LICENCIATURA

ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Introducción

En los modelos de Pérdida Agregada son las pérdidas que paga una
aseguradora para un conjunto definido de asegurados en un periodo de
tiempo, digamos un año.

Son la suma de las pérdidas individuales en el año.

Sea N una variable aleatoria que representa el número de pérdidas

(frecuencia de las pérdidas) y sea Xi con i=1,…,N son las variables
aleatorias de la severidad, o sea el monto de las N pérdidas.

Si S es la variable aleatoria de la pérdida agregada, entonces:

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Si las Xi’s son independietes y tiene la misma distribución, S es
llamada distribución compuesta, N es llamada distribución primaria
y la distribución para las Xi’s son llamadas la distribución secundaria.

Hay dos formas para modelar Pérdidas Agregadas usando N y Xi. Un

camino es sólo considerar el número de reclamaciones y el monto de
cada reclamación. En otras palabras, el monto de pérdida del grupo es
sólo relevante para extender sus efectos en el número de
reclamaciones.

La ecuación anterior se puede interpretar de la siguiente forma: S es el

número de reclamaciones de cada uno de los montos de cada
reclamación.

Se tienen los siguientes supuestos:

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
1. Xi’s son variables aleatorias independientes e idénticamente
distribuidas. En otras palabras, cada reclamación tiene la misma
distribución de probabilidad y es independiente de cualquier otra
reclamación.
2. Xi’s son independientes de N. El conteo de las reclamaciones es
independiente del monto de las reclamaciones.

En algunos casos el cálculo de la función de distribución de la pérdida

agregada es difícil, una alternativa es resolverlo es a través de una
aproximación, por lo que se usa calcular la función generadora de
momentos.

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Varianza Compuesta

Asumiendo que tenemos un modelo de riesgo colectivo. Se asume que

las Pérdidas Agregadas tienen una distribución compuesta, siendo la
frecuencia la distribución primaria y siendo la severidad la distribución
secundaria.

Si N es la variable aleatoria de la frecuencia, X la variable aleatoria de

la severidad y S=ΣXi y las Xi’s son independientes entre ellas y de B e
idénticamente distribuidas, entonces:

La fórmula de la Varianza compuesta es un caso especial de la

varianza condicional
M.F. Eric Víctor Guerrero Piña
agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

donde la distribución C es para N=n. Esto hace que la varianza quede:

Para una distribución compuesta Poisson, es decir, cuando la

distribución primaria es Poisson con parámetro λ, la fórmula de la
varianza compuesta se reduce a:

La tercera ecuación, la cual es necesaria para el cálculo de la

asimetría, el cual es el tercer momento de la distribución.

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Demostración:
∞

𝐸 𝑆 = ෍ 𝐸 𝑆|𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0
∞ 𝑁

= ෍ 𝐸 ෍ 𝑋𝑖 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1
∞ 𝑛

= ෍ 𝐸 ෍ 𝑋𝑖 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1
∞ 𝑛

= ෍ 𝐸 ෍ 𝑋𝑖 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1
∞

= ෍ 𝑛𝐸 𝑋 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0
∞

= ෍ 𝑛 ∗ 𝑃(𝑁 = 𝑛) ∗ 𝐸(𝑋)
𝑛=0
M.F. Eric Víctor Guerrero Piña
= 𝐸(𝑁) ∗ 𝐸(𝑋) agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
• Nuevamente condicionando sobre el valor de N
• Observe que segunda suma es nula cuando n= 0, y a su vez la tercera
suma se anula cuando n=0 o 1.
∞

𝐸 𝑆 2 = ෍ 𝐸 𝑆 2 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0
2
∞ 𝑁

= ෍𝐸 ෍ 𝑋𝑖 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1
2
∞ 𝑁

= ෍𝐸 ෍ 𝑋𝑖 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1

∞ 𝑛

= ෍ 𝐸 ෍ 𝑋𝑖2 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1
∞ 𝑛 𝑛

= ෍ 𝐸 ෍ 𝑋𝑖2 + ෍ 𝑋𝑗 ∗ 𝑋𝑘 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1 M.F. Eric Víctor Guerrero Piña
𝑗,𝑘=1
agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
∞

𝐸 𝑆 2 = ෍ 𝐸 𝑆 2 |𝑁 = 𝑛 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0
∞ 𝑛 𝑛

= ෍ 𝐸 ෍ 𝑋𝑖2 + ෍ 𝑋𝑗 ∗ 𝑋𝑘 ∗ 𝑃(𝑁 = 𝑛)
𝑛=0 𝑗=1 𝑗,𝑘=1

= ෍ 𝑛𝐸 𝑋 2 + 𝑛(𝑛 − 1)𝐸 2 (𝑋) ∗ 𝑃(𝑁 = 𝑛)

𝑛=0
∞ ∞

= ෍ 𝑛𝑃 𝑁 = 𝑛 𝐸 𝑋 2 + ෍ 𝑛(𝑛 − 1)𝑃 𝑁 = 𝑛 𝐸 2 (𝑋)

𝑛=0 𝑛=0

= 𝐸 𝑁 ∗ 𝐸 𝑋 2 + 𝐸(𝑁 𝑁 − 1 )𝐸 2 (𝑋)

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

𝑉𝑎𝑟 𝑆 = 𝐸 𝑆 2 − 𝐸 2 𝑆

• Por las formulas anteriores

𝑉𝑎𝑟 𝑆 = 𝐸 𝑁 𝐸 𝑋 2 + 𝐸 𝑁 𝑁 − 1 𝐸 2 𝑋 − 𝐸 2 𝑋 𝐸 2 𝑁

= 𝐸 𝑁 𝐸 𝑋2 + 𝐸 𝑁 2 − 𝑁 𝐸2 𝑋 − 𝐸2 𝑋 𝐸2 𝑁

= 𝐸 𝑁 𝐸 𝑋2 + 𝐸 𝑁 2 𝐸2 𝑋 − 𝐸 𝑁 𝐸2 𝑋 − 𝐸2 𝑋 𝐸2 𝑁

= 𝐸 𝑁 𝐸 𝑋2 − 𝐸2 𝑋 + 𝐸2 𝑋 𝐸 𝑁 2 − 𝐸2 𝑁

= 𝐸 𝑁 𝑉𝑎𝑟(𝑋) + 𝐸 2 𝑋 𝑉𝑎𝑅(𝑁)

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Demostración:
𝑀𝑆 𝑡 = 𝐸 𝑒 𝑡𝑆
∞

= ෍ 𝐸 𝑒 𝑡𝑆 |𝑁 = 𝑛 𝑃(𝑁 = 𝑛)
𝑛=0
∞

= ෍ 𝐸 𝑒𝑥𝑝 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑁 |𝑁 = 𝑛 𝑃(𝑁 = 𝑛)
𝑛=0
∞

= ෍ 𝐸 𝑒𝑥𝑝 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑃(𝑁 = 𝑛)
𝑛=0
∞

= ෍ 𝐸 𝑒 𝑡𝑋1 𝐸 𝑒 𝑡𝑋2 … 𝐸 𝑒 𝑡𝑋𝑛 𝑃(𝑁 = 𝑛)

𝑛=0
∞
𝑛
=෍ 𝐸 𝑒 𝑡𝑋 𝑃(𝑁 = 𝑛)
𝑛=0
∞
𝑛 𝑁
= ෍ 𝑀𝑋 𝑡 𝑃 𝑁 = 𝑛 = 𝐸 𝑀𝑋 𝑡 = 𝐸 𝑒 𝑁∗ln 𝑀𝑋 (𝑡) = 𝑀𝑁 ln 𝑀𝑋 (𝑡)
𝑛=0 M.F. Eric Víctor Guerrero Piña
agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Desde el punto de vista de una aseguradora, considérese una cartera

conformada por un numero no especifico de pólizas observadas en
conjunto, sin distinguir una de otra.

Sea la v.a. No Negativa ‘N’, el numero de reclamos en un lapso de

estudio [0,t]; un año por ejemplo. Sea la sucesión de v.a’s. no
negativas 𝑋1 ,𝑋2 ,….,𝑋𝑛 independientes e idénticamente distribuidas con
función de distribución (f.d.) común, FX(x) = P(X ≤ x) y función de
densidad de probabilidad (f.d.p.) fX (x)

La v.a. 𝑋𝑗 (j=1,2,…) representan la severidad de la j-esima perdida

individual. Todas las 𝑋𝑗 son al a vez independientes de ‘N’.

Y con esto obtenemos el total de perdidas agregadas que

representaremos con la v.a. ‘S’.

S = 𝑆 𝑐𝑜𝑙 = 𝑋1 + 𝑋2 +𝑋3 + … + 𝑋𝑁 = σ𝑁
𝑗=1 𝑋𝑗

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

En contraste con el modelo colectivo, el modelo individual estudia el

numero de riesgos y lo determina como un numero fijo ‘n’. Donde no
es necesario que las v.a’s. 𝑋𝑗 no sean iguales en distribución:

Modelo Individual S= 𝑋1 + 𝑋2 +𝑋3 + … + 𝑋𝑛 = σ𝑛𝑗=1 𝑋𝑗

Hay tres argumentos que demuestran su superioridad del Modelo

Colectivo sobre el Modelo Individual,

1) Dado que el segundo orden de dominancia estocástica se

conserva bajo la composición y convolución, está dominado por
el modelo individual en segundo orden. Por lo tanto, es más
"prudente " en el sentido de que da una más arriesgada
representación del portafolio.

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

2) Las leyes de Poisson compuestas se conservan bajo convolución. Más

precisamente, S sigue una Poisson compuesta cuya variable contadora es
una Poisson con parámetros n y el tamaño.

3) Hay métodos para aproximar la d.f. de una variable compuesta de

Poisson que pueden ser implementados eficientemente.

Modelo Colectivo Dinámico contra modelo Colectivo Estático

Para la cantidad total de reclamación relacionada con una cartera, tenemos

dos estrategias:

Modelado estático

Un tiempo fijo t 0 y en este caso, sólo la variable S que representa las

demandas agregadas en t 0 se modela, sin preocuparse de lo que sucede
después de t 0 .

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Los tamaños de reclamación individuales (𝑋𝑖 ) son independientes e

idénticamente distribuidos, y N es una variable de conteo
independiente, también llamado una variable de frecuencia, en otras
palabras, una variable aleatoria con valores de N que representan el
número de reclamaciones que surjan.
𝑆 = 𝑋1 + 𝑋2 +𝑋3 + … + 𝑋𝑁 = σ𝑁
𝑖=1 𝑋𝑖

2. Una estrategia más ambiciosa es un modelado dinámico del

proceso estocástico ( St ) t≥0 de la cantidad total reclamación.

El modelo dinámico de la manera de Lundberg considera t≥0 ( 𝑆𝑡 )

como una familia de variables aleatorias reales indexado por t∈[0,∞]
tales que cada 𝑆𝑡 representa los reclamos acumulados durante el
período de 0 a t . En este caso, se supone que la cantidad total de
reclamaciones 𝑆𝑡 puede escribirse
𝑁
𝑆𝑡 = 𝑋1 + 𝑋2 +𝑋3 + … + 𝑋𝑁𝑡 = σ𝑖=1
𝑡
𝑋𝑖
M.F. Eric Víctor Guerrero Piña
agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS
Los dos criterios tienen ventajas:

En el caso de los de modelo Estático, uno puede argumentar que las

aseguradoras no deberían vender mas pólizas a menos de que
prueben su solvencia sobre los negocios existentes. Mientras que el
modelo dinámico no limita el numero de pólizas ya que se enfoca en
el numero de reclamaciones.

Así que desde el punto de vista de las autoridades reguladoras, los

dos métodos son aplicables.

Función de distribución de S

𝐹𝑆 (𝑥) = ෍ 𝐹 ∗𝑛 𝑥 ∗ 𝑃(𝑁 = 𝑛)
𝑛∈𝑁

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Propiedades Típicas del Modelo Colectivo

Proposición 1.4 Suponiendo que las cantidades y funciones indicadas

existen, el riesgo S en el modelo colectivo cumple las siguientes
propiedades:

1 𝐸 𝑆 = 𝐸 𝑁 ∗ 𝐸(𝑋)

2 𝐸 𝑆 2 = 𝐸 𝑁 ∗ 𝐸 𝑋 2 + 𝐸(𝑁 𝑁 − 1 )𝐸 2 (𝑋)

3 𝑉𝑎𝑟 𝑆 = 𝑉𝑎𝑟 𝑁 ∗ 𝐸 2 𝑋 + 𝑉𝑎𝑟 𝑋 𝐸 (𝑁)

3 𝑀𝑆 𝑡 = 𝑀𝑁 ln(𝑀𝑋 𝑡 )

N= numero de reclamaciones ocurridas

Y= montos de reclamaciones
S= monto acumulado de todas las reclamaciones

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Principales modelos de frecuencia que se utilizan en la práctica

La varianza es
significativamente más
alto que el valor
La varianza es esperado.
equivalente al valor (Combinación Ley
esperado. Binomial Negativa y
La varianza es (Proceso Poisson/ Ley proceso Poisson)
significativamente Poisson)
menor que el valor
esperado.
(Ley Binomial)

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Propiedades:

𝐷𝑜𝑛𝑑𝑒:
𝑁𝑡

𝑆𝑡 = ෍ 𝑋𝑖
𝑖=1

1. 𝐸 𝑆 = 𝐸 𝑁 𝐸 𝑋 = 𝝁𝑬(𝑵)
2. 𝐸 𝑆 2 = 𝐸 𝑁 𝐸 𝑋 + 𝐸 𝑁 𝑁 − 1 𝐸2 𝑋
3. 𝑉𝑎𝑟 𝑆 = 𝑉𝑎𝑟 𝑁 𝐸 2 𝑋 + 𝑉𝑎𝑟 𝑋 𝐸 𝑁 = 𝝁𝟐 𝑽𝒂𝒓 𝑵 + 𝝈𝟐 𝑬(𝑵)
4. 𝑀𝑠 𝑡 = 𝑴𝑵 (𝒍𝒐𝒈𝑴𝒙 𝒕 )

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo

1. Calcule la esperanza E(S) , la varianza Var (S) y la función

generadora de momentos fgms(t) de N~ Poisson (λ).

𝑁~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝜆
𝑆𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: 𝐸 𝑁 = 𝜆
𝑉𝑎𝑟 𝑁 = 𝜆
𝑡 −1)
𝑓𝑔𝑚𝑁 𝑡 = 𝑒 𝜆(𝑒

𝐸 𝑆 = 𝐸 𝑁 𝜇 = 𝝀𝝁
𝑉𝑎𝑟 𝑆 = 𝐸 𝑁 𝑉𝑎𝑟 𝑋 + 𝑉𝑎𝑟(𝑁) 𝐸 2 𝑋 = 𝐸 𝑁 𝜎 2 + 𝜇2 𝑉𝑎𝑟 𝑁 = 𝜆൫𝜎 2 +
𝜇2 ൯ = 𝝀(𝑬 𝑿𝟐 )
𝑙𝑜𝑔𝑀𝑋 𝑡
𝑀𝑠 𝑡 = 𝑀𝑁 (𝑙𝑜𝑔𝑀𝑋 𝑡 ) = 𝑒 𝜆(𝑒 −1) = 𝒆𝝀(𝑴𝒙 𝒕 −𝟏)

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

2. Calcule la esperanza E(S) , la varianza Var (S) y la función

generadora de momentos fgms(t) de N~ Binomial. (λ).

Tomando en cuenta lo siguiente:

𝑁~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑛, 𝑝
𝐸 𝑁 = 𝑛𝑝
𝑉𝑎𝑟 𝑁 = 𝑛𝑝(1 − 𝑝)
𝑓𝑔𝑚𝑁 𝑡 = (1 − 𝑝 + 𝑝𝑒 𝑡 )𝑛

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Modelos de Riesgo

Modelo Individual Modelo Colectivo

S = X1 + X2 + X3 +…+ Xn S = X1 + X2 + X3 +…+ XN
Función de S.

Pérdida Variable
Fórmula Pérdida Fija X=Ib 𝐸 𝑆 = 𝝁𝑬(𝑵)
X=IB

Esperanza 𝑉𝑎𝑟 𝑆 = 𝝁𝟐 𝑽𝒂𝒓 𝑵 + 𝝈𝟐 𝑬(𝑵)

Varianza

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 3. Considere una carpeta de seguros que producirá cero,

una, dos o tres reclamaciones en un período de tiempo fijo con
probabilidades 0.1,0.3, 0.4 y 0.2 respectivamente. Una reclamación
individual será de la cantidad 1, 2 o 3 con probabilidades 05., 0.4 y
0.1
Calcule la función de probabilidad fp y la función de distribución
acumulada de reclamaciones fda

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

Ejemplo 4. Supongamos que S tiene una distribución de Poisson

compuesta con λ=0.8 y cantidades individuales de reclamación
que son 1, 2 ó 3 con probabilidades 0.25, 0.375 y 0.375,
respectivamente
Calcule la función de probabilidad fS(x)=Pr(S=x) para x = 0, 1,
2,…,6.

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022
 LICENCIATURA
ACTUARIA
TEORIA DE RIESGOS

M.F. Eric Víctor Guerrero Piña

agosto - diciembre 2022