APP下载

复合Poisson下m重风险模型

2017-08-09王鹤婷

数学学习与研究 2017年15期

王鹤婷

【摘要】本文将复合Poisson分布下单一险种的风险模型推广为多险种同时发生的一个风险模型.模型中,保费收入是一个常数,m重险种在同一时刻发生索赔,索赔过程为复合Poisson过程.

【关键词】破产概率;鞅论;调节系数;复合Poisson过程

一、引言

精算是使保险行业合理运行的数学运算,并且是正常运行的数学基础.它基于概率理论和数学统计,结合人口、社会、经济等相关科学,评估风险事件,评估各种经济安全方案的未来财政收支和债务水平.基于稳定的财政发展,风险理论[1-5]作为精算数学的一部分是目前精算学和数学研究的热点话题.本文将经典复合Poisson风险模型推广到多险种同时发生赔付的一个模型.最后得出m重风险下的破产概率的具体表达式[6-8].

二、概念与模型

设(Ω,F,P)为一完备概率空间,并且u≥0,c>0.以下对象均假设定义在这个完备概率空间上,有

U(t)=u+ct-∑mj=1∑Nj(t)i=1Y(j)i,t≥0,(1)

S(t)=ct-∑mj=1∑Nj(t)i=1Y(j)i,t≥0.(2)

i=1,2,…;j=1,2,…,m,其中,

① Y(j)={Y(j)i,i=1,2,…},j=1,2,…,m是取值于[0,∞)上的独立同分布随机变量;

② Nj={Nj(t);t≥0},j=1,2,…,m是参数为αj>0的Poisson过程;

③ 假定Y(j),Nj互相独立,则过程{U(t);t≥0}称为复合Poisson分布下m重风险模型,过程{S(t);t≥0}为盈利过程.

为保证保险公司的稳定经营,假定E[S(t)]>0,因为E[S(t)]=Ect-∑mj=1∑Nj(t)i=1Y(j)i=ct-∑mj=1αjμt>0.所以ct>∑mj=1αjμt,c>∑mj=1αjμ,所以c=(1+θ)∑mj=1αjμ,即c>∑mj=1αjμ,其中,μ=[-Y(j)i]<∞表示单位时间内保费高于每年支付额.定义安全负荷系数为θ=c∑mj=1αjμ-1>0,破产时刻T=inft>0{t;U(t)<0},最终的破产概率为φ(u)=P{T<+∞|U(0)=u},则生存概率为φ=1-φ(u).

三、引理

引理1盈利过程(2)是右连续的随机过程,且满足下面的这些性质:

① E[S(t)]=ct-∑mj=1αjμt.

② 过程具有平稳独立增量.

证明根据随机概率方面的知识有:

① E[S(t)]=Ect-∑mj=1∑Nj(t)i=1Y(j)i

=E[ct]-E∑mj=1∑Nj(t)i=1Y(j)i

=ct-∑mj=1∑∞k=0P{Nj(t)

=k}∑ki=1(EY(j)i)

=ct-∑mj=1∑∞k=0(αjt)kk!e-αjt∑ki=1μ

=ct-∑mj=1kμ∑∞k=0(αjt)kk!e-αjt=ct-∑mj=1αjμt.

② 令X(t)=∑mj=1∑Nj(t)i=1Y(j)i,对任意0

S(t1)=ct1-X(t1),

S(t2)-S(t1)=c(t2-t1)-[X(t2)-X(t1)],

S(tn)-S(tn-1)=c(tn-tn-1)-[X(tn)-X(tn-1)].

顯然,上式均是互相独立的.

对于任意t>0,s>0,有

S(t+s)-S(t)=[c(t+s)-X(t+s)]-[ct-X(t)]=cs-[X(t+s)-X(t)].

因为Y(j)={Y(j)i,i=1,2,…},j=1,2,…,m具有相同的分布函数,所以

X(t+s)-X(t)=∑mj=1∑Nj(t+s)i=1Y(j)i-∑mj=1∑Nj(t)i=1Y(j)i

=∑mj=1∑Nj(t+s)i=1Y(j)i-∑Nj(t)i=1Y(j)i

=∑mj=1∑Nj(s)i=1Y(j)i=X(s).

即X(t+s)-X(t)与X(s)具有相同的分布,故而S(t+s)-S(t)与S(s)具有相同的分布,所以{S(t);t≥0}具有平稳独立增量.

证毕.

引理2复合Poisson过程X(t)=∑Nj(t)i=1Y(j)i的矩母函数为

φY(j)i(r)=exp{αjt[φY(j)i(r)-1]}.

引理3对复合Poisson分布下m重风险,存在g(r)使得

E[exp{-rs(t)}]=exp{tg(t)}.

其中,g(r)=-cr-∑mj=1αjt[φY(j)i(r)-1],

E[exp{-rs(t)}]=exp{tg(t)}.

引理4方程g(r)=0存在唯一正解,称为调节系数,记为R.

证明已知g(r)=-cr-∑mj=1αjt[φY(j)i(r)-1],则有

dg(r)g(r)=-c+α1∫+∞0xe-rxdFY(1)(x)+

α2∫+∞0xe-rxdFY(2)(x)+…+αm∫+∞0xe-rxdFY(m)(x),