Dkupyc有关保险论文有关保险的论文：非寿险精算中的风险划分测度与研究.pdfVIP

秋风清，秋月明,落叶聚还散,寒鸦栖复惊。

有关保险论文有关保险的论文

非寿险精算中的风险划分测度与探讨

【摘要】精算师设定费率结构时经常因为各种不确定因素不能

把保单组合中具有相同风险特征的同质保单划分为一组并且支付相

同的组内保费。本文通过阅历费率的核心思想“后验校正”,能够利

用历史索赔阅历信息Y={Y-1,Y-2,L}可以在确定程度上揭示隐藏的

未观测特征,从而使得先验信息与后验信息相结合,使得先验信息与

后验信息的并集渐渐靠近反映风险真实特征的全集。

【关键词】费率厘定

一、探讨背景

精算师最主要的任务之一就是设计一个能把索赔负担公允的安

排到每一个保单持有人的费率结构。假如保单组合中相互之间的风

险不是完全相同的(即它们有着不同的分布函数),那么把保单组合中

具有相同风险特征的同质保单划分为一组并且支付相同的组内保费

的做法理论上是公允的。而用于划分保单的分类变量也就是非寿险

精算中经常提到的先验变量,之所以称之为“先验变量”是由于在保

单合同生效前,它们的取值就是可以观测确定的。在机动车辆保险中

最常用的先验变量大体可分为从人因素、从车因素、其他因素三方

面。从人因素包括:驾驶者年龄、性别、职业、婚姻状态、肇事记录;

从车因素包括:车辆类型、运用性质、产地、车龄、行驶区域、重置

价值等。

然而,在费率厘定实务中,即使我们在分类费率环节选取了一些先

验分类变量来协助分组,仍旧还有很多重要的因素没方法在此时考

虑进去,故而各组中的投保人仍旧会存在相当的风险非同质性。此

处把这些无法观测的特征变量称为“不行观测变量,”。以车险为例,其

主要缘由为:第一,一些影响驾驶风险或出险次数的因素是不行度量

的。例如,驾驶员的驾驶娴熟程度、驾驶时留意力的集中程度、在惊

慌状况下做出反应的速度以及推断的精确性等风险特征是无法测度

的;其次,由于数据收集的缘由,费率模型中的分类变量有限,可度量的

因素也不行能全部包含在这些变量中;第三,由于道德风险的存在,对

投保人的分组很难确定是正确的。比如,瑞典的机动车保险中要求投

保人告知他们的年行驶里程数,在这种状况下,保险公司很难实行什

么措施避开投保人的有意低估。

二、非可观测变量的数学测度

保单所蕴含的风险特征用数学语言来表述,如下:

1.变量设置。令随机变量Y表示一份保单的索赔状况,可以是单

个索赔额或是一个时期的累计索赔额或是索赔次数等;协变量

X=(X1,X2,L)表示可观测的先验分类特征,比如驾驶员性别、年龄、

车辆类型等;另一组变量Z={Z2,Z2,L}表示那些未知的风险特征,比

如年行驶里程数,驾驶员的驾驶娴熟程度、在惊慌状况下做出反应的

速度以及推断的精确性等。它们中一些是无法观测的,另一些虽然可

测度但是没有一种有效的限制成本的方法去做。

2.风险转移。因此,一个保单持有人的风险特征可以表示为:

=XUZ。该保单所对应的真实保费为E[Y|]。

然而,由于变量Z={Z1,Z2,L}对于保险公司来说是未知的,所以上

表仅仅是从理论上的描述,不具有可操作性。此时,保险公司手中所驾

驭的资料只有X={X1,X2,L}。

3.相关推导。相关理论说明可以进行如下推导:由于

E{Vαr[Y|X]}=E{Vαr[Y|]}+E{Vαr{E[Y|]}}其中,E{Vαr[Y|]}

表示风险纯粹的随机波动,是保险公司转嫁可保风险这一保险基本

原则的体现。E{Vαr(E[Y|]|X)}表示由于那些未知的风险特征而造

成的期望索赔的变动。

三、进一步推出的相关结论

下面给出几个明显易见的结论,如下:当保险公司在厘定保费时多

添加了一些的先验分类变量(如Xp、Xq等),所以协变量由

X={X1,X2,L}变为了X={X,Xp,XqL}。那么就有

结论1:E{Vαr{E[Y|]|X}}E{Vαr{E[Y|]|X}}。现实含义为:在

费率厘定时,由于保费结构中增加了一些显著的先验分类变量,使得

保单分组更加细致,从而保单组合中的异质性有所降低。

结论2:E{Vαr{E[Y|]|X}}E{Vαr[Y|X]}。现实含义为:由于保单

组合中的异质性有所降低,使得保险公司所担当的