損害額モデル（Severity Models）へようこそ！
未来のアクチュアリーの皆さん、こんにちは！ASTAMのカリキュラムの中でも、最も実用的で興味深い分野の一つへようこそ。発生頻度（frequency）が保険金請求がどれくらいの頻度で起こるかを示すのに対し、損害額（severity）はその請求が実際にいくらになるかを示します。例えるなら、発生頻度は「スマホを何回落とすか」、損害額は「その修理代がいくらかかるか」という違いです！
この章では、さまざまな損害額の「形状」を記述・比較する方法を学びます。小さな請求で予測可能なもの（フロントガラスの破損など）もあれば、巨大で滅多に起こらないもの（ハリケーンなど）もあります。これらの特性を理解することは、適正な保険料を算出し、企業が「大きな」サプライズに対応できるだけの十分な資金を確保するために不可欠です。
最初は難しく感じるかもしれませんが、大丈夫です！ 基本的な定義から、SOA（米国アクチュアリー会）が好んで出題する高度な「裾の重さ（tail weight）」の概念まで、ステップ・バイ・ステップで紐解いていきましょう。
1. 基本的な関数
分布を分析する前に、基本的なツールを確認しておきましょう。試験FAMですでに触れているかもしれませんが、ここでは極めて重要になります。
累積分布関数 (CDF): \(F(x)\)
損害額 \(X\) がある金額 \(x\) 以下となる確率を示します。
\(F(x) = P(X \le x)\)
生存関数 (Survival Function): \(S(x)\)
損害額の分析では、損失が免責金額のような一定の金額を超過する確率の方が重要になることがよくあります。
\(S(x) = 1 - F(x) = P(X > x)\)
確率密度関数 (PDF): \(f(x)\)
CDFの微分値です。請求額が「正確にある値」になる「尤もらしさ」を表します。
\(f(x) = F'(x) = -S'(x)\)
ハザード率（失敗率）: \(h(x)\)
これはASTAMの鍵となる概念です。まだ請求が発生していないという条件下で、今まさに請求が発生する「瞬間的な」確率を表します。損害額の文脈では、請求額が大きくなるにつれて「大きな請求」になる危険性がどう変化するかを見るのに役立ちます。
\(h(x) = \frac{f(x)}{S(x)}\)
クイック復習：ハザード率
もし \(h(x)\) が減少しているなら、請求額が大きくなるにつれて、請求が終わる（損害額が確定する）「速度」が遅くなっていることを意味します。これは裾が重い（heavy-tailed）分布（非常に大きな請求が発生しうる）のサインです。
2. モーメントと関連指標
モーメントを使うと、複雑な分布をいくつかの数値だけで簡潔に要約できます。
原モーメント（\(k\) 次モーメント）
\(k\) 次の原モーメントは \(E[X^k]\) と表記されます。
\(E[X^k] = \int_{0}^{\infty} x^k f(x) dx\)
アクチュアリーの豆知識： 損害額の分布は（ほとんどの場合そうですが）正の値しかとらないため、生存関数を使って平均を計算することもできます：
\(E[X] = \int_{0}^{\infty} S(x) dx\)
分散、歪度、尖度
- 分散： 「ばらつき」を測ります。分散が大きいということは、請求額が非常に広範囲に散らばっていることを意味します。
- 歪度： 「非対称性」を測ります。損害額分布のほとんどは正の歪度（右に裾が長い）を持ちます。これは、非常に大きな請求が含まれる長い裾があることを意味します。
- 尖度： 「尖り具合」と裾の重さを測ります。尖度が高いほど、より「極端な」値（ファットテール）が含まれていることを示唆します。
知っていましたか？ 保険の世界では、損害額に「正規分布」を使うことはまずありません。なぜなら、損害額が負になることはあり得ず、また正規分布では処理しきれない巨大な「外れ値」の請求が頻繁に発生するからです！
3. 裾の重さ：どれくらい「危険」な分布か？
これはASTAMにおいて、本章で最も重要な概念です。裾の重さ（tail weight）は、極端に大きな請求が発生する可能性の高さを表します。
分布の比較
SOAでは、2つの分布のうちどちらが「裾が重いか」を問う問題がよく出されます。裾が重い分布ほど、保険会社にとってはリスクが高くなります。判断方法は以下の3つです：
方法1：モーメントの存在
分布Aのすべてのモーメントが存在し（指数分布やガンマ分布など）、分布Bの最初の2つのモーメントしか存在しない場合（一部のパレート分布など）、分布Bの方が裾が重いと言えます。大きな \(k\) に対してモーメントが存在しない場合、裾は「ファット（太い）」です。
方法2：生存関数の比
2つの分布の生存関数の比の極限を計算して比較します：
\(\lim_{x \to \infty} \frac{S_1(x)}{S_2(x)}\)
この極限が \(\infty\) になれば、分布1の方が裾が重く、0になれば分布2の方が裾が重いことになります。
方法3：ハザード率の挙動
ハザード率減少（DHR）は、裾が重いことを示します。\(x \to \infty\) で \(h(x) \to 0\) となる場合、非常に重い裾（パレート分布など）です。\(h(x) \to c\) （定数）なら中程度（指数分布）、\(h(x) \to \infty\) なら軽い裾です。
裾の重さのまとめ（軽い順）
- 裾が軽い： 正規分布、ガンマ分布（\(\alpha > 1\) の場合）。これらは「安全」です。
- 裾が中程度： 指数分布。我々の「基準」です。
- 裾が重い： 対数正規分布、パレート分布、バー分布。アクチュアリーを悩ませる存在です！
4. 平均残余寿命 (MRL)
平均残余寿命（Mean Residual Life）関数 \(e(x)\) とは、請求額がすでに \(x\) を超過しているという条件下での、請求額の期待「追加費用」のことです。
公式：\(e(x) = E[X - x | X > x] = \frac{\int_{x}^{\infty} S(t) dt}{S(x)}\)
なぜMRLが重要なのか：
- \(e(x)\) が一定の場合：これは指数分布です（「無記憶性」）。請求額がいくら大きくても、期待される追加費用は変わりません。
- \(e(x)\) が増加する場合：これは裾の重い分布（パレート分布など）です。請求額が大きくなればなるほど、期待される追加費用も大きくなります！
- \(e(x)\) が減少する場合：これは裾の軽い分布です。
アナロジー： 非常に古い家を修理していると想像してください。「修理の重大度」のMRLが増加する場合、問題を見つけて直すたびに、残っている隠れた問題はさらに高額なものになることが予想される！という状況です（まさに裾が重い悪夢ですね）。
5. 知っておくべき主要な損害額分布
公式集はありますが、以下の分布の「性格」を把握しておきましょう：
1. 指数分布： 「中立」な存在。ハザード率もMRLも一定。
2. ガンマ分布： 柔軟。形状パラメータ \(\alpha > 1\) なら裾は軽く、\(\alpha < 1\) なら指数分布より重い。
3. パレート分布： 重い裾の代表格。大規模な災害損失によく使われます。ハザード率は減少、MRLは増加します。
4. ワイブル分布： これも柔軟。裾の重さは形状パラメータ \(\tau\) に依存します。
5. 対数正規分布： 多くの保険種目でよく使われます。ガンマ分布より重く、通常パレート分布よりは軽いです。
6. よくある落とし穴と間違い
- \(f(x)\) と \(h(x)\) の混同： ハザード率 \(h(x)\) はあくまで「比」であることを忘れないでください。PDF \(f(x)\) がゼロに向かっていても、ハザード率は無限大に向かうことがあります。
- 台（Support）の無視： その分布が0から始まるのか、それとも別の値から始まるのか（切り詰められた分布など）を常に確認してください。
- 裾比較の方向間違い： 比率 \(\frac{S_1(x)}{S_2(x)}\) を使う際は、\(x \to 0\) ではなく \(x \to \infty\) の極限をとっているか確認してください。
試験に向けた重要ポイント
1. ハザード率： ハザード率が減少していれば裾が重い。一定なら指数分布。
2. 平均残余寿命 (MRL)： MRLが増加していれば裾が重い。超過損害再保険の料率算出に有用。
3. モーメントの存在： 高次のモーメントが存在しないなら、「危険な」裾の重い分布を扱っているということ。
4. 比較： 生存関数の比やハザード率の極限を使って、リスクの高さ順に分布をランク付けできるようにする。
この調子で頑張りましょう！ 損害額の特性は、ASTAMでこの後学ぶ「補償の修正（免責や限度額）」といった複雑なモデルを構築するための基礎となります。今のうちにこれらの「形状」をマスターしておけば、この後のカリキュラムはずっとスムーズに進められます！