一条向上漂、向下砸的盈余曲线
本阶前面几篇已经把舞台搭好了。你认识了盈余过程——保险公司随时间滚动的余额——也学会了去问这门生意里最尖锐的问题：它会不会有一刻跌破零，又以多大的破产概率？你*还*没拿到的，是一幅具体、可解的图景，说清这条余额究竟是怎么动的。Cramér-Lundberg 模型正是这幅图景：经典风险模型，简单到足以推出真正的定理，又丰富到足以抓住保险公司命运的本质形状。
把盈余想成一条画过时间的线，看它同时做两件事。保费每天平稳地流进来，于是这条线以一个稳定的斜率*向上漂*，像水细细地注入一只水缸。然后，在无法预料的时刻，一笔理赔来了，线就*笔直地往下砸*一截，砸下去的高度正是那笔理赔的大小——一个突然的垂直跌落，像一块石头扔进缸里。两次跌落之间，线又重新往上爬。缓缓地上，猛地下，缓缓地上，猛地下。这条又爬又跳的锯齿形状，一张图就道尽了整个模型；而破产，无非就是这条线头一次从上方触到零的那一刻。
三样配料就把整出戏定死了。第一，线从哪里起步：初始盈余，记作 u，是保险公司在第一天握着的那块资本垫子。第二，它爬得多快：保费收入率 c，即单位时间里挣到的保费金额。第三，它怎么往下砸：理赔以一股泊松流到来，平均有个到达率，而每一笔理赔的大小，都是从一个固定的强度分布里独立抽出的。于是，到任意时刻 t 为止累积起来的理赔总额，恰好就是你上一阶建好的那个复合泊松累积损失——只不过现在它动了起来，被看作是逐渐累积的，而不是冻结在年末的一个数。
保费必须朝对的方向倾斜
在任何巧妙的数学之前，有一道朴素的算术先把一切定了调。把每年流进来的保费，和预期每年流出去的理赔，摆在一起比。如果保费率 c *小于*预期的年理赔额，盈余平均而言就在向下漂——而在无限长的视野里，破产就成了必然，无论起步的垫子 u 有多厚。你没法靠垫子把一艘漏水的船垫到不沉。所以，唯有当保费超过预期理赔时，这个模型才站得住脚；我们用相对安全附加 θ 来度量这块多出来的余裕。
附加 θ 不过就是定价里内建的那块按比例算的垫子。如果预期理赔是每年 1,000,000，而你收的保费率是 1,150,000，你就在纯成本之上加载了 15%，于是 θ = 0.15。每年多出来的那 150,000，就是盈余线那个稳定的向上倾斜——这个斜率，在长跑里，对抗着那些向下的跳跃。把 θ 设为零，线就一点向上的偏向都没有了；把它设成负的，线就注定要沉。精算师用的那句话——净利润条件——无非就是：c 必须超过预期理赔，也就是 θ 必须严格为正。
一个数字，抓住了全部的危险：调整系数
这就是这个模型的神来之笔。所有那些活动的零件——保费率、理赔到达率、强度分布的整个形状——都能被熬成一个单一的正数，用来度量这家保险公司的处境有多危险。这个数就是调整系数，记作 R，又叫Lundberg 系数。把 R 想成一支风险温度计：R *大*，意味着一家安全、垫得厚实的经营；R *小*，则意味着一家脆弱的、危险地逼近悬崖边的经营。
R 从哪里来？它是透过理赔强度的矩母函数来定义的——矩母函数这个数学对象，把理赔金额分布的每一个矩，它的均值、它的离散、它整条尾巴的全部分量，都打包进了一个函数里。R 就是那个特殊的正值，在这个函数里，保费的向上拉力与理赔的向下拉力恰好抵消。这里不会要你徒手去解那道平衡方程；要带走的重点是 *R 对什么有反应*。它不是一个可以随手拨的旋钮——它是从这本账册真实的经济里挤出来的。
两条直觉让 R 变得具体。第一，更重的附加 θ 把 R 往*上*推：相对于预期理赔收得更多，你就更安全，这正合常理。第二——这才是微妙而要紧的部分——更重尾的强度，把 R 往*下*压。两本账册，平均理赔一样、保费也一样，R 却可能大不相同，只要其中一本暴露在罕见的巨额理赔之下、而另一本没有。这支温度计感受的是尾巴的形状，而不只是平均值。这正是 R 值钱的地方：它能嗅到那种单靠均值就视而不见的危险。
Lundberg 不等式：用指数把破产框住
现在，这个系数开始派红利了。那条经典的结果——Lundberg 不等式——说出了一件出奇利落的事：从初始盈余 u 出发，曾经破产的概率，不会大于 e 的「负 R 乘以 u」次方。用大白话说——破产的概率，随着你握有更多起步资本而*指数地*衰减，而这个衰减的速率，恰恰就是调整系数 R。垫子 u 越大越好；R 越大越好；而这两者在指数里相乘叠加。
Lundberg's inequality: P(ruin | start with u) <= e^(-R u) Suppose the adjustment coefficient works out to R = 0.001 and you ask how much capital caps ruin risk at 1%: e^(-0.001 * u) = 0.01 -0.001 * u = ln(0.01) = -4.605 (natural log) u = 4.605 / 0.001 = 4,605 Hold u = 4,605 of initial surplus -> ruin probability <= 1%. Double the cushion to u = 9,210 -> bound squares to <= 0.01%.
对这条不等式给你什么、不给你什么，要说得精确。它是一个*上界*，而不是精确的概率——真正的破产概率落在指数曲线之上或之下的某处，往往舒舒服服地落在下方。这是优点，不是缺陷：一个对风险有保证的天花板，正是监管者或董事会想要的，因为它让你能说「破产*至多*这么可能」，而不必去求那个完整、往往算不动的精确答案。对一个特例而言——当理赔金额服从指数分布时——这个界恰好几乎是紧的，而破产理论会附赠你一个精确的闭式概率。
这个模型诚实地是什么——又不是什么
这里最要紧的一句诚实话：那条指数界，立在「理赔有一条*轻*尾」这个假设之上——也就是矩母函数存在、巨额理赔褪得够快。你一旦面对一个真正重尾的风险——大额火灾损失、责任险、巨灾——这个假设当即断裂。对这类理赔，调整系数甚至根本不存在，Lundberg 那条齐整的指数压根用不上，而破产概率衰减得慢得多，被那罕见的巨型理赔拽住往下拖。诚实的实务工作者，在伸手去拿 R 之前，先弄清自己身处哪一个世界。
还有一些更温和的简化，值得点名，免得你把地图错当成疆域。经典模型假设保费率恒定、理赔以稳定的泊松节奏彼此独立地到来、缸里那块盈余没有任何投资回报——这些没有一条对一家真实的保险公司是完全成立的：那里保费在变、理赔在风暴后扎堆、准备金还在生息。这个模型还是在*无限*视野上看破产；实务里一个有限窗口也很要紧，这正是前一篇要在无限期与有限期破产之间划出那条线的缘故。Cramér-Lundberg 是那副干净的骨架，所有贴近现实的血肉，都挂在它身上。