索赔次数分布拟合与应用.doc

索赔次数分布的拟合与应用 韩天雄 华东师范大学统计系 §1 索赔次数分布 风险有两个主要因素：其一是在一定期内危险事故可能发生的次数，即索赔次数；其二是每次事故可能损失的大小，即索赔金额。这两个量都是不确定的，它们各自反映了风险的可能性的严重性。风险的数量特征是在这两个量的乘积中得到体现的，因此它也具有不确定性。我们将通过实例来介绍如何确定索赔次数分布。 表1的资料取自Johnson与Hey的论文（1971），它记述了1968年英国的421240张机动车综合保险单中的0,1,2,3,4,5次索赔频率数。 表1：索赔频率数 索赔次数x 观察到的保单数m 0 370412 1 46545 2 3935 3 317 4 28 5 3 计算可得，索赔次数平均值 ，方差。 当索赔事件满足下列三个假定： 1°每一时间区间中索赔次数是相互独立的。 2°一次事故仅有一次索赔。 3°事故发生的确切时间是不确定的。 我们有把握的说，索赔次数服从泊松分布。此时，索赔次数k的概率： 其中n为参数。按照泊松分布的性质，它的均值与方差都为n。利用这个性质与表1的资料，我们将索赔次数拟合成以参数n=0.13174的泊松分布。利用概率公式以及递推公式 ,可计算出索赔次数k=0,1,2,3,4,5的概率值： 将这些概率值乘上保单数目421240，则得到了泊松分布条件下索赔频数（见表2）。从表中可见，拟合得并不理想。显而易见的事实是，表1资料中得到的索赔次数均值0.13174与方差0.13852不等，所以它只能是近似地服从泊松分布。而深层次的原因是索赔事件未能完全满足三个假定。例如，在恶劣的气候条件下，路况变坏，那么很难保证索赔次数独立性假定。另外，汽车相撞事件也使条件2°不能成立。在索赔次数均值为0.13174的421240张保单中，最可能的事实是风险的不同质，即某些保单持有人风险状况很糟，而另一些持有人风险状况很好。它与汽车类型、用途、使用时间、行驶里程和驾驶技术有关。用负二项分布来描述非同质的索赔次数分布是常见的。负二项分布索赔次数k的概率： ，（k=0,1,2,…）其中a，P为参数。按照负二项分布的性质，其均值和方差分别为和。利用这个性质和表1的资料，我们将索赔次数拟合成负二项分布。具体操作方法为： 令 将第一式除以第二式可计算出参数P=0.9510539，再代入原式求出参数a=2.5597912。 利用概率公式： 以及由它而导出的递推公式： 可计算出在负二项分布条件下，索赔次数k=0,1,2,3,4,5的概率值： 将这些概率值乘上保单数421240，得到了负二项分布条件下索赔频数（表2），很明显，它提供了比泊松分布更好的拟合。 表2：机动车综合保险索赔次数分布 索赔次数 观察到的保单数目 拟合的频数 泊 松 负二项 混合 泊松 0 370412 369246 370460 370460 1 46545 48644 46411 46418 2 3935 3204 4045 4036 3 317 141 301 306 4 28 5 21 20 5 3 0 1 1 描述风险不同质的另一常用技术是混合泊松分布方法，以本文所提到的英国机动车辆综合保险为例，虽然平均索赔次数为0.13174，但是天气状况明显影响索赔次数的均值。譬如，下雪天平均索赔次数将为平常的q1倍（如q1=3），而全年中下雪天概率为h1（如h1=0.03）；下雨天平均索赔次数为平常的q2倍（如q2=1.2），而全年下雨的概率为h2（如h2=0.2）；晴天平均索赔次数仅为平常的q3倍（如q3=0.87），而全年晴天的概率为h3（如h3=0.77）。上述情况可记为： 我们称q为混合变量。按照概率论，我们要求，并且即有： 引入混合变量q后的分布称为混合泊松分布。全年索赔次数分布可看作雪天服从参数为nq1的泊松分布，雨天服从参数为nq2的泊松分布和晴天服从参数为nq3的泊松分布的组合。在混合泊松分布中，可以证明均值为n，方差为索赔次数k的概率公式： 。 有人曾经用表1的资料，利用，，均值n方差及概率公式求出参数（此处混合变量q仅取二个值）： q1=0.65341 h1=0.76519 q2=2.1293 h2=0.23481 则 k=0,1,2,3,4,5 同样，将所得概率值乘保单数421240得到混合泊松分布条件下索赔数（表2），从表中比较可见，拟合情况略好于负二项分布。一般而言，当混合变量q取值越多时，拟合的结果将更令人满意。当然，计算量也将随之增加。 研究索赔次数的分布，它的优越性在于分布仅由少量参数所概括，而不必再与冗长的观察数据打交道。即