ยินดีต้อนรับสู่เรื่องการแจกแจงความเสียหายและการแบ่งปันความเสี่ยง!
สวัสดีครับ! ยินดีต้อนรับเข้าสู่บทเรียนที่ถือว่านำไปใช้งานจริงได้มากที่สุดบทหนึ่งในหลักสูตร CS2 เลยทีเดียว ในโลกของการสร้างแบบจำลองความเสี่ยง (Risk Modelling) เราไม่ได้สนใจแค่ว่าเหตุการณ์เกิดขึ้น บ่อยแค่ไหน (ความถี่ - Frequency) เท่านั้น แต่เรายังให้ความสำคัญอย่างยิ่งว่าเมื่อเกิดเหตุการณ์ขึ้นแล้ว มันมีมูลค่าความเสียหาย เท่าไหร่ (ความรุนแรง - Severity) บทนี้จะเป็นเรื่องเกี่ยวกับการหา "ไม้บรรทัด" ทางคณิตศาสตร์ที่เหมาะสมมาวัดมูลค่าเหล่านั้น และทำความเข้าใจว่าสัญญาประกันภัย—เช่น การกำหนดค่าเสียหายส่วนแรก (Deductibles) และวงเงินจำกัดความรับผิด (Limits)—ส่งผลต่อขนาดของค่าใช้จ่ายอย่างไร ไม่ต้องกังวลไปนะครับถ้าสูตรต่างๆ จะดูน่ากลัวในตอนแรก เราจะค่อยๆ เจาะลึกไปทีละส่วนครับ!
1. การสร้างแบบจำลองความรุนแรงของค่าสินไหม (Claim Severity): พื้นฐานที่ควรรู้
ในการประกันภัย ค่าสินไหมส่วนใหญ่จะมีขนาดเล็ก แต่จะมีบางกรณีที่เป็นความเสียหายขนาดใหญ่มาก ด้วยเหตุนี้ เราจึงต้องการการแจกแจง (Distribution) ที่มีค่าเป็น บวกเท่านั้น (คุณคงไม่อยากให้ค่าสินไหมติดลบใช่ไหมล่ะ!) และมีการ เบ้ขวา (มีหางยาวๆ ทางด้านขวา)
การแจกแจงที่พบบ่อยในหลักสูตร
Gamma: เป็นการแจกแจงที่มีความยืดหยุ่นสูง มักใช้กับค่าสินไหมขนาดกลาง เปรียบเสมือน "ม้างานที่ไว้ใจได้" ในการสร้างแบบจำลองประกันภัย
Lognormal: ใช้เมื่อมูลค่าค่าสินไหมมีความหลากหลายในระดับที่แตกต่างกันมาก หากคุณนำค่าสินไหมมาใส่ฟังก์ชัน Log แล้วกราฟออกมาดูเหมือนการแจกแจงแบบปกติ (Normal Distribution) แสดงว่าคุณกำลังใช้ Lognormal อยู่ครับ
Pareto: นี่คือ "ตัวตึง" ของวงการครับ มันมี หางที่หนา (Heavy tail) ซึ่งหมายความว่ามันคาดการณ์ว่ามีโอกาสสูงที่จะเกิดค่าสินไหมขนาดใหญ่แบบหายนะ เมื่อเปรียบเทียบกับการแจกแจงแบบอื่น
Exponential: เป็นกรณีที่ง่ายที่สุด โดยที่โอกาสในการเกิดค่าสินไหมจะค่อยๆ ลดลงอย่างคงที่เมื่อขนาดความเสียหายเพิ่มขึ้น
แนวคิดหลัก: หางของการแจกแจง (The Tail of the Distribution)
คำว่า "หาง" หมายถึงส่วนทางด้านขวาของฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) การแจกแจงที่มี หางหนา (Heavy-tailed) (เช่น Pareto) หมายความว่ามีความเสี่ยงอย่างมากที่จะเกิดความเสียหายรุนแรงระดับสุดโต่ง ในฐานะนักคณิตศาสตร์ประกันภัย การมองข้ามส่วนหางก็เหมือนกับการมองข้ามภูเขาน้ำแข็งตอนขับเรือไททานิกนั่นแหละครับ!
ทบทวนสั้นๆ:
- ค่าสินไหมมีค่าเสมอ \( \ge 0 \)
- การแจกแจงของค่าสินไหมส่วนใหญ่จะเบ้ขวา
- Pareto = หางหนา (ความเสี่ยงขนาดใหญ่)
- Exponential/Gamma = หางบางกว่า (ความเสี่ยงที่คาดการณ์ได้มากกว่า)
2. การแบ่งปันความเสี่ยง (Risk Sharing): การปรับเปลี่ยนกรมธรรม์
ในโลกความเป็นจริง ผู้รับประกันภัยแทบจะไม่จ่ายเงินตามจำนวนความเสียหาย \( X \) เต็มจำนวน สัญญาประกันภัยมักจะมีกลไก "การแบ่งปันความเสี่ยง" ให้ลองนึกว่านี่คือ "กฎของเกม" ว่าใครจะต้องจ่ายส่วนไหน
A. การรับประกันภัยต่อแบบสัดส่วน (Proportional Reinsurance / Quota Share)
นี่เป็นรูปแบบที่ง่ายที่สุด ผู้รับประกันภัยต้นทางและผู้รับประกันภัยต่อตกลงที่จะแบ่งค่าสินไหมทุกยอดตามเปอร์เซ็นต์ที่คงที่ \( k \)
ผู้รับประกันภัยจ่าย: \( Y = kX \)
เปรียบเทียบ: เหมือนกับการหารค่าพิซซ่าและบิลค่าอาหารกับเพื่อนคนละครึ่ง (50/50) ถ้าบิลแพงขึ้น ทั้งคุณและเพื่อนก็ต้องจ่ายเพิ่มขึ้นตามสัดส่วนครับ
B. ค่าเสียหายส่วนแรก (Deductibles / Excess of Loss)
ค่าเสียหายส่วนแรก \( d \) คือจำนวนเงินที่ผู้เอาประกันภัย (หรือผู้รับประกันภัยต้นทาง) ต้องจ่ายก่อนที่ประกันจะเริ่มทำงาน ผู้รับประกันภัยจะจ่ายเฉพาะส่วนที่ "เกิน" ออกมาเท่านั้น
จำนวนเงินที่ผู้รับประกันภัยจ่ายคือ: \( Y = \max(0, X - d) \)
ซึ่งมักเขียนสั้นๆ ว่า \( (X - d)_+ \)
หากค่าสินไหม \( X \) น้อยกว่า \( d \) ผู้รับประกันภัยจะจ่ายเป็น ศูนย์
C. วงเงินจำกัดความรับผิด (Policy Limits / Capping)
วงเงิน \( L \) คือจำนวนเงินสูงสุดที่ผู้รับประกันภัยจะจ่ายสำหรับค่าสินไหมในหนึ่งเหตุการณ์ ส่วนที่เกิน \( L \) ขึ้นไปถือเป็นความรับผิดชอบของผู้เอาประกันภัย
จำนวนเงินที่ผู้รับประกันภัยจ่ายคือ: \( Y = \min(X, L) \)
ซึ่งมักเขียนสั้นๆ ว่า \( X \wedge L \)
รู้หรือไม่? มีความสัมพันธ์ทางคณิตศาสตร์ที่สำคัญมากระหว่างสองค่านี้ คือ:
\( X = (X - L)_+ + (X \wedge L) \)
หมายความว่า ความเสียหายรวมเท่ากับ "ส่วนที่เกินจากวงเงิน" บวกกับ "ส่วนที่ถูกจำกัดไว้ในวงเงิน" นั่นเอง
3. การคำนวณค่าคาดหมาย (Expected Values) เมื่อมีการแบ่งปันความเสี่ยง
หนึ่งในภารกิจที่พบบ่อยที่สุดใน CS2 คือการคำนวณ ค่าคาดหมายของยอดจ่าย (Expected payment) เมื่อมีการกำหนดค่าเสียหายส่วนแรกหรือวงเงินจำกัดความรับผิด
ทางลัด: ค่าคาดหมายแบบจำกัด (Limited Expected Value)
เพื่อหาค่าคาดหมายของค่าสินไหมที่ถูกจำกัดไว้ที่ \( L \) เราใช้สูตร:
\( E[X \wedge L] = \int_0^L x f(x) dx + L \times P(X > L) \)
หรือวิธีที่ง่ายกว่าโดยใช้ฟังก์ชันการอยู่รอด (Survival function) \( S(x) = 1 - F(x) \):
\( E[X \wedge L] = \int_0^L (1 - F(x)) dx \)
การหาค่าคาดหมายเมื่อมีค่าเสียหายส่วนแรก
หากคุณมีค่าเสียหายส่วนแรก \( d \) ค่าใช้จ่ายที่คาดหมายของผู้รับประกันภัยคือ:
\( E[(X - d)_+] = E[X] - E[X \wedge d] \)
สูตรนี้ช่วยชีวิตเราได้มากในห้องสอบ! แทนที่จะต้องทำอินทิกรัลที่ซับซ้อนเพื่อหา "ส่วนที่เกิน" แค่เอาค่าคาดหมายแบบจำกัดมาลบออกจากค่าเฉลี่ยรวมก็เรียบร้อยครับ
ข้อผิดพลาดที่พบบ่อย: อย่าลืมว่าถ้ามีการกำหนดค่าเสียหายส่วนแรก จำนวน ค่าสินไหมที่ผู้รับประกันภัยต้องจ่ายอาจเปลี่ยนไป ค่าสินไหมบางรายการที่มีขนาดเล็กกว่าค่าเสียหายส่วนแรกจะ "หายไป" ในมุมมองของผู้รับประกันภัย เราเรียกสิ่งนี้ว่า การตัดทอนข้อมูล (Data truncation)
4. ผลกระทบของภาวะเงินเฟ้อ
เงินเฟ้อไม่ได้แค่ทำให้สิ่งของต่างๆ แพงขึ้นเท่านั้น แต่มันยังมี "ผลกระทบเชิงคาน (Leverage effect)" ที่แปลกประหลาดเมื่อมีค่าเสียหายส่วนแรกเข้ามาเกี่ยวข้องด้วย
ผลกระทบเชิงคาน (The Leverage Effect)
ลองจินตนาการว่ามีค่าสินไหม 1,100 และค่าเสียหายส่วนแรก 1,000 ผู้รับประกันภัยจ่าย 100
คราวนี้ถ้ามีเงินเฟ้อ 10% ค่าสินไหมกลายเป็น 1,210 แต่ค่าเสียหายส่วนแรกยังเท่าเดิมที่ 1,000
คราวนี้ผู้รับประกันภัยต้องจ่าย 210!
เดี๋ยวนะ! แม้ว่าเงินเฟ้อจะแค่ 10% แต่ยอดจ่ายของผู้รับประกันภัยเพิ่มขึ้นถึง 110% (จาก 100 เป็น 210)
ประเด็นสำคัญ: เงินเฟ้อส่งผลกระทบต่อผู้รับประกันภัยหนักกว่าเมื่อมีการกำหนดค่าเสียหายส่วนแรกแบบคงที่
เทคนิคทางคณิตศาสตร์: หากค่าสินไหมทุกรายการ \( X \) ถูกคูณด้วยตัวคูณเงินเฟ้อ \( (1+i) \) ยอดจ่ายคาดหมายใหม่เมื่อมีค่าเสียหายส่วนแรก \( d \) จะเป็น:
\( (1+i) E[X - \frac{d}{1+i}]_+ \)
5. สรุปและคำแนะนำทิ้งท้าย
ประเด็นสำคัญที่ต้องจำ:
1. ความรุนแรง (Severity) ถูกจำลองโดยใช้การแจกแจงที่เบ้และเป็นบวก เช่น Pareto หรือ Gamma
2. ค่าเสียหายส่วนแรก (Deductibles) \( (X-d)_+ \) ช่วยลดต้นทุนของผู้รับประกันภัยและสามารถกำจัดค่าสินไหมขนาดเล็กออกไปได้
3. วงเงินจำกัด (Limits) \( X \wedge L \) ช่วยปกป้องผู้รับประกันภัยจากเหตุการณ์ "หาง" ที่รุนแรงสุดโต่ง
4. เงินเฟ้อ (Inflation) ส่งผลกระทบอย่างรุนแรงต่อต้นทุนของผู้รับประกันภัยเมื่อมีค่าเสียหายส่วนแรกแบบคงที่
ตัวช่วยจำ: ให้คิดว่า Deductible เป็น "พื้น" (คุณจ่ายส่วนที่อยู่เหนือพื้นขึ้นไป) และ Limit เป็น "เพดาน" (คุณจ่ายส่วนที่อยู่ใต้เพดานลงมา)
ให้กำลังใจ: บทนี้เต็มไปด้วยสูตรคณิตศาสตร์ แต่เมื่อไหร่ที่คุณเข้าใจความสัมพันธ์ระหว่าง \( E[X] \), \( E[X \wedge d] \) และ \( E[(X-d)_+] \) แล้ว คุณจะพบว่าโจทย์เหล่านี้จัดการได้ง่ายขึ้นเยอะเลยครับ หมั่นฝึกทำอินทิกรัลบ่อยๆ นะครับ สู้ๆ!