로지스틱회귀모형

1. 로지스틱·프로빗 모형 Logistic and Probit Models

이 표제어는 보험사기 탐지(insurance fraud detection)를 응용 배경으로 하여 로지스틱·프로빗 일반화선형모형(GLM)을 설명한다. 모형의 목적은 사기지표(fraud indicators)를 체계적으로 활용하는 도구를 만드는 것이다. 모형은 사기 확률에 유의한 영향을 주는 지표들을 찾아내며, 모형의 정확도와 탐지능력으로 예측 성능을 평가한다.

X_i를 i번째 청구의 특성들을 담은 열벡터(상수항 포함)라 하고, Y_i를 청구가 사기이면 1, 아니면 0의 값을 갖는 이진(binary) 변수라 하자. β를 미지의 모수 열벡터라 하면, 모형은 다음을 가정한다.

함수 F(·)를 연결함수(link function)라 부른다. 로지스틱 모형에서는

를, 프로빗 모형에서는 표준정규분포의 누적분포함수를 쓴다.

미지 모수의 최대우도추정(maximum likelihood) 절차는 대부분의 통계 패키지에서 제공된다.

2. 사기지표의 유의성 검정 Significance of Fraud Indicators

특정 지표가 회귀분석에 도움이 되는지를 보려면, 추정된 사기 비율 p̂에 대한 신뢰구간을 구한다.

여기서 z_α/2는 표준정규분포의 (1 − α/2) 백분위수이다. 만약 신뢰구간이 0을 포함하지 않으면, 해당 지표가 회귀분석에 유용하다고 받아들일 수 있다. 종속변수로 수치화된 의심수준(suspicion level)을 두고 회귀모형을 추정하며, 독립변수(공변량)로는 사기지표들을 쓴다.

3. 그 밖의 분류 기법 Other Classification Techniques

k-최근접이웃(k-nearest neighbors). 입력벡터 X_i 근처에 있는 사기 청구의 비율로, 그 청구가 사기 부류에 속할 확률을 추정한다. 단순하면서도 비모수적인 방법이다.

비지도 방법(unsupervised methods). 참 사기 부류 정보가 없는 청구표본(패턴표본)에 적용한다. 코호넨 자기조직화 지도(Kohonen's feature map)는 출력층을 정사각형 등 기하적 형태로 배열한 2층 신경망으로, 가중치벡터를 반복 갱신하여 위상적 순서를 얻고 이를 바탕으로 잠재 패턴을 시각적으로 식별한다. 자동차 신체상해 청구에 적용해 네 가지 사기 의심수준을 도출한 사례가 있으며, 퍼지(fuzzy) 군집화나 주성분 반복판별 기법도 쓰인다.

데이터마이닝·신경망·서포트벡터머신. 전방향 다층 퍼셉트론은 분류된 청구의 입력자료와 목표집단을 함수 사상으로 연결한다. 신경망은 매우 유연하지만 각 사기지표의 효과를 명확히 볼 수 없어 흔히 블랙박스라 불린다. 서포트벡터머신은 출력을 고차원 공간으로 보내는 최적화 문제로 표현된다. 건강보험 청구를 대량으로 훑는 지식·통계 결합 시스템, 계층적 베이지안 로지스틱회귀 응용 등도 보고되었다.

4. 탐지시스템 성능 평가 Evaluating Detection Performance

탐지시스템이 만든 사기점수(fraud score)는 보통 0~100의 정수로, 클수록 사기 가능성이 높다. 최종 이진분류를 얻으려면 문턱값 c를 정한다. 점수가 c보다 큰 청구 수를 N_a, 작거나 같은 수를 N_c라 하고, 각 군의 실제 사기·정상 건수를 따져 2×2 분류표를 만든다.

점수가 c보다 높은 청구를 모두 조사하면, 표본 중 조사 비율은 N_a/N(조사비율, investigative proportion)이다. 사기에 대한 정확도는 N_fa/N_a, 탐지율(민감도, sensitivity)과 특이도(specificity)는 다음과 같다.

c를 높이면 정확도가 오르고, c를 낮추면 탐지율은 오르지만 조사해야 할 청구 수와 감사비용이 늘어난다.

ROC 곡선과 AUROC. 여러 문턱값 c마다 분류표를 만들어, y축에 민감도, x축에 (1 − 특이도)를 찍고 (0,0)에서 (1,1)까지 점들을 잇는다. 이렇게 그린 곡선이 ROC(수신자조작특성) 곡선이고, 그 아래·대각선 위의 넓이가 AUROC이다. AUROC가 클수록 예측 성능이 좋다. 완벽한 모형은 민감도·특이도가 모두 1이 되어 점 (0,1)을 지나며 넓이가 최대가 된다.

5. 모형 운용을 위한 교훈 Lessons for Model Implementation

완전 자동화된 사기 탐지 모형은 존재하지 않는다. 새로운 형태의 사기가 매일 나타나므로, 실무자는 지표의 갱신, 무작위 감사, 지속적 모니터링을 게을리하면 안 된다. 이것이 탐지시스템을 건강하게 유지하고 감사전략이 부패하는 것을 막는 가장 효율적인 방법이다. 기본 모니터링 지표로는 사기 탐지로 절감한 총 청구액, 관측된 사기 청구의 절대·상대 건수 등이 있으며, 관측된 사기 청구의 통계분석은 시스템이 잡아내는 사기의 규모와 유형에 대한 유용한 정보를 준다.

참고 및 관련 표제어

부록. 이 글에 나온 용어 (배경지식 보충)

• 일반화선형모형 (GLM) — 선형예측자를 연결함수로 변환해 이진·계수 등 다양한 반응을 다루는 회귀 틀.
• 연결함수 (link function) F — 선형결합을 확률(0~1)로 변환하는 함수. 로지스틱·프로빗 등.
• 로지스틱(시그모이드) 함수 — F(z) = 1/(1+e^−z), S자 곡선으로 확률을 출력.
• 프로빗 모형 (probit) — 연결함수로 표준정규 누적분포 Φ를 쓰는 모형.
• 사기지표 (fraud indicator) — 청구가 사기일 가능성을 시사하는 특성 변수.
• 민감도·특이도 (sensitivity / specificity) — 사기를 옳게 잡는 비율 / 정상을 옳게 통과시키는 비율.
• ROC 곡선 · AUROC — 문턱값에 따른 민감도–(1−특이도) 곡선과 그 아래 넓이. 분류 성능 척도.
• k-최근접이웃 (kNN) — 가까운 사례들의 다수결로 분류하는 비모수 방법.
• 코호넨 자기조직화 지도 — 라벨 없이 입력 패턴을 위상적으로 배열하는 비지도 신경망.
• 서포트벡터머신 (SVM) — 고차원 공간에서 분리 초평면을 찾는 분류기.

한국보험시장 현황 Korea Market Practice

로지스틱회귀모형(Logistic Regression Model)은 이진 반응변수(0/1)의 발생 확률을 연속형 설명변수로 예측하는 GLM의 특수 경우로, 국내 보험 계리 실무에서 폭넓게 활용된다. 생명보험에서는 계약자의 해지·전환 여부 예측, 손해보험에서는 보험사기 탐지와 사고 여부(claim/no-claim) 분류에 로지스틱회귀가 표준 방법론으로 자리 잡고 있다. 자동차보험 BMS(보험료 할인할증) 적용 시 사고 발생 여부를 종속변수로 한 로지스틱 모형으로 경험 보정 계수를 산출하기도 한다.

IFRS17 체계에서는 해지율 가정 산출에 로지스틱회귀가 활용된다. 계약 기간, 가입연령, 납입 방법, 보험료 규모 등 설명변수를 이용해 해지 확률을 모형화하고, 이를 최선추정(BEA) 현금흐름 가정으로 반영한다. 2024년 무·저해지 해지율 가이드라인 도입으로 저해지 구간 해지율 가정 검증 강화가 요구됨에 따라, 계약 특성별 세분화된 해지율 추정 모형의 정교화가 진행 중이다.

신용보험·보증보험에서는 채무 불이행(default) 확률 예측에 로지스틱회귀가 사용되며, K-ICS 신용 리스크 서브모듈 산출의 기초 데이터를 제공한다. 전통적 로지스틱 단일 모형의 한계를 보완하기 위해 의사결정나무와 앙상블 기법(랜덤포레스트, GBM)이 비교 벤치마크로 활용되지만, 감독 규제상 해석 가능성(interpretability) 요구로 인해 로지스틱회귀의 실무 지위는 여전히 공고하다.