🔢 mathematics

Gerber–Shiu Analysis of a Dependent Portfolio Risk Model with a Constant Dividend Barrier and Extended-Exponential Premium Income

Questo articolo sviluppa un modello di rischio di portafoglio dipendente con una barriera di dividendi costante e un reddito da premio esponenziale esteso per derivare le funzioni di Gerber-Shiu per le probabilità di rovina specifiche per meccanismo, dimostrando attraverso l'analisi teorica e l'applicazione empirica all'assicurazione auto francese che l'incorporazione della dipendenza tra la durata dei sinistri migliora la modellazione della gravità dei sinistri e potenzia la valutazione del rischio di rovina.

Autori originali: Halim Zeghdoudi

Pubblicato 2026-09-29

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Halim Zeghdoudi

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

L'assicurazione è un sistema di rischio condiviso, in cui molte persone versano piccole somme in un fondo comune per coprire le perdite rare e ingenti di pochi. Per le società che gestiscono questi fondi, la domanda fondamentale è di sopravvivenza: i soldi che entrano sotto forma di premi saranno mai sufficienti a coprire i soldi che escono per i sinistri, specialmente quando tali sinistri arrivano in tempi imprevedibili e con dimensioni imprevedibili? Se l'uscita di cassa supera l'entrata per troppo tempo, l'azienda affronta il fallimento, uno stato in cui non è più in grado di pagare i propri debiti. Per comprendere questo delicato equilibrio, i ricercatori studiano i modelli di rischio, ovvero descrizioni matematiche di come il denaro fluisce in entrata e in uscita da un portafoglio assicurativo nel tempo. Questi modelli aiutano gli assicuratori a stabilire i prezzi, decidere quanto capitale mantenere in riserva e determinare quando è sicuro pagare i dividendi agli azionisti. Tuttavia, l'assicurazione nel mondo reale è disordinata. I premi non arrivano sempre secondo un programma rigoroso e la dimensione di un sinistro spesso dipende da quanto tempo è trascorso dall'ultimo. Un lungo periodo di calma potrebbe suggerire un accumulo di rischio, mentre un improvviso gruppo di sinistri potrebbe indicare un cambiamento dell'ambiente. Comprendere queste connessioni nascoste è cruciale per prevedere quando un'azienda potrebbe fallire.

In uno studio recente, un ricercatore di nome Halim Zeghdoudi ha affrontato queste complessità costruendo un nuovo tipo di modello di rischio che tratta un intero portafoglio assicurativo come un unico sistema dinamico. Invece di assumere che ogni sinistro sia indipendente o che i premi arrivino a un ritmo costante e prevedibile, questo modello permette la casualità sia nel tempo che nella dimensione del denaro in entrata. Introduce anche un modo specifico per collegare la dimensione di un sinistro al tempo trascorso dal precedente. L'idea centrale è che la storia del portafoglio è importante; la durata del periodo di calma prima che arrivi un sinistro cambia la probabilità che quel sinistro sia piccolo o grande. Per dare un senso a ciò, lo studio utilizza uno strumento chiamato funzione di Gerber–Shiu, che agisce come un punteggio dettagliato. Non dice solo se un'azienda fallirà; calcola la probabilità che ciò accada, quanto sarà profondo il buco e, cosa fondamentale, quale tipo di evento ha causato il collasso. Ciò consente al ricercatore di separare il rischio di pochi disastri massicci e rari dal rischio di molte perdite piccole e frequenti.

Lo studio si concentra su uno scenario specifico in cui una compagnia assicurativa paga dividendi ai suoi proprietari ogni volta che le sue riserve di cassa superano un certo limite fisso, noto come barriera. Questa strategia crea una tensione: pagare dividendi mantiene felici gli azionisti nel breve termine, ma lascia la compagnia con meno denaro per assorbire futuri shock. Il ricercatore voleva vedere come questa strategia interagisce con la casualità dei premi e la dipendenza tra la tempistica dei sinistri e la loro dimensione. Per farlo, il modello assume che i pagamenti dei premi seguano un modello flessibile che può variare più di quanto permetterebbe una semplice media, e che i sinistri rientrino in due categorie distinte. Una categoria rappresenta sinistri più piccoli e frequenti, mentre l'altra rappresenta eventi più grandi e gravi. Il modello determina a quale categoria appartiene un nuovo sinistro in base a quanto tempo è passato dall'ultimo sinistro. Se è passato molto tempo, il modello suggerisce che il prossimo sinistro è più probabile che sia di tipo grave.

Per testare come questo sistema si comporta, il ricercatore ha prima eseguito una serie di simulazioni al computer utilizzando un insieme di numeri standard per rappresentare un tipico portafoglio assicurativo. Questi esperimenti hanno dimostito che la quantità di denaro con cui una compagnia inizia è il fattore più potente per la sua sopravvivenza. Quando la riserva iniziale è bassa, la probabilità di rovina è alta, ma man mano che la riserva cresce, il rischio diminuisce drasticamente. Le simulazioni hanno anche confermato che ricevere premi più frequentemente aiuta l'azienda a rimanere al sicuro, mentre avere sinistri che arrivano più spesso aumenta il pericolo. Interessante è che lo studio ha scoperto che la forma della distribuzione dei premi è importante. Anche quando l'importo medio di denaro in entrata rimane lo stesso, cambiare il pattern di come arrivano quei pagamenti può alterare leggermente il rischio di rovina. L'analisi ha anche esplorato l'effetto della barriera dei dividendi. Una barriera più bassa, che innesca i pagamenti prima, porta a un rischio di rovina più elevato perché la compagnia mantiene meno contanti in riserva. Una barriera più alta funge da cuscinetto di sicurezza, riducendo il rischio di fallimento ma ritardando il ritorno di denaro agli azionisti.

La seconda parte dello studio si è spostata dalla teoria alla realtà applicando il modello a un dataset reale proveniente da un portafoglio di assicurazione privata auto francese. Il ricercatore ha utilizzato i record di premi e sinistri di oltre 50.000 polizze relative agli anni 2003 e 2004. Dopo aver pulito i dati, lo studio si è concentrato su 606 casi specifici in cui si è verificato un sinistro, osservando il tempo trascorso dal sinistro precedente e la dimensione del nuovo sinistro. I risultati sono stati sorprendenti. I dati hanno chiaramente mostito che i sinistri non erano tutti uguali; appartenevano a due gruppi molto diversi. Un gruppo consisteva in un piccolo numero di sinistri estremamente grandi, con una media di circa 12.573 euro, mentre l'altro gruppo conteneva la stragrande maggioranza dei sinistri, che erano molto più piccoli, con una media di circa 1.539 euro. Il modello ha catturato con successo la regola che collega questi gruppi al tempo: i sinistri che seguivano un periodo di attesa più lungo erano significativamente più propensi ad appartenere al gruppo grave.

Quando il ricercatore ha confrontato questo nuovo modello con modi più vecchi e semplici di guardare gli stessi dati, i risultati sono stati sfumati. Il nuovo modello, che tiene conto del tempo tra i sinistri, ha performato meglio di un modello base che assumeva che tutti i sinistri fossero uguali. Ha anche performato leggermente meglio di un modello che assumeva l'esistenza di due tipi di sinistri ma ignorava il tempo tra di essi. Il miglioramento rispetto al modello più semplice a due tipi è stato modesto, suggerendo che, sebbene il tempo tra i sinistri fornisca informazioni utili, il driver principale della differenza nelle dimensioni dei sinistri sia semplicemente il fatto che accadono due tipi distinti di incidenti. Lo studio ha concluso che il modello proposto offre un modo pratico per comprendere questi rischi. Conferma che il tempo tra i sinistri contiene indizi sulla gravità del successivo e fornisce un metodo chiaro per calcolare come diverse strategie, come pagare i dividendi presto o tardi, influenzino la sicurezza a lungo termine della compagnia assicurativa. Le conclusioni suggeriscono che gli assicuratori possono utilizzare questo tipo di analisi dettagliata per prendere decisioni più informate su quanto capitale mantenere e quando condividere i profitti, bilanciando la necessità di sicurezza con il desiderio di crescita.

Sintesi Tecnica: Analisi Gerber–Shiu di un Modello di Rischio di Portafoglio Dipendente

Problematica
Questo articolo investiga un modello di rischio per un portafoglio assicurativo aggregato che si discosta dal classico framework di Cramér–Lundberg incorporando simultaneamente tre caratteristiche complesse: entrate di premi stocastici, dipendenza tra la gravità dei sinistri e la precedente durata inter-sinistro, e una strategia di barriera dei dividendi costante. L'obiettivo primario è analizzare la probabilità di rovina e le associate funzioni di penalità scontate (funzioni di Gerber–Shiu) in questo contesto. Nello specifico, lo studio mira a distinguere i contributi di diversi regimi di gravità dei sinistri al rischio di insolvenza complessivo, riconoscendo che le dimensioni dei sinistri possono non essere indipendenti dal tempo trascorso dall'ultimo sinistro.

Metodologia
Il modello è costruito come segue:

Premi Stocastici: Le ricevute dei premi arrivano secondo un processo di Poisson con intensità $\lambda$ . Gli importi dei premi seguono una distribuzione esponenziale estesa (introdotta da Gómez et al., 2014), che è una miscela di una distribuzione esponenziale e di una distribuzione Erlang-2. Questa struttura di tipo fase (phase-type) è scelta per consentire una maggiore variabilità nelle dimensioni dei premi rispetto a un modello esponenziale standard, mantenendo al contempo la trattabilità analitica.
Meccanismo di Sinistro Dipendente: I sinistri arrivano tramite un processo di Poisson indipendente con intensità $\lambda_1$ . La gravità del $i$ -esimo sinistro dipende dalla durata inter-sinistro $V_i$ . Un benchmark latente, specifico per il sinistro, $M_i \sim \text{Exp}(\lambda_2)$ , determina il regime: se $V_i > M_i$ , il sinistro appartiene al regime 1; altrimenti, appartiene al regime 2. Ciò risulta in probabilità condizionate in cui periodi liberi da sinistri più lunghi aumentano la probabilità del primo regime.
Barriera dei Dividendi: Una barriera costante $b$ è imposta. Qualsiasi eccedenza rispetto a $b$ viene immediatamente pagata come dividendo.
Analisi Gerber–Shiu: L'autore definisce funzioni di Gerber–Shiu specifiche per il meccanismo, $\Phi_i(u)$ , che rappresentano la penalità scontata attesa associata specificamente a un sinistro causato dal regime $i$ . La funzione di penalità totale è la somma $\Phi(u) = \Phi_1(u) + \Phi_2(u)$ .
Derivazione Analitica:
- Vengono derivate equazioni integrali per $\Phi_1$ e $\Phi_2$ utilizzando la decomposizione del primo evento.
- La rappresentazione della distribuzione dei premi come miscela esponenziale–Erlang permette di scomporre l'operatore premio-barriera in funzioni ausiliarie che soddisfano relazioni differenziali del primo ordine.
- Sotto l'ipotesi che le gravità dei sinistri in entrambi i regimi siano distribuite esponenzialmente e che la funzione di penalità sia unitaria, il sistema viene ridotto a un sistema differenziale lineare a dimensione finita.
- Ciò conduce a una rappresentazione matriciale-esponenziale per le probabilità di rovina scontate specifiche per il meccanismo, $\Psi_i(u)$ .

Contributi Chiave

Formulazione del Modello: Il documento formula un modello di rischio unificato che combina premi stocastici, gravità dei sinistri dipendenti dalla durata e barriere dei dividendi, affrontando una lacuna in cui questi elementi vengono spesso studiati isolatamente.
Decomposizione Specifica per Meccanismo: Introduce una decomposizione della funzione di Gerber–Shiu che traccia esplicitamente quale regime di gravità causa la rovina, permettendo un'analisi granulare delle fonti di rischio di insolvenza.
Trattabilità Analitica: Sfruttando la struttura di tipo fase (esponenziale–Erlang) della distribuzione dei premi, l'autore deriva una compatta soluzione matriciale-esponenziale per le probabilità di rovina sotto gravità dei sinistri esponenziali, evitando la necessità di equazioni differenziali scalari di ordine superiore.
Validazione Empirica: Il modello viene applicato a un reale portafoglio di assicurazione privata automobilistica francese (Garanzia Danni), adattando la distribuzione esponenziale estesa ai premi e il modello a due regimi dipendente dalla durata alle gravità dei sinistri.

Risultati

Analisi di Sensibilità Numerica:
- Riserva Iniziale: Le probabilità di rovina diminuiscono in modo non lineare all'aumentare del surplus iniziale, con un calo più marcato ai bassi livelli di capitale.
- Parametri dei Premi: L'aumento dell'intensità di arrivo dei premi ( $\lambda$ ) riduce il rischio di rovina. Il parametro di forma $\alpha$ della distribuzione esponenziale estesa riduce anch'esso il rischio di rovina; tuttavia, un'analisi a media costante rivela che questo effetto è guidato sia dall'aumento del valore medio del premio sia dal cambiamento della forma distributiva.
- Parametri dei Sinistri: L'aumento dell'intensità di arrivo dei sinistri ( $\lambda_1$ ) aumenta il rischio di rovina. Questo parametro altera anche le probabilità incondizionate dei due regimi di gravità, aggiungendo complessità all'analisi di sensibilità.
- Barriera dei Dividendi: Una barriera più bassa porta a pagamenti di dividendi anticipati ma aumenta significativamente la probabilità di rovina a causa della riduzione dei buffer di capitale.
Applicazione Empirica:
- Il modello dipendente dalla durata supera significativamente un singolo modello esponenziale in termini di AIC e BIC.
- Rispetto a una miscela costante a due esponenziali (che consente l'eterogeneità ma non la dipendenza dalla durata), il modello dipendente dalla durata fornisce valori di AIC e BIC leggermente inferiori ( $\Delta \text{AIC} \approx 1.60$ ). L'autore caratterizza questo miglioramento come moderato, suggerendo che, sebbene la durata inter-sinistro fornisca informazioni aggiuntive, gran parte dell'eterogeneità della gravità è catturata dalla struttura stessa dei due regimi.
- Il modello adattato identifica due regimi distinti: Meccanismo 1 (raro, alta gravità, associato a tempi di attesa più lunghi) e Meccanismo 2 (frequente, bassa gravità, associato a tempi di attesa più brevi).

Significatività e Rivendicazioni
L'articolo sostiene che la sua principale significatività risieda nel fornire un framework analitico trattabile per analizzare la rovina in portafogli in cui la gravità dei sinistri dipende dal tempo trascorso dall'ultimo sinistro e i premi sono stocastici. La decomposizione in funzioni di Gerber–Shiu specifiche per il meccanismo offre uno strumento pratico per gli assicuratori per comprendere i driver specifici dell'insolvenza (ad esempio, distinguere tra sinistri frequenti e piccoli e sinistri rari e grandi innescati da lunghi intervalli).

L'autore è modesto riguardo ai risultati empirici. Non afferma che il modello dipendente dalla durata sia una descrizione universale dei dati assicurativi automobilistici. Inveve, conclude che il modello è supportato empiricamente come un'estensione utile che cattura informazioni aggiuntive, sebbene il miglioramento rispetto a una miscela eterogenea standard non sia schiacciante. Lo studio sottolinea che il modello è meglio interpretato a livello di portafoglio, dove le entrate dei premi e i sinistri derivano da diverse polizze e non devono necessariamente seguire un ordine temporale rigoroso uno-a-uno.

Limitazioni
L'articolo riconosce diverse limitazioni:

L'assunzione di processi di arrivo di Poisson sia per i premi che per i sinistri, che potrebbe non catturare la stagionalità o il clustering.
Il ricorso a gravità dei sinistri esponenziali per la soluzione esplicita matriciale-esponenziale (sebbene esistano equazioni integrali per distribuzioni generali).
L'uso di dati sui premi annuali piuttosto che su base transazionale, il che approssima l'intensità di arrivo dei premi.
La mancanza di dati storici sui dividendi nel dataset empirico, il che significa che la barriera dei dividendi è trattata come un parametro di scenario piuttosto che come una politica stimata.

Articoli simili