第 3 章/累积损失模型
课堂实验室
CHAPTER 03 / 3.5

随机模拟法

逐年抽取次数和设限额的对数正态赔款,用大量模拟年度近似 S 的分布。

0.510
39
0.22.5
1005000

课件:N∼Poisson(3)N\sim\mathrm{Poisson}(3),单笔损失 X∼LN(μ=6,σ=1)X\sim\mathrm{LN}(\mu=6,\sigma=1),每笔赔款 min⁡(X,1000)\min(X,1000),模拟 10,000 个年度。题目写 σ=1\sigma=1,R 代码用 σ=1.5\sigma=1.5,课件的直方图是 σ=1.5\sigma=1.5 的结果。

先模拟 1 个年度看看 R 循环的每一步,再一次新增 10,000 年。

R 循环的每一步 · 前 8 个年度

每个年度:先抽索赔次数,再把限额后的赔款加总

# lam = 3; mu = 6; sigma = 1; u = 1000
n[i] = rpois(1, lambda = lam)
s[i] = sum(pmin(rlnorm(n[i], meanlog = mu, sdlog = sigma), u))

点击“模拟 1 个年度”。

超过限额的损失只赔付 uu(删除线为损失金额)。

已模拟年度0
理论 E(S)E(S)1,470.4
模拟平均—
模拟误差约 ±1.96 SD⁡(S)/n\pm1.96\,\operatorname{SD}(S)/\sqrt{n}—

累积赔款的直方图(S>0S>0 部分)

概率密度(按全部年度归一化)
模拟参考:离散化 + Panjer 递推

模拟平均值随年度数收敛

平均累积赔款
前 nn 年的平均E(S)±1.96 SD⁡(S)/nE(S)\pm1.96\,\operatorname{SD}(S)/\sqrt{n}

还没有模拟数据。 参考曲线把每笔赔款按 5 为单位四舍五入成离散分布,再用 3.4.2 节的递推算出 SS 的分布。

统计量理论值模拟值(0 年)参考:离散化 + 递推
均值 E(S)E(S)1,470.3955—1,470.3953
标准差 SD⁡(S)\operatorname{SD}(S)1,020.5834—1,020.583
零损失概率 P(S=0)P(S=0)0.0498——
95% 分位数——3,360
99% 分位数——4,395
单笔赔款被限额的比例 P(X>u)P(X>u)0.182——
限额把每笔赔款截在 u=1,000u=1,000:约 18.2% 的损失被限额,单笔平均赔款从 E(X)=665.1E(X)=665.1 降到 E(X∧u)=490.1E(X\wedge u)=490.1,右尾也变短。直方图在 s=us=u 处的尖峰是“全年只有一笔索赔、且被限额”的年度,P(S=u)=λe−λP(X>u)=0.0272P(S=u)=\lambda e^{-\lambda}P(X>u)=0.0272。模拟的误差与 1/n1/\sqrt{n} 成正比:年度数增加到 100 倍,误差才缩小到 1/10。
模拟步骤、理论矩与 R 代码展开阅读

每个模拟年度重复课件 R 循环中的两步:

  1. 抽取次数 ni∼Poisson(λ)n_i\sim\mathrm{Poisson}(\lambda);
  2. 抽取 nin_i 笔对数正态损失 XijX_{ij},赔付 min⁡(Xij,u)\min(X_{ij},u),累积赔款 si=∑jmin⁡(Xij,u)s_i=\sum_j\min(X_{ij},u)(ni=0n_i=0 时 si=0s_i=0)。

大量年度的 sis_i 的经验分布近似 SS 的分布。限额下单笔赔款的矩有闭式解,用来检验模拟:

E[(X∧u)k]=ekμ+k2σ2/2 Φ(ln⁡u−μ−kσ2σ)+uk[1−Φ(ln⁡u−μσ)]E\big[(X\wedge u)^k\big]=e^{k\mu+k^2\sigma^2/2}\,\Phi\Big(\frac{\ln u-\mu-k\sigma^2}{\sigma}\Big)+u^k\Big[1-\Phi\Big(\frac{\ln u-\mu}{\sigma}\Big)\Big]
E(S)=λE(X∧u),Var⁡(S)=λE[(X∧u)2],P(S=0)=e−λE(S)=\lambda E(X\wedge u),\qquad \operatorname{Var}(S)=\lambda E\big[(X\wedge u)^2\big],\qquad P(S=0)=e^{-\lambda}
lam = 3                    # 泊松参数
mu = 6; sigma = 1.5        # 对数正态分布的参数
u = 1000                   # 每次索赔的限额
s = n = NULL
for (i in 1:10000) {
  n[i] = rpois(1, lambda = lam)
  s[i] = sum(pmin(rlnorm(n[i], meanlog = mu, sdlog = sigma), u))
}
hist(s, freq = F, breaks = 20)

页面使用自己的随机数发生器:相同种子和操作顺序可以复现结果,但与 R 的随机序列不同。随机模拟不要求金额是离散的,也不要求次数属于 (a, b) 类;代价是结果带有抽样误差。1.4 节用动画逐步展示了同样的“先抽次数、再抽金额”的过程。