歡迎來到責任準備金（Reserving）的世界！

各位未來的精算師好！今天我們要深入探討短期精算師職業生涯中最關鍵的任務之一：估算未決賠款（Estimating Outstanding Claims）（也稱為提存準備金 / Reserving）。

你可以把保險公司想像成一場盛大的派對。人們不斷地進場（賠款報告/Claim Reported）和離場（賠款支付/Claim Paid）。在任何特定時刻，保險公司都需要計算出需要預留多少資金，以支付那些還在場內的客人，或是那些尚未進場但已確定會參加的客人！

如果這看起來有點複雜，別擔心。我們將把 ASTAM 考試中需要掌握的五大主要方法拆解成淺顯易懂的知識點。讓我們開始吧！

1. 預期損失率法 (Expected Loss Ratio, ELR Method)

預期損失率 (ELR) 法是最簡單的方法。它不關注單一賠款如何發展，而是從宏觀角度，基於我們最初設計保單時的預期來進行評估。

運作原理

我們假設已賺保費 (Earned Premium) 中，會有一定比例最終作為賠款支出。
公式為：
\( \text{Estimated Ultimate Losses} = \text{Earned Premium} \times \text{Expected Loss Ratio} \)

要計算準備金 (Reserve)（我們需要預留的資金），我們只需扣除已支付的賠款：
\( \text{Reserve} = \text{Estimated Ultimate Losses} - \text{Paid Losses to Date} \)

現實生活的類比

想像你在籌備婚禮，預計每位賓客的成本是 $100。如果你有 100 位賓客，你的「最終損失」就是 $10,000。如果你已經支付給外燴廠商 $4,000，那麼你的「準備金」就是 $6,000。你不需要細究開胃菜具體花了多少錢；你只需要堅持原有的預算計劃即可。

適用時機

非常適合新開展的業務線（缺乏歷史數據時），或是數據極不穩定、導致當前數據可能具有誤導性的業務線。

重點總結： ELR 法忽略了實際的賠款發展模式，完全依賴於先前的預期。

2. 鏈梯法 (Chain-Ladder, CL Method)

鏈梯法（也稱為賠款發展法，Loss Development Method）是精算工具箱中最著名的工具。它假設未來會重演過去。

運作原理（步驟教學）

1. 整理數據： 將賠款按事故年度（Accident Year）和發展年度（Development Year）排列成一個「三角形」。
2. 計算年齡間因子（鏈結比率，Link Ratios）： 對於每一年，我們觀察賠款從一個時期到下一個時期增長了多少。
\( f_j = \frac{\sum \text{Cumulative Losses at Year } j+1}{\sum \text{Cumulative Losses at Year } j} \)
3. 選定發展因子： 通常，我們會取這些比率的平均值。
4. 推算至最終賠款： 將當前的賠款乘以累積發展因子 (Cumulative Development Factor, CDF)，即可得到最終的估計成本。

快速複習：累積 (Cumulative) 與 增量 (Incremental)

累積： 從開始到現在總共已支付/已報告的金額。
增量： 僅在特定時間窗口內支付/報告的金額。
常見錯誤：在計算鏈結比率之前，請務必確保你的三角形數據是累積的！

「膨脹蛋糕」類比

把賠款想像成烤箱裡的蛋糕。在前 10 分鐘，它膨脹了 50%。在接下來的 10 分鐘，它又膨脹了 10%。如果我們知道蛋糕在每個階段通常會膨脹多少，我們就可以觀察一個半熟的蛋糕，並預測它最終的大小！

重點總結： 鏈梯法 100% 依賴實際數據的發展，而忽略了最初的預期。

3. Bornhuetter-Ferguson (BF) 法

如果 ELR 法太死板，而鏈梯法又太波動，怎麼辦？這時候就要請出 Bornhuetter-Ferguson (BF) 法。它是準備金估算中的「金髮女孩」（最適中者）——它結合了上述兩種方法。

運作原理

BF 法的精神是：「我會保留已經看到的賠款（實際值），但對於未來的部分，我會回歸到我原本的計劃（ELR）。」

BF 準備金的公式為：
\( \text{Reserve} = \text{Earned Premium} \times \text{Expected Loss Ratio} \times (1 - \frac{1}{\text{CDF}}) \)

其中 \( (1 - \frac{1}{\text{CDF}}) \) 代表仍未報告或未支付的賠款百分比。

記憶法：兩種聲音

想像你腦中有兩種聲音。
聲音 A（鏈梯法）：「看數據！數據就是一切！」
聲音 B（ELR）：「堅持預算！預算就是一切！」
BF 法在處理過去時聽從聲音 A，但在預測未來時遵循聲音 B。

重點總結： BF 法比鏈梯法更穩定，因為它不會因為年度發展初期出現單一巨額賠款而「反應過度」。

4. 貝葉斯方法 (Bayesian Method)

貝葉斯方法就像是 BF 法在數學上更資深的兄弟。它利用信度理論 (Credibility Theory) 來精確決定我們應該多信任數據，以及多信任先前的信念。

運作原理

在貝葉斯框架中，我們將最終賠款視為一個隨機變數。我們從先驗分佈 (Prior Distribution)（在看到數據之前的想法）開始，並利用實際數據進行更新，從而得到後驗分佈 (Posterior Distribution)。

估計值通常是一個加權平均數：
\( \text{Estimate} = Z \times (\text{Data-Based Estimate}) + (1-Z) \times (\text{Prior Expectation}) \)

其中 \( Z \) 是信度因子 (Credibility Factor)（介於 0 到 1 之間的數字）。

你知道嗎？

BF 法實際上是貝葉斯/信度方法的一個特例！雖然涉及 Gamma 和 Poisson 分佈的數學運算可能會很複雜，但核心思想始終不變：隨著獲得更多資訊，更新你的判斷。

重點總結： 貝葉斯方法讓我們能夠將統計不確定性和正式的「先驗」知識納入我們的準備金中。

5. 頻率-嚴重程度法 (Frequency-Severity Method)

有時候，只看「總金額」是不夠的。頻率-嚴重程度 (Frequency-Severity) 法將問題拆分為兩個部分。

公式

\( \text{Ultimate Losses} = (\text{Ultimate Number of Claims}) \times (\text{Ultimate Average Cost per Claim}) \)

步驟教學

1. 預測頻率 (Frequency)： 對賠款「數量」使用鏈梯法，以找出最終會報告的賠款總數。
2. 預測嚴重程度 (Severity)： 觀察每筆賠款的「平均成本」。你可能需要根據通貨膨脹進行調整！
3. 相乘： 將預測的總賠款數乘以預測的平均成本。

為什麼要使用這個方法？

它可以幫助你了解準備金變動的「原因」。是事故變多了（頻率），還是醫生和維修店的收費變貴了（嚴重程度）？這對於向管理層解釋結果非常有用！

重點總結： 與總量方法相比，頻率-嚴重程度法提供了對賠款趨勢更深層的「內部細節」觀察。

總結速查

我該使用哪種方法？
• 沒有數據 / 新業務？ 使用 ELR 法。
• 穩定且成熟的數據？ 使用 鏈梯法 (Chain-Ladder)。
• 數據波動大 / 中間地帶？ 使用 BF 法 (Bornhuetter-Ferguson)。
• 想要了解變動趨勢？ 使用 頻率-嚴重程度法。
• 想要運用正式的統計先驗？ 使用 貝葉斯方法。

如果貝葉斯方法的公式看起來很嚇人，別擔心——專注於「加權」和「更新」的邏輯，數學計算自然會跟上！距離精通 ASTAM，你又更近了一步！