欢迎来到组合风险的世界！

在你的精算学习之旅中，你已经接触过复合泊松模型（Compound Poisson Model）。由于它在数学上优雅且极具灵活性，它已成为总量建模（Aggregate Modeling）的“基本功”。但如果一家保险公司同时管理多个投资组合，情况会如何呢？假设你有一组汽车保险和另一组房屋保险，而你想计算整间公司的总风险，该怎么办？

在本章中，我们将学习一个“数学魔法”。我们会发现，当你将几个相互独立的复合泊松风险相加时，结果——请准备好——仍然是一个单一的复合泊松模型！这让我们的生活轻松许多，因为我们不必为了找出总风险而去学习一套全新的规则。让我们开始吧！


核心概念：加总性质（Summation Property）

想象你有几个不同的投资组合。假设你有 \(n\) 个独立的总损失变量 \(S_1, S_2, ..., S_n\)，每一个都服从复合泊松分配。

对于每一个投资组合 \(j\)：
1. 索赔次数服从参数为 \(\lambda_j\) 的泊松分配。
2. 个别索赔金额（损失严重程度）服从分配 \(f_{X_j}(x)\)。

整个公司的总损失为 \(S = S_1 + S_2 + ... + S_n\)。

核心法则： 如果所有的 \(S_j\) 都是相互独立的，那么它们的总和 \(S\) 也会是一个复合泊松随机变量！为了将这个总和视为一个完整的复合泊松模型，我们只需要找出两件事：新的总索赔频率（\(\lambda\)）以及新的组合严重程度分配（\(f_X\)）。


1. 找出新的频率（\(\lambda\)）

这部分很简单。要找出总频率参数，你只需将每个投资组合个别的 \(\lambda\) 值相加即可。

\[ \lambda_{total} = \sum_{j=1}^{n} \lambda_j \]

类比： 把这想象成雨量计。如果一个量测器每分钟收集 3 滴雨水，另一个收集 5 滴，那么合并起来它们每分钟总共收集 8 滴。


2. 找出新的严重程度分配（\(f_X\)）

这部分比较微妙。新的严重程度分配是个别严重程度分配的加权平均值。这些“权重”取决于索赔来自特定投资组合的概率。

索赔来自投资组合 \(j\) 的概率为 \(\frac{\lambda_j}{\lambda_{total}}\)。因此，组合后的严重程度分配为：

\[ f_X(x) = \sum_{j=1}^{n} \frac{\lambda_j}{\lambda_{total}} f_{X_j}(x) \]

为什么这样合理呢？ 如果投资组合 A 有 90 次索赔，而投资组合 B 只有 10 次，那么从总体中随机抽出一个索赔，它看起来像投资组合 A 的索赔概率要大得多。因此，投资组合 A 的严重程度分配在平均值中占有更大的“权重”。


组合模型的总结清单：

1. 将 \(\lambda\) 相加以获得新的频率。
2. 根据各自的 \(\lambda / \lambda_{total}\) 对严重程度进行加权。
3. 按正常程序进行，利用这些新参数使用你最熟悉的总量计算方法（例如 Panjer 递推公式或矩母函数 MGF）。


步骤范例

让我们看一个简单的例子来具体说明。

假设一家保险公司有两项独立的业务：
业务 1： 复合泊松模型，\(\lambda_1 = 2\)，且所有索赔金额皆为 10。
业务 2： 复合泊松模型，\(\lambda_2 = 3\)，且所有索赔金额皆为 20。

步骤 1：找出总 \(\lambda\)。
\( \lambda = 2 + 3 = 5 \)。

步骤 2：找出组合后的严重程度分配。
索赔金额为 10 的概率为 \( \frac{2}{5} = 0.4 \)。
索赔金额为 20 的概率为 \( \frac{3}{5} = 0.6 \)。

结果： 总损失 \(S\) 是一个复合泊松模型，其 \(\lambda = 5\)，且严重程度分配为 \(P(X=10) = 0.4\) 以及 \(P(X=20) = 0.6\)。


应避免的常见陷阱

错误 1：忘记对严重程度进行加权。
学生常会直接将严重程度分配相加或是取 50/50 的平均。请记住：拥有较高 \(\lambda\) 的投资组合对最终的严重程度分布有更大的影响！

错误 2：忽略独立性。
此性质仅在投资组合相互独立时有效。如果一场飓风同时影响了你的“汽车”和“房屋”投资组合，那么它们就不是独立的，这种简单的加总方式就无法完全适用。

错误 3：混淆频率与严重程度。
请记住：\(\lambda\) 是关于事件发生的频率。\(X\) 是关于事件造成的成本。我们将频率相加，但将成本进行加权平均。


快速复习：为什么要这样做？

你知道吗？ 此性质对于运算效率有极大帮助。你不必先计算投资组合 A 的分布，再计算投资组合 B，然后进行复杂的卷积（convolution）来找出 \(S_A + S_B\)，你只需要在开始时合并参数，针对整个系统进行一次计算即可。这既节省时间又减少了计算出错的机会！


考试当天的重点提示

1. 法则： 独立复合泊松的总和 = 单一复合泊松。
2. \(\lambda\)： \(\lambda_{new} = \lambda_1 + \lambda_2 + ... + \lambda_n\)。
3. 严重程度： \(f_{X, new}(x) = w_1 f_{X_1}(x) + w_2 f_{X_2}(x) + ...\)，其中 \(w_j = \lambda_j / \lambda_{total}\)。
4. 矩： 总和的期望值等于期望值的总和，总和的方差等于方差的总和（因为它们是独立的）。

如果加权平均的概念一开始让你觉得有点陌生，别担心。只要记住：“索赔次数越多（\(\lambda\) 越大），权重就越大”。一旦你有了新的 \(\lambda\) 和新的严重程度分配，你就可以像在基本的复合泊松章节中那样，算出任何概率或矩！