现代精算风险理论 第七章 信度理论.pdf

非寿险保费的估算可以根据两类数据：  一类是通过观察得到的本险种一组保单的近期损失数据， 这类数据确定的保险费成为经验保险费，记为PM ； e  另一类是同险种保单早期损失数据或类似险种保单的同期 损失数据，它是根据人们的主观选择得到的数据，所以称 为先验信息数据。这类数据确定的保费叫作先验信息保费， 记为PM 0 。 信度理论就是研究如何合理利用这两类信息，用两类保险费 的加权平均： PM 1 (1Z )PM 0 ZPM e 作为后验保险费的估计。其中 Z (0 Z 1) 称为信度 （Credibility ）或可信性因子。这种估费方法称为经验估费法。 这种方法确定的后验保险费成为可信性保险费，也叫经验调整保 险费 （The Experience-adjusted Premium ）。 • 因此，信度理论就是研究这种加权过程 的理论，包括信度权重公式的推导，以 及对公式中出现的参数进行估计等内容。 • 当Z 的值接近1时，表明实际损失数据提供的信息相当充 分，据此足以获得正确的估费。而当Z 的值接近0时，则 只能基于先验信息估计，得到先验保费的估计值。 • 特别的，当Z=1时，称为完全信度（Full Credibility）。 此时，只需根据实际损失数据，利用区间估计的方法计 算保险费。 • 一般的，当0Z1时，称为部分信度（Partial Credibility）。在此种情况下，就需要研究如何合理确 定Z值。 • 信度理论 （Credibility Theory）萌芽于20世 纪20年代，至今已有80年的历史。最早的信度 理论被意外险精算师应用于计算劳工赔偿保险 费率。 • 信度理论泛指在获得索赔记录时系统地调整保 险费率的各种概念和方法。当从一组保险合同 中获得的数据不充分，因而无法提供风险费率 的可靠估计时，就需要用到信度理论的方法。 • 信度理论在非寿险精算理论与实务中具有重要地位。 非寿险合同是补偿性合同，非寿险的损失与每个赔案 的具体情况以及相应的法规情况密切相关，因而损失 经验需要经常修正以适应不断变化的外部环境。非寿 险精算师在厘定费率时，既要依据过去的经验（先验 信息），也要根据风险情况的新变化加以调整。这是 由非寿险经营的连续性所决定的。同时，在非寿险精 算中，一般不要求所有的估计都是无偏估计，只要求 若干个估计的总合是无偏的，这就是需要采用信度方 法对各个估计进行合理的加权。 信度理论在精算科学中的应用可分为两种类型 • 第一类是横向应用，即在估计某个保险人、某风险类别或某 个地区的索赔频率、索赔额或总损失时，若最相关的数据不 充分，则可将该数据与从更为广泛的群体中得到的辅助性数 据加以求和，这种辅助性数据可由其它风险类别、地区或其 他保险人的经验得到。 • 第二类是纵向应用，也就是将信度方法用于时间序列，将序 列本身早期的数据作为辅助性数据，与最新的观察值作加权 平均，得到我们所需要的估计值。例如，在汽车损失险中， 保险公司将上一年度损失频率和原有费率利用信度方法进行 加权平均，得到更适应新情况的费率。 信度理论有两种基本方法： • 有限波动（Limited Fluctuation）信度， 旨在控制数据中随机波动对估计的影响。 • 最大精度（Greatest Accuracy）信度， 试图使估计误差尽可能的小。在最大精 度信度方法中发展最完善的方法是最小 平方信度（Least Squares Credibility），它力图使估计误差平方 的期望值最小。 • 值得注意的是，在现代统计理论中也有 许多用数据来调整更新前期估计的方 法，如贝叶斯分析（Bayesian Analysis ）方法。信度理论和贝叶斯分