用R 也能做精算—actuar 包学习笔记（三） 3 风险理论.PDF

用R 也能做精算—actuar 包学习笔记（三） 李皞 （中国人民大学 统计学院 风险管理与精算） 3 风险理论 本部分主要介绍风险理论中的聚合风险模型。在机动车保险中，对于一辆或一批机动车， 其每年发生的事故次数 服从一个离散分布，每次事故的损失金额 服从一个离连续分布。 那么，这一年总的损失额 可以表示为： (1) 可以看出 是一个随机和，我们把事故次数 的分布称作索赔频率分布（frequency distribution），每次损失额 的分布称作索赔强度分布（severity distribution）， 的分布称为复合分布（compound distribution）。 上一小节讲如何估计分布的参数，假设我们已经将频率分布和强度分布的参数估计出来 了，那么现在的问题就是如何得到总损失额 的分布，事实上，就保险公司的整体运营来讲， 精算师可能更关心这个分布。对于 的分布，我们有： (2) 其中， 是频率分布， 是强度分布， 是强度分布的n 重卷积。如 果随机变量 仅在0，1，2…取值，那么n 重卷积的计算方法如下： (3) 3.1 连续分布的离散化 为什么要对连续分布进行离散化？通常我们假设索赔强度分布是连续分布，虽然理论上 可以这么讲，但是实际操作中通常会采用一些数值计算方法来计算复合分布，这些方法要求 索赔强度具有离散的分布，因此需要对现有的连续分布进行离散化处理。在某种程度上，离 散化更加接近实际，比如损失额通常是整数倍的货币单位。 所谓离散化就是将连续分布的支集区域划分为若干小区域，然后以这个区域中的某一个 点代替原来连续分布在这片区域的取值概率。这个“代表点”可以是这个区域的左右端点， 也可以是区域中点。此外，通常只对分布的“主体”进行离散化，什么叫做分布的“主体”？ 以正态分布为例，其分布的支集为 ，显然不可能对其所有取值范围进行离散化，由 于正态分布在两侧的取值概率很小，可以忽略不计，我们于是可以以均值为中心，以若干倍 标准差为半径划定一个区域，在这个区域上进行离散化，这个区域上的分布函数就是该分布 的“主体”，区域的大小则依赖于研究的精确程度。定义 的为连续分布函数， 为离散 化后的概率函数。目前，actuar 包中的discretize 函数支持四种离散化方法。 1）上端离散化，或者说对 向前微分。 (4) 对于 ，离散化后的cdf 总是在原cdf之上。 2）下端离散化，或者说对 向后微分。 (5) 离散化后的cdf 总是在原cdf之下。 3）中点离散化。 (6) 原cdf 正好从中间穿过离散化后的cdf。 4）无偏离散化，或者说是一阶矩局部匹配法。 (7) 离散后的分布和原分布在区间 内有相同的取值概率和期望值。 discretize 函数返回的是一串 概率值，如果要对其进行做图需要进行特殊处理， 其语法如下：