Airujq保险论文基于时变假设的修正负二项车险索赔频率精算模.docVIP

生活需要游戏，但不能游戏人生；生活需要歌舞，但不需醉生梦死；生活需要艺术，但不能投机取巧；生活需要勇气，但不能鲁莽蛮干；生活需要重复，但不能重蹈覆辙。 ti=1ki, i =0,1,2,…(1) 式中:n表示被保险人过去保险期(年度);ki表示被保险人在过去的第i个保单年度内发生索赔的次数,k则是n个保单年度内发生索赔的总次数。研究表明,车险中索赔次数和索赔额分布是相互独立的,风险纯保费等于索赔次数期望值与索赔金额期望值之积[1]。因此,精算师通常使用索赔次数和索赔金额均值的最优估计来计算风险纯保费,P可以表示为 P = K^(k1,k2,…,kn)·EX (2) 式中:K^(k1,k2,…,kn)为被保险人未来索赔频率(索赔次数均值)的最优估计;EX为被保险人索赔额的均值。 1.2　负二项索赔频率模型 负二项索赔频率模型假设车险个体保单在保险期间内的索赔次数服从参数为Λ的泊松分布(即风险强度函数在保险期间始终为Λ),由于保单的个体风险差异,从全体保单组合来看,Λ也是一个随机分布变量,且服从Gamma(a,b)分布[1-2],即 fΛ(λ) =baΓ(a)λa-1e-bλ　　λ0(3)　　 对于λ的保单,其在一个保单年度内发生的k的概率为 P(k |λ) =λkk!e-λ　　k =0,1,2,…(4)　　 根据全概率公式,可得　 P(k) =∫∞0P(k |λ)fΛ(λ)dλ=　　　 Cka+k-1bb+1a1b+1k　k =0,1,2,…(5)　　 即索赔次数服从参数为(a,b/(b+1))的负二项分布。因此,该索赔频率模型通常被叫作负二项模型。 1.3　负二项模型的贝叶斯估计 观测有n个保单年度历史经验数据的保单,保单在各保险年度的索赔次数为k1,k2,…,kn,风险强度为λ时,其条件联合概率密度函数为 P(k1,k2,…,kn|λ) =λ∑ni=1ki∏ni=1(ki!)e-nλ(6) 由全概率公式,非条件联合密度函数为P(k1,k2,…,kn)=∫∞0P(k1,k2,…,kn|λ)fΛ(λ)dλ=　　　　 Γa+∑ni=1kiba∏ni=1ki!·Γ(a)(b+n)a+∑ni=1ki(7) λ的后验概率密度为 fΛ(λ| k1,k2,…,kn) =P(k1,k2,…,kn|λ)fΛ(λ)P(k1,k2,…,kn)=(b+n)a+∑ni=1kiΓ(a+∑ni=1ki)λa+∑ni=1ki-1e-(b+n)λ(8) 即参数为(a+∑ki,b+n)的Gamma分布。选择平方损失函数,则λ的贝叶斯后验估计为λ⌒=a+∑ni=1kib+n(9) 2　时变假设下索赔次数的计数过程 2.1　汽车风险的浴盆曲线 汽车风险的研究实践表明,浴盆曲线能良好地表征汽车故障风险和驾驶员事故率风险随时间变化的规律[13-14]。　 曲线段Ⅰ、Ⅱ和Ⅲ分别代表了早期事故期、偶然事故期、严重事故期3个阶段。显然,汽车事故风险浴盆曲线符合年轻驾驶员事故率高,中年人事故率最低,老年驾驶员事故率上升的客观规律,也证明了车险保单的风险水平是随时间而变化的,其未来保单风险存在改善或者恶化趋势。因此,从汽车保单的索赔频率角度来看,其风险强度水平不应是保持不变的水平直线,而是在时间上变化的浴盆曲线λ(t)。 2.2　非齐次泊松索赔频率过程 汽车保险期间,保单的索赔次数就是一个计数过程。由于汽车事故风险水平会随时间而变化,可以用λ(t)表征保单在保险时间t上索赔风险发生的强度水平。因此,汽车保险的索赔次数过程可以表示为非齐次泊松过程。N(t)表示在保险时间区间(0, t]内出现的索赔次数,且N(0)=0。索赔次数过程满足以下条件:{N(t), t≥0}是独立增量过程P{N(t+h)-N(t)=1}=λ(t)h+o(h)P{N(t+h)-N(t)≥2}=o(h)显然,索赔次数过程N(t)为具有λ(t)的非齐次泊松过程(NHPP)[15]。 对于λ(t),其积分Λ(t) =∫t0λ(u)du (10)称为累积强度函数。并记Λ(t,s) =∫tsλ(u)du (11)为区间(s, t]上的累积强度函数。根据非齐次泊松过程性质,具有λ(t)的保单,在(s, t]内发生索赔次数的概率分布为P{N(t)-N(s) = k} =[Λ(t,s)]k!e-Λ(t,s)(12) 2.3　Weibull过程下的索赔频率模型 当非齐次泊松索赔过程的λ(t)为λ(t) =λβtβ-1　t≥0,β0,λ0(13)则称此随机计数过程为Weibull(威布尔)过程,其累积强度函数Λ(t)=λtβ[16]。λ为Weibull过程的强度(水平)参数,β为形状参数。选择不同的β,λ(t)。　　 当β1时,λ(t)是时间的减函数,风险浴盆曲线的Ⅰ段,即早期事故风险下降期;当β1时,λ(t)是时间的增函数,适