藏在一笔保费里的两个承诺
本阶到此为止，一直在打磨两件工具。期望值给了你一个单一的公平价格——纯保费——而方差告诉你，任何一年都可能围绕它摆动得有多剧烈。这两者都是对单一风险的诚实描述。可保险公司从不只卖一份保单，它卖出成千上万份。保险的魔力不在任何一份合同里——它出现在你把许许多多份合同加在一起的那一刻。
当保险公司把一笔保费递给你时，它其实在悄悄向自己的股东许下两个承诺。第一：只要我们把足够多的同类风险汇聚起来，平均理赔就会落在我们所收取的纯保费附近，所以这个价格大致是对的。第二：尽管我们无法确定，但我们能框定总额合理地可能漂移到多远，于是我们清楚地知道要在手边留多少备用资金——也就是资本。这两个承诺并非一厢情愿，它们是整个概率论中最负盛名的两条定理，而本篇就是要去认识它们。
大数定律：平均值会安定下来
抛一枚均匀的硬币十次，你也许会看到七次正面——高达 70% 的疯狂比例。抛它一万次，你看到的会是无比接近 50% 的结果。这就是大数定律（LLN）的全部要旨：当你对同一件随机事物做越来越多次相互独立的观测并求平均，这个平均值就会越来越靠近它的期望值，并不再上蹿下跳。要紧的是，大数定律说的是关于*平均值*、而非*总和*的事——正面出现的总次数，按绝对值算其实会离 5,000 越来越远；真正安定下来的，是每次抛掷的那个平均值。
回想上一篇：n 个相互独立的副本求平均后，方差会缩小为原来的 n 分之一——也就是说，均值的标准差按 n 的平方根分之一下降。这条平方根定律，正是大数定律卷起袖子干活的样子。把 100 份完全相同且相互独立的保单汇聚起来，单份保单的平均值就比一份保单稳定十倍；汇聚 10,000 份，就稳定一百倍。这恰恰是基础阶里那套风险汇聚机制，如今被陈述为一条定理、而不再只是一个类比。正因如此，保险公司才能报出那笔纯保费，并相信在整本业务上，现实会配合演出。
中心极限定理：总和长成钟形
大数定律告诉你平均值会落在大致正确的位置——但它对剩下那点不确定性的*形状*只字未提。那个形状，正是中心极限定理（CLT）的馈赠，而它实在令人惊叹。把许多相互独立的风险加起来——无论每一个单独看有多偏斜、扭曲或古怪——这个*总和*（或平均值）的分布都会漂向一个单一而普适的形状：正态分布，也就是那条著名的钟形曲线。这些单个风险可以是抛硬币、掷骰子、牙科理赔，或是偏得离谱的彩票；总和却忘掉了它们各自的脾性，只记住它们的均值和方差。
为什么你要在意总和是钟形的呢？因为正态分布只需两个数字就能被完整描述——它的均值和标准差——而这两者我们都已经会算了。一旦精算师能论证一大本业务的总损失近似正态，整条尾巴就变得可以计算。那条熟悉的经验法则随之而出：大约 95% 的时候，总额会落在均值上下约两个标准差之内，而超出这个范围的罕见年份，则有着已知、可量化的概率。中心极限定理，正是把含糊的“我们可能亏很多”变成一个监管者和董事会真能据以筹划的数字。
把它们用起来：先定价，再算资本
我们用上一篇里那份小小的保单把这件事讲实。每份保单有 5% 的概率赔 2,000，所以它的期望损失（纯保费）是 100，标准差约为 436——超过均值的四倍。单独一份这样的保单，波动得吓人。现在，相互独立地承保 10,000 份。两条定理就接管了局面。
One policy: E = 100 SD = 436 (SD/mean = 4.36, scary) 10,000 policies (independent): Total mean = 10,000 * 100 = 1,000,000 Total SD = 436 * sqrt(10,000) = 43,600 SD as % of mean = 43,600 / 1,000,000 = 4.36% (LLN: relative wobble shrank ~100x) CLT => total loss ~ Normal(1,000,000, 43,600) ~95% of years land within +/- 2 SD: 1,000,000 +/- 87,200 Capital to be ~99.5% safe (~2.58 SD): about 112,000 above the mean
把那张小表慢慢读一遍，因为它用八行字写尽了一家保险公司的全部逻辑。大数定律是第一个奇迹：把 10,000 份相互独立的保单汇聚起来，*平均*理赔就紧贴着 100，相对波动从足以倾家的 436% 坍缩到可控的 4.36%。正是这份稳定，使得收取那笔平均保费成为理智之举。中心极限定理是第二个奇迹：它担保总和近似正态，于是保险公司可以说“要做到 99.5% 安全，我们必须在期望损失之上持有约 112,000 的资本”——这是一个精确、站得住脚的数字，而不是凭空一猜。价格来自第一条定理，资本来自第二条。
诚实的隐患：两者都重重压在独立性上
现在，是那条把精算师和看热闹的人区分开来的警告。那张表里每一个干净的数字，都压在一个词上：独立。总标准差之所以只按 n 的平方根增长，唯一的原因是每份保单的结果与它邻居的结果毫无瓜葛。这正是你在本阶早些时候遇到的独立性所扮演的精确角色。一旦失去它，那套让保险看起来轻而易举的算术，就会悄悄崩塌。
真实的风险常常根本就不独立。一场地震、一场飓风、一场大流行或一次市场崩盘，会在同一瞬间击中成千上万份保单——它们的损失一起涌动。当风险正相关时，总和的方差就不再除以 n 了；那份令人安心的平方根收缩会减弱乃至消失，而在完全相关的极端情形里它彻底消失，让你的处境并不比只持有一份巨型保单更好。大数定律不再安抚平均值，中心极限定理那只整洁的钟也长出一条肥厚而危险、被正态近似严重低估的尾巴。
还有一个更微妙的陷阱。即便有了真正的独立性，中心极限定理说的也是关于分布*中心*的事；钟形近似最糟糕的地方，恰恰就在遥远的尾部，而那正是巨灾栖身之处。正态曲线有着又薄、又迅速衰减的尾巴，可真实的保险损失往往是肥尾的——极端事件发生的频率比钟形所预言的要高。所以精算师只在这些定理可信之处（主体部分、以及可分散的风险）依靠它们，而在它们失效之处，正好转向更严苛的工具——明确的巨灾模型、相关性假设，以及肥尾分布。这些定理是地基，不是堡垒。
你要带走的东西
现在你握住了那两条定理：它们把一堆吓人的单个风险，变成一门冷静、可定价、有资本撑腰的生意——而同样重要的是，你也清楚了它们共同倚仗的那一个假设，以及当它崩坏时会出什么岔子。这是整个概率阶的拱心石。从这里开始，阶梯将从描述单一分布，转向把分布拟合到真实的理赔数据上、估计它们的参数、并量化我们对那些估计有多信任——这正是让精算师去学得世界不肯直接交出的那些数字的统计学。