信度理論
部分信度
現實中大多數業務組合都不夠大,達不到完全可信——你幾乎從來沒有完全信度標準所要求的一千多次理賠。這是否意味著你自身的資料一文不值,只能單用基準?不。部分信度是合情合理的中間道路:你給自身資料一個分數權重 Z,嚴格介於 0 與 1 之間,並隨你資料的增長而增長。
在經典(有限波動)信度下,部分信度由平方根法則設定:Z 等於(你的理賠次數除以完全信度所需次數)的平方根,上限為 1。所以若完全信度需 1,082 次理賠而你只有 270 次,則 Z = sqrt(270/1082) 約 0.50——你把自身資料的一半與基準的一半混合。平方根之所以出現,是因為隨機誤差隨樣本量的平方根縮小,因此要把誤差減半需要四倍的資料,而你能安全賦予的權重也相應地按此縮放。
部分信度才是精算師日常所用,因為完全信度是例外,而非常態。實務的藝術在於挑對「信度的補集」——那個拿到權重(1 減 Z)的基準——以便在你自身資料稀薄時,能退守到真正相關的東西(一個相似的類別、手冊費率),而不是一個隨意的數字。一個挑得不好的補集,比一個偏低的 Z 還要有害。
某小地區產生了 270 次理賠;完全信度需 1,082 次。它自身的損失成本為 850,全國補集為 1,000。Z = sqrt(270/1082) 約 0.50,故費率為 0.50(850) + 0.50(1,000) = 925。
當 Z 約為 0.50 時,費率落在該地區自身成本與全國補集的正中間。
結果的好壞,取決於你混合時所朝向的「信度補集」。把一個精確的 Z 用在不相關的基準上,依然給出糟糕的答案。
又稱
另見