🔢 mathematics

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

Este artigo desenvolve um modelo de risco de portfólio dependente com uma barreira de dividendo constante e renda de prêmio exponencial estendida para derivar funções de Gerber-Shiu para probabilidades de ruína específicas de mecanismos, demonstrando, através de análise teórica e aplicação empírica ao seguro de automóveis francês, que a incorporação da dependência da duração entre sinistros melhora a modelagem da severidade dos sinistros e aprimora a avaliação do risco de ruína.

Autores originais: Halim Zeghdoudi

Publicado 2026-09-29

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Halim Zeghdoudi

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O seguro é um sistema de risco compartilhado, onde muitas pessoas pagam pequenas quantias para um fundo comum para cobrir as perdas grandes e raras de poucos. Para as empresas que gerenciam esses fundos, a questão fundamental é de sobrevivência: será que o dinheiro que entra através dos prêmios será sempre suficiente para cobrir o dinheiro que sai para os sinistros, especialmente quando esses sinistros chegam em tempos imprevisíveis e em tamanhos imprevisíveis? Se a saída de caixa ultrapassar a entrada por muito tempo, a empresa enfrenta a ruína, um estado em que ela não consegue mais pagar suas dívidas. Para entender esse equilíbrio delicado, pesquisadores estudam modelos de risco, que são descrições matemáticas de como o dinheiro entra e sai de uma carteira de seguros ao longo do tempo. Esses modelos ajudam as seguradoras a definir preços, decidir quanto capital manter em reserva e determinar quando é seguro pagar dividendos aos acionistas. No entanto, o seguro no mundo real é complexo. Os prêmios nem sempre chegam em um cronograma rigoroso, e o tamanho de um sinistro muitas vezes depende de quanto tempo se passou desde o último ocorrido. Um longo período de quietude pode sugerir um acúmulo de risco, enquanto um agrupamento repentino de sinistros pode indicar um ambiente em mudança. Compreender essas conexões ocultas é crucial para prever quando uma empresa pode falhar.

Em um estudo recente, um pesquisador chamado Halim Zeghdoudi abordou essas complexidades construindo um novo tipo de modelo de risco que trata toda uma carteira de seguros como um sistema único e dinâmico. Em vez de assumir que cada sinistro é independente ou que os prêmios chegam a uma taxa constante e previsível, este modelo permite a aleatoriedade tanto no tempo quanto no tamanho do dinheiro que entra. Ele também introduz uma forma específica de ligar o tamanho de um sinistro ao tempo que se passou desde o anterior. A ideia central é que o histórico da carteira importa; a duração do período de quietude antes de um sinistro chegar altera a probabilidade de esse sinistro ser pequeno ou grande. Para dar sentido a isso, o estudo utiliza uma ferramenta chamada função de Gerber–Shiu, que atua como uma pontuação detalhada. Ela não apenas diz se uma empresa irá à falência; ela calcula a probabilidade de isso acontecer, quão profundo será o buraco e, crucialmente, qual tipo de evento causou o colapso. Isso permite ao pesquisador separar o risco de alguns desastres massivos e raros do risco de muitas perdas menores e frequentes.

O estudo foca em um cenário específico onde uma seguradora paga dividendos aos seus proprietários sempre que suas reservas de caixa crescem acima de um limite fixo, conhecido como barreira. Essa estratégia cria uma tensão: pagar dividendos mantém os acionistas satisfeitos no curto prazo, mas deixa a empresa com menos dinheiro para absorver choques futuros. Para fazer isso, o modelo assume que os pagamentos de prêmios seguem um padrão flexível que pode variar mais do que uma média simples permitiria, e que os sinistros se dividem em duas categorias distintas. Uma categoria representa sinistros menores e mais frequentes, enquanto a outra representa eventos maiores e mais severos. O modelo determina a qual categoria um novo sinistro pertence com base no tempo decorrido desde o último sinistro. Se um longo tempo se passou, o modelo sugere que o próximo sinistro tem maior probabilidade de ser do tipo severo.

Para testar como esse sistema se comporta, o pesquisador primeiro realizou uma série de simulações computacionais usando um conjunto de números padrão para representar uma carteira de seguros típica. Esses experimentos mostraram que a quantidade de dinheiro com a qual uma empresa começa é o fator mais poderoso em sua sobrevivência. Quando a reserva inicial é baixa, a chance de ruína é alta, mas conforme a reserva cresce, o risco cai drasticamente. As simulações também confirmaram que receber prêmios com mais frequência ajuda a empresa a manter-se segura, enquanto ter sinistros ocorrendo com mais frequência aumenta o perigo. Curiosamente, o estudo descobriu que a forma da distribuição dos prêmios importa. Mesmo quando o valor médio de dinheiro que entra permanece o mesmo, mudar o padrão de como esses pagamentos chegam pode alterar ligeiramente o risco de ruína. A análise também explorou o efeito da barreira de dividendos. Uma barreira mais baixa, que dispara pagamentos mais cedo, leva a um maior risco de ruína porque a empresa mantém menos dinheiro em reserva. Uma barreira mais alta atua como um amortecedor de segurança, reduzindo o risco de falha, mas atrasando o retorno do dinheiro aos acionistas.

A segunda parte do estudo moveu-se da teoria para a realidade ao aplicar o modelo a um conjunto de dados reais de uma carteira de seguro automotivo privado francês. O pesquisador utilizou registros de prêmios e sinistros de mais de 50.000 apólices cobrindo os anos de 2003 e 2004. Após limpar os dados, o estudo focou em 606 instâncias específicas onde ocorreu um sinistro, observando o tempo que havia passado desde o sinistro anterior e o tamanho do novo sinistro. Os resultados foram marcantes. Os dados mostraram claramente que os sinistros não eram todos iguais; eles se dividiam em dois grupos muito diferentes. Um grupo consistia em um pequeno número de sinistros extremamente grandes, com média de cerca de 12.573 euros, enquanto o outro grupo continha a vasta maioria dos sinistros, que eram muito menores, com média de cerca de 1.539 euros. O modelo capturou com sucesso a regra que conecta esses grupos ao tempo: sinistros que seguiram um período de espera mais longo eram significativamente mais propensos a pertencer ao grupo severo.

Quando o pesquisador comparou este novo modelo com formas mais antigas e simples de observar os mesmos dados, os resultados foram matizados. O novo modelo, que leva em conta o tempo entre os sinistros, teve um desempenho melhor do que um modelo básico que assumia que todos os sinistros eram iguais. Também teve um desempenho ligeiramente superior a um modelo que assumia a existência de dois tipos de sinistros, mas ignorava o tempo entre eles. A melhoria sobre o modelo mais simples de dois tipos foi modesta, sugerindo que, embora o tempo entre os sinistros forneça informações úteis, o principal motor da diferença nos tamanhos dos sinistros é simplesmente o fato de haver dois tipos distintos de acidentes acontecendo. O estudo concluiu que o modelo proposto oferece uma maneira prática de entender esses riscos. Ele confirma que o tempo entre os sinistros contém pistas sobre a gravidade do próximo e fornece um método claro para calcular como diferentes estratégias, como pagar dividendos cedo ou tarde, afetam a segurança de longo prazo da seguradora. As descobertas sugerem que as seguradoras podem usar esse tipo de análise detalhada para tomar decisões mais informadas sobre quanto capital manter e quando compartilhar lucros, equilibrando a necessidade de segurança com o desejo de crescimento.

Resumo Técnico: Análise de Gerber–Shiu de um Modelo de Risco de Portfólio Dependente

Enunciado do Problema
Este artigo investiga um modelo de risco de portfólio de seguros agregado que se afasta do clássico framework de Cramér–Lundberg ao incorporar simultaneamente três características complexas: rendimentos de prêmios estocásticos, dependência entre a severidade das sinistros e a duração inter-sinistro precedente, e uma estratégia de barreira de dividendos constante. O objetivo principal é analisar a probabilidade de ruína e as funções de penalidade descontadas associadas (funções de Gerber–Shiu) neste cenário. Especificamente, o estudo visa distinguir as contribuições de diferentes regimes de severidade de sinistros para o risco de insolvência global, reconhecendo que o tamanho dos sinistros pode não ser independente do tempo decorrido desde o último sinistro.

Metodologia
O modelo é construído da seguinte forma:

Prêmios Estocásticos: Os recebimentos de prêmios chegam de acordo com um processo de Poisson com intensidade $\lambda$ . Os valores dos prêmios seguem uma distribuição exponencial estendida (introduzida por Gómez et al., 2014), que é uma mistura de uma distribuição exponencial e uma distribuição Erlang-2. Esta estrutura de tipo fase (phase-type) é escolhida para permitir maior variabilidade nos tamanhos dos prêmios do que um modelo exponencial padrão, mantendo a tratabilidade analítica.
Mecanismo de Sinistro Dependente: Os sinistros chegam via um processo de Poisson independente com intensidade $\lambda_1$ . A severidade do $i$ -ésimo sinistro depende da duração inter-sinistro $V_i$ . Um benchmark latente, específico para cada sinistro, $M_i \sim \text{Exp}(\lambda_2)$ , determina o regime: se $V_i > M_i$ , o sinistro pertence ao regime 1; caso contrário, pertence ao regime 2. Isso resulta em probabilidades condicionais onde períodos mais longos sem sinistros aumentam a probabilidade do primeiro regime.
Barreira de Dividendos: Uma barreira constante $b$ é imposta. Qualquer excedente de superávit acima de $b$ é imediatamente pago como dividendos.
Análise de Gerber–Shiu: O autor define funções de Gerber–Shiu específicas por mecanismo, $\Phi_i(u)$ , que representam a penalidade descontada esperada associada especificamente a uma ruína causada por um sinistro do regime $i$ . A função de penalidade total é a soma $\Phi(u) = \Phi_1(u) + \Phi_2(u)$ .
Derivação Analítica:
- Equações integrais são derivadas para $\Phi_1$ e $\Phi_2$ usando a decomposição do primeiro evento.
- A representação de mistura exponencial–Erlang da distribuição de prêmios permite que o operador prêmio-barreira seja decomposto em funções auxiliares que satisfazem relações diferenciais de primeira ordem.
- Sob a suposição de que as severidades dos sinistros em ambos os regimes são distribuídas exponencialmente e que a função de penalidade é unidade, o sistema é reduzido a um sistema diferencial linear de dimensão finita.
- Isso leva a uma representação de matriz-exponencial para as probabilidades de ruína descontadas específicas do mecanismo, $\Psi_i(u)$ .

Principais Contribuições

Formulação do Modelo: O artigo formula um modelo de risco unificado combinando prêmios estocásticos, severidades de sinistros dependentes da duração e barreiras de dividendos, abordando uma lacuna onde esses elementos são frequentemente estudados isoladamente.
Decomposição Específica por Mecanismo: Introduz uma decomposição da função de Gerber–Shiu que rastreia explicitamente qual regime de severidade causa a ruína, permitindo uma análise granular das fontes de risco de insolvência.
Tratabilidade Analítica: Ao aproveitar a estrutura de tipo fase (exponencial–Erlang) da distribuição de prêmios, o autor deriva uma solução compacta de matriz-exponencial para as probabilidades de ruína sob severidades de sinistros exponenciais, evitando a necessidade de equações diferenciais escalares de ordem superior.
Validação Empírica: O modelo é aplicado a um portfólio real de seguro de automóveis privado francês (Garantia de Danos), ajustando a distribuição exponencial estendida aos prêmios e o modelo de dois regimes dependente da duração às severidades dos sinistros.

Resultados

Análise de Sensibilidade Numérica:
- Reserva Inicial: As probabilidades de ruína diminuem de forma não linear conforme o superávit inicial aumenta, com um declínio mais acentuado em níveis de capital mais baixos.
- Parâmetros de Prêmio: O aumento da intensidade de chegada do prêmio ( $\lambda$ ) reduz o risco de ruína. O parâmetro de forma $\alpha$ da distribuição exponencial estendida também reduz o risco de ruína; contudo, uma análise de preservação de média revela que este efeito é impulsionado tanto pelo aumento no valor médio do prêmio quanto pela mudança na forma da distribuição.
- Parâmetros de Sinistro: O aumento da intensidade de chegada de sinistros ( $\lambda_1$ ) aumenta o risco de ruína. Este parâmetro também altera as probabilidades incondicionais dos dois regimes de severidade, adicionando complexidade à análise de sensibilidade.
- Barreira de Dividendos: Uma barreira mais baixa leva a pagamentos de dividendos mais precoces, mas aumenta significativamente a probabilidade de ruína devido à redução dos buffers de capital.
Aplicação Empírica:
- O modelo dependente da duração supera significativamente um modelo de sinistro exponencial único em termos de AIC e BIC.
- Comparado a uma mistura constante de duas exponenciais (que permite heterogeneidade, mas não dependência da duração), o modelo dependente da duração apresenta valores de AIC e BIC ligeiramente menores ( $\Delta \text{AIC} \approx 1,60$ ). O autor caracteriza essa melhoria como moderada, sugerindo que, embora a duração inter-sinistro forneça informações adicionais, grande parte da heterogeneidade da severidade é capturada pela própria estrutura de dois regimes.
- O modelo ajustado identifica dois regimes distintos: Mecanismo 1 (raro, alta severidade, associado a tempos de espera mais longos) e Mecanismo 2 (frequente, baixa severidade, associado a tempos de espera mais curtos).

Significância e Alegações
O artigo alega que sua principal significância reside em fornecer um framework analítico tratável para analisar a ruína em portfólios onde a severidade do sinistro depende do tempo desde o último sinistro e os prêmios são estocásticos. A decomposição em funções de Gerber–Shiu específicas por mecanismo oferece uma ferramenta prática para seguradoras entenderem os drivers específicos de insolvência (por exemplo, distinguindo entre sinistros pequenos frequentes e grandes sinistros raros desencadeados por longos intervalos).

O autor é modesto em relação aos achados empíricos. Ele não alega que o modelo dependente da duração seja uma descrição universal para dados de seguro automotivo. Em vez disso, conclui que o modelo é empiricamente suportado como uma extensão útil que captura informações adicionais, embora a melhoria sobre uma mistura heterogênea padrão não seja esmagadora. O estudo enfatiza que o modelo é melhor interpretado ao nível do portfólio, onde os recebimentos de prêios e os sinistros surgem de diferentes apólices e não precisam seguir uma ordem temporal estrita de um para um.

Limitações
O artigo reconhece diversas limitações:

A suposição de processos de chegada de Poisson tanto para prêmios quanto para sinistros, o que pode não capturar sazonalidade ou agrupamentos (clustering).
A dependência de severidades de sinistros exponenciais para a solução explícita de matriz-exponencial (embora existam equações integrais para distribuições gerais).
O uso de dados de prêmios anuais em vez de dados de nível de transação, o que aproxima a intensidade de chegada do prêmio.
A falta de dados históricos de dividendos no conjunto de dados empíricos, o que significa que a barreira de dividendos é tratada como um parâmetro de cenário, e não como uma política estimada.

Mais como este