欢迎来到离散化（Discretization）的世界！

你好！如果你正在准备 ASTAM 考试，你一定知道精算学经常涉及像 Gamma 或 Pareto 这类复杂的连续分配。但这里有个小秘密：计算机和某些递推公式（例如 Panjer 递推）在处理离散数字（如 0, 1, 2 等整数）时会高效得多。

在本章中，我们将学习如何将平滑的连续分配“切割”成离散版本，我们称之为离散化。想象一下，这就像是把一个平滑的斜坡变成一组阶梯。这能让总损失模型（Aggregate Loss Models）的计算变得容易管理。让我们开始吧！

为什么要离散化？

在学习“总损失模型”时，你经常需要计算总损失 \(S = X_1 + X_2 + ... + X_N\)。虽然个别损失 (\(X\)) 通常是连续的，但如果将 \(X\) 视为离散变量，合并计算的速度会快得多。离散化就是通往这个目标的桥梁。

你知道吗？精算师运用这些技术来简化“集体风险模型（Collective Risk Models）”，以便在不牺牲太多准确性的情况下，为保险单提供更快速的定价！


方法一：四舍五入法（Method of Rounding）

四舍五入法（有时称为质量分散法，Mass Dispersal Method）是最直观的离散化方式。我们只需选择一个“步长”（称为跨度，记作 h），并将每个连续值四舍五入到最接近的 \(h\) 的倍数。

运作原理：

想象我们的跨度 \(h = 1\)。如果损失是 1.2，我们将其四舍五入为 1。如果它是 1.8，我们则四舍五入为 2。为了求出特定离散点 \(x_j = jh\) 的概率，我们将连续分配中“最接近”该点的所有概率累加起来。

你需要记住的公式如下：

\( f_0 = P(X < h/2) = F(h/2) \)

\( f_j = P(jh - h/2 \le X < jh + h/2) = F(jh + h/2) - F(jh - h/2) \)，其中 \(j = 1, 2, ...\)

生活中的类比：

想象有一排间距为 1 米的水桶。你拿着一条水管（连续分配）沿着这一排洒水。四舍五入法的意思就是：所有落在水桶半径范围内（半米内）的水，都会滴入那个特定的水桶中。

快速复习：四舍五入基础

1. h 是你的跨度（离散点之间的距离）。
2. \(f_0\) 很特别；它只看从 0 到半个跨度之间的范围。
3. \(f_j\) 会同时考虑前半个跨度和后半个跨度。


方法二：局部矩匹配法（Local Moment Matching）

如果这听起来比较技术性，别担心！局部矩匹配法只是一种更精细的离散化方式。我们不再只是简单地四舍五入，而是希望离散分配能像连续分配一样运作，即保留每个区间内的平均值（有时也包括更高阶的矩）。

匹配一阶矩（平均值）

通常在 ASTAM 中，我们专注于匹配一阶矩。这意味着对于任何区间 \([jh, (j+1)h]\)，我们分配给端点的离散质量，其平均值必须等于该区间内连续分配的平均值。

对于每个区间 \([jh, (j+1)h]\)，我们将概率质量分配给两个端点（\(jh\) 和 \((j+1)h\)）。

逐步流程：
1. 计算区间内的概率质量： \(m_0^j = \int_{jh}^{(j+1)h} f(x) dx = F((j+1)h) - F(jh)\)。
2. 计算该区间内的局部平均值： \(m_1^j = \int_{jh}^{(j+1)h} x f(x) dx\)。
3. 使用以下权重将质量分配给端点：
点 \(jh\) 获得的质量为： \( \frac{(j+1)h \cdot m_0^j - m_1^j}{h} \)
点 \((j+1)h\) 获得的质量为： \( \frac{m_1^j - jh \cdot m_0^j}{h} \)

“天平”类比：

想象在 \(jh\) 和 \((j+1)h\) 之间架起一个跷跷板。连续质量就位于这个跷跷板的某个位置。为了让跷跷板保持完全相同的平衡状态，你必须将质量分配到两个端点。如果“重量”越靠近右边，右端的端点就会获得越多的质量！

重要提示：

在此方法中，每个离散点 \(jh\)（除了 0 以外）实际上会接收来自两个相邻区间的“贡献”：即左侧区间和右侧区间。


应避免的常见错误

1. 忽略跨度 (h)：学生常忘记在计算中加入 \(h\)。如果题目要求的跨度是 2，那么你的点应该是 0, 2, 4, 6... 而不是 0, 1, 2, 3！

2. 计算 \(m_1^j\) 出错：记得 \(m_1^j\) 是 \(x \cdot f(x)\) 的积分。对于许多分配（如指数分配），你可能需要使用分部积分法，或利用限额期望值（Limited Expected Value）的公式来轻松求得。

3. 端点处理：在四舍五入法中，\(f_0\) 只覆盖半个区间，而在矩匹配法中，点是由两个并排的区间构成的。务必仔细检查你的边界条件。


总结与要点

离散化对于在实务中计算总损失至关重要。你手头上有两个主要的工具：

四舍五入法：
- 简单快捷。
- 使用离散值中点处的累积分配函数 (CDF, \(F(x)\))。
- 最适合快速近似。

局部矩匹配法：
- 更准确，因为它保留了分配的平均值。
- 需要计算每个区间的质量 (\(m_0\)) 和局部平均值 (\(m_1\))。
- 记得每个离散点 \(f_j\) 都是两部分的总和：来自以 \(j\) 结束的区间和从 \(j\) 开始的区间各一部分。

继续练习这些计算！一旦你掌握了积分的节奏，这些将会是考试中的“必得分数”。你一定做得到的！