欢迎来到总额模型（Aggregate Models）的世界！

在你成为精算师的旅程中，最重要的问题之一就是：“我们预期总共需要支付多少保险赔偿？”

到目前为止，你可能已经分别研究过个别赔偿金额（严重程度 Severity）或赔偿发生的次数（频率 Frequency）。在本章中，我们将两者结合起来，探讨总损失（Aggregate Loss）——也就是所谓的“大总计”。我们将探讨两种主要的建模方式：个别风险模型（Individual Risk Model）和集体风险模型（Collective Risk Model）。如果这些术语听起来有点吓人，别担心；我们将通过简单的类比和循序渐进的逻辑来拆解它们！

1. 个别风险模型（Individual Risk Model）

个别风险模型就像查看私人派对的宾客名单。你知道具体有谁会来（保单数量是固定的），并逐一审视每个人是否会给你造成“成本”。

这是什么？

在此模型中，我们假设有固定数量的保险合约，称之为 \(n\)。对于每一份保单 \(i\)，都有一个损失 \(X_i\)。总损失 \(S\) 仅是所有这些个别损失的总和：

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

主要特征

  • 固定数量的风险： \(n\) 的值是已知的，不是随机的。
  • 独立性： 我们通常假设保单持有人 A 发生的情况不会影响保单持有人 B。
  • 变动损失： 每个 \(X_i\) 可以是 0（无赔偿）或某个正数金额。

计算期望值与变异数

因为保单数量是固定的，计算期望值（Mean）和变异数（Variance）非常直接：

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

变异数： \( Var[S] = \sum_{i=1}^{n} Var[X_i] \)（假设保单之间是独立的！）

快速复习：

如果你有 100 份保单，每份的预期损失为 \$50，那么总预期损失 \(E[S]\) 就是 \(100 \times 50 = 5,000\)。

总结：个别风险模型非常适合参与人数固定的群体，例如公司员工的特定团体人寿保险计划。

2. 集体风险模型（Collective Risk Model）

集体风险模型更像是一间繁忙的咖啡店。你无法确切知道今天会有多少人进门（频率），也无法预知每个人会花多少钱（严重程度）。你将赔偿的“集合”视为一个整体。

这是什么？

在这里，总损失 \(S\) 取决于两件随机事件：

  1. \(N\)：赔偿次数（一个随机变量）。
  2. \(X_i\)：每次赔偿的金额（随机变量）。

公式如下：

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

请注意这其中的重大差异：求和的“上限”(\(N\)) 现在本身就是一个随机变量！

主要假设

  • 赔偿金额 \(X_1, X_2, ...\) 是同分布（identically distributed）的（它们遵循相同的“严重程度”模式）。
  • 赔偿金额之间是独立的。
  • 赔偿次数 \(N\) 与赔偿金额 \(X_i\) 是独立的。

集体模型的“大公式”

这些是 Exam FAM 的重点！你必须背下来：

期望值： \( E[S] = E[N] \times E[X] \)

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

记忆小撇步：将变异数公式想象成有两个“引擎”。第一部分处理赔偿金额大小的不确定性，第二部分则处理赔偿次数的不确定性。

你知道吗？

变异数公式 \(Var[S] = E[N]Var[X] + Var[N]E[X]^2\) 在此情境下通常称为总变异数定律（Law of Total Variance）。这是总额模型部分最常考的概念之一！

总结：集体风险模型是产险业的“日常核心”，我们以此为整体的业务量建立赔偿总额模型，而无需追踪每一位保单持有人。

3. 比较个别风险模型与集体风险模型

决定使用哪个模型可能会令人困惑。以下是一个快速比较，帮助你厘清：

个别风险模型：

  • 用于潜在索赔人数量较少或固定时（例如：500 名员工）。
  • 每个 \(X_i\) 代表特定个人的损失。
  • 如果某人没有申请赔偿，\(X_i = 0\)。

集体风险模型：

  • 用于赔偿“随机”发生的大型群体（例如：全州的汽车保险单）。
  • \(N\) 代表赔偿次数，而 \(X_i\) 是实际发生之第 \(i\) 笔赔偿的金额。
  • 每个 \(X_i\) 通常都 \( > 0\)。

常见错误：不要混淆 \(n\)（固定数字）与 \(N\)（随机变量）。如果题目说“共有 1,000 份保单”，你可能是在处理个别风险模型；如果题目说“赔偿次数遵循卜瓦松分布（Poisson distribution）”，你就进入了集体风险模型的世界。

4. 近似总损失分布

有时，计算 \(S\) 的精确分布太困难。在这些情况下，精算师会使用近似值。这就是你对常态分布（Normal Distribution）和中心极限定理（Central Limit Theorem）的知识派上用场的时候。

常态近似法

如果赔偿次数足够多，我们可以假设 \(S\) 遵循常态分布。我们使用先前计算出的期望值 (\(E[S]\)) 和变异数 (\(Var[S]\))。

要找出总损失小于某个金额 \(k\) 的概率：

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

对数常态近似法（Lognormal Approximation）

由于保险损失通常为正值且常呈现“偏态”（即少数巨额赔偿），常态分布并不总是完美。对数常态分布经常被使用，因为它不允许负损失，且能更好地处理偏态。

步骤教学：使用常态近似法
  1. 使用适当的模型（个别或集体）计算 \(E[S]\)。
  2. 计算 \(Var[S]\)。
  3. 求出标准差：\(\sigma_S = \sqrt{Var[S]}\)。
  4. 将目标值 \(k\) 标准化以获得 Z 分数：\(Z = \frac{k - E[S]}{\sigma_S}\)。
  5. 在考试提供的标准常态分布表中查阅 Z 分数。

重点提醒：当精确分布的数学运算太复杂时，近似值将是你考试时最好的朋友！

5. 总结与成功秘诀

  • 个别风险模型：固定数量的独立风险总和。
  • 集体风险模型：随机数量的独立同分布（i.i.d.）风险总和。
  • 关键公式： \(Var[S] = E[N]Var[X] + Var[N]E[X]^2\)。如果你看到集体风险题目，很可能需要用到它！
  • 单位很重要：务必确认题目询问的是频率、严重程度还是总损失的期望值。
  • 保持冷静：如果题目看起来很复杂，先从判断它是个别还是集体模型开始。一旦确定了，写下你已知的组成部分（\(E[N], Var[N], E[X], Var[X]\)），剩下的部分就会迎刃而解。

如果起初觉得这些很棘手，请别担心！总额模型只是将细小的部分加总起来的方法。一旦你掌握了期望值和变异数的公式，你就已经征服了本章最困难的部分！