カバレッジ・モディフィケーション（補償の修正）へようこそ！
未来の保険数理人の皆さん、こんにちは！今日は、純粋な確率論と保険の現実世界を結びつける非常に重要なトピック、カバレッジ・モディフィケーション（補償の修正）について学びます。前章までは「基礎となる損失（ground-up losses）」の分布について学習しましたが、今回は実際の保険契約がどのように機能するかを見ていきます。ほとんどの保険では、損失の全額が支払われるわけではありません。代わりに、免責金額（deductible）、支払限度額（limit）、共同保険（coinsurance）といったルールを用いて、保険者（保険会社）と被保険者（契約者）の間でコストを分担します。これらのルールが「期待支払額」をどのように変化させるかを理解することは、Exam FAMに合格するための核心的なスキルです。
最初は多くの公式が出てきて圧倒されるかもしれませんが、大丈夫です。シンプルな論理と現実世界の例えを使って、少しずつ紐解いていきましょう！
1. 通常の免責金額（Ordinary Deductible）
通常の免責金額（Ordinary Deductible）は、最も一般的な修正方法です。これは、保険会社が1円でも支払う前に、被保険者が「自己負担」しなければならない金額を指します。
仕組み
損失額を \( X \)、免責金額を \( d \) とすると、損失が \( d \) 以下の場合は保険金は支払われません。損失が \( d \) を超えた場合、保険会社は損失額から免責金額を差し引いた額を支払います。
数学的には、支払額 \( Y \) は次のように定義されます。
\( Y = (X - d)_+ = \max(0, X - d) \)
例え：自動車保険に500ドルの免責金額を設定していると想像してください。修理費300ドルの「軽い接触事故」を起こした場合、あなたは全額300ドルを支払います。保険会社からの支払いは0ドルです。一方、2,000ドルの大きな事故を起こした場合、最初の500ドルはあなたが負担し、残りの1,500ドルを保険会社が支払います。
損失ベース（Per Loss） vs. 支払ベース（Per Payment）
ここはよく混同されるポイントなので、早めに整理しておきましょう。
1. 損失あたりの期待支払額（\( E[Y^L] \)): 保険会社が0ドルを支払うケースを含めた、すべての損失に対する平均支払額です。保険プログラム全体のコストを計算する際に用いられます。
公式: \( E[Y^L] = E[X] - E[X \wedge d] \)
2. 支払あたりの期待支払額（\( E[Y^P] \)): （免責金額を超えたため）実際に保険金が支払われたという条件のもとでの平均支払額です。
公式: \( E[Y^P] = \frac{E[Y^L]}{P(X > d)} = \frac{E[X] - E[X \wedge d]}{S(d)} \)
クイックレビュー
重要概念: \( E[X \wedge d] \) は限定期待値（Limited Expected Value）と呼ばれます。これは、損失に上限 \( d \) を設けた場合の平均値を表します。被保険者が平均してどれくらいの損失をカバーしているか、と考えてみてください。
重要ポイント: 保険会社は、免責金額を超える部分に対してのみ支払います。平均支払額を求めるには、総平均損失から「限定部分」を差し引けばよいのです。
2. 支払限度額（Policy Limits）
支払限度額（Policy Limit, \( u \)）とは、1回の損失に対して保険会社が支払う最大額のことです。これは、保険会社を破綻させかねない壊滅的な損失から守るためのものです。
仕組み
損失 \( X \) が限度額 \( u \) 未満であれば、保険会社は全額を支払います。損失が \( u \) を超える場合、保険会社は上限である \( u \) だけを支払います。
例え：お祭りのゲームの「最高賞品」を想像してください。100万点取ったとしても、賞品が50ドルのぬいぐるみなら、それ以上はもらえません。この50ドルが限度額です。
限度額 \( u \) だけが設定された保険の期待支払額は、単なる限定期待値となります。
\( E[Y] = E[X \wedge u] \)
よくある間違い
受験生はよく免責金額（Deductible）と限度額（Limit）を混同します。こう覚えましょう。
- 免責金額は「床」です（保険会社はそれを超える部分を支払います）。
- 限度額は「天井」です（保険会社はそれを下回る範囲で、上限まで支払います）。
3. 共同保険（Coinsurance）
共同保険（Coinsurance, \( \alpha \)）は単純なパーセンテージです。これは、損失のうち一定の割合を保険会社が支払い、残りを被保険者が負担することを意味します。
例：共同保険率が80%の場合、損失（免責適用後）の1ドルにつき保険会社が80セントを支払い、あなたが残り20セントを負担します。
公式: \( Y = \alpha \times (\text{その他の修正後の損失額}) \)
4. 修正の組み合わせ（完全な公式）
現実世界（そしてFAMの試験！）では、免責金額 \( d \)、限度額 \( u \)、共同保険 \( \alpha \) のすべてが適用されることがよくあります。
すべての修正を適用した際の、損失あたり（per loss）の期待支払額の標準公式は以下の通りです。
\( E[Y^L] = \alpha \times [E(X \wedge u) - E(X \wedge d)] \)
なぜ \( u \) であって \( u+d \) ではないのか？
SOAのカリキュラムでは、限度額（\( u \)）は通常、損失そのものに適用されます。もし限度額が「最大給付額」として定義されている場合は、適用方法が異なる可能性があります。必ず問題を注意深く読んでください！限度額が \( u \) で免責金額が \( d \) であれば、保険会社は \( d \) から \( u \) までの損失の「層（layer）」をカバーすることになります。
問題解決のステップ：
1. 基礎となる分布（指数分布、パレート分布など）を確認する。
2. 免責金額 \( d \) と限度額 \( u \) を特定する。
3. （試験で配布される）分布表を使用して \( E[X \wedge x] \) の公式を探す。
4. \( d \) と \( u \) を公式に代入する。
5. 最後に共同保険率 \( \alpha \) を適用する。
重要ポイント: 期待支払額は、上限の限定期待値から免責金額の限定期待値を引いたものに、共同保険率をかけたものです。
5. インフレの影響
インフレは、すべての損失額を増加させる「隠れた」修正要因です。保険数理数学では、通常、インフレを一定の率 \( r \) として扱います。
インフレと免責金額の相互作用
インフレが発生すると、保険支払額に対して「レバレッジ効果」が働きます。これは試験作成者が好むトピックです！
知っていましたか？ インフレによって損失が10%増加すると、固定の免責金額がある場合、保険会社の期待支払額は10%以上増加することがあります。なぜでしょうか？免責金額は固定されているため、すでに免責を超えていた請求分については10%の増加分を丸ごと保険会社が負担し、さらに、以前は免責未満だった請求がインフレによって「免責を超えて押し上げられた」分も加わるからです。
計算のコツ：
元の損失を \( X \)、インフレ後の損失を \( X' = (1+r)X \) とします。
新しい期待支払額を計算するには、分布のパラメータを調整する必要があります。例えば、\( X \sim \text{Exponential}(\theta) \) ならば、\( (1+r)X \sim \text{Exponential}(\theta(1+r)) \) となります。
クイックレビュー
インフレルール：
インフレ率 \( r \) がある場合の免責金額 \( d \) の期待支払額を求めるには：
1. 新しい分布 \( X' = (1+r)X \) を定義する。
2. \( E[(X' - d)_+] \) を計算する。
3. 注意：これは古い期待支払額に \( (1+r) \) をかけるのとは同じではありません！ 問題に特に指定がない限り、免責金額自体はインフレしません。
6. まとめと最終アドバイス
お疲れ様でした！これでカバレッジ・モディフィケーションの仕組みを攻略できました。学習を進める上で最も重要なポイントをまとめておきます。
- 「損失あたり」vs.「支払あたり」の違い： 問題がどちらを求めているか常に確認しましょう。「支払あたり」の場合は、請求が発生する確率（\( S(d) \)）で割る必要があります。
- 限定期待値： 指数分布とパレート分布における \( E[X \wedge x] \) の公式をマスターしましょう。これらは最も頻出です。
- 「層」の概念： 保険は損失の「層」をカバーしていると考えてください。免責金額はその層の底、限度額はその層の天井です。
- インフレの練習： 損失額はパーセントで増加するが、免責金額は固定されているという問題に対応できるようになっておきましょう。
この調子で頑張りましょう！ この章は試験において非常に「配点が高い」部分です。これらの公式と論理をマスターできれば、Exam FAM合格への道は大きく開かれています！