歡迎來到組合風險的世界！

在你的精算學習之旅中，你已經接觸過複合卜瓦松模型（Compound Poisson Model）。由於它在數學上優雅且極具靈活性，它已成為總量建模（Aggregate Modeling）的「基本功」。但如果一家保險公司同時管理多個投資組合，情況會如何呢？假設你有一組汽車保險和另一組房屋保險，而你想計算整間公司的總風險，該怎麼辦？

在本章中，我們將學習一個「數學魔法」。我們會發現，當你將幾個相互獨立的複合卜瓦松風險相加時，結果——請準備好——仍然是一個單一的複合卜瓦松模型！這讓我們的生活輕鬆許多，因為我們不必為了找出總風險而去學習一套全新的規則。讓我們開始吧！


核心概念：加總性質（Summation Property）

想像你有幾個不同的投資組合。假設你有 \(n\) 個獨立的總損失變數 \(S_1, S_2, ..., S_n\)，每一個都服從複合卜瓦松分配。

對於每一個投資組合 \(j\)：
1. 索賠次數服從參數為 \(\lambda_j\) 的卜瓦松分配。
2. 個別索賠金額（損失嚴重程度）服從分配 \(f_{X_j}(x)\)。

整個公司的總損失為 \(S = S_1 + S_2 + ... + S_n\)。

核心法則： 如果所有的 \(S_j\) 都是相互獨立的，那麼它們的總和 \(S\) 也會是一個複合卜瓦松隨機變數！為了將這個總和視為一個完整的複合卜瓦松模型，我們只需要找出兩件事：新的總索賠頻率（\(\lambda\)）以及新的組合嚴重程度分配（\(f_X\)）。


1. 找出新的頻率（\(\lambda\)）

這部分很簡單。要找出總頻率參數，你只需將每個投資組合個別的 \(\lambda\) 值相加即可。

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

類比： 把這想像成雨量計。如果一個量測器每分鐘收集 3 滴雨水，另一個收集 5 滴，那麼合併起來它們每分鐘總共收集 8 滴。


2. 找出新的嚴重程度分配（\(f_X\)）

這部分比較微妙。新的嚴重程度分配是個別嚴重程度分配的加權平均值。這些「權重」取決於索賠來自特定投資組合的機率。

索賠來自投資組合 \(j\) 的機率為 \(\frac{\lambda_j}{\lambda_{total}}\)。因此，組合後的嚴重程度分配為：

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

為什麼這樣合理呢？ 如果投資組合 A 有 90 次索賠，而投資組合 B 只有 10 次，那麼從總體中隨機抽出一個索賠，它看起來像投資組合 A 的索賠機率要大得多。因此，投資組合 A 的嚴重程度分配在平均值中佔有更大的「權重」。


組合模型的總結清單：

1. 將 \(\lambda\) 相加以獲得新的頻率。
2. 根據各自的 \(\lambda / \lambda_{total}\) 對嚴重程度進行加權。
3. 按正常程序進行，利用這些新參數使用你最熟悉的總量計算方法（例如 Panjer 遞迴公式或動差生成函數 MGF）。


步驟範例

讓我們看一個簡單的例子來具體說明。

假設一家保險公司有兩項獨立的業務：
業務 1： 複合卜瓦松模型，\(\lambda_1 = 2\)，且所有索賠金額皆為 10。
業務 2： 複合卜瓦松模型，\(\lambda_2 = 3\)，且所有索賠金額皆為 20。

步驟 1：找出總 \(\lambda\)。
\( \lambda = 2 + 3 = 5 \)。

步驟 2：找出組合後的嚴重程度分配。
索賠金額為 10 的機率為 \( \frac{2}{5} = 0.4 \)。
索賠金額為 20 的機率為 \( \frac{3}{5} = 0.6 \)。

結果： 總損失 \(S\) 是一個複合卜瓦松模型，其 \(\lambda = 5\)，且嚴重程度分配為 \(P(X=10) = 0.4\) 以及 \(P(X=20) = 0.6\)。


應避免的常見陷阱

錯誤 1：忘記對嚴重程度進行加權。
學生常會直接將嚴重程度分配相加或是取 50/50 的平均。請記住：擁有較高 \(\lambda\) 的投資組合對最終的嚴重程度分佈有更大的影響！

錯誤 2：忽略獨立性。
此性質僅在投資組合相互獨立時有效。如果一場颶風同時影響了你的「汽車」和「房屋」投資組合，那麼它們就不是獨立的，這種簡單的加總方式就無法完全適用。

錯誤 3：混淆頻率與嚴重程度。
請記住：\(\lambda\) 是關於事件發生的頻率。\(X\) 是關於事件造成的成本。我們將頻率相加，但將成本進行加權平均。


快速複習：為什麼要這樣做？

你知道嗎？ 此性質對於運算效率有極大幫助。你不必先計算投資組合 A 的分佈，再計算投資組合 B，然後進行複雜的卷積（convolution）來找出 \(S_A + S_B\)，你只需要在開始時合併參數，針對整個系統進行一次計算即可。這既節省時間又減少了計算出錯的機會！


考試當天的重點提示

1. 法則： 獨立複合卜瓦松的總和 = 單一複合卜瓦松。
2. \(\lambda\)： \(\lambda_{new} = \lambda_1 + \lambda_2 + ... + \lambda_n\)。
3. 嚴重程度： \(f_{X, new}(x) = w_1 f_{X_1}(x) + w_2 f_{X_2}(x) + ...\)，其中 \(w_j = \lambda_j / \lambda_{total}\)。
4. 動差： 總和的期望值等於期望值的總和，總和的變異數等於變異數的總和（因為它們是獨立的）。

如果加權平均的概念一開始讓你覺得有點陌生，別擔心。只要記住：「索賠次數越多（\(\lambda\) 越大），權重就越大」。一旦你有了新的 \(\lambda\) 和新的嚴重程度分配，你就可以像在基本的複合卜瓦松章節中那樣，算出任何機率或動差！