KCI등재
인공신경망을 활용한 주택연금의 해지 위험 예측 성능평가 = Evaluating the Risk Prediction Performance of Reverse Mortgages Using Artificial Neural Networks
저자
발행기관
학술지명
차세대컨버전스정보서비스기술논문지(Journal of Next-generation Convergence Information Services Technology)
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
413-423(11쪽)
DOI식별코드
제공처
Machine learning models, particularly artificial neural networks, have had a wide range of affects in numerous sectors such as medical science, genetics, business, and so on since the advent of the big data age. In Korea, however, there has been an insufficient accumulation of quantitative insurance research using machine learning models for survival analysis. Using data from reverse mortgage subscribers and an artificial neural network model, this study created a survival analysis model, then compared and examined optimization algorithms such as Adam, RMSProp, and SGD in terms of discriminant analysis using a Concordance Index. The primary findings of the empirical analysis conducted in this study are as follows. First, both classic statistical model and artificial neural network model are applied to survival analysis to predict the termination of reverse mortgage. This shows the utility of merging artificial neural networks with survival analysis for forecasting reverse mortgage cancellation and the potential for generalization to other pension insurance data. Second, the risk prediction results of the model that combined the artificial neural network with SGD and RMSProp optimization algorithms were slightly lower than the classic Cox proportional hazards model. This confirmed the importance of optimization as well as the superior learning performance of the Adam optimization algorithm, which also integrates momentum and adaptive approaches.
더보기최근 빅데이터 시대가 도래하면서 인공 신경망 모형을 포함한 기계학습모형들이 다양한 의학 영역과 유전체 연구 그리고 기업의 생존 등에 이르기까지 굉장히 광범위한 영향력을 행사하며 그 영역을 넓혀가고 있지만, 생존 분석을 기계학습에 적용한 국내 계량 금융·보험 연구들은 충분히 축적되지 못하고 있는 상황이다. 본 연구는 주택연금 가입자의 데이터와 인공신경망 모형을 활용한 생존 분석 모형을 설계하고, 우위성 지수를 통한 판별분석 측면에서 최적화 알고리즘인 Adam, RMSProp 그리고 SGD을 비교·분석하였다. 본 연구 수행에 따른 실증 분석의 주요 결과를 요약·정리해 제시하면 다음과 같다. 첫째, 전통적인 통계 모형과 인공신경망 모형을 생존 분석에 적용하여 주택연금 가입자의 해지 예측한 결과, 인공신경망과 Adam 최적화 알고리즘을 사용한 모형이 좀 더 개선된 예측 값을 제공하였다. 이는 생존 분석에 인공신경망을 결합한 모형이 연금 가입자의 해지 예측 문제에 응용될 수 있다는 점을 확인했다. 둘째, SGD과 RMPProp과 인공신경망을 결합한 모형의 위험 예측 결과가 전통적인 콕스 비롄위험모형보다 약간 낮았다. 이를 통해 최적화의 중요성과 더불어 운동량(Momentum)의 개념 및 적응형 방법(Adaptive Method)을 동시 적용한 Adam 최적화 알고리즘의 우수한 학습 성능도 또한 확인할 수 있게 됐다. 마지막으로 본 연구는 인공신경망 기법을 주택연금에 최초로 적용하였다는 점에서 의미가 있다. 향후에는 주택연금 뿐 만 아니라 다른 연금 보험 데이터에 응용할 수 있는 일반화 가능성을 보여준다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)