第三次课堂讨论与习题课
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第五章 长期聚合风险模型习题课
【知识要点】
1、 盈余过程的基本模型
()()(), 0U t u ct S t t =+-≥ u 为初始资本
c 为单位时间收取的保费(保费率)
()()
1
N t i i S t X ==
∑
为时间[]0,t 内的理赔总额
()N
t 为理赔次数过程
2、 破产概率的定义
破产时间:(){}m in 0;0
T
t t U t =≥<
终极破产概率:()()(){}0,0u P T P U t t ψ=<∞=
<∃≥
有限时间破产概率:
()()()[]{},0, 0,u t P T t P U t t t ψ
=
<=<∃∈
3、 破产概率的性质 (1)()()2112, u u u u ψψ≤∀≤;
(2)()()()1212,,, 0; 0u t u t u u
t t ψψψ≤≤∀≥≤≤<+∞
;
(3)()()lim ,t u t u ψψ→∞
=。
4、泊松过程的定义 泊松过程的定义:
(1) 全局性方法:如果()N t 在长度为h 的任意时间段内满足
()()(){}
()
,, 0, 0, 0,1,2...
!
k
h
P N t h N t k N x x t h e
t h k k λλ-+-=∀≤=
∀≥>=
则称(){},0N t t ≥为泊松过程。由此定义可知,()()
N
t h N
t +-
服从参数为h λ的泊松分布。
(2) 等待时间间隔法:如果理赔事件发生的等待时间间隔随
机变量123,,,...W W W 独立同分布,且分布函数服从参数为
λ
的指数分布,则称(){},0N t t ≥为泊松过程。
(3) 局部性方法:如果理赔次数满足下列三个条件,则称为
泊松过程: (Ⅰ)当0t =时,理赔次数为零,即()00N =;
(2)在(,]t t
t +∆内是否发生理赔与t 时刻以前的理赔事件
无关,并与时间的起始位置无关,但与区间长度有关。因此,泊松过程是一个平稳增量过程。
(3)在充分小的时间间隔内,至多发生一次理赔,且发生一次理赔的概率与区间长度h 有如下关系:
()()()()1P N
t h N
t h h λο+-
==
+
5、 复合泊松过程的定义
()()
12...N t S t X X X
=+++
其中i X 独立同分布,且与理赔次数过程()N t 相互独立, 理赔次数过程为泊松过程。
复合泊松过程的均值、方差和矩母函数:
()()()()()
()()112,,X
t M
r S t E S t t V a r S t t M
r e
λλμλμ⎡⎤-⎣⎦
⎡⎤⎡⎤===
⎣⎦⎣⎦
6、 连续时间模型破产概率的计算
(1) 微分方程方法
定理5-2-3 对于泊松盈余过程,终极破产概率()u ψ满足
()()()()()()0
'1101u u u u x d F x F x c
c
c
λ
λ
λ
ψψ
ψ
ψθ
⎡⎤=
-
--
-⎣
⎦
=
+⎰
例5-2-1 当泊松盈余过程中的理赔额服从参数为β的指数分布时,其破产概率为为:
()()1
exp 011R u
u u e
βθψψ
θθ-⎛⎫
=-= ⎪++⎝⎭
。
(2)最大损失过程方法
最大损失随机变量:(){}m a x 0L S t ct t =-≥,
事件{L
u >}等价于“破产”,因此 破产概率可定义为:
()()()()P r 1P r 1L u L u L u F u ψ
=
>=-≤=-
最大损失随机变量L 可表示为:
12...M
L L L L =+++,
其中:随机变量(
)1,2,...j L j =代表()U
t 的第j 个最低记录低于
第1j -个最低记录的额度,且是独立同分布的;最低记录个数M
服从参数为()10ψ-的几何分布,所以最大损失L 服从复合几何分布,其参数也为()10ψ-。
(1)破产时刻亏量的分布:
()[]{}()()1
1
P r ,,11U t y dy y T P
y dy θμ⎡⎤∈---<∞=
-⎣⎦
+
(2)盈余首次低于初始准备金的额度1L 的密度函数:
()()()()
()
1
11
11110L
P
y P
y f y θμψμ--=
=
+
其中()1, P y μ分别是个别索赔额的数学期望和分布函数。 盈余首次低于初始准备金的额度1L 的矩母函数: ()()(){}1
1
11
1
11ry
L X
M r e
P
y dy
M r r
μμ∞⎡⎤=
-=
-⎣⎦⎰
()
(
)111, 1,2,... k
j k E L k k μμ+⎡⎤=+=⎣⎦
(3)最大损失随机变量L 的矩母函数:
()()()
()1
ln 11
,
L
M
L X
M r M
M
r M
r θθ
=
⎡⎤-⎣⎦
=
+