문을 자동으로 작성합니다.
설명: Monte Carlo는 무작위 시나리오를 여러 번 반복하여 결과를 단일 지점이 아닌 확률 분포(예: 꼬리 위험, 99.5% 수준)로 표시합니다. 이는 불확실성을 정량화하는 강력한 방법입니다.
10. Solvency II 프레임워크 내에서 SCR(Solvency Capital Requirement)은 무엇을 의미합니까?
- 가) 연간 총 보험료 수입
- 나) 지급된 손해배상 총액
- C) 99.5% 신뢰 수준에서 1년 손실을 충당하기 위해 자본 요건을 보유해야 함 ✔
- 라) 재보험 수수료율
설명: SCR은 99.5% 신뢰 수준에서 1년 이내에 의무를 이행하기 위해 회사가 유지해야 하는 자본 요건입니다(약 200년에 한 번 발생하는 최악의 시나리오에서). 이는 보험사의 재무 탄력성을 측정하는 주요 척도입니다.
11. 인공지능이 만들어낸 가격 모델에서 '간접 차별'은 어떻게 발생하는가?
- A) 금지변수와 연관된 대리변수는 간접적으로 동일한 차별효과를 갖는다 ✔
- B) 모델이 너무 적은 데이터를 사용함
- 다) 보험료를 높게 설정
- D) 기술 관심도가 낮은 선택
설명: 금지된 변수(예: 인종)가 모델에서 제거되더라도 밀접하게 관련된 대리 변수(예: 이웃/우편번호)는 간접적으로 동일한 차별 효과를 나타낼 수 있습니다. 따라서 모델의 명시적 차별뿐만 아니라 간접적 차별도 검토할 필요가 있다.
12. 공개적으로 사용 가능한 인공 지능 도구를 사용하여 보험 증권 및 청구 데이터를 분석할 때 기본적인 개인 정보 보호 규칙은 무엇입니까?
- A) 데이터가 작을 경우 익명화가 필요하지 않습니다.
- B) 모든 경우에 이름을 변경하는 것만으로도 충분합니다.
- 다) 데이터를 암호화하면 어느 차량에나 업로드 가능
- D) 개인/사적 데이터를 익명화하고, 불필요한 데이터를 공유하지 않으며, 안전한/제도적 도구를 선택합니다 ✔
설명: 개인 및 특수 데이터(TR ID, 이름, 진단, 프로토콜)는 공유하기 전에 익명화되어야 합니다. 가능하다면 모델 훈련에 데이터를 사용하지 않는 데이터 처리 계약이 포함된 기업 도구를 선호해야 합니다. KVKK에는 이것이 필요합니다.
13. 체인 사다리와 Bornhuetter-Ferguson(BF) 방법을 비교하는 보험 계리사는 왜 미성숙(신규) 손상 기간에 대해 BF를 선호합니까?
- A) BF는 법으로 의무화되어 있기 때문에
- B) BF에는 데이터가 필요하지 않기 때문에
- C) 새로운 기간에는 사슬 사다리 요소의 변동성이 매우 커집니다. BF는 예상 피해율을 활용하여 보다 안정적인 예측을 제공합니다 ✔
- D) 사슬사다리는 생명보험에서만 작동하기 때문에
설명: 새로운 기간에는 손상이 거의 발생하지 않기 때문에 사슬 사다리 개발 요소는 작은 변동에도 극도로 민감하고 변동성이 커집니다. BF는 예상 손실률(선험적) 정보를 사용하여 이러한 변동성을 완화하고 보다 안정적인 예측을 제공합니다.
14. AI가 생성한 적립금을 보험계리사가 직접 서명해 규제기관에 보내는 경우 가장 큰 문제는 무엇인가요?
- A) 책임과 최종 승인은 보험계리사에게 있습니다. 확인되지 않은 인쇄물에 서명한다고 해서 직업적, 법적 위험이 사라지지는 않습니다 ✔
- B) 인공지능 출력은 항상 부정확하므로 사용해서는 안 됩니다.
- 다) 규제당국은 인공지능의 사용을 전면 금지했다.
- D) 인공지능 출력에는 서명이 필요하지 않습니다.
설명: AI 출력은 초안입니다. 방법 선택, 가정 및 최종 수치에 대한 책임은 서명한 보험계리사에게 있습니다. 확인되지 않은 출력물에 서명하는 것은 서명되지 않은 보고서를 게시하는 것만큼 위험하며 전문적/법적 책임을 제거하지 않습니다.