📊 statistics

Severity estimation in dependent collective risk models

本文证明了在依赖型集体风险设定下，直接对汇总索赔进行严重程度模型拟合会因规模偏差导致估计不一致，并提出了一种基于正确观测索赔分布的一致复合似然估计程序，建立了其渐近性质，并通过模拟验证了其性能。

原作者： Christopher Blier-Wong

发布于 2026-07-10

📖 1 分钟阅读☕ 轻松阅读

原作者： Christopher Blier-Wong

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你正在经营着一家规模巨大的柠檬水摊。每天，你都会记录两件事：卖出了多少杯（频数/count）以及每杯里的含糖量（严重程度/severity）。在旧的、简单的思维方式中，你认为这两者是完全无关的。你认为：“好吧，今天我卖了5杯，昨天卖了100杯；这些杯子里的糖分只是我用过的所有糖分的随机混合。”

但如果它们并非随机呢？如果，在你卖出大量柠檬水的日子里，你不小心把杯子做得格外甜了呢？或者在销量低迷的日子里，你只做了小份且味道清淡的杯子？这就是这篇论文所探讨的现实世界的混乱之处：频数与严重程度往往是相互关联的。

大规模抽样的混淆

这里有一个作者发现的大问题：当你观察一年内卖出的所有柠檬水杯，试图弄清楚你的“平均含糖量”时，你实际上是在看一个有偏样本（biased sample）。

可以这样想：

顾客 A 买了 1 杯。
顾客 B 买了 100 杯。
顾客 C 买了 0 杯（他们只是看了看菜单就离开了）。

如果你把每个顾客的所有杯子都倒进一个巨大的桶里去测量含糖量，那么顾客 B 就会主导这个桶。他们贡献的数据是顾客 A 的 100 倍。如果顾客 B 买到的恰好是超甜的杯子，那么你的大桶尝起来会非常甜，即便你原本可能卖出的平均每杯柠檬水的含糖量要低得多。

论文从数学上证明了，如果你只是抓取桶里的所有杯子并试图猜测“真实的”糖分配方，你会出错。你测量的是规模偏差混合物（size-biased mixture）（即那个桶的味道），而不是**边际（marginal）**配方（即单杯随机柠檬水的真实含糖量）。

论文告诉你不该做什么

作者明确警告不要使用“天真”的方法。这种方法是指保险公司（或柠檬水摊）说：“让我们把收到的所有索赔数据拿过来，忽略是谁买的，然后拟合一条曲线。”

他们证明这种方法是不一致的（inconsistent）。无论你拥有一百万个还是十亿个客户，如果你忽略了“一个人有多少次索赔”与“这些索赔的大小”之间的联系，你对“真实”严重程度的估计永远会有偏差。这就像试图通过只测量站在最高建筑观景台上的人的高度，来猜测整座城市所有人的平均身高一样。你会得到一个数字，但那不是真相。

更聪明的新方法：复合似然法（The Composite Likelihood）

那么，如何修复这个“桶”呢？作者构建了一个名为**复合似然（Composite Likelihood）**的新工具。

他们没有忽视偏差，而是拥抱了它。他们意识到这个桶确实包含一种特定的、可预测的模式：它是一个“规模偏差混合物”。这并不是随机噪声；它是一种特定的数学扭曲。

他们的新方法有两个巧妙的步骤：

统计顾客数量： 首先，他们观察有多少人买了柠檬水（频数）。
正确地品尝桶的味道： 然后，他们观察那个巨大的杯子桶，但他们使用一个特殊的公式，这个公式会说：“好吧，我们知道顾客 B 被过度代表了。让我们通过数学手段进行调整，以确定真实的糖分配方应该是怎样的。”

他们称之为“复合”方法，是因为它将两个不同的拼图碎片（计数和经过调整后的桶味）缝合在一起，而不是试图一次性解决整个不可能的拼图。

他们有多大的把握？

作者不仅仅是猜测这行得通；他们通过**模拟实验（simulations）**来证明这一点。

他们创造了一个拥有 1,000,000 名顾客的虚构柠檬水世界。
他们让“天真”的方法去尝试猜测糖分水平。结果偏离了大约 25%（一个巨大的误差！）。
然后他们使用了新的“复合”方法。它精准地捕捉到了真实的糖分水平，几乎没有任何偏差。

他们还测试了在处理数据时应该有多大的信心。在统计学中，当你有一组数据（比如来自一个顾客的 100 杯柠檬水）时，你不能把每一杯都视为完全独立的个体。作者展示了，如果你将它们视为独立的，你会获得虚假的信心（你的误差范围看起来会过小）。他们的新方法使用了被称为“Godambe 信息”（一种高级的数学“三明治”结构）的工具，以确保误差范围足够宽，从而保持诚实。

“Sarmanov” 秘方

为了让这些数学运算在现实世界中奏效，他们使用了一种特定类型的数学模型，称为 Sarmanov 联结函数（Sarmanov copula）。你可以把它看作是一种特殊的“胶水”，它能让你把“杯数”和“含糖量”粘合在一起，既保持灵活性，又让数学计算变得可解。

由于这种“胶水”具有特殊的结构，他们可以写出关于“规模偏差桶”味道的精确公式。这使得他们无需了解宇宙中每一个微小的细节，就能构建出他们的修正工具。

核心结论

如果你是一名保险公司或风险管理者：

不要只是把所有的索赔数据汇集在一起并拟合一条曲线。你会出错。
要意识到那些拥有多次索赔的客户正在扭曲你的数据。
使用这种能够修正这种扭曲的新方法。

论文表明，通过理解数据是如何被收集的（即规模偏差），我们可以修复配方。这不是魔法；这仅仅是意识到“桶的味道”并不等于“配方的味道”，并且知道如何精确地将桶的味道转化回真相。

技术摘要：依赖型集体风险模型中的严重度估计

问题陈述
集体风险模型（CRM）将总保险损失表示为单个赔付严重度（ $X$ ）的随机和，其中赔付频率为 $N$ 。标准的估计程序假设赔付频率（ $N$ ）与严重度（ $X$ ）之间相互独立，且同一保单内的严重度之间也相互独立。在这些假设下，“边际优先”（margin-first）方法——即对整个组合中汇总的赔付进行边际分布拟合——是一致的。然而，现实世界的组合往往表现出频率与严重度之间的依赖关系，以及同一保单内严重度之间的依赖关系。

当存在此类依赖关系时，跨保单汇总的赔付不再是来自边际严重度分布（ $F_X$ ）的样本。具有较高赔付次数的保单会对汇总池贡献不成比例更多的赔付。这产生了一种规模偏倚（size-biased）的抽样机制，使得汇总赔付的经验分布收敛于任意观测赔付（ $Y$ ）的分布律，而非边际严重度分布律。因此，直接对未经过修正的汇总赔付进行严重度模型拟合会导致严重的估计不一致，产生即使随着样本量增加也不会消失的系统性偏差。

方法论
本文提出了一种复合似然估计程序来解决这种不一致性。该方法建立在两个支柱之上：

识别数据生成机制： 作者证明了汇总赔付的经验分布几乎处处收敛于任意观测赔付的累积分布函数（CDF） $F_Y$ 。该分布是条件严重度分布的规模偏倚混合分布：
$F_Y(x) = \sum_{n=1}^{\infty} \frac{n P(N=n)}{E[N]} F_{X|N=n}(x)$
这一结果识别了汇总赔付实际抽样的特定分布，该分布与边际 $F_X$ 不同。
复合似然构造： 与试图最大化高维 Copula 导数导致的复杂全联合似然函数不同，作者构造了一个基于两个低维分量的复合似然：
- 赔付次数（ $N$ ）的边际似然；
- 基于观测赔付密度 $f_Y$ 的赔付似然。
复合对数似然是赔付计数对数似然与将汇总赔付视为来自 $f_Y$ 的独立抽样的对数似然之和。
渐近理论与方差估计： 该估计量被证明是一致且渐近正态的。至关重要的是，其渐近方差是使用 Godbe 信息矩阵（一种“三明治”估计量）推导出来的。文中强调，抽样单位必须是保单，而非单个赔付。为了考虑保单内的赔付依赖关系及随机集群规模，必须在保单层面进行得分聚合。在赔付层面进行聚合会导致低估方差并导致覆盖率不足。
逐步扩展： 对于需要高阶依赖参数的模型（例如保单内严重度依赖），本文概述了一种逐步估计程序。该程序首先估计频率参数，然后估计严重度与频率-严重度依赖，最后使用条件边际估计保单内依赖。通过堆叠的三明治估计量来传播前序步骤中的不确定性。

主要贡献与结果

不一致性的理论证明： 本文正式确立了在存在依赖关系时，应用于汇总赔付的边际优先估计器（包括极大似然估计、IFM 和基于秩的 Copula 方法）会收敛于拟合族在真实严重度分布上的 Kullback–Leibler 投影，而非真实的参数本身。
Sarmanov CRM 的闭式解： 本方法针对 Sarmanov 集体风险模型进行了专门化处理。利用潜在的 Bernoulli 混合表示，作者推导出了观测赔付密度 $f_Y$ 、条件严重度律以及总额均值的闭式表达式。这种可处理性使得高效实现复合似然成为可能。
容许性约束： 为了确保生成的 Copula 有效，本文根据潜在 Bernoulli 概率质量函数的非负性，提供了对依赖参数（如 $\theta_{01}, \theta_{12}, \theta_{012}$ ）的显式约束。
模拟证据：
- 偏差修正： 模拟研究表明，朴素的汇总拟合会对严重度参数（如 Gamma 分布的形状参数和速率参数）产生显著偏差，且这种偏差不随样本量增加而消失。所提议的复合似然消除了这种偏差。
- 总额均值： 有趣的是，虽然朴素估计器无法恢复真实的严重度边际，但它仍能一致地估计总额均值（ $E[S]$ ），因为 $E[S] = E[N]E[Y]$ ，且朴素拟合正确捕捉了观测赔付的均值（ $E[Y]$ ）。
- 推断有效性： 研究证实，保单层面的 Godbe 区间达到了名义覆盖率（约 95%）。相比之下，忽略保单内依赖关系的赔付层面三明治估计器会导致严重的覆盖率不足（在高频场景下降至 84%）。

意义
本文声称其主要贡献在于识别了依赖型 CRM 中汇总赔付的规模偏倚性质，并提供了一个能够修正此类偏差的一致估计框架。文章指出，在存在频率-严重度依赖时，传统的两步法存在根本缺陷。通过在复合似然框架内利用观测赔付律（ $F_Y$ ），该方法可以恢复真实的边际严重度参数和依赖结构。这项工作弥合了 Copula 模型与规模偏倚抽样理论之间的鸿隙，为全联合似然难以处理的精算估计提供了实用的解决方案。作者指出，虽然以 Sarmanov 模型为例进行说明，但规模偏倚的论点普遍适用于任何具有可计算条件律的 Copula 系列。