Matematyka ubezpieczeń maj atkowych i osobowych (MUMIO) Ryszard Szekli

Matematyka ubezpieczeń maj atkowych i osobowych (MUMIO) Ryszard Szekli Skrypt do wykładu - Uniwersytet Wrocławski -212/213

2

Spis treści 1 Wprowadzenie 11 2 Rozkłady wielkości portfela 17 2.1 Rozkład wielkości portfela w modelu prostym...................................... 17 2.2 Rozkłady w modelu złożonym.......................... 29 2.2.1 Własności ogólne............................. 29 2.2.2 Zmienne losowe liczące ilość szkód................... 33 2.2.3 Złożony rozkład dwumianowy...................... 39 2.2.4 Złożony rozkład Poissona........................ 4 2.2.5 Złożony rozkład ujemny dwumianowy................. 45 2.2.6 Wzory rekurencyjne Panjera...................... 48 2.3 Aproksymacje................................... 5 2.3.1 Aproksymacja rozkładem dwumianowym i Poissona.................................. 5 2.3.2 Aproksymacja rozkładem normalnym.................. 52 2.3.3 Aproksymacja rozkładów złożonych rozkładem normalnym.......................... 6 2.3.4 Aproksymacja Edgewortha rozkładów złożonych................................. 62 2.3.5 Aproksymacja przesuniȩtym rozkładem Gamma........... 64 2.3.6 Aproksymacja niejednorodnego modelu prostego Poissonowskim modelem złożonym................... 66 3 Składki 69 3.1 Składka netto................................... 69 3.2 Składka z ustalonym poziomem bezpieczeństwa............................ 7 3.3 Składki oparte o funkcję użyteczności..................... 72 3.4 Reasekuracja, podział ryzyka.......................... 76 3.4.1 Wycena kontraktu stop-loss....................... 79 3.4.2 Własności kontraktu stop-loss...................... 81 3.4.3 Wpływ inflacji na kontrakt stop-loss.................. 82 3

4 SPIS TREŚCI 3.5 Reasekuracja w portfelu złożonym....................... 83 3.6 Stochastyczne porównywanie ryzyk....................... 85 3.7 Miary ryzyka................................... 93 3.8 Modelowanie zależności przez funkcje copula....................................... 97 4 Modele bayesowskie 15 4.1 Model portfela niejednorodnego......................... 15 4.2 Model liniowy Bühlmanna (Bayesian credibility)............................... 113 4.3 Składka wiarogodności: metoda wariancji................... 121 4.4 Estymatory najwiȩkszej wiarogodności (NW) dla modeli bayesowskich... 124 4.4.1 Porównanie modeli bayesowskich.................... 126 5 Prawdopodobieństwo ruiny: czas dyskretny 129 5.1 Proces ryzyka jako błądzenie losoweprawdopodobieństwo ruiny........................... 129 5.1.1 Współczynnik dopasowania....................... 132 5.1.2 Prawdopodobieństwo ruiny - lekkie ogony............... 134 5.2 Prawdopodobieństwo ruiny - model autoregresyjny.............. 136 5.3 Reasekuracja a prawdopodobieństwo ruiny................... 137 6 *Prawdopodobieństwo ruiny: czas ciągły 141 6.1 Proces zgłoszeń - teoria odnowy......................... 141 6.2 Prawdopodobieństwo ruiny: proces zgłoszeń Poissona............. 146 6.3 Prawdopodobieństwo ruiny dla rozkładów fazowych.............. 152 6.4 Prawdopodobieństwo ruiny dla rozkładów ciȩżkoogonowych......... 153 7 Techniki statystyczne dla rozkładów ci agłych 157 7.1 Dopasowanie rozkładu do danych........................ 158 7.1.1 Dystrybuanta empiryczna........................ 158 7.1.2 Wykres kwantylowy (Q-Q plot)..................... 159 7.1.3 Średnia funkcja nadwyżki........................ 161 7.2 Rozkład Pareto.................................. 162 7.2.1 *Rozkłady typu Pareto......................... 165 7.3 Rozkłady z ciȩżkimi ogonami.......................... 173 7.3.1 Klasy podwykładnicze.......................... 175 8 Dodatek 177 8.1 Funkcje specjalne................................. 177 8.2 Parametry i funkcje rozkładów......................... 177 8.3 Estymacja momentów.............................. 179 8.4 Rozkłady dyskretne............................... 179 8.4.1 Rozkład dwumianowy Bin(n, p).................... 179 8.4.2 Rozkład Poissona P oi(λ)........................ 18

SPIS TREŚCI 5 8.4.3 Rozkład ujemny dwumianowy Bin (r, p)............... 18 8.5 Rozkłady ci agłe.................................. 181 8.5.1 Rozkład normalny............................ 181 8.5.2 Rozkład odwrotny normalny IG(µ, σ 2 )................. 181 8.5.3 Rozkład logarytmiczno-normalny LN(µ, σ).............. 182 8.5.4 Rozkład wykładniczy Exp(λ)...................... 182 8.5.5 Rozkład Gamma Gamma(α, β)..................... 183 8.5.6 Rozkład Weibulla W ei(r, c)....................... 183 8.5.7 Rozkład Pareto P ar(α, c)........................ 184 Literatura 184

6 SPIS TREŚCI

Wstȩp Skrypt jest przeznaczony dla studentów kierunku matematyka na Wydziale Matematyki i Informatyki UWr. Udział w kursie MUMIO wymaga wcześniejszego zaliczenia kursu rachunku prawdopodobieństwa A lub B. Dla wygody wiele używanych faktów znajduje się w Dodatku. Rozdziały oznaczone * wymagaj a znajomości bardziej zaawansowanych narzȩdzi rachunku prawdopodobieństwa spoza kursu rachunku prawdopodobieństwa A. Kursyw a podana jest terminologia angielska. Kurs zawiera matematyczne podstawy i klasyczne metody używane w zawodzie aktuariusza. Specjalistą w zakresie oszacowania ryzyka jest aktuariusz. Miejscem pracy aktuariusza mogą być wszystkie instytucje finansowe, w których zarządza się ryzykiem. W Polsce istnieje duże zapotrzebowanie na aktuariuszy, ze względu na ich małą liczbę. Aktuariusz to specjalista ubezpieczeniowy, który oszacowuje za pomocą metod matematyki aktuarialnej, wysokość składki, świadczeń, odszkodowań, rezerw ubezpieczeniowych. Aktuariusze w oparciu o dane historyczne, regulacje prawne i prognozy dokonują kalkulacji prawdopodobieństw zdarzeń losowych. Oszacowują również ryzyko powstania szkód majątkowych. Aktuariusz przypisuje finansową wartość przyszłym zdarzeniom. Korzenie zawodu aktuariusza sięgają przełomu XVII i XVIII w. i były powiązane przede wszystkim z rozwojem ubezpieczeń na życie, ale głównego znaczenia profesja ta nabrała dopiero w XIX w. Matematykę aktuarialną zapoczątkowały pod koniec XVII w. prace angielskiego astronoma E. Halleya dotyczące wymieralności w wybranej populacji, a w 1948 r. w Londynie powstał Instytut Aktuariuszy - pierwsza placówka naukowa prowadząca prace z zakresu matematyki aktuarialnej. W Polsce za początek zawodu aktuariusza można uznać rok 192, w którym działalność rozpoczął Polski Instytut Aktuariuszy. Środowisko aktuariuszy w 1991 r. powołało Polskie Stowarzyszenie Aktuariuszy. Zadaniem Stowarzyszenia jest wspieranie tej grupy zawodowej, a także uczestnictwo w pracach legislacyjnych w zakresie ubezpieczeń. Stowarzyszenie jest członkiem Międzynarodowego Stowarzyszenia Aktuariuszy. Sektor towarzystw ubezpieczeniowych, zarówno na życie jak i majątkowo-osobowych, nie może funkcjonować bez aktuariuszy, którzy w większości właśnie tam pracują. Zgodnie z 7

8 SPIS TREŚCI art. 159 ust. 1 ustawy z 22 maja 23 r. o działalności ubezpieczeniowej (Dz. U. Nr 124, poz. 1151) do zadań aktuariusza w Polsce należy: - ustalanie wartości rezerw techniczno-ubezpieczeniowych, - kontrolowanie aktywów stanowiących pokrycie rezerw techniczno-ubezpieczeniowych, - wyliczanie marginesu wypłacalności, - sporządzanie rocznego raportu o stanie portfela ubezpieczeń, - ustalanie wartości składników zaliczanych do środków własnych. Aktuariusze mogą pracować we wszystkich instytucjach finansowych zarządzających ryzykiem. Mogą pracować w firmach konsultingowych, udzielając porad w zakresie podejmowania decyzji finansowych. W szczególności pomagają zaprojektować programy emerytalne, a w trakcie ich działania wyceniają ich aktywa i zobowiązania. Aktuariusze mogą również oszacowywać koszt różnego rodzaju ryzyk w działalności przedsiębiorstw. Mogą pracować również w instytucjach państwowych związanych np. z systemem ubezpieczeń społecznych czy zdrowotnych. Ponadto aktuariusze mogą znaleźć zatrudnienie wszędzie tam, gdzie konieczne jest rozwiązywanie problemów finansowych i statystycznych - banki i firmy inwestycyjne, duże korporacje, związki zawodowe. Zgodnie z art. 161 ust. 1 ustawy o działalności ubezpieczeniowej, aktuariuszem może zostać osoba fizyczna, która: - ukończyła studia wyższe, - przez okres co najmniej 2 lat wykonywała czynności z zakresu matematyki ubezpieczeniowej, finansowej i statystyki, pod kierunkiem aktuariusza, - złożyła z pozytywnym wynikiem egzamin aktuarialny, - posiada pełną zdolność do czynności prawnych, - korzysta z pełni praw publicznych, - nie była prawomocnie skazana za umyślne przestępstwo przeciwko wiarygodności dokumentów, przestępstwo przeciwko mieniu lub za przestępstwo skarbowe. Jednym z powyższych wymogów dla uzyskania licencji aktuariusza jest zdanie egzaminu aktuarialnego. Zgodnie z rozporządzeniem Ministra Finansów z 2 listopada 23 r. w sprawie zakresu obowiązujących tematów egzaminów aktuarialnych oraz trybu przeprowadzania tych egzaminów (Dz. U. Nr 211, poz. 254) zakres tego egzaminu obejmuje cztery działy: - matematykę finansową, - matematykę ubezpieczeń na życie, - matematykę pozostałych ubezpieczeń osobowych i majątkowych, - prawdopodobieństwo i statystykę. Egzaminy są organizowane co najmniej 2 razy w roku kalendarzowym. Każda część egzaminu składa się z 1 pytań. Każde pytanie oceniane jest według następującej skali:

SPIS TREŚCI 9 - dobra odpowiedź: 3 punkty, - błędna odpowiedź: -2 punkty, - brak odpowiedzi: punktów. Egzamin uważa się za zaliczony po uzyskaniu 13 punktów z jednej części. Zaliczenie wszystkich działów nie może trwać dłużej niż 2 lata. Aktuariuszem najczęściej mogą zostać osoby w wykształceniem matematycznym lub ekonomicznym. Jednym z głównych zadań w działalności firm ubezpieczeniowych jest dbałość o wypłacalność. Na firmy ubezpieczeniowe nałożone jest wiele wymogów zapewniających bezpieczeństwo działalności ubezpieczeniowej. Działalność ubezpieczeniowa ze względu na swoje społeczne i gospodarcze znaczenie została poddana nadzorowi wyspecjalizowanego organu administracji państwowej. Wypłacalność to zdolność firmy do spłaty zobowiązań w terminie. Jest podstawowym kryterium oceny kondycji finansowej zakładu ubezpieczeń. Jeden z podstawowych wymogów działalności ubezpieczeniowej dotyczy marginesu wypłacalności. Margines wypłacalności jest to określona przepisami prawa wielkość środków własnych zakładu ubezpieczeń, która ma na celu zapewnienie wypłacalności i nie może być niższa od minimalnej wysokości kapitału gwarancyjnego. Wymogi dotyczące marginesu wypłacalności dla zakładów ubezpieczeń zostały wprowadzone w 1973 roku. Wraz z rozwojem rynku ubezpieczeniowego, pojawieniem się nowych produktów oraz ryzyk istniejące wymogi przestały w pełni odzwierciedlać wszystkie ryzyka, na które były narażone firmy ubezpieczeniowe. Dotyczyło to głównie ryzyk finansowych np. ryzyka zmiany stóp procentowych. Pomimo spełniania istniejących wymogów wypłacalności przez firmy ubezpieczeniowe, kondycja finansowa tych firm pogarszała się. Obowiązujące wymogi wypłacalności nie spełniały już oczekiwań związanych z zapewnieniem bezpieczeństwa działalności ubezpieczeniowej. Nie bez znaczenia był również fakt coraz większego skupienia działalności ubezpieczeniowej wokół międzynarodowych grup kapitałowych. Pierwszym krokiem w kierunku poprawienia systemu badania wypłacalności było wprowadzenie Solvency I. W prawie polskim Solvency I zwiększyło wysokość minimalnego kapitału gwarancyjnego dla spółek akcyjnych z grupy I (ubezpieczenia na życie) z 8 tys. euro do 3 mln euro, dla działu II (ubezpieczenia majątkowe) grup 1-9 oraz 16-18 z 3 tys. euro i 2 tys. euro do 2 mln euro. Wprowadzono również coroczną indeksację minimalnego kapitału gwarancyjnego. Zmieniająca się rzeczywistość finansowa i gospodarcza wymusiła debatę nad zmianami w nowym systemie wypłacalności zakładów ubezpieczeń. Wykonano szereg analiz ryzyk działalności ubezpieczeniowej, analiz bankructw, analiz istniejących modeli wypłacalności wdrożonych w innych krajach. Wynikiem tych działań miało być powstanie nowego systemu badania wypłacalności Solvency II. Został on zapoczątkowany w 21 roku przez Komisje Europejską w ramach Komitetu Europejskiego. U podstaw dyskusji nad koniecznością wprowadzenia Solvency II leży szereg niedoskonałości w istniejących regulacjach dotyczących wypłacalności. Spośród nich należy tu chociażby wymienić metody bazujące na składce, które nie uwzględniają istotnych ryzyk; brak

1 SPIS TREŚCI uwzględnienia kompletnych form transferu ryzyka, brak uwzględnienia zależności pomiędzy aktywami i pasywami oraz zakresem prowadzonej działalności. Nowo powstający system Solvency II ma być uniwersalny i ma objąć wszystkie firmy ubezpieczeniowe prowadzące działalność na terenie UE. Jest on wzorowany na Bazylei II, która określa zasady wypłacalności dla banków. Nowy system oceny wypłacalności zgodny z Solvency II ma być dopasowany do rzeczywistych ryzyk, na jakie narażony jest zakład ubezpieczeń. W przypadku instytucji ubezpieczeniowej potencjalne ryzyka są specyficzne dla typów zawieranych umów ubezpieczenia w zakresie ubezpieczeń na życie lub ubezpieczeń majątkowych. Umiejętność skutecznej identyfikacji, oceny i monitorowania ryzyk może uchronić przed znacznymi stratami. Kluczową rolę odgrywają tu przyjęte metodologie zarządzania ryzykiem, służące eliminacji ich negatywnego wpływu na wyniki finansowe. Ryzyka, na które jest narażony zakład ubezpieczeń można podzielić na ryzyka aktuarialne związane z przyszłymi wynikami technicznymi zależnymi od czynników losowych częstości, intensywności szkód, kosztów operacyjnych, zmian w składzie portfela wypowiedzeń bądź konwersji umów ubezpieczenia oraz ryzyka finansowe ryzyka, na które jest narażona każda instytucja finansowa, (np. bank), do tej grupy zaliczają się ryzyka takie jak: ryzyko zmian stopy procentowej, ryzyko kredytowe, ryzyko rynkowe, ryzyko walutowe. Większa uwaga nadzoru ubezpieczeniowego ma skupić się na kontroli sposobów zarządzania ryzykiem przez firmy ubezpieczeniowe, jak również na poprawności przyjętych w tym zakresie założeń. Idea Solvency II polega na ściślejszym uzależnieniu wysokości kapitału od wielkości ryzyka podejmowanego przed firmy ubezpieczeniowe. Ujednoliceniu mają być poddane sposoby raportowania firm ubezpieczeniowych w różnych krajach. Solvency II ma mieć o wiele większy zakres od Solvency I, ma uwzględnić, bowiem wpływ nowych tendencji z zakresu metodologii zarządzania ryzykiem w ubezpieczeniach, szeroko pojętej inżynierii finansowej oraz standardów sprawozdawczości zgodnych z wymogami IASB (International Accounting Standard Board). Pierwszorzędnymi zamierzeniami projektu jest znalezienie wymogu marginesu wypłacalności oraz osiągnięcie większej synchronizacji w ustalaniu poziomu rezerw technicznych. Dużą rolę techniczną w ramach Solvency II odgrywają miary ryzyka takie jak VaR, TVaR, CVaR itp. oraz kopuły (copulas), które będą omówione w obecnym skrypcie.

Rozdział 1 Wprowadzenie Zawód aktuariusza jest jednym z najstarszych w świecie finansów. Historia tego zawodu rozpoczyna sie w połowie dziewietnastego wieku wraz z ubezpieczeniami na życie i aż do lat sześćdziesiatych dwudziestego wieku matematyczne metody aktuariusza zwiazane były z wycena kontraktów ubezpieczeniowych, tworzeniem tablic przeżycia na podstawie danych statystycznych oraz z wyliczniem rezerw pienieżnych firmy. W latach sześćdziesiatych rozpoczeto stosowanie matematycznych metod do stworzenia teorii ryzyka na użytek ubezpieczeń majatkowych i osobowych. Punktem wyjścia był standardowy złożony proces Poissona, którego pomysł pochodzi od Filipa Lundberga z 193 roku, a który matematycznie został opracowany przez Haralda Cramera w latach trzydziestych. Do lat dziewiećdziesi atych był on rozwijany na różne sposoby. Proces Poissona został zastapiony przez proces odnowy oraz przez proces Coxa, nastepnie użyto procesów Markowa kawałkami deterministycznych, wreszcie wprowadzono losowe otoczenie pozwalajace na modelowanie losowych zmian w intensywności zgłoszeń szkód i wielkości szkód. Pojawia sie wiele ksiażek z teorii ryzyka, na prykład Bowers et al., Buhlman, Daykin, Pentakainen i Pesonen, Embrechts, Kluppelberg i Mikosch, Gerber, Panjer i Willmot, Rolski et al., Assmussen. Jednym z najbardziej matematycznie interesujacych zagadnień w teorii ryzyka jest zagadnienie ruiny, gdzie czasy pierwszego przekroczenia wysokiego poziomu rezerwy kapitałowej sa w centrum uwagi. Stare i nowe rezultaty na tym polu moga być wytłumaczone przez teorie martyngałów i użyte do pokazania nierówności Lundberga dla bardzo ogólnych modeli dowodzac, iż dla małych szkód prawdopodobieństwo ruiny daży do zera wykładniczo szybko wraz z rezerwa poczatkow a. Specjalna teoria pojawia sie dla szkód potencjalnie dużych. Warunkowe twierdzenia graniczne pozwalaja zrozumieć trajektorie prowadzace do ruiny. Interesujacy rozkwit metod matematycznych w latach dziewiećdziesi atych dokonał sie głównie z dwóch przyczyn: wzrostu szkód zwiazanych z katastrofami oraz z gwałtownego rozwoju rynków finansowych. Wielkie katastrofy i szkody lat siedemdziesiatych i osiemdziesiatych spowodowały przekroczenia rezerw na rynku ubezpieczeń pierwotnych i wtórnych. Szybko rosnacy rynek finansowy w tym czasie poszukiwał nowych możliwości inwestycyjnych również w zakresie przyjmowania zakładów w zakresie naturalnych katastrof takich jak trzesienia ziemi i huragany. Czestość wystepowania i rozmiary wielkich szkód stworzyły potrzebe wprowadzenia 11

12 ROZDZIAŁ 1. WPROWADZENIE wyszukanych modeli statystycznych do badania procesu szkód. Teoria wartości ekstremalnych dostarcza niezbednych matematycznych narzedzi do wprowadzenia nowych metod. Pojawiaja sie ksiażki w zakresie teorii wartości ekstremalnych w kontekście problematyki ubezpieczeniowej, na przykład Embrechts et al., Reiss and Thomas. W latach osiemdziesiatych banki inwestycyjne dostrzegaja, iż zabezpieczanie sie przed ryzykiem finansowym nie jest wystarczajace ze wzgledu na dodatkowe ryzyka rynkowe. Tak zwany traktat z Bazylei z roku 1988 z poprawkami z lat 1994-1996, wprowadza tradycyjne metody ubezpieczeniowe budowania rezerw do sfery ryzyka bankowego. Rezerwy musza być tworzone na pokrycie tzw. earning at risk, to znaczy różnicy miedzy wartościa średnia a kwantylem jednoprocentowym rozkładu zysku/straty (profit/loss). Wyznaczenie tak małego kwantyla wymaga bardzo specjalnych metod statystycznych. Metody aktuarialne stosowane sa również do modelowania ryzyka kredytowego. Portfele kredytowe sa porównywalne z portfelami ryzyk ubezpieczeniowych. Przyszły rozwój metod ubezpieczeniowych zwiazany jest z powstawaniem złożonych rynków ubezpieczeniowych, firmy ubezpieczeniowe oczekuja elastycznych rozwiazań zapewniajacych pomoc w całościowym podejściu do zarzadzania ryzykiem. Całkiem naturalnie na tym tle wprowadzane sa metody pochodzace z teorii stochastycznej optymalizacji. Wiele zmiennych kontrolnych takich jak wielkość reasekuracji, dywidendy, inwestycje sa badane łacznie w sposób dynamiczny prowadzac do równań Hamiltona- Jakobiego-Bellmana, rozwiazywanych numerycznie. Po tym krótkim nakreśleniu historii rozwoju metod matematycznych w ubezpieczeniach wracamy do podstawowego modelu. Pomyślmy o konkretnej sytuacji. Przegl adaj ac wszystkie polisy ubezpieczeniowe, zakupione w jednej firmie ubezpieczeniowej, które ubezpieczaj a skutki pożaru mieszkań w pewnej dzielnicy dużego miasta, najprawdopodobniej natkniemy siȩ na porównywaln a wartość ubezpieczanych dóbr oraz możemy przyj ać, iż szanse na pożar w poszczególnych budynkach s a podobne. Taki zbiór polis tworzy jednorodny portfel ubezpieczeniowy. Wiȩkszość firm ubezpieczeniowych używa tego rodzaju portfeli jako podstawowych cegiełek swej działalności. Cegiełki takie, odpowiednio ułożone, tworz a wiȩksze bloki działalności takie jak ubezpieczenia od ognia, ubezpieczenia ruchu drogowego, ubezpieczenia przed kradzieżami, ubezpieczenia maj atkowe itd. Blok ubezpieczeń od ognia zawiera wtedy wiele portfeli różni acych siȩ rodzajami ryzyka, na przykład dla: wolno stoj acych domów, domów szeregowych, budynków wielomieszkaniowych, sklepów, marketów itd., które wymagaj a osobnego określenia ryzyka ubezpieczeniowego dla każdego rodzaju i wyliczenia innej składki ubezpieczeniowej, choćby z tego tylko powodu, iż rozmiar szkody w poszczególnych portfelach może być nieporównywalny. W dalszym ci agu skupiać bȩdziemy nasz a uwagȩ na analizie pojedynczych portfeli, które składać siȩ bȩd a z wielu elementów natury losowej lub deterministycznej. Podstawowym parametrem portfela jest czasokres w którym ubezpieczone ryzyka mog a generować szkody. Zwykle dane odnosz ace siȩ do danego portfela obejmuj a okres jedengo roku. Kluczowym parametrem jest rezerwa pocz atkowa (kapitał pocz atkowy), wyznaczany na pocz atku czasokresu w celu pokrycia kosztów wynikaj acych ze zgłoszonych szkód w portfelu. Same zgłoszenia wyznaczone s a przez chwile zgłoszeń T 1 < T 2 < T 3 <..., przy czym wygodnie jest przyj ać iż T = < T 1. Liczbȩ zgłoszeń do chwili t > definiujemy przez N(t) = max{n : T n t}.

13 Każde zgłoszenie zwi azane jest z wielkości a zgłaszanej szkody oznaczanej przez X n, dla n tego zgłoszenia. Przy tych oznaczeniach całkowita wartość szkód zgłoszonych do chwili t równa siȩ S(t) = N(t) X i. (Przyjmujemy S(t) =, gdy N(t) = ). Oznaczmy przez H(t) wartość składek zebranych w portfelu do chwili t. Zwykle przyjmujemy, że H(t) = ct, dla pewnej stałej wartości c >. Wtedy rezerwa kapitału w portfelu, przy założeniu, że kapitał pocz atkowy wynosi u, wyraża siȩ wzorem R(t) = u + H(t) S(t). Zakładaj ac, że momenty zgłoszeń oraz wielkości szkód s a zmiennymi losowymi, możemy interpretować kolekcjȩ zmiennych (R(t), t > ) jako proces stochastyczny. (Jest to tak zwany proces ryzyka). Badanie procesu ryzyka jest centralnym zagadnieniem tak zwanej teorii ryzyka, która z kolei stanowi niew atpliwie j adro matematyki ubezpieczeniowej poświȩconej ubezpieczeniom majatkowym i osobowym. Nakreślimy teraz bliżej zestawy założeń przyjmowanych o zmiennych losowych tego modelu, które umożliwiaj a dokładniejsz a analizȩ portfeli. Rozpoczniemy od podania detali dotycz acych ci agu zgłoszeń. O zmiennych losowych T 1, T 2,...można przyj ać wiele różnych założeń. W pewnych szczególnych przypadkach użytecznym i odpowiednim założeniem jest to, iż ci ag ten tworzy proces odnowy, tzn. ci ag zmiennych losowych odstȩpów miȩdzy zgłoszeniami W i = T i T i 1, i = 1, 2,..., jest ci agiem niezależnych zmiennych losowych o jednakowych rozkładach. Taki proces zgłoszeń jest elementem składowym modelu Sparre Andersena, który bȩdzie opisany detalicznie później. Klasycznym przykładem procesu odnowy jest proces Poissona, w którym odstȩpy miȩdzy zgłoszeniami maj a rozkład wykładniczy. Ponieważ rozkład wykładniczy jako jedyny ma własność braku pamiȩci, proces Poissona ma wiele strukturalnych własności odróżniaj acych go od innych procesów. (Własność braku pamiȩci rozkładu wykładniczego jest zdefiniowana przez równość P (W > x + y W > y) = P (W > x), dla x, y > lub równoważnie P (W > x + y) = P (W > x)p (W > y)). Na przykład, dla procesu Poissona P (N(t) = k) = e λt (λt) k k!, k =, 1,..., gdzie < λ = (EW ) 1, przy tym, EN(t) = λt = V arn(t). Ponadto liczby zgłoszeń w rozł acznych przedziałach czasowych w procesie Poissona tworz a kolekcjȩ niezależnych zmiennych losowych. W praktyce aktuarialnej zauważono już dawno, iż stosunek wartości oczekiwanej do wariancji w procesach zgłoszeń (N(t), t > ) bardzo czȩsto nie jest równy jeden (tak jest w procesie Poissona). Można to wytłumaczyć tym, że indywidualne szkody w portfelu s a zgłaszane zgodnie z procesem Poissona o pewnej wartości średniej, lecz wartość średnia ilości indywidualnych zgłoszeń może być różna dla każdej z polis w portfelu. Takie założenie prowadzi do procesu zgłoszeń dla którego P (N(t) = k) = e λt (λt) k k! df (λ), gdzie F jest pewn a dystrybuant a określaj ac a rozkład parametru λ w zbiorze możliwych wartości w danym portfelu (zakładamy zawsze, że λ > ). Wygodnie jest przyj ać, że istnieje zmienna losowa Λ określajaca losow a wartość parametru λ, spełniaj aca P (Λ λ) = F (λ). Zakładamy przy tym, że Λ jest zmienn a losow a niezależn a od indywidualnych procesów Poissona. Proces (N(t), t > ) spełniaj acy te założenia jest tak zwanym mieszanym Procesem Poissona. Szczególny przypadek, gdy Λ ma rozkład gamma, odpowiada tak zwanemu procesowi Polya. Inna użyteczna klasa procesów zgłoszeń jest wyznaczona zwi azkiem rekurencyjnym postaci

14 ROZDZIAŁ 1. WPROWADZENIE P (N(t) = k) = (a + b k )P (N(t) = k 1),dla k = 1, 2,... oraz pewnych stałych a, b (być może zależnych jedynie od t). Rozkład geometryczny, dwumianowy i Poissona znajduj a siȩ w tej klasie, przy odpowiedniej specyfikacji stałych a, b. Dla takich procesów Panjer pokazał użyteczn a rekurencjȩ pozwalaj ac a wyznaczyć rozkład całkowitej wartości szkód w portfelu. Wspomniana wcześniej własność procesu Poissona, iż liczby zgłoszeń w rozł acznych przedziałach czasowych tworz a kolekcjȩ niezależnych zmiennych losowych stanowi punkt wyjścia do teorii procesów o niezależnych przyrostach. Procesy zgłoszeń posiadaj ace tȩ własność s a procesami, dla których P (N(t) = k) = i= e λt (λt) i, gdzie p i oznacza i! p i k i krotny splot funkcji prawdopodobieństwa (p k, k =, 1,...). Oznacza to, że liczbȩ zgłoszeń można zapisać w postaci N(t) = K(t) Y i, gdzie (K(t), t > ) jest Procesem Poissona niezależnym od ci agu zmiennych (Y i, i = 1, 2,...), które s a z kolei wzajemnie niezależne o jednakowym rozkładzie (p k, k =, 1,...) Takie procesy s a złożonymi procesami Poissona. Podstawowym założeniem o wielkościach zgłaszanych szkód w portfelu jest to, iż tworz a one ci ag X 1, X 2,... niezależnych zmiennych losowych o jednakowych rozkładach. W zasadzie każda dystrybuanta skoncentrowana na [, ) może być użyta do określenia rozkładu wielkości szkód, jednakże czȩsto odróżnia siȩ dystrubuanty o lekkich i cieżkich ogonach. Dystrybuanty o lekkich ogonach s a asymptotycznie równoważne rozkładowi wykładniczemu. Dystrybuanty o ciȩzkich ogonach służ a do modelowania szkód, które mog a osi agać wartości relatywnie bardzo duże z istotnymi prawdopodobieństwami (tak jak siȩ zdarza w przypadku portfeli ubezpieczeń od pożarów). Typowym rozkładem ciȩżkoogonowym używanym w praktyce jest rozkład Pareto. Łatwo wyobrazić sobie sytuacje, w których proces zgłoszeń (N(t), t > ) i ci ag wielkości zgłaszanych szkód (X n, n = 1, 2,...) s a zależne, jak na przykład w przypadku szkód wynikaj acych z wypadków drogowych, kiedy to intensywność zgłoszeń jak również rozmiar szkód zależ a od warunków drogowych zwi azanych z por a roku. Obliczenie rozkładu całkowitej wartości szkód jest w tym przypadku możliwe jedynie w bardzo specjalnych przypadkach. Dlatego przyjmuje siȩ bardzo często, że (N(t), t > ) oraz (X n, n = 1, 2,...) s a niezależne. Nawet przy tym założeniu wyliczenie rozkładu S(t) nie jest łatwym zadaniem. Podstawowym wzorem w tym przypadku jest P (S(t) x) = i= P (N(t) = i)fx i(x), gdzie F X (x) = P (X 1 x). Jak widzimy potrzebne s a sploty FX i, dla których proste wzory s a znane jedynie w nielicznych przypadkach. Z tego powodu musimy zdać siȩ czȩsto na aproksymacje. W przypadku, gdy liczba zgłoszeń jest duża a rozkłady maj a skończone wariancje można bȩdzie zastosować Centralne Twierdzenie Graniczne (CTG) i wtedy x ES(t) P (S(t) x) Φ( ). Aproksymacja tego rodzaju jest bardzo niedokładna, gdy (V ars(t)) 1/2 tylko niewielka ilość szkód wyznacza wartość całego portfela (tak jak w przypadku szkód o ciȩżkich ogonach). Wyznaczenie dobrych aproksymacji w takich przypadkach jest bardzo trudne. Użyliśmy oznaczenia H(t) dla oznaczenia wielkości składek zebranych w portfelu do chwili t. Zwykle składki pobierane s a raz do roku od indywidualnych posiadaczy polis, jednakże wygodniej jest założyc, iż napływ składek odbywa siȩ jednorodnie w ciagu całego roku. Wy- k

15 znaczenie wielkości H(t) jest jedn a z niewielu rzeczy na jakie może wpłyn ać ubezpieczaj acy i musi być dokonane w taki sposób, aby pokryć zobowi azania w portfelu wynikaj ace ze zgłaszanych szkód. Z drugiej strony zawyżanie wysokości składek jest ograniczane konkurencj a na rynku ubezpieczeń. Najbardziej popularn a form a składki jest H(t) = (1 + θ)en(t)ex, dla pewnej stałej θ odzwierciedlajacej narzut gwarantuj acy bezpieczeństwo działania (safety loading). Taki sposób naliczania składki nie odzwieciedla losowej zmienności portfela, dlatego alternatywnie używa siȩ wzorów uwzglȩdniaj acych wariancje składowych zmiennych losowych. Jeszcze innym aspektem w trakcie naliczania składek jest fakt, że nie wszyscy indywidualni posiadacze polis w danym portfelu powinni płacić składki w tej samej wysokości oraz składki powinny zależeć od historii indywidualnej polisy. Rezerwa kapitału R(t) = u + H(t) S(t) przybiera szczególnie prost a postać, gdy przyjmiemy iż parametr czasu przebiega zbiór liczb naturalnych. Oznaczaj ac wtedy przez H n składki zebrane w n jednostkach czasu oraz przez S n sumaryczne szkody zgłoszone w n jednostkach czasu otrzymujemy rezerwȩ w n tej chwili R n = u + H n S n (przyjmujemy S =, H = ). Przy dodatkowym założeniu, że przyrosty H n H n 1 oraz S n S n 1 s a wzajemnie niezależne dla n = 2, 3,..., otrzymujemy ci ag (R n, n =, 1, 2,...) zwany bł adzeniem losowym (random walk). Ogólnie trajektorie przebiegu w czasie wartości R(t) obrazuj a zachowanie siȩ losowego procesu, w którym trend dodatni reprezentuje H(t),a trend ujemny S(t). Przedmiotem intensywnych badań teoretycznych jest tak zwane prawdopodobieństwo ruiny w procesie (R(t), t > ). Jesli przez τ = inf{t > : R(t) < } oznaczymy pierwsz a chwilȩ, gdy rezerwa przyjmie wartość ujemn a (tak zwana chwila ruiny), to prawdopodobieństwem ruiny jest ψ(u) = P (τ < ). W przypadku, gdy wielkości szkód maj a rozkład lekkoogonowy, można podać aproksymacje i ograniczenia na ψ(u) (bȩd a to wzory oparte o funkcjȩ wykładnicz a). W przypadku ciȩżkich ogonów aproksymacje istniej a dla tak zwanych rozkładów podwykładniczych (subexponential). Ostatnim zagadnieniem omówionym w tym wprowadzeniu bȩdzie reasekuracja. Reasekuracja jest podstawow a aktywności a ubezpieczycieli. Firmy ubezpieczeniowe podpisuj a kontrakty reasekuracyjne w celu zmniejszenia szansy na odpowiedzialność za szkody tak duże, że mogłyby zagrozić wypłacalności firmy. Taka sytuacja może nast apić na przykład w sytuacji, gdy zgłoszone zostan a szkody o nadzwyczaj dużej wielkości lub gdy ilość zgłoszeń skumuluje siȩ tworz ac nadzwyczaj duże skupiska lub gdy nastapi a nadzwyczajne zmiany w trakcie zbierania składek (niespodziewana inflacja, nagły wzrost kosztów działania itp.). Reasekuracja zwiȩksza możliwości firmy ubezpieczeniowej i jej elastyczność pozwalaj ac na oferowanie szerszego zakresu usług ubezpieczeniowych. Wiȩkszość ze stosowanych kontraktów reasekuracyjnych mieści siȩ w nastȩpuj acym zbiorze możliwości. Niech Z(t) = S(t) D(t) oznacza czȩść szkód podlegaj acych reasekuracji, gdzie D(t) oznacza wielkość własnej odpowiedzialności firmy (deductible). Oczywiście, firma ubezpieczeniowa za przekazanie odpowiedzialności za Z(t) musi czȩść zebranych składek przekazać firmie reasekuracyjnej. Ta z kolei może post apić podobnie rozpoczynaj ac cały łańcuch reasekuracyjny. Reasekuracja proporcjonalna odpowiada sytuacji, gdy Z(t) = as(t), dla pewnej stałej a (, 1). Reasekuracja excess-loss wynika z zasady Z(t) = N(t) (X i d) +, gdzie d jest dodatnim poziomem retencji oraz x + = max(, x). Oznacza to, iż do reasekuracji przekazywane s a sumaryczne nadwyżki indywidualnych szkód ponad poziom retencji d.

16 ROZDZIAŁ 1. WPROWADZENIE Taki kontrakt, przy dużej ilości zgłoszeń prowadzi do dużych kosztów administracyjnych. Reasekuracja stop-loss wyznaczona jest przez Z(t) = (S(t) D) +, dla poziomu retencji D wyznaczonego dla całego portfela. Taka reasekuracja zabezpiecza przed nadzwyczaj duż a ilości a niewielkich szkód. Istniej a liczne inne sposby reasekuracji oraz ich kombinacje, jednakże ze wzgladu na ich złożoność nie s a powszechnie akceptowane.

Rozdział 2 Rozkłady wielkości portfela Portfelem nazywamy zbiór ryzyk X = {X 1,..., X N } określonego typu, które są zmiennymi losowymi. Podstawow a wielkości a zwi azan a z portfelem jest wielkość portfela, czyli suma zmiennych losowych składaj acych siȩ na portfel S N = X 1 + + X N. Mówimy o modelu prostym, gdy N jest ustaloną liczbą. Gdy S = X 1 + + X N, gdzie N jest zmienn a losow a całkowitoliczbow a, to mówimy o modelu złożonym. Podstawowym założeniem jest to, że zmienne losowe (X i ) 1 i N s a niezależne oraz N jest niezależne od (X i ) i 1. 2.1 Rozkład wielkości portfela w modelu prostym Dla prostoty przyjmijmy najpierw N = 2 oraz X 1 = X, X 2 = Y, wtedy S := S 2 = X + Y gdzie X, Y s a niezależnymi indywidualnymi szkodami. Przyjmijmy na chwilȩ założenie, że X, Y przyjmuj a jedynie wartości ze zbioru liczb naturalnych N = {, 1,...} z prawdopodobieństwami P (X = i) = f X (i), P (Y = i) = f Y (i), i N. Przyjmujemy f X (s) = f Y (s) = dla s / N. Stosuj ac wzór na prawdopodobieństwo całkowite, dla s R otrzymujemy F S (s) = P (S s) = P (X + Y s Y = i)p (Y = i) = P (X s i Y = i)p (Y = i). i= Korzystaj ac z niezależności X i Y otrzymujemy F S (s) = F X (s i)f Y (i) (2.1.1) i= oraz f S (s) = f X (s i)f Y (i). (2.1.2) 17

18 ROZDZIAŁ 2. ROZKŁADY WIELKOŚCI PORTFELA Zauważmy, że wartości f S (s) mogą być dodatnie jedynie dla s N, dla s spoza zbioru N są równe. Tak samo możemy argumentować w celu otrzymania wzorów w przypadku, gdy zmienne losowe przyjmują wartości w dowolnym przeliczalnym zbiorze kratowym {d i : i Z}, gdzie d > (zmienne losowe o rozkładach kratowych). Ustawiając dopuszczalne wartości zmiennych w ciąg, załóżmy, że X, Y przyjmują przeliczaln a ilość wartości y 1, y 2,..., ze zbioru {d i : i Z} z dodatnimi prawdopodobieństwami f X (y i ) i f Y (y i ), odpowiednio. Otrzymujemy wtedy dla s R oraz F S (s) = F X (s y i )f Y (y i ) (2.1.3) f S (s) = f X (s y i )f Y (y i ). (2.1.4) Mówimy, że dystrybuanta F S jest splotem F X i F Y i oznaczamy F S (s) = F X F Y (s). Podobnie dla funkcji prawdopodobieństwa oznaczamy f S (s) = f X f Y (s) jeśli zachodzi (2.1.4). Wygodnie jest wprowadzić oznaczenia na potęgi splotowe. fx 2 = f X f X oraz fx n = f (n 1) X f X, dla n 1. Dla n =, fx (s) = I {}(s), FX (s) = I [, )(s). Dla zmiennych X, Y typu absolutnie ci agłego, czyli dla dystrybuant postaci F X (s) = s f X(x)dx, F Y (s) = s f Y (x)dx, dla s R można zastosować analogiczne rozumowanie używając ogólnych prawdopodobieństw warunkowych. Można też zastosować inne metody. Metoda I. Przejście graniczne. Niech dla n 1, Y (n) będzie zmienną losową przyjmującą wartości w zbiorze { 1 2 i : i Z}, zdefiniowaną przez Y (n) = n i Z i 2 I n { i 2 n Y < i+1 2 n }. Funkcja prawdopodobieństwa tej zmiennej jest określona przez P (Y (n) = i 2 ) = F n Y ( i+1 2 ) F n Y ( i 2 ). n Stosując (2.1.3) otrzymujemy F X+Y (n)(s) = i Z = = F X (s i 2 n )f Y (n)( i 2 n ) i Z i Z F X (s i 2 n )(F Y ( i + 1 2 n ) F Y ( i 2 n )) F X (s i 2 n )f Y (ξ i,n ) 1 2 n, dla pewnych ξ i,n [ i 2, i+1 n 2 ) wybranych na podstawie twierdzenia o wartości średniej. Przechodząc w ostatniej równości z n, z lewej strony mamy F X+Y (n)(s) n F X+Y (s), n bo zbieżność zmiennych losowych (prawie wszędzie) pociąga zbieżność dystrybuant (tutaj dystrybuanta graniczna jest ciągła). Z prawej strony ostatniej równości mamy sumę aproksymacyjną całki Riemanna, więc otrzymujemy w granicy

2.1. ROZKŁAD WIELKOŚCI PORTFELA W MODELU PROSTYM 19 F S (s) = oraz różniczkując f S (s) = F X (s y)f Y (y)dy = F X F Y (s) (2.1.5) f X (s y)f Y (y)dy = f X f Y (s). (2.1.6) Metoda II. Wartość oczekiwana. Dla pary zmiennych losowych X, Y o rozkładach absolutnie ciągłych możemy użyć następującego lematu (który natychmiast można uogólnić na większą liczbę zmiennych). Lemat 2.1.1 Niech X, Y będą zmiennymi losowymi o łącznej dystrybuancie wtedy F (X,Y ) (x, y) = P (X x, Y y) = E(ψ(X, Y )) = gdzie ψ : R 2 R jest dowolną mierzalną funkcją. x y f (X,Y ) (x, y)dydx, ψ(x, y)f (X,Y ) (x, y)dydx, Dowód. Dla ψ(x, y) = I (,x] (,y] (x, y), teza wynika natychmiast z równości E(I (,x] (,y] (X, Y )) = P (X x, Y y) i z założenia lematu. Ponieważ dowolna funkcja ψ może być przybliżona kombinacjami liniowymi indykatorów takiej postaci, teza jest natychmiastowa. Przyjmując teraz ψ(x, y) = I {x+y s} (x, y) otrzymujemy z powyższego lematu P (X + Y s) = = I {x+y s} (x, y)f (X,Y ) (x, y)dydx I {x+y s} (x, y)f X (x)f Y (y)dxdy, gdzie ostatnia równość wynika z niezależności zmiennych X, Y. Ponieważ I {x+y s} (x, y) = I {x s y} (x) otrzymujemy (2.1.5). Przykład 2.1.2 Niech X ma gȩstość f X (x) = 1 2 I (,2)(x) oraz niezależnie, Y ma gȩstość f Y (x) = 1 3 I (,3)(x). Wtedy ze wzoru (2.1.5) 1 dla s 5 1 (5 s)2 12 dla 3 s < 5 F S (s) = s 1 3 dla 2 s < 3. s 2 12 dla s < 2 dla s <

2 ROZDZIAŁ 2. ROZKŁADY WIELKOŚCI PORTFELA Rzeczywiście, mamy dla < x < 2, F X (x) = x f X(u)du =.5 x du =.5x, a st ad dla x F X (x) =.5x dla < x < 2. 1 dla x 2 Dla s < 2 dostajemy F S (s) = s 1 2 (s y)1 3 dy = 1 12 s2. Dla 2 s < 3 mamy: jeżeli s y > 2 (czyli < y < s 2), to F X (s y) = 1. Jeżeli < s y < 2 (czyli s 2 < y < s), to F X (s y) = 1 2 (s y), st ad F S (s) = = 1 3 s 2 s 2 = s 1 3. 1 1 s 3 I (,3)(y)dy + dy + s s 2 Dla 3 s < 5, podobnie jak wyżej, F S (s) = = = s 2 s 2 s 2 = 1 s 2 1 2 (s y)1 3 dy 1 2 (s y)1 3 I (,3)(y)dy 1 1 3 I (,3)(y)dy + 1 1 3 dy + 1 (s y) 2 3 I (,3) (s 2,s)(y)dy 1 3 3 dy + 1 1 (s y) s 2 2 3 dy (5 s)2. 12 I (s 2,s) (y) 1 1 (s y) 2 3 I (,3)(y)dy Ten sam wynik otrzymamy licząc wielkości odpowiednich pól na rysunku przedstawiającym łączną gęstość (tak jak na wykładzie). Niech X będzie zmienną o rozkładzie mieszanym, tzn. F X (s) = αfx d (s)+(1 α)f X c (s), dla pewnego α (, 1), gdzie FX d jest częścią dyskretną dystrybuanty F X, a FX c jest częścią absolutnie ciagłą dystrybuanty F X. Niech Y będzie zmienną o rozkładzie mieszanym, tzn. F Y (s) = βfy d (s) + (1 β)f Y c (s), dla pewnego β (, 1), gdzie F Y d (s) = i P (Y = y i )I [yi, )(s) jest częścią dyskretną dystrybuanty F Y, a FY c (s) = s f Y c (y)dy jest częścią absolutnie ciagłą dystrybuanty F Y. Wygodnie jest wprowadzić ogólne oznaczenie na splot dystrybuant następująco, F X F Y (s) = F X (s y)df Y (y),