Markov--Ketten und Bonus - Technische Universität Dresden
Markov--Ketten und Bonus - Technische Universität Dresden
Markov--Ketten und Bonus - Technische Universität Dresden
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
<strong>Markov</strong>–<strong>Ketten</strong> <strong>und</strong><br />
<strong>Bonus</strong>–Malus Systeme<br />
Klaus D. Schmidt<br />
Lehrstuhl für Versicherungsmathematik<br />
<strong>Technische</strong> <strong>Universität</strong> <strong>Dresden</strong><br />
TU Wien<br />
19. Mai 2010<br />
1 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
2 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
3 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Wir betrachten ein <strong>Bonus</strong>–Malus System mit vier Klassen<br />
i ∈ {1, 2, 3, 4} <strong>und</strong> den Prämienniveaus h(i) bezogen auf die<br />
Gr<strong>und</strong>prämie µ:<br />
Notation:<br />
i 1 2 3 4<br />
h(i) 120% 100% 80% 60%<br />
h :=<br />
⎛<br />
⎜<br />
⎝<br />
120%<br />
100%<br />
80%<br />
60%<br />
Wir bezeichnen h als Prämienstruktur.<br />
⎞<br />
⎟<br />
⎠<br />
4 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Übergangsmatrix <strong>und</strong> Anfangsverteilung:<br />
⎛<br />
0, 3 0, 3 0 0<br />
⎞<br />
Q :=<br />
⎜ 0, 7<br />
⎝ 0<br />
0<br />
0, 7<br />
0, 3<br />
0<br />
0 ⎟<br />
0, 3 ⎠<br />
0 0 0, 7 0, 7<br />
Interpretation:<br />
q :=<br />
◮ qi ist die Wahrscheinlichkeit, sich im Jahr 0 in der Klasse i<br />
zu befinden.<br />
◮ qij ist die Wahrscheinlichkeit, in einem Jahr von Zustand j<br />
nach Zustand i zu gelangen.<br />
◮ Malus Klasse: 1<br />
◮ Einstiegsklasse: 2<br />
◮ <strong>Bonus</strong> Klassen: 3 <strong>und</strong> 4<br />
⎛<br />
⎜<br />
⎝<br />
0<br />
1<br />
0<br />
0<br />
⎞<br />
⎟<br />
⎠<br />
5 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Verteilung auf die Klassen in den Jahren n ∈ {0, 1, 2, 3}:<br />
q (n)<br />
:= Q n q =<br />
⎛<br />
⎜<br />
⎝<br />
0<br />
1<br />
0<br />
0<br />
⎞<br />
⎟<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
0, 3<br />
0<br />
0, 7<br />
0<br />
⎞<br />
⎟<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
0, 09<br />
0, 42<br />
0<br />
0, 49<br />
⎞<br />
⎟<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
0, 153<br />
0, 063<br />
0, 441<br />
0, 343<br />
Erwartetes Prämienniveau in den Jahren n ∈ {0, 1, 2, 3}:<br />
h ′ q (n) = 100% 92% 82, 2% 80, 52%<br />
Normierter Eigenvektor von Q zum Eigenwert 1:<br />
⎛ ⎞<br />
27<br />
q :=<br />
1 ⎜ 63 ⎟<br />
580 ⎝ 147 ⎠<br />
343<br />
≈<br />
⎛ ⎞<br />
0, 0466<br />
⎜ 0, 1086 ⎟<br />
⎝ 0, 2534 ⎠<br />
0, 5914<br />
Es gilt h ′ q ≈ 72, 21%.<br />
⎞<br />
⎟<br />
⎠<br />
6 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Aufgaben:<br />
◮ Ableitung der Übergangsmatrix Q aus einem<br />
stochastischen Modell für die Anzahl der Schäden pro<br />
Jahr.<br />
◮ Berechnung der Gr<strong>und</strong>prämie µ für eine gegebene<br />
Prämienstruktur h.<br />
◮ Wahl der Prämienstruktur h.<br />
7 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
8 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Notation<br />
Wir betrachten Vektoren a ∈ R m <strong>und</strong> Matrizen A ∈ R m×m .<br />
Notation:<br />
ei<br />
1 :=<br />
i–ter Einheitsvektor<br />
m i=1 ei<br />
I<br />
Einsvektor<br />
Einheitsmatrix<br />
E := 11 ′ Einsmatrix<br />
Für eine Matrix A ∈ Rm×m <strong>und</strong> n ∈ N0 ist die n–te Potenz von A<br />
durch<br />
A n<br />
<br />
I falls n = 0<br />
:=<br />
An−1A sonst<br />
definiert.<br />
9 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Ein Vektor q ∈ R m heißt stochastischer Vektor,<br />
wenn 0 ≤ q <strong>und</strong> 1 ′ q = 1 gilt.<br />
Eine Matrix Q ∈ R m×m heißt stochastische Matrix,<br />
wenn für alle j ∈ {1, . . . , m} der Vektor Qej ein stochastischer<br />
Vektor ist.<br />
Lemma. Sei Q ∈ R m×m eine stochastische Matrix. Dann gilt:<br />
◮ 1 ′ Q = 1 ′ .<br />
◮ Ist q ∈ R m ein stochastischer Vektor,<br />
so ist auch Qq ein stochastischer Vektor.<br />
◮ Ist R ∈ R m×m eine stochastische Matrix,<br />
so ist auch QR eine stochastische Matrix.<br />
◮ Für alle n ∈ N ist auch Q n eine stochastische Matrix.<br />
10 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Invarianz<br />
Sei Q ∈ R m×m eine stochastische Matrix.<br />
Ein stochastischer Vektor q ∈ R m heißt invariant unter Q,<br />
wenn<br />
gilt.<br />
Qq = q<br />
Lemma. Ist q ∈ R m ein stochastischer Vektor, für den die Folge<br />
{Q n q}n∈N 0 konvergiert, so ist der stochastische Vektor<br />
invariant unter Q.<br />
q := lim<br />
n→∞ Q n q<br />
11 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Schwache Ergodizität (1)<br />
Eine stochastische Matrix Q ∈ R m×m heißt schwach ergodisch,<br />
wenn es einen stochastischen Vektor q ∈ R m gibt mit<br />
für alle j ∈ {1, . . . , m}.<br />
lim<br />
n→∞ Qnej = q<br />
Lemma. Ist Q schwach ergodisch, so gibt es einen<br />
stochastischen Vektor q ∈ R m mit<br />
<strong>und</strong><br />
lim<br />
n→∞ Qnq = q<br />
1 n−1<br />
lim Q<br />
n→∞ n<br />
k q = q<br />
k=0<br />
für jeden stochastischen Vektor q ∈ R m .<br />
12 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
Schwache Ergodizität (2)<br />
Folgerung. Zu jeder schwach ergodischen Matrix gibt genau<br />
einen invarianten Vektor.<br />
Beispiel. Sei<br />
Q :=<br />
0 1<br />
1 0<br />
<br />
<strong>und</strong> q :=<br />
1/2<br />
1/2<br />
Dann ist Q eine stochastische Matrix <strong>und</strong> q ist invariant unter<br />
Q. Andererseits gilt für alle n ∈ N0<br />
Q n <br />
I falls n = 2k mit k ∈ N0<br />
=<br />
Q falls n = 2k + 1 mit k ∈ N0<br />
Daher ist Q nicht schwach ergodisch.<br />
<br />
13 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
(Starke) Ergodizität (1)<br />
Eine stochastische Matrix Q ∈ R m×m heißt (stark) ergodisch,<br />
wenn es einen stochastischen Vektor q ∈ R m gibt mit<br />
für alle j ∈ {1, . . . , m} <strong>und</strong><br />
für alle i ∈ {1, . . . , m}.<br />
lim<br />
n→∞ Qnej = q<br />
e ′ iq > 0<br />
Lemma. Ist Q ∈ Rm×m ergodisch <strong>und</strong> q ∈ Rm invariant unter Q,<br />
so gilt e ′ iq > 0 für alle i ∈ {1, . . . , m}.<br />
14 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Gr<strong>und</strong>lagen Invarianz Ergodizität<br />
(Starke) Ergodizität (2)<br />
Satz. Für eine stochastische Matrix Q ∈ R m×m sind äquivalent:<br />
◮ Q ist ergodisch.<br />
◮ Es gibt ein n ∈ N mit e ′ i Qn ej > 0 für alle i, j ∈ {1, . . . , m}.<br />
Beispiel. Sei Q eine stochastische Matrix mit<br />
q1,1 > 0<br />
Dann ist Q ergodisch.<br />
qi,i+1 > 0 für i ∈ {1, . . . , m−1}<br />
qi,i−1 > 0 für i ∈ {2, . . . , m}<br />
15 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
16 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Sei M := {1, . . . , m} eine endliche Menge mit m ∈ N <strong>und</strong><br />
m ≥ 2. Wir bezeichnen M als Zustandsraum.<br />
Sei ferner {Yn}n∈N 0 eine Folge von Zufallsvariablen mit<br />
P[Yn ∈ M] = 1 für alle n ∈ N0. Dann ist die Verteilung von Yn<br />
durch die Wahrscheinlichkeiten<br />
q (n)<br />
i := P[Yn = i]<br />
mit i ∈ M <strong>und</strong> damit durch den stochastischen Vektor<br />
⎛ ⎞<br />
bestimmt.<br />
q (n)<br />
:=<br />
⎜<br />
⎝<br />
q (n)<br />
1.<br />
q (n)<br />
m<br />
⎟<br />
⎠<br />
17 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Die Folge {Yn}n∈N heißt (homogene) <strong>Markov</strong>–Kette,<br />
0<br />
wenn es eine stochastische Matrix Q ∈ Rm×m <strong>und</strong> einen<br />
stochastischen Vektor q ∈ Rm gibt derart, dass für alle n ∈ N0<br />
<strong>und</strong> i0, i1, . . . , in ∈ M<br />
<br />
n<br />
<br />
n<br />
<br />
gilt.<br />
P<br />
j=0<br />
{Yj = ij}<br />
=<br />
j=1<br />
In diesem Fall gilt q (0) = q <strong>und</strong> wir nennen<br />
◮ Q die Übergangsmatrix <strong>und</strong><br />
◮ q die Anfangsverteilung<br />
der <strong>Markov</strong>–Kette {Yn}n∈N 0 .<br />
qi j ,i j−1<br />
qi 0<br />
18 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Lemma. Sei {Yn}n∈N 0 eine <strong>Markov</strong>–Kette mit Übergangsmatrix<br />
Q <strong>und</strong> Anfangsverteilung q. Dann gilt:<br />
◮ Für alle n ∈ N0 gilt<br />
Insbesondere gilt q (0) = q.<br />
q (n) = Q n q<br />
◮ Für alle n ∈ N0 <strong>und</strong> i, j ∈ M gilt<br />
P[{Yn+1 = i} ∩ {Yn = j}] = qi,j P[Yn = j]<br />
Insbesondere gilt im Fall P[Yn = j] > 0<br />
P[Yn+1 = i|Yn = j] = qi,j<br />
19 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Satz. Für die Folge {Yn}n∈N 0 sind äquivalent:<br />
◮ {Yn}n∈N 0 ist eine <strong>Markov</strong>–Kette.<br />
◮ Es gibt eine stochastische Matrix Q derart, dass für alle<br />
n ∈ N0 <strong>und</strong> i0, i1, . . . , in, in+1 ∈ M mit P n<br />
j=0 {Yj = ij} > 0<br />
gilt.<br />
P<br />
<br />
Yn+1 = in+1<br />
<br />
<br />
<br />
<br />
<br />
n<br />
<br />
{Yj = ij}<br />
j=0<br />
= qi n+1,in<br />
In diesem Fall gilt für alle n ∈ N <strong>und</strong> i0, i1, . . . , in, in+1 ∈ M mit<br />
P n j=0 {Yj = ij} > 0<br />
<br />
<br />
n<br />
<br />
<br />
P Yn+1 = in+1 {Yj = ij} = P[Yn+1 = in+1|Yn = in]<br />
<br />
j=0<br />
20 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Definition Charakterisierung Stationarität<br />
Ist {Yn}n∈N 0 eine <strong>Markov</strong>–Kette mit Übergangsmatrix Q,<br />
so heißt eine Verteilung q stationär unter Q, wenn<br />
gilt.<br />
Qq = q<br />
Beispiel. Sei {Yn}n∈N 0 eine <strong>Markov</strong>–Kette mit<br />
Übergangsmatrix Q mit<br />
q1,1 > 0<br />
qi,i+1 > 0 für i ∈ {1, . . . , m−1}<br />
qi,i−1 > 0 für i ∈ {2, . . . , m}<br />
Dann besitzt die <strong>Markov</strong>–Kette eine stationäre Verteilung.<br />
21 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
22 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (1)<br />
Zur Konstruktion eines <strong>Bonus</strong>–Malus Systems für einen<br />
homogenen Bestand betrachten wir<br />
◮ eine Folge von Zufallsvariablen {Nn}n∈N 0 mit<br />
P[Nn ∈ N0] = 1,<br />
◮ einen Zustandsraum M := {1, . . . , m} <strong>und</strong> eine Abbildung<br />
ϕ : N0 × M → M sowie<br />
◮ eine Abbildung h : M → (0, ∞).<br />
Wir interpretieren<br />
◮ Nn als die zufällige Anzahl der Schäden im Jahr n,<br />
◮ M als die Menge der möglichen <strong>Bonus</strong>–Malus Klassen <strong>und</strong><br />
◮ h(M) als die Menge der möglichen Prämienniveaus<br />
<strong>und</strong> bezeichnen ϕ als Übergangsfunktion.<br />
23 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (2)<br />
Wir betrachten ferner eine Zufallsvariable Y0 mit P[Y0 ∈ M] = 1<br />
<strong>und</strong> setzen für n ∈ N<br />
Wir interpretieren<br />
Yn := ϕ(Nn−1, Yn−1)<br />
◮ Yn als zufällige <strong>Bonus</strong>–Malus Klasse <strong>und</strong><br />
◮ h(Yn) als zufälliges Prämienniveau<br />
im Jahr n in Abhängigkeit von der Anzahl der Schäden <strong>und</strong> der<br />
<strong>Bonus</strong>–Malus Klasse im Jahr n − 1.<br />
Wir nehmen an, dass die Folge {Nn}n∈N 0<br />
◮ i.i.d. mit α := E[N] > 0 <strong>und</strong><br />
ist.<br />
◮ unabhängig von Y0<br />
24 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (3)<br />
Für k ∈ N0 <strong>und</strong> i, j ∈ {1, . . . , m} sei<br />
q (k)<br />
i,j :=<br />
<br />
1<br />
0<br />
falls ϕ(k, j) = i<br />
sonst<br />
<strong>und</strong> für i ∈ {1, . . . , m} sei<br />
qi := P[Y0 = i]<br />
Dann ist jede der Matrizen Q (k) <strong>und</strong> damit auch<br />
Q :=<br />
∞<br />
P[N = k] Q (k)<br />
k=0<br />
eine stochastische Matrix <strong>und</strong><br />
ist ein stochastischer Vektor.<br />
q<br />
25 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (4)<br />
Satz. Die Folge {Yn}n∈N 0 ist eine <strong>Markov</strong>–Kette mit<br />
Übergangsmatrix Q <strong>und</strong> Anfangsverteilung q.<br />
Notation:<br />
h :=<br />
⎛<br />
⎜<br />
⎝<br />
h(1)<br />
.<br />
h(m)<br />
⎞<br />
⎟<br />
⎠<br />
26 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Kollektives Modell<br />
◮ Wir nehmen an, dass für jedes Jahr n ∈ N0 ein kollektives<br />
Modell<br />
〈Nn, {Xn,k}k∈N〉<br />
vorliegt. Dies bedeutet, dass die Folge der Schadenhöhen<br />
{Xn,k}k∈N i.i.d. <strong>und</strong> unabhängig von Nn ist, <strong>und</strong> für den<br />
Gesamtschaden Sn := Nn<br />
k=1 Xn,k gilt dann<br />
E[Sn] = E[Nn] E[Xn,1]<br />
◮ Wir nehmen an, dass die kollektiven Modelle voneinander<br />
unabhängig sind.<br />
◮ Wir nehmen weiterhin an, dass die Folge {Nn}n∈N 0<br />
◮ identisch verteilt mit α := E[N] > 0 <strong>und</strong><br />
ist.<br />
◮ unabhängig von Y0<br />
27 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Gr<strong>und</strong>prämie<br />
Für das weitere nehmen wir an, dass<br />
<strong>und</strong> damit<br />
gilt. Für die Gr<strong>und</strong>prämie µ ist<br />
E[Xn,1] = 1<br />
E[Sn] = E[Nn]<br />
Zn := µ h(Yn)<br />
die zufällige Prämie in Jahr n <strong>und</strong> es gilt<br />
E[Zn] =<br />
m<br />
i=1<br />
µ h(i) P[Yn = i] = µ h ′ q (n) = µ h ′ Q n q<br />
Zu bestimmen ist die Gr<strong>und</strong>prämie µ.<br />
28 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Äquivalenzprinzip für Jahr n<br />
Das Äquivalenzprinzip für Jahr n besteht in der Forderung<br />
E[Zn] = E[Nn]<br />
Für die Gr<strong>und</strong>prämie µ gilt daher<br />
<strong>und</strong> damit<br />
µ h ′ Q n q = α<br />
µ = α(h ′ Q n q) −1<br />
29 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Äquivalenzprinzip auf der Basis der ersten n Jahre (1)<br />
Das Äquivalenzprinzip für die ersten n Jahre besteht in der<br />
Forderung<br />
n−1<br />
E[Zk] =<br />
k=0<br />
n−1<br />
E[Nk]<br />
k=0<br />
Für die Gr<strong>und</strong>prämie µn auf der Gr<strong>und</strong>lage der ersten n Jahre<br />
gilt daher<br />
<strong>und</strong> damit<br />
n−1<br />
k=0<br />
µn h ′ Q k q = n α<br />
<br />
1 n−1<br />
µn = α<br />
n<br />
k=0<br />
h ′ Q k q<br />
−1<br />
30 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Äquivalenzprinzip auf der Basis der ersten n Jahre (2)<br />
Ist Q schwach ergodisch <strong>und</strong> ist q stationär, so gilt<br />
lim<br />
n→∞ µn = α (h ′ q) −1<br />
Dies liefert eine Approximation für die Gr<strong>und</strong>prämie auf der<br />
Basis der ersten n Jahre bei langem Planungshorizont.<br />
31 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (1)<br />
Ein <strong>Bonus</strong>–Malus System besteht aus den drei Klassen 1, 2, 3<br />
mit den Prämienniveaus 100%, 90%, 80%. Die Anzahl der<br />
Schäden pro Jahr besitzt die folgende Verteilung:<br />
k 0 1 2<br />
P[N = k] 0,7 0,2 0,1<br />
◮ Jeder Versicherungsnehmer wird zunächst in die<br />
niedrigste Klasse eingestuft.<br />
◮ Meldet der Versicherungsnehmer keinen Schaden, so wird<br />
er im folgenden Jahr eine Klasse höher eingestuft (oder<br />
bleibt in der höchsten Klasse).<br />
◮ Meldet der Versicherungsnehmer einen Schaden, so wird<br />
er im folgenden Jahr eine Klasse niedriger eingestuft (oder<br />
bleibt in der niedrigsten Klasse).<br />
◮ Meldet der Versicherungsnehmer zwei Schäden, so wird er<br />
im folgenden Jahr in die niedrigste Klasse eingestuft.<br />
32 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (2)<br />
Standard–Tableau:<br />
k 1 2 3 P[N = k]<br />
0 2 3 3 0,7<br />
1 1 1 2 0,2<br />
2 1 1 1 0,1<br />
h(i) 100% 90% 80%<br />
Übergangsmatrix <strong>und</strong> Anfangsverteilung:<br />
⎛<br />
⎞<br />
0, 3 0, 3 0, 1<br />
⎛<br />
Q = ⎝ 0, 7 0 0, 2 ⎠ q = ⎝<br />
0 0, 7 0, 7<br />
Stationäre Verteilung:<br />
q = 1<br />
⎛<br />
⎝<br />
86<br />
16<br />
21<br />
49<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
0, 1860<br />
0, 2442<br />
0, 5698<br />
⎞<br />
⎠<br />
1<br />
0<br />
0<br />
⎞<br />
⎠<br />
33 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (3)<br />
Dynamik:<br />
Q =<br />
Q 2 =<br />
Q 4 =<br />
Q 8 =<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
0, 3000 0, 3000 0, 1000<br />
0, 7000 0 0, 2000<br />
0 0, 7000 0, 7000<br />
0, 3000 0, 1600 0, 1600<br />
0, 2100 0, 3500 0, 2100<br />
0, 4900 0, 4900 0, 6300<br />
0, 2020 0, 1824 0, 1824<br />
0, 2394 0, 2590 0, 2394<br />
0, 5586 0, 5586 0, 5782<br />
0, 1864 0, 1860 0, 1860<br />
0, 2441 0, 2445 0, 2441<br />
0, 5695 0, 5695 0, 5699<br />
⎞<br />
⎠<br />
⎞<br />
⎠<br />
⎞<br />
⎠<br />
⎞<br />
⎠<br />
34 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (4)<br />
Verteilung auf die Klassen in den Jahren n ∈ {0, 1, 2, 3, 4}:<br />
⎛<br />
⎞ ⎛ ⎞<br />
0, 3000 0, 3000 0, 1000 1, 0000<br />
⎝ 0, 7000 0 0, 2000 ⎠ ⎝ 0 ⎠<br />
0 0, 7000 0, 7000 0<br />
⎛ ⎞<br />
0, 3000<br />
⎝ 0, 7000 ⎠<br />
0<br />
⎛ ⎞<br />
0, 3000<br />
⎝ 0, 2100 ⎠<br />
0, 4900<br />
⎛ ⎞<br />
0, 2020<br />
⎝ 0, 3080 ⎠<br />
0, 4900<br />
⎛ ⎞<br />
0, 2020<br />
⎝ 0, 2394 ⎠<br />
0, 5586<br />
35 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (5)<br />
Erwartete Prämienniveaus in den Jahren n ∈ {0, 1, 2, 3, 4}:<br />
⎛ ⎞<br />
<br />
1, 0000<br />
1, 00 0, 90 0, 80 ⎝ 0 ⎠ = 1, 00<br />
0<br />
⎛ ⎞<br />
0, 3000<br />
⎝ 0, 7000 ⎠<br />
0<br />
⎛ ⎞<br />
0, 3000<br />
= 0, 93<br />
⎝ 0, 2100 ⎠<br />
0, 4900<br />
⎛ ⎞<br />
0, 2020<br />
= 0, 881<br />
⎝ 0, 3080 ⎠<br />
0, 4900<br />
⎛ ⎞<br />
0, 2020<br />
= 0, 8712<br />
⎝ 0, 2394 ⎠<br />
0, 5586<br />
= 0, 86434<br />
36 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Beispiel (6)<br />
Erwartete Anzahl der Schäden pro Jahr:<br />
α = E[N] = 0, 4<br />
Durchschnittliches erwartetes Prämienniveau über die ersten n<br />
Jahre <strong>und</strong> Gr<strong>und</strong>prämie µn:<br />
n Durchschnitt µn<br />
1 1,0000 0,4000<br />
2 0,9650 0,4145<br />
3 0,9379 0,4269<br />
4 0,9206 0,4345<br />
5 0,9093 0,4398<br />
∞ 0,4753<br />
37 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (1)<br />
Die Bausteine eines <strong>Bonus</strong>–Malus Systems für einen<br />
homogenen Bestand werden auch für einen inhomogenen<br />
Bestand verwendet, aber geeignet erweitert:<br />
Aufgr<strong>und</strong> der Inhomogenität des Bestandes nehmen wir an,<br />
dass es einen Risikoparameter Θ gibt <strong>und</strong> dass die Folge<br />
{Nn}n∈N 0 unter Θ<br />
ist.<br />
◮ bedingt i.i.d. mit α := E[N] > 0 <strong>und</strong><br />
◮ bedingt unabhängig von Y0<br />
38 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (2)<br />
Für k ∈ N0 <strong>und</strong> i, j ∈ {1, . . . , m} sei<br />
q (k)<br />
i,j :=<br />
<br />
1<br />
0<br />
falls ϕ(k, j) = i<br />
sonst<br />
<strong>und</strong><br />
Dann ist<br />
qi(Θ) := P(Y0 = i|Θ)<br />
Q(Θ) :=<br />
∞<br />
P(N = k|Θ) Q (k)<br />
k=0<br />
eine zufällige stochastische Matrix <strong>und</strong><br />
q(Θ)<br />
ist ein zuflliger stochastischer Vektor.<br />
39 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Konstruktion (3)<br />
Satz. Die Folge {Yn}n∈N 0 ist eine unter Θ bedingte<br />
<strong>Markov</strong>–Kette mit bedingter Übergangsmatrix Q(Θ) <strong>und</strong><br />
bedingter Anfangsverteilung q(Θ).<br />
40 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Gr<strong>und</strong>prämie<br />
Für die Gr<strong>und</strong>prämie<br />
<strong>und</strong> die zufällige Prämie<br />
in Jahr n gilt<br />
<strong>und</strong> damit<br />
E(Zn|Θ) =<br />
m<br />
i=1<br />
µ<br />
Zn := µ h(Yn)<br />
µ h(i) P(Yn = i|Θ) = µ h ′ Q n (Θ)q(Θ)<br />
E[Zn] = µ E[h ′ Q n (Θ)q(Θ)]<br />
41 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L Homogener Bestand Beispiel Inhomogener Bestand<br />
Äquivalenzprinzip<br />
Aus dem Äquivalenzprinzip für die ersten n Jahre ergibt sich<br />
<br />
1 n−1<br />
µn = α<br />
n<br />
k=0<br />
E[h ′ Q k (Θ)q(Θ)]<br />
−1<br />
Ist Q(Θ) bedingt schwach ergodisch <strong>und</strong> ist q(Θ) bedingt<br />
stationär, so gilt<br />
lim<br />
n→∞ µn<br />
<br />
= α E[h ′ −1 q(Θ)]<br />
42 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
43 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Probleme<br />
◮ Wahl der Planungshorizonts für die Gr<strong>und</strong>prämie.<br />
◮ Diskontierung.<br />
◮ Monotonie des Prämienniveaus.<br />
◮ Inhomogener Bestand: Bestimmung der Struktur des<br />
Bestandes <strong>und</strong> der bedingten Verteilung der Schadenzahl.<br />
44 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Übersicht<br />
<strong>Bonus</strong>–Malus Systeme: Die Gr<strong>und</strong>struktur<br />
Stochastische Vektoren <strong>und</strong> Matrizen<br />
Gr<strong>und</strong>lagen<br />
Invarianz<br />
Ergodizität<br />
<strong>Markov</strong>–<strong>Ketten</strong><br />
Definition<br />
Charakterisierung<br />
Stationarität<br />
<strong>Bonus</strong>–Malus Systeme<br />
Homogener Bestand<br />
Beispiel<br />
Inhomogener Bestand<br />
Probleme<br />
Literatur<br />
45 / 46
Gr<strong>und</strong> Stoch <strong>Markov</strong>–<strong>Ketten</strong> <strong>Bonus</strong>–Malus Probleme L<br />
Literatur<br />
DAA & DAV:<br />
Klausuraufgaben Gr<strong>und</strong>wissen Schaden.<br />
Schmidt [2010]:<br />
<strong>Bonus</strong>–Malus Systeme. In Vorbereitung.<br />
46 / 46