3经验费率.pptx

1 经验费率 孟生旺 中国人民大学统计学院 2 经验费率的公式表示： 问题：如何计算信度因子Z？信度模型 3 信度因子的确定方法 古典信度模型（有限波动信度理论） 限制观察数据中的随机波动对估计值的影响 最精确信度模型（最小二乘信度模型）。估计值与真实值之间误差平方和的最小化。 Bühlmann信度模型 Bühlmann-straub信度模型 4 古典信度模型 有限波动信度模型（limited fluctuation credibility） 完全可信度标准（Standard for Full Credibility）：当个体风险达到多大规模时，才可以给其经验数据赋予100％的可信度。 如果个体风险的规模达到或超过这个标准，则其经验数据的可信度 Z ＝1。否则，其可信度将小于1。 小于1的可信度被称作部分可信度（partial credibility）。 5 完全可信度标准 索赔频率：当个体风险的规模（期望索赔次数）多大时，直接可以用其经验数据估计索赔频率？ 索赔强度：当个体风险的规模多大时，直接可以用其经验数据估计其索赔强度？ 纯保费：当个体风险的规模多大时，直接可以用其经验数据估计纯保费？ 6 索赔频率的完全可信度标准 假设个体风险的索赔次数 N 的均值为，标准差为 ，则实际观察到的索赔次数 N 落在区间 的概率为 当索赔次数足够大时，U近似服从标准正态分布。 如果假设个体风险的索赔次数 N 服从均值为 n 的泊松分布，则 7 如果要求上述概率不小于 ，则应有 即 此即索赔频率的完全可信度标准。 含义：当期望索赔次数 n 足够大时，其索赔次数的观察值将以很高的概率（如95％）在期望值附近一个很小的范围内（r = 1％）波动：95% = Pr[0.99n N 1.01n]。因此直接用实际观察到的索赔次数估计其索赔频率，相对误差不会太大，此时可以给个体风险的经验数据赋予完全的可信度。 应用：如果期望索赔次数未知，可以用观察到的索赔次数近似代替。 8 索赔频率的完全可信度标准（期望索赔次数） r  10% 7.5% 5% 4% 3% 2% 1% 20% 164 292 657 1026 1825 4106 16424 10% 271 481 1082 1691 3006 6764 27055 5% 384 683 1537 2401 4268 9604 38415 4% 422 750 1687 2636 4687 10545 42179 3% 471 837 1884 2943 5233 11773 47093 2% 541 962 2165 3382 6013 13530 54119 1% 663 1180 2654 4147 7372 16587 66349 0.10% 1083 1925 4331 6767 12031 27069 108276 0.01% 1514 2691 6055 9460 16819 37842 151367 注：完全可信度标准不是唯一的，它依赖于 和r 的取值。 常用：1082，表示以90%的可靠性保证估计值的波动范围在真实值上下5%的区间内。 9 随着泊松参数的增大，正态分布的近似效果越来越好 10 推广 如果个体风险的索赔次数并非服从泊松分布，而是服从二项或负二项分布，则索赔频率的完全可信度标准为 注： 对于二项分布，其均值大于方差，因此完全可信度标准所要求的期望索赔次数较小； 而对于负二项分布，其均值小于方差，因此完全可信度标准所要求的期望索赔次数较大。 索赔次数的均值 索赔次数的方差 11 二项分布：均值mu=size*prob，方差=size*prob*(1-prob) prob=0.2，完全可信度标准=1082*(1-prob)=866 随着二项分布均值的增大，正态分布的近似效果越来越好 12 负二项分布：均值=mu，方差=mu*(1+sigma*mu) 离散参数sigma=0.1时，完全可信度标准=118154 随着负二项分布均值的增大，正态分布的近似效果越来越好 13 泊松分布、二项分布与负二项分布的完全可信度标准比较 14 实际应用中的一个问题 完全可信度标准既可以用期望索赔次数表示，也可以用风险单位数表示。 譬如，对应于＝10％，r＝5％的完全可信度标准，如果用期望索赔次数表示，应为1082； 如果每个风险单位的索赔频率为0.20，则完全可信度标准可以用风险单位数表示为1082/0.2＝2164。 含义：当个体风险的风险单位数达到这个水平时，可以用个体风险的经验数据估计其索赔频率。 15 关于有限波动的含义 相对波动幅度是有限的，即观察值在期望值上下波动的幅度不超过期望值的 r 倍。 16 索赔强度的完全可信度标准：解释