隨機準備金（Mack 法、自助法）
/ sto-KAS-tik; mack; BOOT-strap /
鏈梯法只交給你一個數字：準備金是 500 萬。但這個單點答案掩蓋了每位高管真正想知道的問題——我們可能錯多少？真實成本幾乎肯定在 480 萬到 520 萬之間，還是有可能是 300 萬或 800 萬？隨機準備金方法給準備金估計附上一個機率分布，把單一最佳猜測變成一個帶有不確定性度量的區間。
準確地說，隨機準備金方法估計的不只是預期準備金，還有它的變異性——通常是一個標準誤和一個完整的預測分布。Mack 法是一種無分布假定的方法，它在關於發展因子行為的明確假設下，直接從三角形推導出鏈梯估計標準誤的公式。自助法（bootstrap）是一種模擬方法：它反覆對鏈梯擬合的歷史殘差重抽樣，生成成千上萬個可能的替代三角形，對每一個跑鏈梯法，再把所得最終值的離散程度讀作準備金分布。例如，500 萬的點估計準備金可能伴隨 Mack 標準誤 60 萬，隱含約 1/200（第 99.5 百分位）的準備金接近 650 萬——這正是資本制度所關心的那類數字。
隨機準備金之所以重要，是因為償付能力框架（償二代／Solvency II、風險資本、IFRS 17 風險調整）要求對準備金不確定性有量化的視角，而不只是一個中點。它還逼出誠實：這個區間通常比非精算人士預期的寬得多。兩點重要告誡：這些方法只量化模型假設所捕捉到的不確定性——它們對模型風險（鏈梯法本身就是錯誤模型的可能性）和資料尚未揭示的結構性變化隻字不提。因此，一個狹窄的隨機區間並不保證準確；它可能僅僅意味著模型自信地錯著。
一位精算師對一個責任險三角運行了 1 萬次自助模擬。平均準備金為 5000 萬，但模擬分布從第 25 百分位的約 4200 萬一直延伸到第 95 百分位的 6300 萬。管理層由此得知，5000 萬的「最佳估計」有現實的可能性會少了 1300 萬——這是單一鏈梯數字永遠揭示不了的資訊。
隨機方法把單一準備金變成一個分布，揭示這個估計究竟有多不確定。
這些方法只量化所選模型內部的不確定性。它們不捕捉模型風險或結構性變化，所以一個緊湊的計算區間可能給人虛假的安心——最大的準備金錯誤來自模型本身錯了，而非抽樣雜訊。