Buhlmann-Straub 模型
/ BYOOL-mahn SHTROWB /
朴素的 Buhlmann 信度悄悄假设你观测的每个时期或每个风险大小都一样——一位司机、一年、一个单位。真实数据要比这粗粝得多：一家雇主的团体计划承保 5,000 条生命，另一家只承保 50 条；某一年你写的业务是次年的两倍。Buhlmann-Straub 模型就是那个自然的推广，它让每个观测携带不同的暴露（生命数、车年、保单数），并据此对数据加权。
想法很直观：建立在更多暴露之上的观测噪声更小，因此应当算得更重。Buhlmann-Straub 用暴露加权的平均替代简单的理赔次数，并以总暴露 m 取代次数 n，得到 Z = m / (m + k)，其中 k 仍为 EPV / VHM。在 5,000 条生命上取平均的风险接近 Z = 1；一个只有 50 条生命的小团体得到很小的 Z，被强烈地拉向集合体费率。具体地，若 k = 800，某团体有 m = 3,200 生命年的暴露，则 Z = 3,200/(3,200 + 800) = 0.8。
Buhlmann-Straub 是团体保险经验费率、再保险合约，以及任何暴露在风险之间、年份之间差异巨大场景中真正使用的主力。它是从教科书理论通往实务的桥梁。诚实的告诫是：它仍假设组内方差随暴露干净地缩放（如泊松或复合泊松过程），并假设暴露被正确度量——若一个“大”账户只是纸面上大，其高 Z 就会误导人。
当 k = 800 时，拥有 3,200 生命年暴露的大团体得 Z = 3,200/(3,200+800) = 0.80；只有 200 生命年的小团体得 Z = 200/(200+800) = 0.20，被拉向集合体费率。
暴露 m 取代了简单的计数；更大的账户自动获得更高的信度。
Buhlmann-Straub 假设过程方差与暴露成反比（经典的泊松式缩放）。若某风险的波动性并不随规模如此干净地缩小，则暴露权重——从而 Z——可能具有误导性。