第 3 章/累积损失模型
课堂实验室
CHAPTER 03 / 3.1

集体风险模型

先为次数 NN 和单笔金额 XX 建模,再得到总额 SS 的均值、方差与分布。

① 次数 NN

P(N=k)P(N=k)
Poisson 分布

② 单笔金额 XX

P(X=x)P(X=x)
单笔金额分布

③ 累积损失 SS

P(S=s)P(S=s)
累积损失分布

第 ③ 步由前两步算出(这里用 3.4.2 节的递推)。图中显示到 P(S≤s)≥1−10−5P(S\le s)\ge 1-10^{-5} 为止。

E(N)E(N)2
E(X)E(X)1.5
E(S)=E(N)E(X)E(S)=E(N)E(X)3
Var⁡(N)\operatorname{Var}(N)2
Var⁡(X)\operatorname{Var}(X)0.25
Var⁡(S)\operatorname{Var}(S)5

与课件一致:E(X)=1.5E(X)=1.5,Var⁡(X)=0.25\operatorname{Var}(X)=0.25,E(S)=2×1.5=3E(S)=2\times1.5=3,Var⁡(S)=2×0.25+2×1.52=5\operatorname{Var}(S)=2\times0.25+2\times1.5^2=5。

方差分解 · 同一个 E(N)=2E(N)=2

Var⁡(S)\operatorname{Var}(S) 从哪里来:金额的波动与次数的波动

Var⁡(S)=E(N)Var⁡(X)⏟金额波动+Var⁡(N)[E(X)]2⏟次数波动\operatorname{Var}(S)=\underbrace{E(N)\operatorname{Var}(X)}_{\text{金额波动}}+\underbrace{\operatorname{Var}(N)[E(X)]^2}_{\text{次数波动}}
金额波动 E(N)Var⁡(X)E(N)\operatorname{Var}(X)次数波动 Var⁡(N)[E(X)]2\operatorname{Var}(N)[E(X)]^2
Poisson 分布Var⁡(N)/E(N)=1\operatorname{Var}(N)/E(N)=1 · 当前模型0.5 + 4.5 = 5
二项分布Var⁡(N)/E(N)=0.5\operatorname{Var}(N)/E(N)=0.50.5 + 2.25 = 2.75
负二项分布Var⁡(N)/E(N)=2\operatorname{Var}(N)/E(N)=20.5 + 9 = 9.5

三行的 E(N)E(N) 与单笔金额分布都相同,E(S)E(S) 都等于 3,所以“金额波动”一段长度相同;差别全部来自 Var⁡(N)\operatorname{Var}(N)。比较用的二项取 m=4m=4,负二项取 r=2r=2。

平均次数增大时,Var⁡(S)\operatorname{Var}(S) 怎样增长

Var⁡(S)\operatorname{Var}(S)
复合 Poisson复合二项(m=10m=10)复合负二项(r=2r=2)

相对波动:变异系数 Var⁡(S) / E(S)\sqrt{\operatorname{Var}(S)}\,/\,E(S)

CV⁡(S)\operatorname{CV}(S)
复合 Poisson复合二项(m=10m=10)复合负二项(r=2r=2)

单笔金额分布固定,只改变平均次数。复合 Poisson 的 Var⁡(S)=λE(X2)\operatorname{Var}(S)=\lambda E(X^2) 是一条直线,变异系数按 1/λ1/\sqrt{\lambda} 下降;负二项固定 rr 时,变异系数下降到 1/r1/\sqrt{r} 后不再下降;二项固定 mm 时,E(N)E(N) 最大只能到 mm。

复合 Poisson 模型中 E(S)=λE(X)E(S)=\lambda E(X)、Var⁡(S)=λE(X2)\operatorname{Var}(S)=\lambda E(X^2),都与 λ\lambda 成正比。业务量越大,绝对波动越大,相对波动却越小:这正是保险依靠大量独立风险分散风险的原因。
模型假设与均值、方差的推导展开阅读

集体风险模型把一个时期的累积损失写成随机个数的单笔损失之和:

S=X1+X2+⋯+XN,S=0 当 N=0S=X_1+X_2+\cdots+X_N,\qquad S=0\ \text{当}\ N=0

课件中的独立性假设:

  • 给定 N=nN=n,X1,…,XnX_1,\dots,X_n 独立同分布;
  • 给定 N=nN=n,XjX_j 的共同分布不依赖于 nn;
  • NN 的分布不依赖于 X1,X2,…X_1,X_2,\dots 的取值。

由全期望公式与全方差公式:

E(S)=E[E(S∣N)]=E[N E(X)]=E(N)E(X)E(S)=E\big[E(S\mid N)\big]=E\big[N\,E(X)\big]=E(N)E(X)
Var⁡(S)=E[Var⁡(S∣N)]+Var⁡[E(S∣N)]=E(N)Var⁡(X)+Var⁡(N)[E(X)]2\operatorname{Var}(S)=E\big[\operatorname{Var}(S\mid N)\big]+\operatorname{Var}\big[E(S\mid N)\big]=E(N)\operatorname{Var}(X)+\operatorname{Var}(N)[E(X)]^2

复合 Poisson 模型中 E(N)=Var⁡(N)=λE(N)=\operatorname{Var}(N)=\lambda,于是 Var⁡(S)=λ[Var⁡(X)+E(X)2]=λE(X2)\operatorname{Var}(S)=\lambda[\operatorname{Var}(X)+E(X)^2]=\lambda E(X^2)。

均值和方差只用到 NN 与 XX 的前两阶矩;要得到 SS 的整个分布,需要课件中的三种方法:3.3 卷积法、3.4.2 递推法与3.5 随机模拟法。