信用性（Credibility）の世界へようこそ！

アクチュアリーの数学の世界では、よく次のような問いに直面します。「自分の持っているデータをどこまで信頼すべきか？」。例えば、ある小さな自動車保険会社の担当者だと想像してみてください。今月、事故件数がゼロだったとします。それは、あなたの会社のドライバーが世界で一番安全だということを意味するのでしょうか？おそらく違いますよね。単に運が良かっただけかもしれません！一方で、何百万人ものドライバーを抱える巨大な保険会社であれば、彼らのデータはより信頼性が高いと言えます。

限定変動信用性（Limited Fluctuation Credibility）（一般に古典的信用性と呼ばれます）は、手元の観測値と他の広範な情報（業界平均など）に対して、それぞれどれくらいの「重み」を置くべきかを数学的に決定するための手法です。さあ、詳しく見ていきましょう！

1. 基本コンセプト：完全信用性（Full Credibility）

完全信用性とは、十分なデータが蓄積され、自分自身の経験データを100%信頼することに決めた状態を指します。試験では、この基準を安定性（stability）と信頼度（confidence）という2つのパラメータを用いて定義します。

このように考えてみてください。コインを5回投げて5回とも表が出たとしても、そのコインが歪んでいるとは限りません。しかし、5,000回投げて5,000回とも表が出たら、何かがおかしいと完全に確信しますよね。

データ群が完全信用性を持つとは、実際の観測値が期待値から小さな範囲（k）の中に収まる確率が非常に高い（p）状態であると言います。

まず使用する標準的な式は以下の通りです。
\( P( | \text{推定値} - \text{真の平均} | \leq k \cdot \text{真の平均} ) \geq p \)

  • k: 「許容誤差」または「許容範囲」（例: 5% = 0.05）。
  • p: 「確率水準」または「信頼度」（例: 90% = 0.90）。

魔法の数字： \( n_0 \)

計算を簡単にするために、\( n_0 \) と呼ばれる「基準値」を算出します。これは、もし単純なポアソン分布のみを考えていた場合に、完全信用性を得るために必要な請求件数です。

\( n_0 = ( \frac{y_p}{k} )^2 \)

ここで \( y_p \) は、確率 \( p \) に関連する標準正規分布のパーセンタイル値です。
注意: \( p = 0.90 \) の場合、誤差 \( k \) は平均の両側を考慮するため、\( 0.95 \) の値を参照して 1.645 とします。

クイック復習ボックス：代表的な \( y_p \) の値

- 信頼度 90% の場合: \( y_p = 1.645 \)
- 信頼度 95% の場合: \( y_p = 1.96 \)
- 信頼度 99% の場合: \( y_p = 2.576 \)

2. 完全信用性の基準

状況によって必要なデータ量は異なります。試験（Exam FAM）で登場する3つのシナリオは以下の通りです。

A. 度数（請求件数）

請求が何件発生するかのみに着目する場合、完全信用性に必要な請求件数 \( N \) は次のようになります。
\( E[N] \geq n_0 \cdot \frac{Var(N)}{E[N]} \)

豆知識： 請求件数がポアソン分布に従う場合、分散は平均と等しくなります（\( Var(N) = E[N] \)）。その場合、式は非常にシンプルになり、
必要な請求件数 \( = n_0 \) となります。

B. 重症度（請求金額の大きさ）

請求金額がどの程度かのみに着目する場合、請求金額（\( X \)）のばらつきに基づいた、必要な請求件数 \( n \) は次の通りです。
\( n \geq n_0 \cdot ( \frac{\sigma_X}{\mu_X} )^2 \)

ここで、\( \frac{\sigma_X}{\mu_X} \) は変動係数（CV: Coefficient of Variation）です。請求金額のばらつきが大きければ大きいほど、平均値を信頼するために必要なデータ量も増えます！

C. 総損失（合計請求額）

これが試験で最も一般的なシナリオです。度数と重症度を組み合わせたものです。総損失（S）に対して完全信用性を持つためには、期待される請求件数は次のようである必要があります。
\( E[N] \geq n_0 \cdot ( \frac{\sigma_S^2}{E[S]^2} ) \)

度数がポアソン分布である場合、これは次のように簡略化されます。
\( E[N] \geq n_0 \cdot ( 1 + \frac{\sigma_X^2}{\mu_X^2} ) \)

記憶のコツ： 「(1 + CV²)」の部分を、重症度に対する「ペナルティ」と考えてみてください。請求金額にばらつきがあるため、合計支払額を確信するには単なる \( n_0 \) 件以上のデータが必要になるのです。

3. 部分信用性（Partial Credibility）

完全信用性を満たすデータがない場合はどうすればよいでしょうか？心配はいりません！データを捨てる必要はなく、部分信用性を用いて、手元のデータとマニュアル料率（または業界平均）をブレンドします。

信用性の式は以下の通りです。
\( \text{新しい保険料} = Z \cdot \bar{X} + (1 - Z) \cdot M \)

  • Z: 信用係数（0から1の間）。
  • \( \bar{X} \): あなたの手元の観測データ（「現在」の経験）。
  • M: マニュアル料率または業界平均（「事前」の推定値）。

Zの計算

限定変動信用性では、平方根ルールを使用します。
\( Z = \sqrt{\frac{n}{n_{full}}} \) （または、基準が請求件数であれば \( E[N] \) を使用）

注意: \( Z \) の計算結果が 1 を超える場合は、1.00 に抑えます！

例え話：
天気を予想している場面を想像してください。スマホの天気予報は「雨 100%（\( M \)）」ですが、窓の外を見ると晴天（\( \bar{X} \)）です。窓の外を1秒見ただけ（\( n \)）なら、念のため傘を持っていくかもしれません（\( Z \)は低い）。しかし、3時間ずっと空を観察してずっと晴れていれば、自分の目をより信頼するでしょう（\( Z \)は高い）！

4. よくある落とし穴

1. 間違った \( n \) の使用： 問題文がエクスポージャー数（データの年数）を求めているのか、請求件数を求めているのかに注意してください。上記の式は通常、期待される請求件数を求めるものです。

2. 平方根を忘れる： これが試験で最も多いミスです！\( Z \) を計算するときは、必ず比率の平方根をとることを忘れないでください。\( Z = \frac{n}{n_{full}} \) は誤りです。必ず \( Z = \sqrt{\frac{n}{n_{full}}} \) にしなければなりません。

3. 正規近似： 限定変動信用性は、推定値が正規分布に従うという考えに基づいていることを覚えておいてください。これが、Zテーブル（標準正規分布表）から \( y_p \) を引用する理由です。

重要ポイントのまとめ

1. 完全信用性の基準： 基本となる必要件数は \( n_0 = ( \frac{y_p}{k} )^2 \)。
2. 複雑性の調整： 請求金額にばらつきがある場合、\( n_0 \) に \( (1 + CV_X^2) \) を掛けて、総損失に必要な期待請求件数を求めます。
3. 信用係数 Z： 完全基準を満たさない場合は、\( Z = \sqrt{\frac{\text{実績}}{\text{基準}}} \) で計算します。
4. ブレンド後の推定値： \( Z(\text{データ}) + (1-Z)(\text{事前値}) \) の式を使って最終回答を算出します。

最初は数式が多くて難しく感じるかもしれませんが、大丈夫です。\( n_0 \) を見極めること、そして問題が度数・重症度・総損失のどれを求めているのかを整理できれば、パズルのピースが自然と噛み合うようになりますよ！