精算機率論

動差

動差是一族數字,逐一概括一個分布的形狀。一階動差告訴你它的中心在哪裡,二階動差說明它散開多寬,三階動差反映它向左還是向右傾斜,四階動差刻畫它的尾部有多厚重。它們合在一起,僅憑少數幾個平均值,就為一個隨機變數勾勒出越來越精細的畫像。

在數學上,k 階原點動差是 E[X^k]——X 的 k 次方的平均值。一階原點動差就是均值。更有用的是圍繞均值度量的中心動差:二階中心動差是變異數(離散程度);三階經過標準化後給出偏度(不對稱性——長長的右尾意味著正偏);四階經過標準化後給出峰度(尾部相對於中間集中了多少「分量」)。所以均值、變異數、偏度、峰度,不過是用大白話裝扮起來的前四階動差。

動差是精算師用來描述和比較損失分布、又不必把每條曲線都畫出來的方式。動差估計法(method of moments)通過讓分布的理論動差與資料中觀察到的動差相匹配來擬合分布。偏度在保險中極為重要,因為損失幾乎總是右偏的——大量小額理賠,少數巨額理賠——一個只抓住均值和變異數的模型,會嚴重低估出現災難性理賠的機率。高峰度則是那些驅動資本要求的肥尾的指紋。

一個火災損失分布的均值可能是 3000 元,且帶有強烈的正偏:多數理賠不大,但罕見的倉庫大火把三階動差拉了上去。兩個均值和變異數都相同的分布,仍可能在偏度上大不相同,從而在尾部風險上大不相同。

偏度——三階動差——正是提醒你提防罕見巨災損失的東西。

精算師使用的一些重尾分布(某些柏拉圖分布)變異數無窮大,甚至均值也無窮大——它們的高階動差根本不存在,所以那些假定所有動差都有限的方法,恰恰會在風險最大的資料上悄然失效。

又稱
raw momentscentral momentsskewnesskurtosis中心矩偏度峰度