Modelo de Riesgo Colectivo

Recordemos:

El Modelo de Riesgo Individual (MRI) representa la pérdida agregada como una suma, 𝑆 = σ 𝑛𝑖=1 𝑋𝑖, de un
número fijo n de contratos de seguro. Los montos de las pérdidas para los n contratos son (𝑋1, 𝑋2, …, 𝑋𝑛),
donde se asume que las 𝑋𝑗 son independientes, pero no se asume que estén distribuidas de manera
idéntica. La distribución de las 𝑋𝑗 generalmente tiene una masa de probabilidad en cero, que corresponde a
la probabilidad de no tener pérdidas o pagos en ese contrato.

El modelo de riesgo individual se utiliza para sumar las pérdidas (pagos) de un número fijo de contratos de
seguros. Se emplea por ejemplo para modelar las pérdidas de una póliza de Vida Grupo para n empleados.
Cada empleado puede tener una cobertura diferente (suma asegurada como múltiplo del salario) y
diferentes probabilidades de pérdida (distintas edades, género y estados de salud).

Uno de los supuestos fundamentales es que cada póliza individual puede tener como
máximo una reclamación por período de tiempo.
Modelo de Riesgo
Colectivo
• El MRI no funciona cuando:

• Las pólizas individuales pueden tener más de una

reclamación por periodo de tiempo (gastos médicos
mayores, seguros de hogar, por ejemplo)

• En algunos mercados es común que las compañías no

tengan un censo actualizado de todas las pólizas en
vigor.
 Modelo de Riesgo Colectivo

Ahora representamos las pérdidas agregadas del portafolio en un periodo 0, 𝑇 como la suma S
de un número aleatorio N de pagos individuales con montos (𝑋1, 𝑋2, …, 𝑋𝑵). Es decir:

S = 𝑋1 + 𝑋2 + … + 𝑋𝑁 N = 0, 1, 2, … Donde S = 0 cuando N = 0

• Los montos de reclamaciones 𝑋𝑗 son variables aleatorias independientes e idénticamente

distribuidas (i.i.d.)
• Condicionado a N = n , 𝑋1, 𝑋2,…, 𝑋𝑛 son variables aleatorias i.i.d.
• Condicionado a N = n , la distribución común de las variables aleatorias 𝑋1, 𝑋2 ,…, 𝑋𝑛 no
depende de n.
• La distribución de N no depende de ninguna manera de los valores de 𝑋1, 𝑋2,…
 Modelo de Riesgo Colectivo

𝑬𝑺
• = 𝐸 𝐸 𝑆|𝑁
o El monto total de siniestros S, si depende del número de reclamaciones N

• = 𝐸 𝐸 𝑋1 + 𝑋2 + … + 𝑋𝑁|𝑁

• = 𝐸 𝐸 𝑋1|N + 𝐸 𝑋2|N + ⋯ + 𝐸 𝑋𝑁|N

o 𝐸 𝑋𝑖|N son i.i.d.

▪ = 𝐸 𝑁𝐸 𝑋

▪ =𝐸 𝑁 𝐸 𝑋

Los siniestros totales esperados = Frecuencia esperada * Severidad esperada.

 Modelo de Riesgo Colectivo

Var 𝑺
• = 𝑉𝑎𝑟 𝐸 𝑆|𝑁 + E 𝑉𝑎𝑟 𝑆|𝑁

• = 𝑉𝑎𝑟 𝐸 𝑋1 + 𝑋2 + … + 𝑋𝑁|𝑁 + 𝐸 𝑉𝑎𝑟 𝑋1 + 𝑋2 + … + 𝑋𝑁|𝑁

• = 𝑉𝑎𝑟 𝑁𝐸 𝑋 + 𝐸 𝑁𝑉𝑎𝑟 𝑋

• = 𝐸 𝑋 2Var 𝑁 + 𝑉𝑎𝑟 𝑋 𝐸 𝑁
 Modelo de Riesgo Colectivo

𝑴𝑺 𝒕 = 𝑬 𝒆𝒕𝑺 𝑬 𝑾 = 𝑬 𝑬 𝑾|𝒀

= 𝐸 𝐸 𝑒 𝑡𝑆 |𝑁

𝐸 𝑒 𝑡𝑆 |𝑁 = 𝐸 𝑒 𝑡𝑋1 +𝑡𝑋2 +⋯+𝑡𝑋𝑁

= ς𝑁
𝑖=1 𝐸 𝑒 𝑡𝑋𝑖

= ς𝑁
𝑖=1 𝑀𝑋 (𝑡)

= 𝑀𝑋 (𝑡)𝑁
𝑡 𝑁
E 𝑀𝑋 (𝑡)𝑁 = 𝐸 𝑒 ln 𝑀𝑋

= 𝐸 𝑒 N∗ln(𝑀𝑋 𝑡 )
= 𝑀𝑁 (ln(𝑀𝑥 𝑡 )
 Modelo Poisson Compuesto

𝑆 = 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑁 𝑁~𝑃𝑜(𝜆)

𝑀𝑆 (𝑡) = 𝑀𝑁 (ln(𝑀𝑥 𝑡 )
𝑡 −1)
𝑀𝑁 (𝑡) = 𝑒 𝜆(𝑒

𝑀𝑆 (𝑡) = 𝑒 𝜆(𝑀𝑋 (𝑡)−1)

𝑀𝑆′ (𝑡) = 𝑒 𝜆 𝑀𝑋 𝑡 −1
𝜆𝑀𝑋′ (𝑡)

𝐸 𝑆 = 𝑀𝑆′ (0) = 𝜆𝐸(𝑋)

𝑉𝑎𝑟 𝑆 =?
Modelo Poisson Compuesto
Modelo Poisson Compuesto
 Fórmula de Panjer
1

𝐷𝑒𝑚

𝐸 𝑌1 σ𝑘𝑗=1 𝑌𝑗 = 𝑟
𝑘
1
= ෍ 𝐸 𝑌𝑖 σ𝑘𝑗=1 𝑌𝑗 = 𝑟
𝑘
𝑖=1
1 𝑘 𝑘 𝑟
= 𝐸 σ𝑖=1 𝑌𝑖 σ𝑗=1 𝑌𝑗 = 𝑟 =
𝑘 𝑘
 Fórmula de Panjer

2
Fórmula de Panjer
 Fórmula de Panjer
𝑷𝒓𝒐𝒑𝒐𝒔𝒊𝒄𝒊ó𝒏: 3
𝑏
𝑆𝑢𝑝𝑜𝑛𝑔𝑎 𝑞𝑢𝑒 𝑁 𝑠𝑎𝑡𝑖𝑠𝑓𝑎𝑐𝑒 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 𝑃 𝑁 = 𝑘 = 𝑎 + 𝑃 𝑁 = 𝑘 − 1 𝑐𝑜𝑛 𝑘 = 1,2, …
𝑘
𝑦 𝑞𝑢𝑒 𝑙𝑎𝑠 𝑟𝑒𝑐𝑙𝑎𝑚𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑌𝑗 𝑡𝑜𝑚𝑎𝑛 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 1,2, … 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑝𝑎𝑟𝑎 𝑟 = 1,2, … 𝑦 𝑘 = 2,3, … 𝑆𝑒 𝑐𝑢𝑚𝑝𝑙𝑒:
𝑟−1
𝑏𝑖
𝑃 𝑁 = 𝑘 ∗ 𝑃(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟) = 𝑃 𝑁 = 𝑘 − 1 ෍ 𝑎 + 𝑃 𝑌1 + ⋯ + 𝑌𝑘−1 = 𝑟 − 𝑖 𝑃(𝑌1 = 𝑖)
𝑟
𝑖=1
𝑟−1 𝑟−1
𝑏𝑖 𝑏𝑖
𝑃 𝑁 =𝑘−1 ෍ 𝑎+ 𝑃 𝑌1 + ⋯ + 𝑌𝑘−1 = 𝑟 − 𝑖 ∗ 𝑃(𝑌1 = 𝑖) = 𝑃 𝑁 = 𝑘 − 1 ෍ 𝑎 + 𝑃 𝑌2 + ⋯ + 𝑌𝑘 = 𝑟 − 𝑖 𝑃(𝑌1 = 𝑖)
𝑟 𝑟
𝑖=1 𝑖=1

𝑟−1
𝑏𝑖
=𝑃 𝑁 =𝑘−1 ෍ 𝑎+ 𝑃 𝑌1 = 𝑖, 𝑌1 + ⋯ + 𝑌𝑘 = 𝑟
𝑟
𝑖=1
𝑟−1
𝑏𝑖
=𝑃 𝑁 =𝑘−1 ෍ 𝑎+ 𝑃 𝑌1 = 𝑖|𝑌1 + ⋯ + 𝑌𝑘 = 𝑟 ∗ P(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟)
𝑟
𝑖=1

b𝑌1
=𝑃 𝑁 =𝑘−1 E a+ |𝑌 + ⋯ + 𝑌𝑘 = 𝑟) ∗ P(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟)
r 1
𝑏 𝑟
=𝑃 𝑁 =𝑘−1 ∗ 𝑎+ ∗ 𝑃(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟)
𝑟 𝑘

𝑏
=𝑃 𝑁 =𝑘−1 ∗ 𝑎+ ∗ 𝑃(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟 )
𝑘

𝑃 𝑁 = 𝑘 𝑃(𝑌1 + ⋯ + 𝑌𝑘 = 𝑟)
 Fórmula de Panjer

Usando los resultados de las proposiciones anteriores, se cumple que:

𝑃 𝑆=0 =𝑃 𝑁=0
𝑟
𝑏𝑖
𝑃 𝑆 = 𝑟 = ෍(𝑎 + ) ∗ 𝑃 𝑌1 = 𝑟 ∗ 𝑃 𝑆 = 𝑟 − 𝑖 para r ≥ 1
𝑟
𝑖=1

𝑫𝒆𝒎: 𝑃𝑎𝑟𝑎 𝑟 ≥ 1
∞
𝑃 𝑆 = 𝑟 = ෍ 𝑃 𝑆 = 𝑟|𝑁 = 𝑘 ∗ 𝑃 𝑁 = 𝑘
𝑘=1

∞
= ෍ 𝑃 𝑁 = 𝑘 ∗ 𝑃 𝑌1 + ⋯ + 𝑌𝑘 = 𝑟
𝑘=1

∞
= 𝑃 𝑁 = 1 ∗ 𝑃 𝑌1 = 𝑟 + ෍ 𝑃 𝑁 = 𝑘 ∗ 𝑃 𝑌1 + ⋯ + 𝑌𝑘 = 𝑟
𝑘=2
 Fórmula de Panjer
∞ 𝑟−1
𝑏𝑖
= 𝑎 + 𝑏 ∗ 𝑃 𝑁 = 0 ∗ 𝑃 𝑌1 = 𝑟 + ෍ ෍ 𝑎 + 𝑃 𝑁 = 𝑘 − 1 ∗ 𝑃 𝑌1 + ⋯ + 𝑌𝑘−1 = 𝑟 − 𝑖 ∗ 𝑃 𝑌1 = 𝑖
𝑟
𝑘=2 𝑖=1

𝑟−1 ∞
𝑏𝑖
= 𝑎 + 𝑏 ∗ 𝑃 𝑁 = 0 ∗ 𝑃 𝑌1 = 𝑟 + ෍ 𝑎 + 𝑃 𝑌1 = 𝑖 ෍ 𝑷 𝑵 = 𝒌 − 𝟏 𝑷 𝒀𝟏 + ⋯ + 𝒀𝒌−𝟏 = 𝒓 − 𝒊 /𝑃(𝑆 = 𝑟 − 𝑖)/
𝑟
𝑖=1 𝑘=2

𝑟−1
𝑏𝑖
= 𝑎 + 𝑏 ∗ 𝑃 𝑁 = 0 ∗ 𝑃 𝑌1 = 𝑟 + ෍ 𝑎 + ∗ 𝑃 𝑌1 = 𝑖 ∗ 𝑃(𝑆 = 𝑟 − 𝑖)
𝑟
𝑖=1

𝑟
𝑏𝑖
=෍ 𝑎+ ∗ 𝑃 𝑌1 = 𝑖 ∗ 𝑃(𝑆 = 𝑟 − 𝑖)
𝑟
𝑖=1
 Fórmula de Panjer

𝑃 𝑆=0 =𝑃 𝑁=0

𝑏
𝑃 𝑆=1 = 𝑎+ ∗ 𝑃 𝑌1 = 1 ∗ 𝑃(𝑆 = 0)
1

𝑏 2𝑏
𝑃 𝑆=2 = 𝑎+ ∗ 𝑃 𝑌1 = 1 ∗ 𝑃 𝑆 = 1 + 𝑎 + ∗ 𝑃 𝑌1 = 2 ∗ 𝑃(𝑆 = 0)
2 2

𝑏 2𝑏 3𝑏
𝑃 𝑆=3 = 𝑎+ ∗ 𝑃 𝑌1 = 1 ∗ 𝑃 𝑆 = 2 + 𝑎 + ∗ 𝑃 𝑌1 = 2 ∗ 𝑃 𝑆 = 1 + 𝑎 + ∗ 𝑃 𝑌1 = 3 ∗ 𝑃 𝑆 = 0
3 3 3
Sea S un Riesgo con:
Aproximación gamma trasladada
𝐸 𝑆 =𝑚

𝑉𝑎𝑟 𝑆 = 𝜎 2

𝐸 (𝑆 − 𝐸(𝑆))3
= 𝛼3
(𝑉𝑎𝑟(𝑆))3/2

Sea k una constante y sea 𝒛~𝑔𝑎𝑚𝑚𝑎 𝛾, 𝛼 𝑖. 𝑒.

(𝛼𝑥)𝛾−1
𝑓𝑧 𝑥 = 𝛼𝑒 −𝛼𝑥 𝐼(𝑥) 0,∞
Γ(𝛾)

La v.a k+Z satisface: Resolvemos el sistema de ecuaciones:

𝛾 𝑚 = 𝑘 + 𝛾/𝛼
𝐸 𝑘+𝑧 =𝑘+ 𝜎 2 = 𝛾/𝛼 2
𝛼
𝛼3 = 2/ 𝛾
𝑉𝑎𝑟 𝑘 + 𝑧 = 𝛾/𝛼 2
𝒌 = 𝒎 − 𝟐𝝈/𝜶𝟑 𝜸 = 𝟒/𝜶𝟑 𝟐 𝜶 = 𝟐/(𝝈𝜶𝟑 )
𝐸 (𝑘 + 𝑧 − 𝐸(𝑘 + 𝑧))3 2
=
(𝑉𝑎𝑟(𝑘 + 𝑧))3/2 𝛾
 Aproximación gamma trasladada

Proposición: Aproximación Gamma trasladada

𝑈𝑛 𝑅𝑖𝑒𝑠𝑔𝑜 𝑆 𝑐𝑜𝑛 𝑚𝑒𝑑𝑖𝑎 𝑚, 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 2 𝑦 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑎𝑠𝑖𝑚𝑒𝑡𝑟í𝑎 𝛼3 𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜𝑠, 𝑠𝑒

𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑦𝑒 𝑎𝑝𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑜:

𝟐𝝈 𝟒 𝟐
(𝒎 − ) + 𝒈𝒂𝒎𝒎𝒂( 𝟐 , )
𝜶𝟑 𝜶𝟑 𝝈𝜶𝟑
Fórmula de Panjer