風(fēng)險理論 第2章-個體風(fēng)險模型課件_第1頁
風(fēng)險理論 第2章-個體風(fēng)險模型課件_第2頁
風(fēng)險理論 第2章-個體風(fēng)險模型課件_第3頁
風(fēng)險理論 第2章-個體風(fēng)險模型課件_第4頁
風(fēng)險理論 第2章-個體風(fēng)險模型課件_第5頁
已閱讀5頁,還剩129頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

§第2章個體風(fēng)險模型

本章討論保險人風(fēng)險組合的總索賠額的分布函數(shù)?!斓?章個體風(fēng)險模型

本章討論保險人風(fēng)總索賠(隨機變量的和)的分布要用卷積,因此非常麻煩。常用到均值,方差,矩母函數(shù),特征函數(shù),母函數(shù)等。有別于中心極限定理的近似方法。風(fēng)險隨機變量往往不能用純離散和連續(xù)隨機變量來刻畫。因此常用Riemann-Stieltjes積分。2.1引言總索賠(隨機變量的和)的分布要用卷積,因此非常麻煩。常用到均2.2混合分布和風(fēng)險

本節(jié)我們討論保險風(fēng)險的一些實例.由于純離散隨機變量和純連續(xù)隨機變量都不能描述這種風(fēng)險,所以我們必須先拓展分布函數(shù)類.2.2混合分布和風(fēng)險本節(jié)我們討論保險根據(jù)概率論的知識,任何一個分布函數(shù)都滿足根據(jù)概率論的知識,任何一個分布函數(shù)都滿足離散型的隨機變量離散型的隨機變量連續(xù)型的隨機變量連續(xù)型的隨機變量在概率論中所學(xué)到的所有的隨機變量要么為離散型要么為連續(xù)型,幾乎無一例外.然而保險領(lǐng)域卻不總是這樣.許多被用來模擬保險理賠支付的分布函數(shù)有連續(xù)增長的部分,同時也有離散的、正的跳躍部分.

在概率論中所學(xué)到的所有的隨機變量要么為離散型要么為連續(xù)型,幾設(shè)Z代表某個保單的理賠支付,則有三種情況:保單合同無理賠,因此Z=0.保單合同的索賠數(shù)額大于最大的保險金額M,則Z=M.保單合同產(chǎn)生正常的索賠數(shù)額,則0<Z<M.設(shè)Z代表某個保單的理賠支付,則有三種情況:風(fēng)險理論第2章_個體風(fēng)險模型如果假設(shè)X是離散隨機變量,Y是連續(xù)隨機變量,如果假設(shè)X是離散隨機變量,Y是連續(xù)隨機變量,風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型Riemann-Stieltjes積分混合隨機變量的分布對于混合隨機變量其分布為:Riemann-Stieltjes積分對于混合隨機變量其分布風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型因此

假設(shè)理賠支付X=400和X=200的概率分別為0.05和0.15,則有因此假設(shè)理賠支付X=400和X=200的概率分別例2.2.4(有索賠,且索賠額服從指數(shù)分布)假設(shè)風(fēng)險X有如下分布:(1)X的均值是多少?(2)對于風(fēng)險厭惡系數(shù)為a=0.01且具有指數(shù)效用函數(shù)的人,愿意為風(fēng)險X支付的最大保費為多少?例2.2.4(有索賠,且索賠額服從指數(shù)分布)假設(shè)風(fēng)險X有(1)(1)(2)如果被保險人使用的是參數(shù)為a=0.01的指數(shù)效用函數(shù),則由(1.21)得到最大保費:(2)如果被保險人使用的是參數(shù)為a=0.01的指數(shù)效用風(fēng)險理論第2章_個體風(fēng)險模型同樣的,X可以表示成X=IB,其中I表示理賠支付次數(shù)(0或l),B代表理賠支付.因此,

同樣的,X可以表示成X=IB,其中I表示理賠支付次風(fēng)險理論第2章_個體風(fēng)險模型為求X的分布函數(shù)F,我們有由此得為求X的分布函數(shù)F,我們有由此得風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型利用如下眾所周知的方差分解準(zhǔn)則,形如IB的風(fēng)險方差可以通過給定I,B的條件分布來計算:利用如下眾所周知的方差分解準(zhǔn)則,形如IB的風(fēng)風(fēng)險理論第2章_個體風(fēng)險模型2.3卷積

在個體風(fēng)險模型中,我們感興趣的是多個保單總理賠S的分布:2.3卷積在個體風(fēng)險模型中,我們感首先來計算X+Y的分布函數(shù):連續(xù)形式的全概率公式首先來計算X+Y的分布函數(shù):連續(xù)形式的全概率公式其中求和是取遍所有使得的x。其中求和是取遍所有使得的x。如果X和Y是連續(xù)型的,則如果X和Y是連續(xù)型的,則為求X+Y+Z的分布函數(shù),我們在做卷積運算時所采用的卷積次序無關(guān)緊要n個獨立同分布的隨機變量之和的分布函數(shù)是共同邊際分布F的n重卷積,記為為求X+Y+Z的分布函數(shù),我們在做卷積運算時所采用的一個集合A的示性函數(shù)定義為

對任意x,X的分布函數(shù)可以表達(dá)為一個集合A的示性函數(shù)定義為對任意x,X的分布函數(shù)可對任意y,Y的分布函數(shù)可以表達(dá)為又,進而有對任意y,Y的分布函數(shù)可以表達(dá)為又應(yīng)用卷積公式得應(yīng)用卷積公式得風(fēng)險理論第2章_個體風(fēng)險模型例2.3.2(離散分布的卷積)例2.3.2(離散分布的卷積)風(fēng)險理論第2章_個體風(fēng)險模型例2.3.3(iid均勻分布的卷積)例2.3.4(泊松分布的卷積)設(shè)和相互獨立.例2.3.3(iid均勻分布的卷積)例2.3.4(泊對一個非負(fù)隨機變量X,其矩母函數(shù)定義為

其中h為某個常數(shù).因為我們特別要用到矩母函數(shù)在0點附近的小區(qū)間里的取值,所以要求h>0.2.4變換隨機變量的矩母函數(shù)與分布函數(shù)一一對應(yīng)。如果X和Y相互獨立,則對一個非負(fù)隨機變量X,其矩母函數(shù)定義為其中h為某個常數(shù)對于某些具有重尾的分布,如柯西分布,其矩母函數(shù)不存在.但是特征函數(shù)總是存在的.特征函數(shù)定義為利用展開式可以得到隨機變量的特征函數(shù)與分布函數(shù)一一對應(yīng)。對于某些具有重尾的分布,如柯西分布,其矩母函所以X的k階矩等于概率母函數(shù)(pgf)僅用于取值為自然數(shù)的隨機變量,定義為累積量母函數(shù)(cgf)其定義為所以X的k階矩等于概率母函數(shù)(pgf)僅用于取值為自然數(shù)隨機變量X的偏度定義為其中

隨機變量X的偏度定義為其中累積量母函數(shù)、概率母函數(shù)、特征函數(shù)和矩母函數(shù)之間有如下的關(guān)系:累積量母函數(shù)、概率母函數(shù)、特征函數(shù)和矩母函數(shù)之間有如下的關(guān)系2.5近似分布2.5近似分布這樣,我們就可以用下式來逼近的分布函數(shù):這樣,我們就可以用下式來逼近的分布函數(shù):例2.5.3(兩種不同的近似)假設(shè)1000個男性年輕人購買了保險期間為一年的保單.

每個投保人在一年內(nèi)死亡的概率為0.001,且死亡發(fā)生的理賠支付為1.我們要計算這批保單總的理賠支付至少為4的概率。

例2.5.3(兩種不同的近似)假設(shè)1000個男性年輕人購買風(fēng)險理論第2章_個體風(fēng)險模型由得(3)正態(tài)近似正態(tài)在這種情形下的估計很差!??!由得(3)正態(tài)近似正態(tài)在這種情形下的估計很差?。?!選擇伽瑪分布的理由伽瑪分布包含了常見的一些分布,如指數(shù)分布G(1,β),卡方分布(k/2,1/2)等。伽瑪分布是不對稱的,右拖尾分布。與保險精算中的風(fēng)險的分布往往具有類似的性質(zhì)。選擇伽瑪分布的理由伽瑪分布包含了常見的一些分布,如指數(shù)分布G密度函數(shù):矩及偏度:矩母函數(shù):密度函數(shù):矩及偏度:矩母函數(shù):平移伽瑪近似可以表述如下:平移伽瑪近似可以表述如下:風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型=0.01Y~Г(4,0.002)2*0.002Y~χ2(8)=0.01Y~Г(4,0.002)NP近似

對分布函數(shù)作展開,考慮分布的偏性而得到的一種近似的計算方法。等價于,當(dāng)時,NP近似對分布函數(shù)作展開,考慮分布的偏性而得到的一種精確值正態(tài)近似Poisson近似伽瑪平移NP0.018930.00620.018990.02120.0228精確值正態(tài)近似Poisson近似伽瑪平移NP0.018930例2.5.8(用NP近似重新計算例2.5.5)我們用(2.62)決定資本量,以使資本以95%的概率不小于理賠額S:S的95%的分位點為例2.5.8(用NP近似重新計算例2.5.5)我們用(我們對和應(yīng)用(2.63)正態(tài)近似NP伽瑪平移0.00130.0110.010我們對和2.6應(yīng)用:最優(yōu)再保險一個保險人希望對20000份一年期壽險保單尋求一個最佳再保險,這批保單按保險金額可以分為以下三種:2.6應(yīng)用:最優(yōu)再保險一個保險人希保險人希望通過對最佳自留額的選取,即每份保單的最大支付,盡量提高其在業(yè)務(wù)運營中能夠滿足其財務(wù)職責(zé)的概率.一次理賠中扣除自留額以外的剩余部分是由再保險人支付.保險人希望通過對最佳自留額的選取,即每份保單的最大支付,盡量例如,對于1.6的自留額,保險金額為2的某個被保險人死亡,該保險人賠償1.6,再保險人賠償0.4.

收到保費后,保險人持有資金B(yǎng)以應(yīng)付理賠和支付再保險保費.再保險保費是凈保費的120%.

例如,對于1.6的自留額,保險金額為2的某個被保險人死亡首先,置自留額為2,從保險人的角度看,保單是如下分布保險人總的理賠數(shù)額S的均值和方差分別為首先,置自留額為2,從保險人的角度看,保單是如下分布保險人由中心極限定理,我們得到成本超過可用資金B(yǎng)的概率(成本等于S加上再保保費)

由中心極限定理,我們得到成本超過可用資金B(yǎng)的概率(成本等于S當(dāng)自留額界于2和3之間時,這個概率如何?對于給定的資金B(yǎng)如何決定自留額以使保險人不破產(chǎn)的概率達(dá)到最大?當(dāng)自留額界于2和3之間時,這個概率如何?§第2章個體風(fēng)險模型

本章討論保險人風(fēng)險組合的總索賠額的分布函數(shù)?!斓?章個體風(fēng)險模型

本章討論保險人風(fēng)總索賠(隨機變量的和)的分布要用卷積,因此非常麻煩。常用到均值,方差,矩母函數(shù),特征函數(shù),母函數(shù)等。有別于中心極限定理的近似方法。風(fēng)險隨機變量往往不能用純離散和連續(xù)隨機變量來刻畫。因此常用Riemann-Stieltjes積分。2.1引言總索賠(隨機變量的和)的分布要用卷積,因此非常麻煩。常用到均2.2混合分布和風(fēng)險

本節(jié)我們討論保險風(fēng)險的一些實例.由于純離散隨機變量和純連續(xù)隨機變量都不能描述這種風(fēng)險,所以我們必須先拓展分布函數(shù)類.2.2混合分布和風(fēng)險本節(jié)我們討論保險根據(jù)概率論的知識,任何一個分布函數(shù)都滿足根據(jù)概率論的知識,任何一個分布函數(shù)都滿足離散型的隨機變量離散型的隨機變量連續(xù)型的隨機變量連續(xù)型的隨機變量在概率論中所學(xué)到的所有的隨機變量要么為離散型要么為連續(xù)型,幾乎無一例外.然而保險領(lǐng)域卻不總是這樣.許多被用來模擬保險理賠支付的分布函數(shù)有連續(xù)增長的部分,同時也有離散的、正的跳躍部分.

在概率論中所學(xué)到的所有的隨機變量要么為離散型要么為連續(xù)型,幾設(shè)Z代表某個保單的理賠支付,則有三種情況:保單合同無理賠,因此Z=0.保單合同的索賠數(shù)額大于最大的保險金額M,則Z=M.保單合同產(chǎn)生正常的索賠數(shù)額,則0<Z<M.設(shè)Z代表某個保單的理賠支付,則有三種情況:風(fēng)險理論第2章_個體風(fēng)險模型如果假設(shè)X是離散隨機變量,Y是連續(xù)隨機變量,如果假設(shè)X是離散隨機變量,Y是連續(xù)隨機變量,風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型Riemann-Stieltjes積分混合隨機變量的分布對于混合隨機變量其分布為:Riemann-Stieltjes積分對于混合隨機變量其分布風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型因此

假設(shè)理賠支付X=400和X=200的概率分別為0.05和0.15,則有因此假設(shè)理賠支付X=400和X=200的概率分別例2.2.4(有索賠,且索賠額服從指數(shù)分布)假設(shè)風(fēng)險X有如下分布:(1)X的均值是多少?(2)對于風(fēng)險厭惡系數(shù)為a=0.01且具有指數(shù)效用函數(shù)的人,愿意為風(fēng)險X支付的最大保費為多少?例2.2.4(有索賠,且索賠額服從指數(shù)分布)假設(shè)風(fēng)險X有(1)(1)(2)如果被保險人使用的是參數(shù)為a=0.01的指數(shù)效用函數(shù),則由(1.21)得到最大保費:(2)如果被保險人使用的是參數(shù)為a=0.01的指數(shù)效用風(fēng)險理論第2章_個體風(fēng)險模型同樣的,X可以表示成X=IB,其中I表示理賠支付次數(shù)(0或l),B代表理賠支付.因此,

同樣的,X可以表示成X=IB,其中I表示理賠支付次風(fēng)險理論第2章_個體風(fēng)險模型為求X的分布函數(shù)F,我們有由此得為求X的分布函數(shù)F,我們有由此得風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型利用如下眾所周知的方差分解準(zhǔn)則,形如IB的風(fēng)險方差可以通過給定I,B的條件分布來計算:利用如下眾所周知的方差分解準(zhǔn)則,形如IB的風(fēng)風(fēng)險理論第2章_個體風(fēng)險模型2.3卷積

在個體風(fēng)險模型中,我們感興趣的是多個保單總理賠S的分布:2.3卷積在個體風(fēng)險模型中,我們感首先來計算X+Y的分布函數(shù):連續(xù)形式的全概率公式首先來計算X+Y的分布函數(shù):連續(xù)形式的全概率公式其中求和是取遍所有使得的x。其中求和是取遍所有使得的x。如果X和Y是連續(xù)型的,則如果X和Y是連續(xù)型的,則為求X+Y+Z的分布函數(shù),我們在做卷積運算時所采用的卷積次序無關(guān)緊要n個獨立同分布的隨機變量之和的分布函數(shù)是共同邊際分布F的n重卷積,記為為求X+Y+Z的分布函數(shù),我們在做卷積運算時所采用的一個集合A的示性函數(shù)定義為

對任意x,X的分布函數(shù)可以表達(dá)為一個集合A的示性函數(shù)定義為對任意x,X的分布函數(shù)可對任意y,Y的分布函數(shù)可以表達(dá)為又,進而有對任意y,Y的分布函數(shù)可以表達(dá)為又應(yīng)用卷積公式得應(yīng)用卷積公式得風(fēng)險理論第2章_個體風(fēng)險模型例2.3.2(離散分布的卷積)例2.3.2(離散分布的卷積)風(fēng)險理論第2章_個體風(fēng)險模型例2.3.3(iid均勻分布的卷積)例2.3.4(泊松分布的卷積)設(shè)和相互獨立.例2.3.3(iid均勻分布的卷積)例2.3.4(泊對一個非負(fù)隨機變量X,其矩母函數(shù)定義為

其中h為某個常數(shù).因為我們特別要用到矩母函數(shù)在0點附近的小區(qū)間里的取值,所以要求h>0.2.4變換隨機變量的矩母函數(shù)與分布函數(shù)一一對應(yīng)。如果X和Y相互獨立,則對一個非負(fù)隨機變量X,其矩母函數(shù)定義為其中h為某個常數(shù)對于某些具有重尾的分布,如柯西分布,其矩母函數(shù)不存在.但是特征函數(shù)總是存在的.特征函數(shù)定義為利用展開式可以得到隨機變量的特征函數(shù)與分布函數(shù)一一對應(yīng)。對于某些具有重尾的分布,如柯西分布,其矩母函所以X的k階矩等于概率母函數(shù)(pgf)僅用于取值為自然數(shù)的隨機變量,定義為累積量母函數(shù)(cgf)其定義為所以X的k階矩等于概率母函數(shù)(pgf)僅用于取值為自然數(shù)隨機變量X的偏度定義為其中

隨機變量X的偏度定義為其中累積量母函數(shù)、概率母函數(shù)、特征函數(shù)和矩母函數(shù)之間有如下的關(guān)系:累積量母函數(shù)、概率母函數(shù)、特征函數(shù)和矩母函數(shù)之間有如下的關(guān)系2.5近似分布2.5近似分布這樣,我們就可以用下式來逼近的分布函數(shù):這樣,我們就可以用下式來逼近的分布函數(shù):例2.5.3(兩種不同的近似)假設(shè)1000個男性年輕人購買了保險期間為一年的保單.

每個投保人在一年內(nèi)死亡的概率為0.001,且死亡發(fā)生的理賠支付為1.我們要計算這批保單總的理賠支付至少為4的概率。

例2.5.3(兩種不同的近似)假設(shè)1000個男性年輕人購買風(fēng)險理論第2章_個體風(fēng)險模型由得(3)正態(tài)近似正態(tài)在這種情形下的估計很差!??!由得(3)正態(tài)近似正態(tài)在這種情形下的估計很差!?。∵x擇伽瑪分布的理由伽瑪分布包含了常見的一些分布,如指數(shù)分布G(1,β),卡方分布(k/2,1/2)等。伽瑪分布是不對稱的,右拖尾分布。與保險精算中的風(fēng)險的分布往往具有類似的性質(zhì)。選擇伽瑪分布的理由伽瑪分布包含了常見的一些分布,如指數(shù)分布G密度函數(shù):矩及偏度:矩母函數(shù):密度函數(shù):矩及偏度:矩母函數(shù):平移伽瑪近似可以表述如下:平移伽瑪近似可以表述如下:風(fēng)險理論第2章_個體風(fēng)險模型風(fēng)險理論第2章_個體風(fēng)險模型=0.01Y~Г(4,0.002)2*0.002Y~χ2(8)=0.01Y~Г(4,0.002)NP近似

對分布函數(shù)作展開,考慮分布的偏性而得到的一種近似的計算方法。等價于,當(dāng)時,NP近似對分布函數(shù)作展開,考慮分布的偏性而得到的一種精確值正態(tài)近似Poisson近似伽瑪平移NP0.018930.00620.018990.02120.0228精確值正態(tài)近似Poisson近

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論