第 3 章/累积损失模型
课堂实验室
CHAPTER 03 / 3.3

卷积法

把 nn 笔索赔的卷积按次数概率加权,逐点算出 SS 的分布。

SS 取值 0,1,2,…0, 1, 2, \dots

累积损失的分布:每根柱按索赔次数 nn 拆开

fS(s)=∑npnfX∗n(s)f_S(s)=\sum_n p_n f_X^{*n}(s)
来自 n=0n=0 次来自 n=1n=1 次来自 n=2n=2 次来自 n=3n=3 次来自 n=4n=4 次来自 n=5n=5 次来自 n≥6n\ge 6 次
E(S)=E(N)E(X)E(S)=E(N)E(X)3
Var⁡(S)\operatorname{Var}(S)5
用到的最大次数 nn18
卷积求和项数1,349

图中 ss 取到 19,这些点的概率合计 0.9999994。次数在 n=18n=18 处截断,略去的 P(N>18)<6.5×10−13P(N>18)<6.5\times10^{-13}。

二元卷积 · 沿对角线求和

两笔金额 (X1,X2)(X_1,X_2) 的联合概率表:和为 ss 的格子在一条斜线上

X₁ = 0,X₂ = 0:0 × 0 = 0X₁ = 0,X₂ = 1:0 × 0.5 = 0X₁ = 0,X₂ = 2:0 × 0.5 = 0X₁ = 1,X₂ = 0:0.5 × 0 = 0X₁ = 1,X₂ = 1:0.5 × 0.5 = 0.250.25X₁ = 1,X₂ = 2:0.5 × 0.5 = 0.250.25X₁ = 2,X₂ = 0:0.5 × 0 = 0X₁ = 2,X₂ = 1:0.5 × 0.5 = 0.250.25X₁ = 2,X₂ = 2:0.5 × 0.5 = 0.250.25012012
列:第 2 笔金额 X2X_{2},概率 fX(y)f_X(y)行:X1X_1,概率 fX(t)f_X(t)

斜线上的格子相加,得到一根柱:fX∗2(s)f_X^{*2}(s)

fX∗2(s)f_X^{*2}(s)
其他 s当前斜线
fX∗2(3)=∑yfX(3−y) fX(y)=0.5×0.5+0.5×0.5=0.5f_X^{*2}(3)=\sum_y f_X(3-y)\,f_X(y)=0.5\times0.5+0.5\times0.5=0.5

每个格子是两个独立事件同时发生的概率(颜色越深越大)。和为 ss 的所有组合恰好排在一条斜线 t+y=st+y=s 上,把这条斜线上的格子相加就是卷积公式。点击任一格子选中它所在的斜线;下面的表格同步显示这个 ss。

逐点计算 · 选一个 ss

P(S=3)=∑npn fX∗n(3)=0.157891P(S=3)=\sum_n p_n\,f_X^{*n}(3)=0.157891

019
索赔次数 nnpn=P(N=n)p_n=P(N=n)fX∗n(3)f_X^{*n}(3)nn 笔金额的组合(按顺序)乘积
n=2n=20.2706710.5(1,2)(1,2)、(2,1)(2,1)0.135335
n=3n=30.1804470.125(1,1,1)(1,1,1)0.022556
合计0.157891

fX∗n(s)f_X^{*n}(s) 是 nn 笔金额之和恰好等于 ss 的概率:把每一种组合的概率相乘再相加。只有 nn 足够大、而又不太大的项才有贡献。

卷积的阶梯

fX∗n=fX∗(n−1)∗fXf_X^{*n}=f_X^{*(n-1)}*f_X:每多一笔索赔,分布右移并摊开

fX∗1f_X^{*1}p1=0.2707p_{1}=0.2707
0: 01: 0.52: 0.53: 04: 05: 06: 07: 08: 09: 010: 011: 012: 0fX∗1(3)=0f_X^{*1}(3)=0
fX∗2f_X^{*2}p2=0.2707p_{2}=0.2707
0: 01: 02: 0.253: 0.54: 0.255: 06: 07: 08: 09: 010: 011: 012: 0fX∗2(3)=0.5f_X^{*2}(3)=0.5
fX∗3f_X^{*3}p3=0.1804p_{3}=0.1804
0: 01: 02: 03: 0.1254: 0.3755: 0.3756: 0.1257: 08: 09: 010: 011: 012: 0fX∗3(3)=0.125f_X^{*3}(3)=0.125
fX∗4f_X^{*4}p4=0.0902p_{4}=0.0902
0: 01: 02: 03: 04: 0.06255: 0.256: 0.3757: 0.258: 0.06259: 010: 011: 012: 0fX∗4(3)=0f_X^{*4}(3)=0
fX∗5f_X^{*5}p5=0.0361p_{5}=0.0361
0: 01: 02: 03: 04: 05: 0.031256: 0.156257: 0.31258: 0.31259: 0.1562510: 0.0312511: 012: 0fX∗5(3)=0f_X^{*5}(3)=0
fX∗6f_X^{*6}p6=0.012p_{6}=0.012
0: 01: 02: 03: 04: 05: 06: 0.015637: 0.093758: 0.234389: 0.312510: 0.2343811: 0.0937512: 0.01563fX∗6(3)=0f_X^{*6}(3)=0

横轴为 s=0s=0 至 12,橙色为选中的 ss;各小图纵轴单独缩放。只画出 n≤6n\le 6。

ssfS(s)f_S(s)(diff(Fc))FS(s)F_S(s)
00.1353350.135335
10.1353350.270671
20.2030030.473673
30.1578910.631565
40.1409740.772539
50.0913510.86389
60.0622170.926107
70.0349880.961095
80.0199280.981023
90.0099890.991012
100.0049840.995997
110.0022690.998266

与课件一致:P(S=0)=e−2≈0.1353P(S=0)=e^{-2}\approx0.1353,P(S=1)≈0.1353P(S=1)\approx0.1353,P(S=2)=1.5e−2≈0.2030P(S=2)=1.5e^{-2}\approx0.2030,P(S=3)≈1.1667e−2≈0.1579P(S=3)\approx1.1667e^{-2}\approx0.1579;E(S)=3E(S)=3,Var⁡(S)=5\operatorname{Var}(S)=5。

单笔金额至少为一个单位时,nn 笔索赔之和至少为 nn 个单位,所以 P(S=s)P(S=s) 只涉及 n≤sn\le s 的有限项。ss 越大,要算的卷积越多、越长——这正是下一节递推法要解决的问题。
卷积法的公式与 R 代码展开阅读
FS(x)=∑n=0∞pnPr⁡(S≤x∣N=n)=∑n=0∞pnFX∗n(x)F_S(x)=\sum_{n=0}^{\infty}p_n\Pr(S\le x\mid N=n)=\sum_{n=0}^{\infty}p_nF_X^{*n}(x)
fX∗0(0)=1,fX∗k(x)=∑y=0xfX∗(k−1)(x−y) fX(y),k=1,2,…f_X^{*0}(0)=1,\qquad f_X^{*k}(x)=\sum_{y=0}^{x}f_X^{*(k-1)}(x-y)\,f_X(y),\quad k=1,2,\dots
fS(x)=Pr⁡(S=x)=∑n=0∞pn fX∗n(x),1−FS(x)=∑n=1∞pn[1−FX∗n(x)]f_S(x)=\Pr(S=x)=\sum_{n=0}^{\infty}p_n\,f_X^{*n}(x),\qquad 1-F_S(x)=\sum_{n=1}^{\infty}p_n\big[1-F_X^{*n}(x)\big]

连续型金额把求和换成积分:fX∗k(x)=∫fX∗(k−1)(x−y)fX(y) dyf_X^{*k}(x)=\int f_X^{*(k-1)}(x-y)f_X(y)\,dy,此时 SS 在 x>0x>0 上有密度,在 0 处有概率质量 p0p_0。

课件例 1 用 actuar 包计算:

library(actuar)
pn = dpois(0:4, lambda = 2)   # 损失次数的概率分布
fx = c(0, 0.5, 0.5)           # 损失金额的概率分布 (x = 0, 1, 2)
Fc = aggregateDist("convolution", model.freq = pn,
                   model.sev = fx, x.scale = 1)
diff(Fc)                      # 累积损失的概率

fx 从 x=0x=0 开始列出,diff(Fc) 即上表的 fS(s)f_S(s)。dpois(0:4, lambda = 2) 只保留了 n≤4n\le4:因为每笔金额至少为 1,S≤4S\le4 的概率不受影响,但 S≥5S\ge5 的概率偏小。本页保留到略去概率小于 10−1210^{-12} 的 nn。

卷积法需要对每个 nn 做一次卷积。3.4.2 节的 Panjer 递推对 Poisson、二项、负二项次数可以绕开这些卷积。