集体风险模型
与其逐一追踪1000份具体保单,不如设想你站在一家保险公司的门口,看着理赔像一股水流涌入:先是一年里来了随机数量的理赔,然后每件到来的理赔又有随机的金额。把它们全部相加,就得到了总成本。用这种方式给业务建模——随机数量的理赔、每件随机大小——就是集体风险模型。
确切地说,总损失为S=X1+X2+…+XN,其中N是随机的理赔件数(取自频率分布),每个Xi是相互独立的理赔金额(取自严重度分布),且金额与件数相互独立。它与个体风险模型的关键区别在于:项数N本身是随机的,而非一份固定名单。这恰恰是把频率-严重度分解装配成一个单一的量:频率提供N,严重度提供Xi,而S是它们的复合和。所得S的分布称为复合(或总)损失分布。
集体风险模型是非寿险定价、准备金和资本的主流框架,因为它契合理赔真实发生的方式——来自一个风险池的、随机数量、随机大小的若干事件,而非一份具名生命的固定名册。它最大的便利在于:S的均值和方差有用频率与严重度各阶矩表示的干净公式,而当频率为泊松时模型尤其便于处理(即复合泊松)。诚实的提醒是它的核心假设:各理赔金额彼此独立、且与件数独立。真实的巨灾两条都违反——一场风暴同时引发许多理赔、且都很大——所以朴素的集体模型对相关风险或巨灾风险必须加以扩展。
一家保险公司用频率N服从泊松(lambda=50)、严重度平均4000且标准差6000来给年度理赔建模。预期总损失E[S]=50乘4000=20万。由复合泊松方差公式,Var(S)=50乘(6000^2+4000^2)=50乘52,000,000=2,600,000,000,于是在20万均值周围的标准差约为51,000。
S=X1+…+XN,且N随机——随机数量、随机大小的理赔。
该模型假设各理赔金额相互独立、且与件数独立。一场巨灾会同时打破这两条——单一事件同时产生许多理赔、且往往都很大——所以朴素的集体模型可能严重低估巨灾风险和相关风险。