ยินดีต้อนรับสู่โลกของแบบจำลองความเสียหายรวม (Aggregate Models)!

ในการเดินทางสู่การเป็นนักคณิตศาสตร์ประกันภัย คำถามที่สำคัญที่สุดข้อหนึ่งที่คุณจะต้องตอบให้ได้คือ: "เราควรเตรียมเงินสำรองไว้ทั้งหมดเท่าไหร่เพื่อจ่ายค่าสินไหมทดแทน?"

จนถึงตอนนี้ คุณอาจเคยศึกษาเรื่องขนาดของสินไหมแต่ละรายการ (Severity) หรือจำนวนการเกิดสินไหม (Frequency) แยกกันมาก่อน ในบทนี้เราจะนำมันมารวมกันเพื่อดู ความเสียหายรวม (Aggregate Loss) หรือก็คือ "ยอดรวมทั้งหมด" นั่นเอง เราจะสำรวจวิธีการสร้างแบบจำลองนี้ 2 วิธีหลักๆ คือ แบบจำลองความเสี่ยงรายบุคคล (Individual Risk Model) และ แบบจำลองความเสี่ยงแบบกลุ่ม (Collective Risk Model) ไม่ต้องกังวลหากฟังดูซับซ้อน เราจะค่อยๆ ย่อยมันด้วยการเปรียบเทียบง่ายๆ และตรรกะทีละขั้นตอน!

1. แบบจำลองความเสี่ยงรายบุคคล (Individual Risk Model)

แบบจำลองความเสี่ยงรายบุคคล เปรียบเสมือนการดูรายชื่อแขกที่ได้รับเชิญมางานปาร์ตี้ส่วนตัว คุณรู้แน่ชัดว่าใครกำลังจะมาบ้าง (จำนวนกรมธรรม์คงที่) และคุณพิจารณาแต่ละคนทีละคนว่าพวกเขาจะทำให้คุณ "มีค่าใช้จ่าย" หรือไม่

มันคืออะไร?

ในแบบจำลองนี้ เราสมมติว่าเรามีจำนวนกรมธรรม์ประกันภัยที่แน่นอน ให้เรียกว่า \(n\) สำหรับแต่ละกรมธรรม์ \(i\) จะมีความเสียหาย \(X_i\) เกิดขึ้น ความเสียหายรวม \(S\) จึงเป็นเพียงผลรวมของความเสียหายทั้งหมดของแต่ละคน:

\( S = X_1 + X_2 + ... + X_n \)

คุณสมบัติหลัก

  • จำนวนความเสี่ยงคงที่: ค่า \(n\) เป็นค่าที่ทราบแน่ชัดและไม่ใช่ตัวแปรสุ่ม
  • ความเป็นอิสระต่อกัน (Independence): เรามักสมมติว่าสิ่งที่เกิดขึ้นกับผู้ถือกรมธรรม์ A ไม่ส่งผลกระทบต่อผู้ถือกรมธรรม์ B
  • ความเสียหายเป็นตัวแปร: แต่ละ \(X_i\) สามารถเป็น 0 (ไม่มีการเคลม) หรือเป็นจำนวนเงินที่เป็นบวก

การคำนวณค่าคาดหมาย (Mean) และความแปรปรวน (Variance)

เนื่องจากจำนวนกรมธรรม์คงที่ การหาค่าคาดหมายและความแปรปรวนจึงทำได้ตรงไปตรงมา:

ค่าคาดหมาย: \( E[S] = \sum_{i=1}^{n} E[X_i] \)

ความแปรปรวน: \( Var[S] = \sum_{i=1}^{n} Var[X_i] \) (สมมติว่ากรมธรรม์แต่ละฉบับเป็นอิสระต่อกัน!)

ทบทวนสั้นๆ:

ถ้าคุณมีกรมธรรม์ 100 ฉบับ และแต่ละฉบับมีค่าคาดหมายความเสียหายอยู่ที่ 50 ดอลลาร์ ค่าคาดหมายความเสียหายรวม \(E[S]\) ของคุณก็คือ \(100 \times 50 = 5,000\)

สรุป: แบบจำลองความเสี่ยงรายบุคคลเหมาะสำหรับกลุ่มที่มีจำนวนสมาชิกแน่นอน เช่น แผนประกันชีวิตกลุ่มสำหรับพนักงานของบริษัทแห่งหนึ่ง

2. แบบจำลองความเสี่ยงแบบกลุ่ม (Collective Risk Model)

แบบจำลองความเสี่ยงแบบกลุ่ม เปรียบเสมือนร้านกาแฟที่วุ่นวาย คุณไม่ทราบแน่ชัดว่าวันนี้จะมีคนเดินเข้าร้านกี่คน (Frequency) และคุณไม่รู้ว่าแต่ละคนจะใช้จ่ายเงินเท่าไหร่ (Severity) คุณจึงมองภาพรวมของ "กลุ่ม" การเคลมทั้งหมดแทน

มันคืออะไร?

ในกรณีนี้ ความเสียหายรวม \(S\) ขึ้นอยู่กับตัวแปรสุ่มสองอย่าง:

  1. \(N\): จำนวนการเคลม (เป็นตัวแปรสุ่ม)
  2. \(X_i\): จำนวนเงินของแต่ละการเคลม (เป็นตัวแปรสุ่ม)

สูตรจะเป็นดังนี้:

\( S = X_1 + X_2 + ... + X_N \)

สังเกตความแตกต่างสำคัญ: "จุดสิ้นสุด" ของผลรวม (\(N\)) ตอนนี้กลายเป็นตัวแปรสุ่มไปแล้ว!

ข้อสมมติฐานหลัก

  • จำนวนเงินสินไหม \(X_1, X_2, ...\) มี การแจกแจงเหมือนกัน (i.i.d.) (เป็นไปตามรูปแบบความรุนแรงเดียวกัน)
  • จำนวนเงินสินไหมแต่ละรายการเป็น อิสระต่อกัน
  • จำนวนการเคลม \(N\) เป็น อิสระ จากขนาดของสินไหม \(X_i\)

"สูตรสำคัญ" สำหรับแบบจำลองแบบกลุ่ม

นี่คือหัวข้อสำคัญสำหรับสอบ FAM! คุณต้องจำสูตรเหล่านี้ให้แม่น:

ค่าคาดหมาย (Mean): \( E[S] = E[N] \times E[X] \)

ความแปรปรวน: \( Var[S] = E[N] \times Var[X] + Var[N] \times (E[X])^2 \)

เทคนิคช่วยจำ: ให้คิดว่าสูตรความแปรปรวนมี "เครื่องยนต์" สองตัว ส่วนแรกรับผิดชอบต่อความไม่แน่นอนว่าสินไหมจะใหญ่แค่ไหน และส่วนที่สองรับผิดชอบต่อความไม่แน่นอนว่าจะมีสินไหมเกิดขึ้นกี่ครั้ง

คุณทราบหรือไม่?

สูตรความแปรปรวน \(Var[S] = E[N]Var[X] + Var[N]E[X]^2\) มักถูกเรียกว่า กฎความแปรปรวนรวม (Law of Total Variance) ในบริบทนี้ และเป็นหนึ่งในหัวข้อที่ถูกทดสอบบ่อยที่สุดในส่วนของ Aggregate Models!

สรุป: แบบจำลองความเสี่ยงแบบกลุ่มคือหัวใจสำคัญของการประกันวินาศภัย ซึ่งเราจะสร้างแบบจำลองความเสียหายรวมของพอร์ตธุรกิจทั้งหมดโดยไม่จำเป็นต้องติดตามผู้ถือกรมธรรม์ทีละราย

3. การเปรียบเทียบแบบจำลองรายบุคคลและแบบกลุ่ม

บางครั้งอาจสับสนว่าจะเลือกใช้แบบจำลองไหน นี่คือตารางเปรียบเทียบสั้นๆ เพื่อช่วยให้คุณเข้าใจง่ายขึ้น:

แบบจำลองความเสี่ยงรายบุคคล (Individual Risk Model):

  • ใช้เมื่อจำนวนผู้มีสิทธิ์เคลมมีจำนวนน้อยหรือคงที่ (เช่น พนักงาน 500 คน)
  • \(X_i\) แต่ละตัวแทนความเสียหายจาก บุคคลหนึ่งคนโดยเฉพาะ
  • ถ้าคนนั้นไม่มีการเคลม \(X_i = 0\)

แบบจำลองความเสี่ยงแบบกลุ่ม (Collective Risk Model):

  • ใช้กับกลุ่มขนาดใหญ่ที่การเคลมเกิดขึ้นอย่าง "สุ่ม" (เช่น กรมธรรม์ประกันภัยรถยนต์ทั้งหมดในจังหวัดหนึ่ง)
  • \(N\) แทน จำนวนครั้งของการเคลม และ \(X_i\) คือขนาดของสินไหมลำดับที่ \(i\) ที่เกิดขึ้นจริง
  • แต่ละ \(X_i\) มักจะมีค่า \( > 0\)

ข้อผิดพลาดทั่วไป: อย่าสับสนระหว่าง \(n\) (จำนวนคงที่) กับ \(N\) (ตัวแปรสุ่ม) ถ้าโจทย์บอกว่า "มีกรมธรรม์ 1,000 ฉบับพอดี" แสดงว่าคุณน่าจะกำลังใช้แบบจำลองรายบุคคล แต่ถ้าโจทย์บอกว่า "จำนวนการเคลมเป็นไปตามการแจกแจงปัวซอง" แสดงว่าคุณอยู่ในโลกของแบบจำลองแบบกลุ่ม

4. การประมาณค่าการแจกแจงความเสียหายรวม

บางครั้งการคำนวณการแจกแจงที่แท้จริงของ \(S\) อาจยากเกินไป ในกรณีเหล่านี้ นักคณิตศาสตร์ประกันภัยจะใช้การประมาณค่า ซึ่งนี่คือจุดที่ความรู้เรื่อง การแจกแจงปกติ (Normal Distribution) และ ทฤษฎีขีดจำกัดส่วนกลาง (Central Limit Theorem) ของคุณจะมีประโยชน์

การประมาณค่าด้วยการแจกแจงปกติ (Normal Approximation)

หากจำนวนการเคลมมีมากพอ เราสามารถสมมติได้ว่า \(S\) เป็นไปตามการแจกแจงปกติ โดยใช้ค่าคาดหมาย (\(E[S]\)) และความแปรปรวน (\(Var[S]\)) ที่เราคำนวณไว้ก่อนหน้านี้

ในการหาความน่าจะเป็นที่ความเสียหายรวมจะน้อยกว่าจำนวน \(k\):

\( P(S \le k) = P\left(Z \le \frac{k - E[S]}{\sqrt{Var[S]}}\right) \)

การประมาณค่าด้วยการแจกแจงลอคนอร์มัล (Lognormal Approximation)

เนื่องจากความเสียหายจากการประกันภัยมักเป็นบวกและมักจะ "เบ้" (มีสินไหมขนาดใหญ่ไม่กี่รายการ) การแจกแจงปกติจึงอาจไม่สมบูรณ์แบบเสมอไป การแจกแจงลอคนอร์มัล จึงถูกนำมาใช้บ่อยครั้งเพราะไม่มีค่าติดลบและจัดการกับความเบ้ได้ดีกว่า

ขั้นตอน: การใช้การประมาณค่าด้วยการแจกแจงปกติ
  1. คำนวณ \(E[S]\) โดยใช้แบบจำลองที่เหมาะสม (รายบุคคลหรือแบบกลุ่ม)
  2. คำนวณ \(Var[S]\)
  3. หาส่วนเบี่ยงเบนมาตรฐาน: \(\sigma_S = \sqrt{Var[S]}\)
  4. ปรับค่าเป้าหมาย \(k\) ให้เป็นคะแนนมาตรฐาน Z: \(Z = \frac{k - E[S]}{\sigma_S}\)
  5. เปิดตารางการแจกแจงปกติมาตรฐาน (Standard Normal Table) ที่เตรียมไว้ในการสอบ

สิ่งที่ควรจำ: การประมาณค่าคือเพื่อนสนิทของคุณในห้องสอบ เมื่อการคำนวณทางคณิตศาสตร์ของการแจกแจงจริงเริ่มซับซ้อนเกินไป!

5. สรุปและเคล็ดลับเพื่อความสำเร็จ

  • แบบจำลองรายบุคคล: ผลรวมของความเสี่ยงที่เป็นอิสระต่อกันจำนวนคงที่
  • แบบจำลองแบบกลุ่ม: ผลรวมของความเสี่ยงแบบ i.i.d. ที่มีจำนวนเป็นตัวแปรสุ่ม
  • สูตรสำคัญ: \(Var[S] = E[N]Var[X] + Var[N]E[X]^2\) ถ้าคุณเห็นโจทย์แบบกลุ่ม คุณมักจะต้องใช้สูตรนี้!
  • หน่วยสำคัญมาก: ตรวจสอบเสมอว่าโจทย์ถามหาค่าคาดหมายของ ความถี่, ขนาดความรุนแรง หรือ ความเสียหายรวม
  • ตั้งสติ: ถ้าโจทย์ดูซับซ้อน ให้เริ่มจากการระบุว่าเป็นแบบจำลองรายบุคคลหรือแบบกลุ่ม เมื่อระบุได้แล้ว ให้เขียนค่าที่โจทย์ให้มาลงไป (\(E[N], Var[N], E[X], Var[X]\)) แล้วทุกอย่างจะค่อยๆ เผยคำตอบออกมาเอง

ไม่ต้องกังวลถ้าตอนแรกจะรู้สึกว่ามันยาก! แบบจำลองความเสียหายรวมเป็นเพียงแค่วิธีการรวมส่วนประกอบย่อยๆ เข้าด้วยกัน เมื่อคุณแม่นสูตรค่าคาดหมายและความแปรปรวนแล้ว คุณก็ผ่านส่วนที่ยากที่สุดของบทนี้ไปได้แล้ว!