现代精算风险理论 第3章 聚合风险模型.pdf

第3章 聚合风险模型 3.1 引 言 本章我们要引入聚合风险模型.同第2章那样，我们要 计算在某个时间段内理赔总额的分布函数，但是现在 要把风险组合理解为在随机时间点上产生的理赔全体. 记 其中N 表示理赔次数，X i 表示第i个理赔额． 此外，按习惯约定当N = 0 时S = 0. 这样的模型称为聚合风险模 型！ • 在聚合模型中我们要求理赔次数和理赔额之间 相互独立，即（N与X1， X2，… Xn ） 这对于汽车保险行业来说就多少有些不妥了，例如恶劣的天气条件会导致大量的 小理赔.不过，在实际中这些现象的影响是很小的。 • 聚合风险模型中，个体风险可以出现多次，各 个风险是独立同分布的，即 （X1， X2，… Xn ） 独立同分布。 （1）由（3.1 ）给出的S 具有一个复合分布。 （2 ）记： （3 ）利用给定N 之下S 的条件分布，可以计算S 的期望值． （4 ）总理赔额的方差可以由条件方差的公式得到。 （5 ）同样技巧可以求出总理赔额S 的矩母函数。 例3 . 2 . l （分布函数具有封闭形式的复合分布） 设N 服从参数为p 的几何分布，0 p 1 , X 服从参数为1 的指数分布，那么S 的分布函数是什么？ 记 q 1p ．我们首先来计算S 的矩母函数，然后 尝试通过得到的矩母函数来确定该复合分布．当 qet 1 t log q （ 即 ）时，有 1 m t 1t 由X Exp 1 知     X 直接代入计算 由分布函数与矩母函数之间的一一对应关系得到S 的分布函数也具有同样的形式：这是一个混合分布。 这是一个在0点有跳度p 而在其它处为指数型的分布函 数． 利用给定N = n 之下S 的条件分布，可计算分布F : 因此 当选取的X 为某些特殊的随机变量时，n重卷积 比较容易计算，如正态分布和伽玛分布。 2 (1) n 个服从N , 分布的独立随机变量和的分布为N n,n2  ； n  ,    n, (2) 个服从 分布的独立随机变量和的分布为  . Exp 1    1,1 设理赔额服从指数 分布，即  分布. (n,1) 卷积的分布为： 理赔次数的分布 • 理赔发生应该是一个“稀有事件”。 • 泊松分布，负二项分布是较好的选择。 泊松分布P (λ) k  tX t P (N k ) e , E [X ] Var[X ] , E [e ] exp(e 1) k ! 负二项分布N(r,p) r k 1 ( )     r (1 )k , [ ] r(1p ) , [ ]