精算機率論
對數常態分布
對數常態分布描述的是這樣一個取正值的量:它的對數服從常態分布。說白了:當許多微小的效應是相乘而非相加地疊加在一起時,你得到的就是它。加性的噪聲堆疊成對稱的鐘形,而乘性的效應則堆疊成一條右偏的曲線,它在左側緊貼零、在右側延展出一條長長的尾巴——這正是如此多真實理賠金額、收入和股價的形狀。
如果你取一個對數常態變數的自然對數,會得到一個具有某個均值 μ 和標準差 σ 的普通常態分布——這兩個數就是對數常態分布的參數。由於這層指數聯繫,它的均值是 e^(μ + σ^2/2),明顯高於它的中位數 e^μ,二者之間的差距正是其偏度的標誌。這個分布始終取正值,在一個不大的值處達到峰值,然後緩緩拖尾,所以它很容易產生偶爾出現的、常態分布會認為幾乎不可能的極大結果。
對數常態分布是保險中使用最廣泛的嚴重度分布之一:理賠金額,尤其是在責任險和財產險業務線上,常常是對數常態的,因為損失往往以乘性方式累積(蔓延的火災、成本層層疊加的傷害)。它也是金融數學中資產價格和投資回報的標準模型,支撐著選擇權定價和變額年金保證的建模。它的右偏和比常態更肥的尾部,使它在捕捉「出現大額損失的機率」方面遠比常態安全——儘管對於最極端的尾部,柏拉圖分布可以更重。
責任險理賠金額被建模為對數常態:多數以幾千元了結,但一小部分高達數十萬元。均值遠高於典型(中位數)理賠——長長的右尾把平均值往上拽。
乘性效應產生對數常態分布——而它的均值高於中位數。
不要把對數常態分布的參數與它自身的均值和標準差混為一談:μ 和 σ 描述的是變數的對數,而非變數本身,所以把原始平均值當作 μ 代入公式是一個常見且代價不菲的錯誤。
又稱
另見