歡迎來到嚴重程度模型 (Severity Models)！

哈囉，未來的精算師！歡迎來到 ASTAM 課程中最實用且有趣的單元之一。雖然頻率 (frequency) 告訴我們索償發生的次數，但嚴重程度 (severity) 則告訴我們這些索償實際產生的成本。你可以這樣理解：頻率就是你摔壞手機的次數，而嚴重程度就是維修帳單的金額！

在本章中，我們將學習如何描述和比較不同索償成本的「分佈形態」。有些索償金額小且可預測（例如擋風玻璃破裂），而另一些則可能巨大且罕見（例如颶風）。理解這些特性有助於我們合理地制定保險費率，並確保保險公司有足夠的資金來支付那些「重大」意外。

如果起初覺得這些概念很複雜，請不用擔心！ 我們會一步步拆解，從基礎定義到 SOA 最愛考的進階「尾部加權 (tail weight)」概念。

1. 基礎函數

在分析分佈之前，我們需要先掌握基本的工具。你可能在 Exam FAM 中學過這些，但它們在這裡同樣至關重要。

累積分配函數 (Cumulative Distribution Function, CDF)： \(F(x)\)
這告訴我們索償 \(X\) 小於或等於特定金額 \(x\) 的機率。
\(F(x) = P(X \le x)\)

生存函數 (Survival Function)： \(S(x)\)
在嚴重程度分析中，我們通常更關心損失超過特定金額（例如自負額）的機率。
\(S(x) = 1 - F(x) = P(X > x)\)

機率密度函數 (Probability Density Function, PDF)： \(f(x)\)
CDF 的導數。它代表索償金額正好為某個值的「可能性」。
\(f(x) = F'(x) = -S'(x)\)

危險率 (Hazard Rate) / 失效率 (Failure Rate)： \(h(x)\)
這是 ASTAM 的關鍵概念。它代表在已知索償尚未發生的情況下，此刻發生索償的「瞬時」機率。在嚴重程度分析中，它能幫助我們觀察當索償金額增加時，發生更大索償的「風險」如何變化。
\(h(x) = \frac{f(x)}{S(x)}\)

快速複習：危險率

如果 \(h(x)\) 是遞減的 (decreasing)，表示隨著索償金額變大，索償結束（成本停止增加）的「比率」會變慢。這是重尾分佈 (heavy-tailed) 的徵兆（極大額索償是有可能發生的）。

2. 動差 (Moments) 及其相關概念

動差幫助我們用少數幾個數字來總結一個分佈。

原始動差 (\(k\)-th moment)

\(k\)-th 原始動差記作 \(E[X^k]\)。
\(E[X^k] = \int_{0}^{\infty} x^k f(x) dx\)

精算小撇步： 對於僅取正值的嚴重程度分佈（大多數情況下都是！），你也可以利用生存函數來計算平均值：
\(E[X] = \int_{0}^{\infty} S(x) dx\)

變異數、偏態與峰態

  • 變異數 (Variance)： 衡量「分散程度」。高變異數代表索償金額差異極大。
  • 偏態 (Skewness)： 衡量不對稱性。大多數嚴重程度分佈都是右偏 (positively skewed) 的，這意味著存在一個長尾，包含極大額的索償。
  • 峰態 (Kurtosis)： 衡量「尖峰程度」和尾部加權。較高的峰態通常代表出現更多「極端」值（厚尾）。

你知道嗎？ 在保險界，我們幾乎看不到使用「常態分佈」來描述嚴重程度，因為索償成本不可能為負，而且它們往往含有常態分佈無法處理的巨大「異常值」！

3. 尾部加權：分佈有多「危險」？

這是本章對於 ASTAM 考試最重要的概念。尾部加權 (tail weight) 描述了我們見到極大額索償的可能性。

分佈比較

SOA 經常會問你兩個分佈中哪一個是「重尾 (heavier-tailed)」。對於保險公司而言，尾部越重的分佈風險越高。以下是三種檢查方法：

方法 1：動差是否存在
如果分佈 A 擁有所有動差（如指數分佈或 Gamma 分佈），但分佈 B 僅擁有前兩個動差（如某些 Pareto 分佈），那麼分佈 B 的尾部較重。如果對於較大的 \(k\)，動差不存在，則該尾部為「厚尾」。

方法 2：生存函數之比
觀察兩個分佈生存函數之比的極限來進行比較：
\(\lim_{x \to \infty} \frac{S_1(x)}{S_2(x)}\)
如果極限趨近於 \(\infty\)，則分佈 1 的尾部較重。如果極限趨近於 0，則分佈 2 較重。

方法 3：危險率行為
遞減危險率 (DHR) 代表重尾。如果 \(x \to \infty\) 時 \(h(x) \to 0\)，則為極重尾（如 Pareto 分佈）。如果 \(h(x) \to c\)（常數），則為中等（指數分佈）。如果 \(h(x) \to \infty\)，則為輕尾。

尾部加權總結（由最輕到最重）
  1. 輕尾 (Light Tails)： 常態分佈、Gamma 分佈（當 \(\alpha > 1\) 時）。這些比較「安全」。
  2. 中等尾 (Medium Tails)： 指數分佈。我們的「基準」。
  3. 重尾 (Heavy Tails)： 對數常態 (Lognormal)、Pareto、Burr 分佈。這些是讓精算師徹夜難眠的類型！

4. 平均殘餘壽命 (Mean Residual Life, MRL)

平均殘餘壽命函數 (Mean Residual Life function)，即 \(e(x)\)，是指已知索償金額已超過 \(x\) 的情況下，該索償的預期額外成本。

公式： \(e(x) = E[X - x | X > x] = \frac{\int_{x}^{\infty} S(t) dt}{S(x)}\)

為什麼 MRL 很重要：

  • 如果 \(e(x)\) 是常數：這是指數分佈（具有「無記憶性」）。無論索償已經多大，預期的額外成本都保持不變。
  • 如果 \(e(x)\) 是遞增的：這是重尾分佈（如 Pareto）。索償金額越大，我們預期額外的成本就越高！
  • 如果 \(e(x)\) 是遞減的：這是輕尾分佈。

類比： 想像你在維修一棟非常老舊的房子。如果「維修嚴重程度」具有遞增的 MRL，這意味著每當你發現一個問題並修復它之後，你反而預期剩餘的潛在問題會更昂貴！（這就是重尾惡夢）。

5. 必須了解的重要嚴重程度分佈

雖然考試時有公式表，但你應該要認出這些分佈的「個性」：

1. 指數分佈 (Exponential)： 「中間地帶」。具有恆定的危險率和恆定的 MRL。
2. Gamma 分佈： 靈活。若形狀參數 \(\alpha > 1\)，為輕尾；若 \(\alpha < 1\)，則比指數分佈重。
3. Pareto 分佈： 經典的重尾代表。常用於大型巨災損失。具有遞減的危險率和遞增的 MRL。
4. Weibull 分佈： 同樣靈活。其尾部加權取決於形狀參數 \(\tau\)。
5. 對數常態分佈 (Lognormal)： 許多保險業務的常見選擇。比 Gamma 分佈重，但通常比 Pareto 分佈輕。

6. 常見陷阱與錯誤

  • 混淆 \(f(x)\) 與 \(h(x)\)： 請記住危險率 \(h(x)\) 是一個比率。即使 PDF \(f(x)\) 趨近於零，危險率仍可能趨向無窮大。
  • 忽略定義域 (Support)： 務必檢查分佈是從 0 開始，還是從其他值開始（例如截斷分佈）。
  • 搞混尾部比較： 使用比率 \(\frac{S_1(x)}{S_2(x)}\) 時，確保你是取 \(x \to \infty\) 的極限，而不是 \(x \to 0\)。

考試重點總結

1. 危險率： 遞減危險率 = 重尾。常數 = 指數分佈。
2. 平均殘餘壽命： 遞增 MRL = 重尾。對於超額損失再保險 (excess-of-loss reinsurance) 定價很有用。
3. 動差是否存在： 如果高階動差不存在，你面對的就是「危險的」重尾分佈。
4. 比較： 利用生存函數的極限或危險率來根據風險程度對分佈進行排序。

繼續努力！ 嚴重程度特性是 ASTAM 後續更複雜模型（如承保調整，包括自負額與保額上限）的基礎。現在掌握好這些「形態」，課程剩下的部分會順利很多！