随机准备金（Mack 法、自助法）
/ sto-KAS-tik; mack; BOOT-strap /
链梯法只交给你一个数字：准备金是 500 万。但这个单点答案掩盖了每位高管真正想知道的问题——我们可能错多少？真实成本几乎肯定在 480 万到 520 万之间，还是有可能是 300 万或 800 万？随机准备金方法给准备金估计附上一个概率分布，把单一最佳猜测变成一个带有不确定性度量的区间。
准确地说，随机准备金方法估计的不只是预期准备金，还有它的变异性——通常是一个标准误和一个完整的预测分布。Mack 法是一种无分布假定的方法，它在关于发展因子行为的明确假设下，直接从三角形推导出链梯估计标准误的公式。自助法（bootstrap）是一种模拟方法：它反复对链梯拟合的历史残差重抽样，生成成千上万个可能的替代三角形，对每一个跑链梯法，再把所得最终值的离散程度读作准备金分布。例如，500 万的点估计准备金可能伴随 Mack 标准误 60 万，隐含约 1/200（第 99.5 百分位）的准备金接近 650 万——这正是资本制度所关心的那类数字。
随机准备金之所以重要，是因为偿付能力框架（偿二代／Solvency II、风险资本、IFRS 17 风险调整）要求对准备金不确定性有量化的视角，而不只是一个中点。它还逼出诚实：这个区间通常比非精算人士预期的宽得多。两点重要告诫：这些方法只量化模型假设所捕捉到的不确定性——它们对模型风险（链梯法本身就是错误模型的可能性）和数据尚未揭示的结构性变化只字不提。因此，一个狭窄的随机区间并不保证准确；它可能仅仅意味着模型自信地错着。
一位精算师对一个责任险三角运行了 1 万次自助模拟。平均准备金为 5000 万，但模拟分布从第 25 百分位的约 4200 万一直延伸到第 95 百分位的 6300 万。管理层由此得知，5000 万的“最佳估计”有现实的可能性会少了 1300 万——这是单一链梯数字永远揭示不了的信息。
随机方法把单一准备金变成一个分布，揭示这个估计究竟有多不确定。
这些方法只量化所选模型内部的不确定性。它们不捕捉模型风险或结构性变化，所以一个紧凑的计算区间可能给人虚假的安心——最大的准备金错误来自模型本身错了，而非抽样噪声。