保险业精算部精算师保险精算计算手册.docxVIP

保险业精算部精算师保险精算计算手册

第1章风险理论

1.1随机变量及其分布

保险精算的核心在于量化不确定性。风险事件的发生频率、损失程度等本质上都是随机变量。例如，某一年度某类财产险的赔付总额，既取决于理赔次数，也取决于每次理赔的金额，这些变量都带有随机性。理解随机变量的概率分布，是构建风险模型的基础。离散型分布如泊松分布常用于描述小额高频的理赔事件，而正态分布则适用于大额低频的巨灾损失建模。实践中，保险公司在准备金评估中，往往会将泊松分布与伽玛分布结合，模拟理赔次数与金额的双重随机性。

保费定价与准备金评估，很大程度上依赖于对随机变量的统计推断。精算师需要判断某项业务是更接近泊松过程还是泊松-复合伽玛过程。经验数据往往显示，医疗险的门诊理赔次数符合泊松分布，但住院天数则呈现负二项分布特征。这种分布识别的差异，直接影响到准备金的计提水平。比如某保险公司发现，其车险理赔金额的分布尾部比正态分布更厚，此时采用对数正态分布而非正态分布建模，就能更准确地反映大额赔付的风险。

1.2风险度量

如何科学衡量风险？传统的方差度量方法在保险场景中存在局限。当业务规模扩大时，单纯依赖方差会掩盖系统性风险。VaR（ValueatRisk）作为风险度量工具，能直观反映在特定置信水平下可能的最大损失。但VaR存在次生风险——它不提供损失分布的尾部信息。ES（ExpectedShortfa