Beruflich Dokumente
Kultur Dokumente
Eine Auswertung des Lebensversicherungsbestandes im Kalenderjahr 2012 zeigt folgende Ergebnisse fr das Alter 40 (Altersbestimmung nach der Kalenderjahrmethode, d. h. Alter = Kalenderjahr Geburtsjahr):
Anzahl Dauer der Bestandszugehrigkeit
Abgangsgrund
Personen
in Monaten
1
1
1
1
96
9
6
3
10
12
Tod
Storno
Storno
-
Ermitteln Sie die rohe Sterbewahrscheinlichkeit und die rohe Stornowahrscheinlichkeit fr das Alter 40 nach der Verweildauermethode.
b) Aufgrund weiterer Auswertungen des Bestandes fr die Jahre 2009 bis 2012 sowie fr weitere
Alter liegen Ihnen folgende rohe Sterbewahrscheinlichkeiten vor:
2009
2010
2011
2012
30
0,01000
0,01980
0,02946
0,03905
34
0,05000
0,05964
0,06930
0,07904
d.h. die Tabelle enthlt Wahrscheinlichkeiten qxG fr Alter x = 30,...,37 und die Geburtsjahre
1975
G = 1975,...,1979 . Beispielsweise gilt q37
0, 07904 . Leiten Sie die Sterbewahrscheinlichkeit
eines 34-Jhrigen im Jahr 2013 nach
q (1- q ) L
x
s a = u1-a
q L
M
x x
Hierbei bezeichnen
M
x
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
die Wahrscheinlichkeit, dass unter Bercksichtigung eines fr alle Alter gleichen Sicherheitsabschlags s a (Ansatz (1 - s a ) qx ) mehr Todesflle rechnungsmig erwartet
werden als tatschlich zu erwarten sind
LMx
u1-a
Lsung:
a) Es bezeichne
B
Beobachtungszeitraum,
Tx(B)
Menge der Personen, die im Alter x whrend des Beobachtungszeitraums B wegen Tod ausgeschieden sind
Menge der Personen, die im Alter x whrend des Beobachtungszeitraums B wegen Storno ausgeschieden sind
Sx(B)
Lx(B)
d x,i 0,1
=
=
=
[1.1.2012, 31.12.2012]
40
1, ..., 100
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
i)
qx
iL x B
d x,i
Tx B
Tx B
iL x B \Tx B
d x,i
d. h. die Verweildauer derjenigen Personen, die aufgrund der zu untersuchenden Ursache ausscheiden (hier Tod), wird auf 1 gesetzt.
q 40
1
1
0, 0101
9 3 10
98,833
1 96
12
sx
iL x B
s 40
d x,i
Sx B
Sx B
2
96
2 96
12
iL x B \Sx B
d x,i
2
0, 0206
99, 25
bzw. q 34,2013 .
b) Gebucht ist q1979
34
i)
Die Vernderung der Sterbewahrscheinlichkeit ist im traditionellen Modell nur altersabhngig
nach folgendem Ansatz:
q Gx 1 q x,t 1
exp F x
q Gx
q x,t
x = 34, d. h. es ist F(34) zu ermitteln bzw. zu schtzen. Dies geschieht auf Basis der qx,t fr t =
2009, ..., 2012
G
q x,t
1975
1976
1977
1978
2009
2010
2011
2012
34
34
34
34
0,05
0,04965
0,04930
0,04896
q x,t 1
q x,t
0,993
0,993
0,993
F(x)
0,00702
0,00702
0,00702
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
0,9933 0, 04896
0,993 0, 04896
0, 04861
ii)
Die Vernderung der Sterblichkeit im Kohortenmodell ist von der Differenz zwischen Jahr und
Alter abhngig nach folgendem Ansatz
q Gx 1 q x,t 1
exp H t 1 x
q Gx
q x,t
Es gilt x = 34 und t+1 = 2013, d. h. wegen t + 1 - x = 1979 ist H(1979) zu ermitteln bzw. zu schtzen, d. h. es sind die Kombinationen t+1 und x zu betrachten mit t+1-x = 1979
G
q x,t
q x,t 1
1979
1979
1979
2009
2010
2011
31
32
33
0,02000
0,02973
0,03936
0,01980
0,02946
0,03905
q x,t 1
H(t+1-x)
q x,t
0,990
0,991
0,992
0,01005
0,00904
0,00803
0,991 0, 04896
0, 04852
c) Bezeichne Tx die Zufallsvariable der im Alter x Gestorbenen. Wegen des Zentralen Grenzwertsatzes knnen wir annehmen, dass die Gesamtzahl der Toten Z : xTx nherungsweise normalverteilt ist mit Erwartungswert E Z q x L x und Varianz Var Z q x 1 q x L x . Es
x
muss gelten:
!
P Z q x s q x L x 1
P Z 1 s E Z 1
Z E Z
P
s
Var Z
s u1
Var Z
E Z
E Z !
1
Var Z
q 1 q L
q L
x
u1
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
q 1 q L
q L
G
x
u1
G
x
G
x
bzw.
G 1
q 1 q L
q L
G 1
x
u1
G 1
x
G 1
x
q
q
G 1
u
s
1
G
s
u1
G
x
q 1 q L
G 1
x
Lx
G 1
x
q 1 q L
Lx
G
x
G
x
G
x
G
x
G
x
G
x
q L aq 1 aq L
a q L
q 1 q L
G
x
G 1
x
G
x
q 1 aq L
G
x
G
x
q 1 q L
G
x
G
x
s
s
Der erforderliche Abschlag fr das sptere Geburtsjahr G +1 ist grer als der fr das Geburtsjahr
G. Bei einem einheitlichen Abschlag fr alle Geburtsjahre wrde die Sicherheit also bei einem
spteren Geburtsjahr abnehmen.
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Sturm Nr.
Datum
10
13.6.1981
2.1.1982
4.5.1985
11.5.1987
23.9.1988
16.9.1989
9.1.1991
30.7.1993
15.8.1998
27.7.2002
11
12
13
14
15
16
17
18
19
20
26.11.2002
2.2.2003
19.7.2005
4.1.2006
15.7.2006
29.12.2007
2.2.2008
13.3.2010
12.9.2011
6.7.2012
Der Aktuar des Unternehmens mchte die Vermutung prfen, dass die Ereigniszeitpunkte durch einen
homogenen Poisson-Prozess modelliert werden knnen. Dazu rechnet er die Kalenderdaten in eine
zeitstetige Skala um (Beginn: 1.1.1981, Zeiteinheit: 1 Kalenderjahr) und trgt die Zwischenereigniszeiten ( = Verweildauern) in folgendem Q-Q-Plot auf.
a) Was wird bei korrektem Vorgehen auf den beiden
Achsen abgetragen? Warum gibt es hier nur 19
Datenpunkte?
b) Was fr ein Regressionsmodell ist hier sinnvoll?
c) Warum kann auf Grund dieser Graphik die Hypothese eines homogenen Poisson-Prozesses akzeptiert werden?
d) Ermitteln Sie aus der Graphik einen Schtzer fr
den Poisson-Parameter l.
e) Schtzen Sie damit die Wahrscheinlichkeit dafr
ein, dass innerhalb von zwei Kalenderjahren kein
Sturmereignis mit einem Groschaden eintritt.
Lsung: Der homogene Poisson-Prozess ist dadurch charakterisiert, dass seine Zwischenereigniszeiten ( = Verweildauern) stochastisch unabhngige, (l ) -exponentialverteilte Zufallsvariablen
sind.
1
a) Die (l ) -Verteilung gehrt zu einer (reinen) Skalenfamilie mit s = . Auf der Abszisse werl
den daher die Quantile der (1) -Verteilung abgetragen, bei n Daten sind das gerade die Gr
n + 1
k
en - ln (1 - uk ) = - ln 1 ln
fr k = 1, , n. Auf der Ordinate werden die
n + 1 = n + 1 - k
der Gre nach sortierten beobachteten Zwischenereigniszeiten x( k ) abgetragen.
Es liegen zwar 20 beobachtete Zeitpunkte T1 , , T20 vor, aber es gibt nur 19 Zwischenereigniszeiten X k = Tk +1 - Tk , k = 1, ,19.
b) Eine lineare Regression durch den Nullpunkt, da es sich um eine (reine) Skalenfamilie handelt.
c) Nach visueller Beurteilung ist die Anpassung an eine Gerade (durch den Nullpunkt) hinreichend gut.
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
d) Als Schtzer s fr den Parameter s verwendet man die Steigung der Regressionsgeraden; der
Graphik ist zu entnehmen, dass die Gerade durch den Punkt (1,5 | 2,5) verluft, so dass sich
2,5 5
1 3
= = 1,6 und damit l = = = 0,6 ergibt.
hier s =
1,5 3
s 5
e) Das betrachtete Ereignis hat die Poisson-Wahrscheinlichkeit e-2l = 0,3012, das entspricht der
Wahrscheinlichkeit dafr, dass der (homogene) Poisson-Prozess in einem Intervall der Lnge 2
keinen Zuwachs hat (d.h. in dieser Zeitspanne keine Sturmereignisse eintreten).
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
N
Z :=
modelliert. Dabei wird N (lv ) mit l > 0 als Poisson-verteilt angenommen. Beobachtet
v
werden unabhngige Realisierungen von Z1 ,, Z n (Frequenzen) und Volumina v1 , , vn > 0 .
Zwischenergebnis: I n (l ) =
i =1
i =1
v Z
i
i =1
n
i =1
Mit obigen Ergebnissen sollen Erwartungswert und Varianz von N fr einen Bestand mit Volumen v
geschtzt werden.
b) Bestimmen Sie E ( N ) , Var ( N ) und begrnden Sie, dass ln v bzw.
ln v Maximum-Likelihood-
ln v an.
zi
2
7
1
3
3
11
0,1
1
3
0,125
vi
14
12
11
10
64
vi zi
16
d) Bestimmen Sie fr einen Bestand mit Volumen v = 16 mit obigen Daten die Schtzwerte fr
E ( N ) und Var ( N ) .
e) Geben Sie fr einen Bestand mit Volumen v = 16 mit Hilfe der Maximum-Likelihood-Theorie ein
asymptotisches 90%-Schtzintervall fr die Standardabweichung von N unter der Verwendung der
Daten und d) an.
Quantile von (0,1) :
u0,9 =1,28
u0,95 =1,64
u0,975 =1,96
u0,99 =2,33
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Lsung: Zu a) i)
k
k
Es gilt fr ( z1 ,, zn ) 1 ,, n k1 ,, kn 0 (also zi vi 0 , i = 1,, n )
v1
vn
f ( z1 ,, zn , l ) = e
i =1
-lvi
(lvi )
( zi vi )!
zi vi
n (l ) = (-lvi + zi vi ln l )
i =1
d
zv
n (l ) = -vi + i i
l
dl
i =1
n
d2
zi vi
l
=
(
)
2 n
2
dl
i =1 l
n
vi
n
d2
n Z i vi
l
v
i
i
=
1
I n (l ) = E - 2 n (l, Z1 ,, Z n ) = E 2 = 2 =
d l
i=1 l i=1 l
l
Zu a) ii)
Aus der dritten Zeile von i) folgt durch Nullsetzen
n
zi vi
zi vi
i =1
ln = n
.
vi =
i =1
i =1 l
vi
n
i =1
Wegen
d
zv
l = - i 2i < 0 liegt in ln ein Maximum von n vor.
2 n( )
dl
i =1 l
Zu b)
Laut Voraussetzung gilt N ~ (lv ) und somit E ( N ) = lv, Var ( N ) = lv . Die Funktionen
h : (0, ) (0, ), h (l ) = lv und g : (0, ) (0, ) , g (l ) = lv sind bijektiv und stetig differenzierbar. Damit sind h (ln ) und g (ln ) Schtzer von h (l ) =lv und g (l ) = lv .
Zu c)
Verwende die Bezeichnungen von b). Es gilt g ' (lv ) =
v
v
=
und es folgt, dass asymptotisch
2 lv 2 l
2
2
g ' (l )
g ' (l )
v l
v
v
= n
= n
gilt.
g (ln ) g (l ),
= g (l ) , n wegen
4l
I n (l )
I n (l )
4
v
v
v
4
i
i
i
i =1
i =1
i =1
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Zu d)
1
Mit a) und n = 6 gilt ln = .
4
( N ) = ln v = 4, Var ( N ) = ln v = 2.
Mit c) folgt E
Zu e)
Mit d) und c) ergibt sich, indem man die Schtzwerte einsetzt, die Varianz
v
n
4 vi
16
1
= , folg464 16
u
u
1,64
1,64
lich als 90 % Schtzintervall g (l ) - 0,95 , g (l ) + 0,95 = 2 ,2+
= (1,59;2, 41).
4
4
4
4
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Var ( X i )
E ( X i )
s 2
der Daten. Welche Alterm 2
Testen Sie zum Niveau 5%, ob die Nullhypothese identischer Strukturparameter haltbar ist.
Dabei knnen Sie ohne Beweis verwenden, dass der empirische Varianzquotient v unter der
Nullhypothese mit einer Wahrscheinlichkeit von 95% Werte im Intervall [ 0, 68;1, 44 ] annimmt.
b) Um der Mglichkeit Rechnung zu tragen, dass sich die unbeobachteten Strukturparameter fr die
einzelnen Versicherungsnehmer unterscheiden, gehen Sie nun davon aus, dass jeder Strukturpara1
meter li Realisierung einer Zufallsvariablen Li :=
ist. Dabei ist U i auf dem Intervall
Ui
[1;2m -1] gleichverteilt mit m = 10,0. Berechnen Sie die lineare Credibility-Prmie fr einen Versicherungsnehmer i, fr den in den letzten drei Jahren (n = 3) die Jahresgesamtschden 12,0 sowie
7,0 und 8,0 beobachtet wurden.
Hinweis: Sie knnen (ohne Beweis) verwenden, dass die lineare Credibility-Prmie durch
Var ( E[ X i | Li ])
H i ** := zn X i + (1 - zn ) E ( X i ) definiert ist, mit zn =
. Auer1
E (Var[ X i | Li ]) + Var ( E[ X i | Li ])
n
(m - 1) 2
.
dem gilt E (U i ) = m und Var (U i ) =
3
c) Fr die Versicherungsnehmer (VN) 1 und 2 liege eine Schadenhistorie von insgesamt drei Jahren
vor:
Jahr t
0 (entspricht 2010)
2,0
6,0
1 (entspricht 2011)
7,0
9,0
2 (entspricht 2012)
8,0
13,0
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
f i ( xi ) = exp ( xi Ji - b( Ji )) + c( xi , y )
y
Zeigen Sie, dass sich fr b( Ji ) = - ln(-Ji ), y = 1 und c = 0 die (-Ji ) -Verteilung ergibt.
Die Exponentialverteilung ist ein Spezialfall der Gamma-Verteilung. Geben Sie mit diesem
Wissen die zur Exponentialverteilung zugehrige kanonische Link-Funktion g (m ) und die Varianzfunktion V (m ) an.
Designmatrix
1
1
1
0
0
0
1
1
1
Schtzergebnis
Regressionsparameter
b1 0, 2481
b2 = -0,0623
b -0,0589
3
e) Das Statistikprogramm liefert nun zustzlich eine Schtzung y = 0,1358 fr den Parameter y.
Geben Sie damit eine neue Schtzung fr E ( X 2 (2)) und Var ( X 2 (2)) an und begrnden Sie diese.
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Lsung:
a) Fr die (l ) -Verteilung gilt E ( X i ) =
tient v =
Var ( X i )
E ( X i )
1
1
und Var ( X i ) = 2 , so dass der theoretische Varianzquol
l
= 1 betrgt.
16,07 2
= 1,54 > 1.
Dem gegenber steht ein empirischer Varianzquotient von v =
12, 952
Unter der Nullhypothese 1 = 2 = = 100 ist der empirische Varianzquotient ein Schtzer fr
den theoretischen Varianzquotienten. Aufgrund der Abweichung zwischen empirischem und theoretischem Varianzquotienten liegt die Alternativhypothese nahe, dass nicht alle Strukturparameter
i identisch sind.
Aufgrund des Hinweises ist v eine Teststatistik und [ 0,68; 1, 44 ] = (-; 0,68) (1, 44; ) ein
Verwerfungsbereich fr einen Test der Nullhypothese zum Niveau 5%. Da v = 1,54 im Verwerfungsbereich liegt, wird die Nullhypothese identischer Strukturparameter verworfen.
c
b) Es gilt
Xi =
1
12,0 + 7,0 + 8,0
1
2
= 9,0, Var ( E [ X i | Li ]) = Var = Var (U i ) = (m - 1) = 81/3 = 27,
Li
3
3
1
1
2
2
E (Var[ X i | Li ]) = E 2 = E (U i2 ) = Var (U i ) + {E (U i )} = (m - 1) + m 2 = 27 + 100 = 127 und
Li
3
1
E ( X i ) = E E ( X i | Li ) = E = E (U i ) = m = 10.
Li
Var ( X i )
2
E ( X i )
27
= 0, 3894.
27 + 127 / 3
Lsungen zur Klausur Stochastische Risikomodellierung und statistische Methoden (Mai 2013)
Fr allgemeines y ergibt sich mit b( J) = - ln(-J) die Gamma-Verteilung, so dass die kanonische Linkfunktion g (m ) =
1
ist und die Varianzfunktion V (m ) = m 2 .
m
d) Der zugehrige lineare Prdiktor ist (1; 1; 2) (1, 2, 3)T = 0,2481 0,0623 2 0,0589 =
0,0680. Mit der kanonischen Linkfunktion berechnet sich daraus der Erwartungswert E ( X 2 (2)) =
1/0,0680 = 14,7059. Zwischen dem Strukturparameter l2 und dem Erwartungswert E ( X 2 (2)) besteht im Rahmen der Exponentialverteilung der Zusammenhang E ( X 2 (2)) =
1
, so dass l2 =
l2
0,0680.
Die Varianz ergibt sich mit der Varianzfunktion (oder direkt mit der Exponentialverteilung) gem
2
y V ( E ( X 2 (2))) ein, so dass eine verbesserte Schtzung der Varianz Var ( X 2 (2)) = 0,1358
V ( E ( X 2 (2))) = 0,1358 216,2635 = 29,3686 betrgt.
8
10
6
6
10
3
2
5
5
10
5
5
5
5
8
10
6
8
3