损失模型:频率与严重度

理赔严重度分布

现在把视角从“有多少件理赔”切换到“一件理赔有多大”。在所有确实发生的理赔中,大多数都很小——撞凹的保险杠、裂开的车窗——但时不时就有一件巨大的,比如房屋火灾或严重的人身伤害诉讼。如果你收集每件理赔的金额,观察这些金额如何分布,就得到了理赔严重度分布。

它是X(单件理赔的金额)的概率分布,其中X是一个正值(通常是连续的——可以是1000,也可以是1247.36)。由于损失不可能为负、且少数会极其巨大,严重度分布通常右偏:有一条向大数值伸展的长尾。常用选择有指数、伽马、对数正态、威布尔和帕累托分布。我们用均值(平均赔付额)来概括严重度,但同样要看它的尾部,因为罕见的巨额理赔驱动了大部分风险和所需资本。

严重度是频率-严重度故事的后半段,也是保单条款发力的地方。免赔额砍掉每笔损失的底部一块,保单限额削去顶部,共保比例把整体按比例缩小——这些都会重塑保险公司实际赔付所依据的严重度分布。一个关键的诚实之处:对严重度而言,只看均值是危险地不完整的。两份业务可能都有5000的平均赔付额,但其中一份有肥尾、偶尔产生500万的损失;决定偿付能力、再保险需求和价格的是那条尾巴,而不是均值。

一家火灾保险公司记录的理赔金额为400、900、1500、2200、3000,以及一个异常值48万。尽管六件理赔中有五件都在3000以下,那一件巨额损失却把均值拉高到约8.1万。对数正态或帕累托拟合捕捉这条长右尾的能力,远胜于对称模型。

大多数理赔很小,少数极大——严重度右偏,带一条长尾。

永远不要只用平均值来描述严重度。尾部——罕见巨额理赔的概率和大小——通常才驱动真正的风险,平均值可能掩盖一个偶尔会让毫无准备的保险公司破产的分布。

又称
severity distributionclaim size distributionloss amount distribution赔付金额分布損失金額分布