第 4 章/截断与删失
课堂实验室
CHAPTER 04 / 4.1

超额损失与平均超额损失函数

低于免赔额 dd 的损失观察不到,其余减去 dd:YP=X−d∣X>dY^P=X-d\mid X>d 的均值就是 e(d)e(d)。

保单有免赔额 dd 时,低于 dd 的损失不会报给保险人;报上来的损失再扣去 dd。这个“左截断并平移”的变量 YP=X−d∣X>dY^P=X-d\mid X>d 叫作超额损失,它的均值 e(d)e(d) 叫作平均超额损失函数。
00.20.40.60.81尾部延伸至 ∞ →d = 1000100200300400500600损失金额 x生存函数 S(x)
阴影 ∫d∞S(x) dx=110.3638\int_d^\infty S(x)\,dx=110.3638虚线矩形:高 S(d)S(d)、宽 e(d)e(d),面积与阴影相同
S(d)=P(X>d)S(d)=P(X>d)0.7358
∫d∞S(x) dx\int_d^\infty S(x)\,dx110.3638
e(d)=E(X−d∣X>d)e(d)=E(X-d\mid X>d)150
e(d)=∫d∞S(x) dxS(d)=110.36380.7358=150e(d)=\frac{\int_d^\infty S(x)\,dx}{S(d)}=\frac{110.3638}{0.7358}=150
阴影面积是“每次损失”平均赔多少;只在发生赔付的那部分损失上平均,就要再除以发生赔付的概率 S(d)S(d)。所以 e(d)e(d) 是一个高为 S(d)S(d) 的矩形的宽:尾部越厚,同样的高度下矩形越宽。

平均超额函数随 d 的变化

均值同为 200 的三个分布

e(d)
Gamma(2, 100)指数(200)Pareto(2, 200)
指数分布无记忆,e(d)=θe(d)=\theta 是常数;Pareto 的 e(d)=(d+θ)/(α−1)e(d)=(d+\theta)/(\alpha-1) 随 dd 线性上升,是厚尾的标志;Gamma(α>1)(\alpha>1) 的 e(d)e(d) 下降并趋于 θ\theta。

用样本画出的这条曲线就是平均超额图,见 2.3.2 阈值选择。

课件练习:由比值反求 θ

X∼X\sim Pareto(α=2,θ)(\alpha=2,\theta),记 e(d)=E(X−d∣X>d)e(d)=E(X-d\mid X>d)。已知 e(100)=53 e(50)e(100)=\frac53\,e(50),求 e(150)e(150)。
1200
e(100)/e(50)e(100)/e(50)1.3333 (目标 1.6667)
e(150)=θ+150e(150)=\theta+150?

拖动 θ:θ 越小,两条超额损失的比值越大。

定义、k 阶矩与证明展开阅读
YP=X−d∣X>d={未观测,X≤dX−d,X>dY^P=X-d\mid X>d=\begin{cases}\text{未观测},&X\le d\\ X-d,&X>d\end{cases}

“左截断”是因为低于 d 的损失不被观测;“平移”是因为观测到的值都减去了 d。

fYP(y)=fX(y+d)SX(d),FYP(y)=FX(y+d)−FX(d)SX(d),y>0f_{Y^P}(y)=\frac{f_X(y+d)}{S_X(d)},\qquad F_{Y^P}(y)=\frac{F_X(y+d)-F_X(d)}{S_X(d)},\qquad y>0

k 阶矩:

eXk(d)=∫d∞(x−d)kf(x) dx1−F(d) (连续),eXk(d)=∑xj>d(xj−d)kp(xj)1−F(d) (离散)e_X^k(d)=\frac{\int_d^\infty(x-d)^kf(x)\,dx}{1-F(d)}\ \text{(连续)},\qquad e_X^k(d)=\frac{\sum_{x_j>d}(x_j-d)^kp(x_j)}{1-F(d)}\ \text{(离散)}

k = 1 时分部积分:

eX(d)=∫d∞(x−d)f(x) dxS(d)=−(x−d)S(x)∣d∞+∫d∞S(x) dxS(d)=∫d∞S(x) dxS(d)e_X(d)=\frac{\int_d^\infty(x-d)f(x)\,dx}{S(d)}=\frac{-(x-d)S(x)\big|_d^\infty+\int_d^\infty S(x)\,dx}{S(d)}=\frac{\int_d^\infty S(x)\,dx}{S(d)}

边界项为零:均值有限时 xS(x)=∫x∞xf(t) dt≤∫x∞tf(t) dt→0xS(x)=\int_x^\infty xf(t)\,dt\le\int_x^\infty tf(t)\,dt\to0。同理,令 d = 0 得到 E(X)=∫0∞S(x) dxE(X)=\int_0^\infty S(x)\,dx。

解释:当 XX 是赔款时,e(d)e(d) 是“已知发生了赔付”时的平均赔款;当 XX 是死亡年龄时,e(d)e(d) 是活到 dd 岁的人的平均剩余寿命。
对应课件的 R 代码展开阅读

用 integrate 对生存函数数值积分;三个分布的均值都是 200,与页面一致。

# 指数分布(均值 θ = 200):e(d) = θ
S1 <- function(x) exp(-x / 200)
# Pareto(α = 2,θ = 200):e(d) = (d + θ)/(α − 1)
S2 <- function(x) (200 / (x + 200))^2
d <- seq(0, 500, 10)
e1 <- sapply(d, function(t) integrate(S1, t, Inf)$value / S1(t))
e2 <- sapply(d, function(t) integrate(S2, t, Inf)$value / S2(t))
par(mfrow = c(1, 2))
plot(d, e1, type = "l", ylab = "e(d),指数分布")
plot(d, e2, type = "l", ylab = "e(d),Pareto 分布")