| Д.ф.-м.н. Андриенко В.А.,
Магистр факультета
математики Науменко К. В.
 Одесский национальный
университет им. И. И. Мечникова, Украина
 Оценка вероятности банкротства страховой компании в классической модели рискаКлассический
процесс риска, описывающий эволюцию во времени капитала  страховой компании,
задается соотношением                                                     , где
t – время;  u – начальный резерв
страховой компании;  c – интенсивность поступления
премий;   – агрегированные
выплаты требований к моменту  ,  ;  - независимые
одинаково распределенные случайные величины (ущербы) с функцией распределения  и средним значением  ,  при  ;  – число выплат к
моменту t  (пуассоновский процесс с интенсивностью  ). Известно, что функция вероятности
небанкротства на бесконечном интервале времени  при начальном
капитале u удовлетворяет
интегральному уравнению:  (1)
 Это уравнение является интегральным
уравнением Вольтерра и допускает аналитическое решение только в частном случае
показательного распределения страховых выплат  [3]. Поэтому наша работа была посвящена численному нахождению  методом
последовательных приближений, в частности мы рассматриваем гамма-распределение
и распределение Вейбулла в качестве  . Как известно, правая часть уравнения Вольтерра (1) является
оператором сжатия, поэтому оно имеет единственное решение, которое можно найти
методом  последовательных приближений
Пикара.  
 В работе [1] показано, что для рассматриваемого уравнения
Вольтерра (1) сжатие имеет место на каждой итерации с коэффициентом 
                                             (2) равномерно по всем  , что обеспечивает высокую скорость сходимости при всех  . Показано, что при старте из начальных функций  и  последовательные
приближения монотонно сходятся к решению  . На основании теоретически обоснованного в
работе [1] метода последовательных приближений для решения
уравнения вероятности неразорения нами была написана компьютерная программа на
языке Basic, позволяющая находить численные значения решения
этого уравнения для любых начальных параметров и функций распределения,
отвечающим указанному условию для сжатия (2) на каждой итерации, с наперед
заданной точностью. 
 Но поскольку численное решение этого
уравнения является затратным по времени для современных персональных
компьютеров для больших значений начального капитала, в работе были рассмотрены
аппроксимации вероятности неразорения, такие как аппроксимации
Беекмана-Боуэрса, Де Вильдера и диффузионная. Они строятся из иных соображений,
нежели уравнение для вероятности неразорения, и позволяют находить приближенное
значение вероятности неразорения с меньшими временными затратами.
 Для аппроксимации Беекмана-Боуэрса [2]: 
                       ,                            
(3) где                                                 
  .
 Идея построения аппроксимационной формулы
заключается в замене  в формуле (3) гамма-распределением  , первые два момента которого совпадают с моментами  . Гамма-распределение имеет вид:  . В качестве функции  , кроме оригинальной в этом случае функции
гамма-распределения, нами использовалась также функция распределения Вейбулла. Распределение Вейбулла имеет вид:   .          Моменты  ,  . Функция распределения Вейбулла является
обобщением частного случая гамма-распределения и тоже может быть использована
для моделирования поступления требований к страховой компании. 
 При этом задача нахождения параметров
распределения Вейбулла при известных математическом ожидании и дисперсии не
является столь тривиальной, как для гамма-распределения. С помощью maple, мы
решали систему уравнений, составленную на основании выражений для моментов
функции распределения Вейбулла:
  
 Результаты расчетов для различных
начальных параметров, как значений вероятности неразорения  , полученных численным
решением уравнения Вольтерра с помощью компьютера, так и приближенных,
полученных с помощью аппроксимаций, а также сравнение результатов между собой
представлены в ряде примеров, один из них приведем здесь. Пусть выплаты имеют распределение Вейбулла
с математическим ожиданием  , и дисперсией  . Пусть также  ,  .Тогда первые три момента:  ,  ,  . В таблице приведены значения  , рассчитанные по методу последовательных приближений,
значения при аппроксимациях, погрешность для этих аппроксимаций. 
 
  | Капитал (u)
   | Численное решение
   | Аппроксимация Беекмана-Боуэрса
   | Аппроксимация Беекмана-Боуэрса
   |  
  |  
   | Вероятность неразорения   | Вероятность неразорения при функции
  гамма-распределения
   | Относительная погрешность
   | Вероятность неразорения при функции Вейбулла
   | Относительная погрешность
   |  
  | 500
   |        
  0.87291   
   | 0.87242   
   | -0.056% | 0.87453
   | 0.186%
   |  
  | 600
   |        
  0.91007   
   | 0.91120   
   | 0.125%
   | 0.91267
   | 0.285%
   |  
  | 700
   |        
  0.93624   
   | 0.93805   
   | 0.193%
   | 0.93892
   | 0.287%
   |  
  | 800
   |        
  0.95457   
   | 0.95669   
   | 0.222%
   | 0.95711
   | 0.266%
   |  
  | 900
   |        
  0.96734   
   | 0.96968   
   | 0.242%
   | 0.96978
   | 0.253%
   |  
  | 1000
   |        
  0.97624   
   | 0.97875   
   | 0.256%
   | 0.97864
   | 0.246%
   |   
 
 
  | Капитал (u)
   | Численное решение
   | Диффузионная аппроксимация
   | Аппроксимация Де Вильдера
   |  
  |  
   | Вероятность неразорения   | Вероятность неразорения 
   | Относительная погрешность
   | Вероятность неразорения 
   | Относительная погрешность
   |  
  | 500
   |        
  0.87291   
   |        0.89163   
   | -145% | 0.86930
   | -0.413% |  
  | 600
   |        
  0.91007   
   |        0.93052   
   | -247% | 0.90978
   | -0.032% |  
  | 700
   |        
  0.93624   
   |        0.95545   
   | -052% | 0.93772
   | 0.159%
   |  
  | 800
   |        
  0.95457   
   |        0.97143   
   | 1.767% | 0.95701
   | 0.256%
   |  
  | 900
   |        
  0.96734   
   |        0.98168   
   | 1.483% | 0.97033
   | 0.309%
   |  
  | 1000
   |        
  0.97624   
   |        0.98826   
   | 1.230% | 0.97952
   | 0.335%
   |  На основании этих и других примеров можно
сказать, что наиболее точной из рассмотренных аппроксимаций является
аппроксимация Де Вильдера. Аппроксимация 
Беекмана-Боуэрса дает более точный результат с функцией
гамма-распределения, чем с функцией распределения Вейбулла для небольших
значений начального капитала, причем независимо от функции распределения выплат
 . Для больших значений начального капитала аппроксимация  Беекмана-Боуэрса дает более точный результат
с функцией распределения Вейбулла, чем с гамма-распределением. Наименее точные
значения получаются при диффузионной аппроксимации. Полученные результаты
позволяют планировать стратегию страховой компании в зависимости от величины
начального капитала. Литература:
           
Автореф. дис.. канд. фіз.-мат. наук: 01.05.01 / Б.В.
Норкін; Ін-т кібернетики ім. В.М.Глушкова НАН України. — К., 2006. — 19 с. —
укp.
          
Леоненко М.М., Мішура Ю.С., Пархоменко Я.М., Ядренко М.Й.
Теоретико-ймовірнісні та статистичні методи в економетриці та фінансовій
математиці. – Київ: Інформтехніка, 1995. – 380 с.
          
Мельников А. В., Бойков А.В. Элементы страхового
риск-менеджмента, Москва, Изд-во  АФЦ,
2000. – 25 с
 |