O pewnym modelu pojawiania się szkód
Transkrypt
O pewnym modelu pojawiania się szkód
Rafał M. Łochowski Szkoła Główna Handlowa w Warszawie O pewnym modelu pojawiania się szkód Ogólnopolska Konferencja Aktuarialna Zagadnienia aktuarialne – teoria i praktyka Warszawa, IE SGH 2009 Modele pojawiania się szkód Model Poissona ◦ Zalety: brak pamięci, możliwość modelowania intensywności pojawiania się szkód w czasie za pomocą funkcji intensywności ◦ Wady: brak możliwości modelowania intensywności w zależności od liczby zaistniałych szkód Model Sparre-Andersena (proces odnowy) ◦ Zalety – uogólnienie jednorodnego procesu Poissona, inne niż niejednorodny proces Poissona czy nawet proces Coxa ◦ Wady – brak możliwości modelowania intensywności w zależności od liczby zaistniałych szkód (jak w przypadku procesu Poissona), co więcej - brak możliwości modelowania liczby szkód w czasie Założenia prowadzące do pewnego innego modelu 1. 2. 3. W portfelu firmy ubezpieczeniowej znajduje się n niezależnych ryzyk Każde ryzyko może wygenerować dokładnie jedną szkodę, po czym wygasa Prawdopodobieństwo zajścia szkody w przedziale [t, t+∆] (po warunkiem, że nie zaszła wcześniej) zależy tylko od ∆ i jest takie samo dla każdego z ryzyk Wnioski płynące z założeń Z założenia 3. wynika, że czas oczekiwania na szkodę wygenerowaną przez pojedyncze, i-te ryzyko, Ti, jest wykładniczy z takim samym parametrem λ dla każdego z ryzyk Z niezależności ryzyk wynika, że czasy oczekiwania są niezależne Wnioski, c.d. Niech T(1) ≤ T(2) ≤ … ≤ T(n) będą statystykami pozycyjnymi ciągu T1,T2,...,Tn T(i) – moment napłynięcia i-tej szkody Łatwo można udowodnić (Feller, T. II), że czasy między kolejnymi szkodami T(1) ~ Exp(nλ), T(2) - T(1) ~ Exp((n-1) λ), ……………………………………., T(n) - T(n-1) ~ Exp(λ) są niezależnymi zmiennymi losowymi Proces liczby szkód Niech Lt = max{k:T(k) ≤ t} oznacza liczbę szkód, które napłynęły do momentu t Bardzo łatwo udowodnić, że Lt ~ Bin(n, 1-exp(-λt)) Wniosek – nie jest to ani proces Poissona ani proces Sparre-Andersena! (warunkowany, że liczba szkód nie przekracza n) Parę rysunków Własności procesu liczby szkód Proces nie ma przyrostów niezależnych Jest to proces Markowa (co wynika z braku pamięci rozkładu wykładniczego) o następujących prawdopodobieństwach przejścia (Lt_k – Lt_k-1 | Lt_1 ,Lt_2 ,…,Lt_k-1 )~ Bin(n- Lt_k-1, 1-exp(-λ(tk-tk-1)) Obserwacja: gdy n→∞, λ n → λ0, wówczas nasz proces zbiega (w jakim sensie?) do procesu Poissona o intensywności λ0 Uogólnienie modelu Niech ∆1 ~ Exp(λ 1), ∆2 ~ Exp(λ 2),…, ∆n ~ Exp(λ n) będą niezależnymi zmiennymi losowymi Niech T(1) = ∆ 1, T(2) = ∆1 + ∆ 2, …………….., T(n) = ∆1 + ∆ 2 + … + ∆ n Uwaga: T(i) nie jest statystyką pozycyjną! Uwaga: dopuszczamy n=∞ ∆i są czasami między kolejnymi szkodami T(i) są momentami pojawiania się kolejnych szkód Uogólnienie modelu, c.d. Ponownie, niech Mt = max{k:T(k) ≤ t} oznacza liczbę szkód, które napłynęły do momentu t (Mt – czysty proces urodzin) Rozkład zmiennej Mt? λ 1= λ2 =…= λ, (Mt) - proces Poissona λ 1= λn,λ2= λ(n-1),…, λn= λ, (Mt) – „nasz” model λ 1= λ,λ2= 2λ,…, - (Mt) – proces Yule’a (Mt ma rozkład geometryczny, Feller, T. I) Rozkład Mt dla dowolnych λ 1, λ 2 … W ogólnym przypadku rozkład Mt można najprościej otrzymać za pomocą metody Monte Carlo Przykład: t=1, (λ 1, λ2,…, λ10) = (3,1,4,1.5,9,2,6,5.3,8,9.7) Histogram of sample of M_1 vs. its distribution 0.4 0.3 0.2 0.1 n 0 1 2 3 4 5 6 7 8 9 10 Dynamika procesu (M (Mt) Oznaczmy P(Mt=k)=:P(k;t; λ 1 , λ2 ,… ) Proces (Mt) jest procesem Markowa Proces (Mt) nie ma niezależnych przyrostów, lecz P(Mt_k-Mt_k-1=k | Mt_k-1=m , …,Mt_1) =P(k; tk-tk-1; λm, λm+1,…) Proces (M (Mt) - uwagi Dla n=∞ nie jest jasne czy zdefiniowany proces nie eksploduje (z niezerowym prawdopodobieństwem napłynie nieskończona liczba szkód) Można podać analityczne formuły na P(k;t; λ 1 , λ2 ,… ), formuły te są jednak skomplikowane i numerycznie niestabilne Zachodzi pytanie o przydatność uogólnionego modelu do modelowania pojawiania się szkód Problem eksplozji i istnienia momentów procesu (M (Mt) Warunek konieczny i wystarczający na brak eksplozji (Feller, T. I) ∞ 1 ∑ λ = +∞ k =1 k ∞ Warunek wystarczający na istnienie momentu rzędu p≥1 p −1 k ∑ 1 + α / λ 1 + α / λ ... 1 + α / λ = +∞ k =1 ( ( 1 )( 2) 2) dla pewnego α > 0 Formuły analityczne Jeżeli λ1,..., λn są parami różne, wówczas k k 1 − exp (−ti x i ) P (M t = k ) = ∏ x j ∑ k j =1 i =1 x i ∏ (x j − x i ) j =1, j ≠i k +1 k +1 1 − exp (−ti x i ) − ∏ x j ∑ , dla k = 1,2,..., n − 1 k + 1 j =1 i =1 x i ∏ (x j − x i ) j =1, j ≠i Formuły te można uzyskać za pomocą metod odwrotnej transformaty Fouriera i rachunku residuów Zastosowanie formuł – obliczanie rozkładów (λ 1, λ2,…, λ10) = (3,1,4,1.5,9,2,6,5.3,8,9.7), t=0.2, t=0.6 Distribution Distribution of M_t , t=0.2 0.5 0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 0.1 of M_t , t=0.6 n n 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 Zastosowanie formuł – obliczenie rozkładów, c. d. (λ 1, λ2,…, λ10) = (3,1,4,1.5,9,2,6,5.3,8,9.7), t =1, t=1.8 of M_t , t=1 Distribution Distribution of M_t , t= 1.8 0.25 0.4 0.2 0.3 0.15 0.2 0.1 0.1 0.05 n 0 1 2 3 4 5 6 7 8 9 10 n 0 1 2 3 4 5 6 7 8 9 10 Zastosowanie formuł – obliczenie rozkładów, c. d. (λ 1, λ2,…, λ10) = (3,1,4,1.5,9,2,6,5.3,8,9.7), t =2.6, t=3.4 Distribution of M_t , t=2.6 Distribution of M_t , t=3.4 0.3 0.5 0.25 0.4 0.2 0.3 0.15 0.1 0.2 0.05 0.1 n 0 1 2 3 4 5 6 7 8 9 10 n 0 1 2 3 4 5 6 7 8 9 10 Ewolucja wartości oczekiwanej Evolution of EHM_t L 10 8 6 4 2 t 1 2 3 4 5 6 7 Ewolucja wariancji Evolution of Var HM_t L 10 8 6 4 2 t 2 4 6 8 Uwagi nt. przydatności Rodzina możliwych rozkładów zmiennych Mt jest bardzo bogata i obejmuje rozkłady o skończonej jak i o nieskończonej liczbie wartości Czyste procesy urodzin pozwalają na modelowanie „intensywności” napływania szkód w zależności od dotychczasowej ich liczby Wydaje się jednak, że sama rodzina czystych procesów urodzin może być niewystarczająca. Propozycja – bardziej adekwatnym modelem może być uogólnienie czystego procesu urodzin, w którym λ 1, λ2 … jest łańcuchem Markowa. Bibliografia Cox, D. R., Renewal Theory, Methuen & Co. 1962 Łochowski, R. On certain model of claim arrival, http://akson.sgh.waw.pl/~rlo cho/LochowskiWIEM09.pdf Pytania, komentarze? DZIĘKUJĘ ZA UWAGĘ!