完全信度标准

你自己的数据要有多少，才足以完全信任它？完全信度标准就是答案：它是这样一个经验数量——以理赔次数、风险暴露或损失金额衡量——一旦达到，你就愿意令 Z = 1，仅用自身数据而忽略基准。它是你要“完全可信”必须跨过的门槛；低于此门槛，你只能拿到部分信用。

这道门槛由事先做出的两个选择固定下来。第一，你希望估计值离真值多近（容差，例如正负 5% 以内）？第二，你希望有多大频率达到这种接近（概率，例如 90% 的时间）？更紧的容差或更高的置信度，都会推高所需的数据量。对于把泊松理赔频率估计到正负 k、概率为 p 的情形，标准大致为（分位数/k）的平方那么多次预期理赔；经典的“90% 落在 5% 以内”给出约 1,082 次预期理赔。若严重度也在变动，标准会上调以容纳那份额外噪声。

实务中，完全信度标准是一种有意为之、有时获监管认可的约定，而非自然法则——改变容差或置信度，这个数字就会移动。它诚实的局限与经典信度一样：它纯粹由你自身数据的方差构成，从不考虑风险之间实际差异有多大。所以“完全信度”并不意味着你的数据完美无缺；它只意味着数据稳定到足以满足所选的安全目标。