ACT-11302: Cálculo Actuarial III –Notas de Clase– Juan Carlos Martı́nez-Ovando ITAM 30 de agosto de 2016 Agenda Modelos de riesgo Notación Racionalidad Frecuencia de severidades Descripción Modelos de riesgo Definición Definición Son modelos estacásticos que miden la incertidumbre asociada con un portafolio de seguros. Para ésto, se distinguen las siguientes caracterı́sticas: I J es la suscripción de un portafolio de seguros en un periodo de tiempo dado I Yj es la variable aleatoria que mide el monto de siniestro de una póliza (j = 1, . . . , J) I Xj es el monto de reclamo del siniestro en la póliza j I Dj es el monto del siniestro a cargo del asegurado I Zj es el monto del siniestro a cargo de la reaseguradora Agregación Ası́, para cada póliza j = 1, . . . , J, Yj = Dj + Xj + Zj . Mientras que, PJ I j=1 Yj es la severidad acumulada de siniestros PJ I j=1 Xj es la severidad acumulada de siniestros a cargo de la aseguradora (1) Definición Definición Son modelos estacásticos que miden la incertidumbre asociada con un portafolio de seguros. Para ésto, se distinguen las siguientes caracterı́sticas: I J es la suscripción de un portafolio de seguros en un periodo de tiempo dado I Yj es la variable aleatoria que mide el monto de siniestro de una póliza (j = 1, . . . , J) I Xj es el monto de reclamo del siniestro en la póliza j I Dj es el monto del siniestro a cargo del asegurado I Zj es el monto del siniestro a cargo de la reaseguradora Agregación Ası́, para cada póliza j = 1, . . . , J, Yj = Dj + Xj + Zj . Mientras que, PJ I j=1 Yj es la severidad acumulada de siniestros PJ I j=1 Xj es la severidad acumulada de siniestros a cargo de la aseguradora (1) Siniestralidad No todas las pólizas experimentaron un siniestro (principio del seguro). Ası́, Siniestralidad I En caso de siniestro, Yj > 0 I En caso de no siniestro, Yj = 0. Agregación Ası́, J X Yj = j=1 X j|Yj =0 = X Yj + X Yj I(Yj = 0) + j = N X Yj j|Yj >0 X Yj I(Yj > 0) j Yj I(Yj > 0), (2) j donde, I N es el número de siniestros en el periodo dado (a.k.a. frecuencia de siniestros). Siniestralidad No todas las pólizas experimentaron un siniestro (principio del seguro). Ası́, Siniestralidad I En caso de siniestro, Yj > 0 I En caso de no siniestro, Yj = 0. Agregación Ası́, J X Yj = j=1 X j|Yj =0 = X Yj + X Yj I(Yj = 0) + j = N X Yj j|Yj >0 X Yj I(Yj > 0) j Yj I(Yj > 0), (2) j donde, I N es el número de siniestros en el periodo dado (a.k.a. frecuencia de siniestros). Siniestralidad Consideraciones I Intrı́nsecamente, N (antes de observarse) es incierto y aleatorio I La magnitud individual del siniestro, Yj I(Yj > 0) (antes de observarse) es incierta y aleatoria, ası́ como la ocurrencia de siniestro, I(Yj > 0). Agregación Para, S = N X Yj I(Yj > 0), j las fuentes de aleatoriedad son: I N - frecuencia de siniestros I Sj - severidad individual de siniestros (3) Siniestralidad Consideraciones I Intrı́nsecamente, N (antes de observarse) es incierto y aleatorio I La magnitud individual del siniestro, Yj I(Yj > 0) (antes de observarse) es incierta y aleatoria, ası́ como la ocurrencia de siniestro, I(Yj > 0). Agregación Para, S = N X Yj I(Yj > 0), j las fuentes de aleatoriedad son: I N - frecuencia de siniestros I Sj - severidad individual de siniestros (3) Enfoques de modelación Modelo de riesgo individual El monto agregado de siniestro, S, se define por I N es fijo I Yj I(Yj > 0) es aleatorio, para todo j = 1, . . . , J. Modelo de riesgo colectivo El monto agregado de siniestro, S, se define por I N , frecuencia aleatoria I Yj I(Yj > 0) es aleatorio, para todo j = 1, . . . , J. Enfoques de modelación Modelo de riesgo individual El monto agregado de siniestro, S, se define por I N es fijo I Yj I(Yj > 0) es aleatorio, para todo j = 1, . . . , J. Modelo de riesgo colectivo El monto agregado de siniestro, S, se define por I N , frecuencia aleatoria I Yj I(Yj > 0) es aleatorio, para todo j = 1, . . . , J. Frecuencia de severidades Distribuciones Binomial negativa Quizás, el modelo más intuitivo para N consiste en: I Suponer que I(Yj > 0) ∼ Be(θ), donde θ ∈ (0, 1) es la probabilidad de siniestro I La ocurrencia de siniestros entre integrantes del portafolio es mutuamente independiente I Ası́, tiene una distribución (N = n) ∼ BN(n|J, θ) ∝ θn (1 − θ)J−n I{0,1,...,J} (n), (4) donde J es la suscripción del portafolio de seguros. Se sigue, I E(N |J, θ) = Jθ I Var(N |J, θ) = Jθ(1 − θ) Ejercicio Encuentra el EMV para θ. Encuentra la distribución inicial conjugada para θ, ası́ como la distribución actualizada con un conjunto de datos. Se puede estimar J, si fuese desconocido? Distribuciones Binomial negativa Quizás, el modelo más intuitivo para N consiste en: I Suponer que I(Yj > 0) ∼ Be(θ), donde θ ∈ (0, 1) es la probabilidad de siniestro I La ocurrencia de siniestros entre integrantes del portafolio es mutuamente independiente I Ası́, tiene una distribución (N = n) ∼ BN(n|J, θ) ∝ θn (1 − θ)J−n I{0,1,...,J} (n), (4) donde J es la suscripción del portafolio de seguros. Se sigue, I E(N |J, θ) = Jθ I Var(N |J, θ) = Jθ(1 − θ) Ejercicio Encuentra el EMV para θ. Encuentra la distribución inicial conjugada para θ, ası́ como la distribución actualizada con un conjunto de datos. Se puede estimar J, si fuese desconocido? Distribuciones Poisson Un modelo bastante útil consiste en I Suponer que N tiene soporte numerable I Suponer que I(Yj > 0) ∼ Bernoulli I La ocurrencia de siniestros entre integrantes del portafolio es mutuamente independiente I Ası́, (N = n) ∼ Po(n|θ) ∝ exp{−θ}θn I{0,1,2,...} (n), (5) donde θ > 0 es la intensidad de siniestros correspondiente al perido dado. Se sigue que, I E(N |θ) = θ I Var(N |θ) = θ Ejercicio Encuentra el EMV para θ. Encuentra la distribución inicial conjugada para θ, ası́ como la distribución actualizada con un conjunto de datos. Distribuciones Poisson Un modelo bastante útil consiste en I Suponer que N tiene soporte numerable I Suponer que I(Yj > 0) ∼ Bernoulli I La ocurrencia de siniestros entre integrantes del portafolio es mutuamente independiente I Ası́, (N = n) ∼ Po(n|θ) ∝ exp{−θ}θn I{0,1,2,...} (n), (5) donde θ > 0 es la intensidad de siniestros correspondiente al perido dado. Se sigue que, I E(N |θ) = θ I Var(N |θ) = θ Ejercicio Encuentra el EMV para θ. Encuentra la distribución inicial conjugada para θ, ası́ como la distribución actualizada con un conjunto de datos. Gracias por su atención... [email protected]