Disusun oleh :
UNIVERSITAS PADJADJARAN
2018
Bab 13
13.1 Pendahuluan
dalam jumlah surplus penerima asuransi pada suatu periode waktu yang
Misalkan U(t) adalah notasi surplus pada waktu t, c(t) menotasikan premi-
premi yang dikumpulkan selama waktu t, dan S(t) menotasikan klaim agregat
yang dibayar selama waktu t. Jika u adalah surplus yang dimiliki pada waktu itu,
mungkin sebagai hasil operasi pada masa lalu, maka U(t) diperoleh dari:
sekali dalam suatu periode,akan dibahas kemungkinan mengenai besar U(t) untuk
surplus dan S(t) merupakan proses agregat klaim. Premi yang diperoleh, c(t)
periode ataupun berlangsung terus menerus. Untuk kasus yang terakhir terdapat
{U (t ) : t 0}
Hasil yang umumnya diperoleh dari proses surplus ini, {U (t ) : t 0} ,
ditunjukkan pada 13.1.1. Diasumsikan pada bab ini pergerakan premi konstan, c,
kemiringan c) kecuali pada saat terjadi klaim. Surplus pada waktu itu menurun
sesuai jumlah klaim. Jika surplus awal u meningkat atau menurun sejumlah h,
grafik U(t) akan meningkat atau menurun sejumlah h unit tingkat tapi tak akan
Surplus mungkin bisa mejadi negatif pada waktu tertentu. Ketika hal itu
terjadi, dikatakan ruin berlangsung. Istilah ini berasal dari masalah gambler’s ruin
pada teori probabilitas. Aplikasi tipikal pada ide bab ini adalah untuk proyeksi
kemungkinan ruin sebagai konsekuensi variansi dalam jumlah dan timing klaim.
Misal
(u ) Pr(T ) (13.1.3)
hanya kemungkinan ruin dari jangka tak terbatas, (u ) , yang lebih bisa
Ide bab ini bisa digunakan untuk menyediakan sistem peringatan awal
unruk panduan proyek asuransi. Sebuah model harus bisa dipilih untuk mewakili
waktu diskrit yang didefinisikan dengan menganggap nilai U(t) hanya pada nilai
{U n : n 0,1, 2,...}.
U n u nc Sn (13.2.1)
dimana u adalah surplus awal , jumlah premi yang diterima setiap periode konstan
Sn W1 W2 ... Wn (13.2.2)
dimana Wi adalah jumlah klain pada periode i. Pertama diasumsikan W1 ,W2 ,...
E[Wi ] c .
U n u (c W1 ) (c W2 ) ... (c Wn ). (13.2.3)
Misalkan
T min{n : U n 0} (13.2.4)
(u ) Pr(T ) (13.2.5)
log M w (r ) rc (13.2.7)
d
E[er (W c ) ] E[(W c)er (W c ) ]
dr
dan
d2
2
E[er (W c ) ] E[(W c)2 er (W c ) ]
dr
Contoh 13.2.1
Turunkan ekspresi dari R dalam kasus khusus dimana distribusi biasa dari Wi
adalah N ( , 2 ).
Solusi:
Disini
2r 2
log[ M w (r )] r .
2
2(c )
R
2
Teorema 13.2.1
n
Misalkan U n u nc Wi untuk n 1, 2,..., dan W1 ,W2 ,... berdistribusi
i 1
exp( Ru )
(u ) . (13.2.8)
E[exp( RU T )[T ]
(u ) exp( Ru ). (13.2.9)
dan
d2
log M x (t ) t 0 Var ( X ).
dt 2
1
log M w (r ) r 2 r 2 ...
2
dimana 2 Var (W ) . Jika digunakan dua istilah pertama dari ekspansi ini pada
2(c )
R . (13.2.10)
2
2 p1 E[ N ]
R (13.2.11)
( p2 p ) E[N] p12Var ( N )
1
2
Contoh 13.2.2
Perkirakan R jika
2 p1
R (13.212)
p2
rq
E[ N ] ,
p
rq
Var ( N ) 2 ,
p
2 p1
R (13.2.13)
p2 p12 [(1/ p) 1]
Sudah diasumsikan bahwa jumlah total klaim pada periode waktu yang
berbeda merupakan variabel acak bebas. Asumsi ini dalam banyak kasus dianggap
sebelumnya dan membuat adanya korelasi antara klaim dari beberapa periode
tertentu.
persamaan 13.2.1 dan T , waktu ruin, pada persamaan 13.2.4. Kemungkinan ruin
sebagai berikut:
Ini adalah fungsi 2 Variabel. Secara umum model ini dapat dipertimbangkan,
𝑊𝑖 = 𝑌𝑖 + 𝑎𝑌𝑖 + ⋯ + 𝑎𝑖−1 𝑌𝑖 + 𝑎𝑖 𝑤
1 − 𝑎2 1 − 𝑎𝑛 1 − 𝑎𝑛
= 𝑌𝑛 + 𝑌𝑛−1 + ⋯ + 𝑌𝑖 + 𝑎 𝑤
1−𝑎 1−𝑎 1−𝑎
𝑌1
Terlihat bahwa Y1dengan kontribusin akhir untuk claim total. Maka dari itu
1−𝑎
kita asumsikan bahwa c > E [Yi]/(1-a), dan analoginya pada (13.2.6), kita
𝑀𝑦
𝑒𝑎 = (𝑡) = 1
1−𝑎
𝑅𝑌
𝑙𝑜𝑔 𝐸 = [𝑒𝑥𝑝 ] − 𝑐𝑅 = 0
1−𝑎
Catatan : secara umum bahwa R tergantung distribusi dari 𝑌𝑖 𝑠 dan pada nilai a
dan c
Teorema 13.2.2
exp(−𝑅𝑢)
ψ(𝑢, 𝑤) =
𝐸[exp(−𝑅𝑢𝑓 |𝑇 < ∞]
Dalam arti tertentu Uṅ adalah modifikasi tambahan. Ini berarti tambahan
sebenarnya Uṅ disesuaikan untuk semua claim masa depan yang bergantung
penyebut di (13.2.20) lebih besar dari 1. Dan kita dapat sederhanakan batas atas
Akibat 13.2.1
ψ(𝑢, 𝑤) ≤ 𝑒xp(−𝑅𝑢)
kontinu, banyaknya proses claim dan proses agregate claim. Kita biasanya
memodelkan pertama dengan proses poisson dan kedua menggunakan proses
compound Poisson.
claim dan S(t) menunjukan agregate claim sampai waktu t. Kita mulai menghitung
dari waktu 0; jadi N(0) = 0 selanjutnya S(t) = 0 selama N(t) = 0 . pada bab 12 kita
𝑆(𝑡) = 𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋𝑁(𝑡)
agregate claim proses. Kumpulan dari variabel acak tersebut disebut proses, dan
kita tertarik pada distribusi gabungan pada semua waktu t ≥ 0. Ini berbeda pada
ban 12 dimana kita tertarik pada banyaknya claim dan agregate claim untuk 1
periode.
adalah banyaknya claim dan S(t+h) - S(t) adalah jumlah keseluruhan dari calim
(agregate claim) yang terjadi pada interval antara t dan t+h. Membiarkan 𝑇𝑖
claim yang terjadi pada 1 waktu. Waktu berlalu secara berurutan pada claim
Hasil khas dari banyaknya claim prosses dan agregate claim prosses dapat
digambarkan pada gambar (13.3.1) dan (13.3.2). dengan catatan N(t) dan S(t)
merupakan fungsi yang meningkat atau fungsi tangga. Diskontinu pada claim
terjadi pada saat waktu Ti, dan ukuran dari langkah pada saat ini adalah 1 untuk
b. Metode diskrit : kita menentukan distribusi gabungan V1, V2, ... atau,
Contoh 13.3.1
kematian yang terjadi pada waktu t dan Ti menunjukan waktu ketika i-th kematian
Jawaban
𝑛−𝑖
( ) (ℎ 𝑞𝑥+𝑡 𝑖)^𝑘(1 − ℎ 𝑞𝑥+𝑡 )^𝑛 − 𝑖 − 𝑘𝐾 = 0,1,2, … , 𝑛 − 1
𝑘
s=t
Pertama
𝑛
Pr(𝑇1 > 𝑠) = ( 𝑠 𝑝𝑥 )
dan
𝑛−𝑖
fTi−1|Ti (t|s) = (n − i)( 𝑡−𝑠 𝑝𝑥+𝑠 ) 𝜇𝑥 (𝑡)
Kita amati pada cintoh ini waktu berlalu berturut-turut antara kematian
turut antara claim tidak saling bebas dan mendistribusikan secara identik. Dengan
𝑒 −𝜆ℎ (𝜆ℎ)𝑘
Pr[𝑁(𝑡 + ℎ) − 𝑁(𝑡) = 𝑘|𝑁(𝑠)𝑢𝑛𝑡𝑢𝑘𝑠𝑒𝑚𝑢𝑎𝑠 ≤ 𝑡] =
𝑘!
ii. Untuk setiap set interval waktu terputus, pertambahannya bersifat bebas,
ini adalah untuk t1 < t1+h1 < t2 < t2+h2 < .... < tn+hn penjumlahan
waktu berlalu V1, V2, ...., saling bebas dan masing-masing memiliki
Kita tahu bahwa dari kedua definisi poisson prosses bersifat ekuivalen.
kita melihat bahwa definisi prosses oleh metode global lebih menonjol dari pada
= 𝑒 −𝜆ℎ
dari pada metode global, terapkan definisi N(t)’s, Tj’s, dan Vj’s saling bebas dan
ℎ ℎ
∫ Pr(𝑇𝑘 + 𝑉𝑘−1 > ℎ|𝑇𝑘 = 𝑢) 𝑓𝑇𝑘 (𝑢)𝑑𝑢 = ∫ Pr(𝑉𝑘−1 > ℎ − 𝑢) 𝑓𝑇𝑘 (𝑢)𝑑𝑢
0 0
ℎ
𝜆𝑘 𝑢𝑘−1 𝑒 −𝜆𝑢
= ∫ 𝑒 −𝜆(ℎ−𝑢) 𝑑𝑢
(𝑘 − 1)!
0
ℎ
𝑒 −𝜆ℎ 𝜆𝑘 𝑘−1 −𝜆ℎ
𝜆ℎ𝑘
= ∫𝑢 =𝑒
(𝑘 − 1)! 𝑘!
0
variabel acak itu secara identik dengan 𝑃(𝑥), dan jika mereka independen dari
Jika proses klaim agregat adalah proses Poisson majemuk dengan 𝜆 dan
𝑃(𝑥), maka properti berikut sesuai terhadap properti dari klaim dasar:
b. Pada t waktu, kemungkinan klaim selanjutnya diantara t+h dan t+h+dh dan
jumlah klaim kurang dari atau sama dengan x adalah 𝑒 −𝜆ℎ (𝜆𝑑ℎ)𝑃(𝑥).
diberi di (13.1.1), untuk klaim proses 𝑆(𝑡). Untuk sisa bab ini, asumsikan 𝑆(𝑡)
adalah proses Poisson majemuk. Dengan asumsi ini kita dapat kembangkan batas
atas dan batas bawah Ψ(𝑢). Pada kasus yang serupa mengenai distribusi
pembayaran dugaan per unit waktu, yaitu 𝜆𝑝1 . Lalu, kita definisi pemuatan
itu pasti.
Definisi R
13.4.1.
dengan angka yang pasti untuk claim 𝑡. Lalu, secara analogi dengan (13.2.6), kita
Dengan demikian,
cenderung ke 𝛾. Selanjutnya, turunan kedua dari sisi kanan adalah positif, maka
grafiknya cekung ke atas. Asumsi 𝑐 > 𝜆𝑝1 (ekivalen 𝜃 > 0) mengartikan lereng,
(1 + 𝜃)𝜆𝑝1 , dari sisi kiri (13.4.3) melebihi lereng, 𝑀′𝑥 (0) = 𝑝1 , dari sisi kanan di
𝑟 = 0. Dari figur (13.4.1), kita bisa lihat bahwa (13.4.3) memiliki dua solusi.
Contoh 13.4.1
parameter 𝛽 > 0
Solusi:
(1 + 𝜃)𝑟 𝛽
1+ =
𝛽 𝛽−𝑟
(1 + 𝜃)𝑟 2 − 𝜃𝛽𝑟 = 0
𝜃𝛽
𝑅=
(1 + 𝜃)
Contoh 13.4.2
Solusi:
1 + (1 + 𝜃)𝑟 = 𝑒 𝑟
Hasil dari pengerjaan secara numerik dari persamaan di atas untuk beberapa nilai
𝜃 R
0.2 0.3542
0.4 0.63903
0.6 0.8764
0.8 1.07941
1 1.25643
1.2 1.41318
1.4 1.55368
pemuatan keamanan relatif,𝜃. Hal ini dapat dilihat dari figur 13.4.1. Sebagaimana
𝜃 meningkat, kemiringan garis lurus melalui titik (0,1) meningkat sehingga titik
Contoh 13.4.3
Asumsi distribusi jumlah claim adalah invers Gaussian dengan parameter 𝛼 dan
d. Gambarkan grafik sesuai dengan figur 13.4.1 untuk kasus jika limit di (b)
e. Gambarkan grafik sesuai dengan figur 13.4.1 untuk kasus jika limit di (b)
Solusi:
2𝑡
𝛼[1−√(1− )]
a. 𝑀𝑥 (𝑡) = 𝑒 𝛽 , untuk 𝑡 < 𝛽/2. Maka 𝛾 = 𝛽/2
b. lim 𝑀𝑥 (𝑡) = 𝑒 𝛼
𝑡−𝛽/2
2𝑡
𝛼 𝛼[1−√(1− )]
c. 1 + (1 + 𝜃) (𝛽) 𝑟 = 𝑒 𝛽 ,untuk 𝑟 < 𝛽/2
𝛼
d. Jika 𝑒 𝛼 > 1 + (1 + 𝜃) ( 2 ), maka grafiknya sebagai berikut:
𝛼
e. Jika 𝑒 𝛼 < 1 + (1 + 𝜃) ( 2 ), maka grafiknya sebagai berikut:
Observasi:
ketika batas distribusi klaim adalah hingga pada ujung interval terbuka dari
definisi
𝛼
2. Untuk ukuran klaim yang diharapkan tetap, 𝛽, garis pada figur 13.4.1, adalah
𝛼 𝛽 𝛼
⁄𝛽 2 , menurun, dan poin ( 2 , 𝑒 )bergerak ke kanan dan atas, membuat
dari nol dan cara membuktikannya bisa dengan cara R digantikan oleh 𝛾 dan
penyesuaian ada.
Teorema 13.4.1
Jika 𝑈(𝑡) adalah proses surplus berdasarkan proses klaim agregat Poisson
majemuk, 𝑆(𝑡), dengan 𝑐 > 𝜆𝑝1 , dengan pemuatan keamanan relatif, maka untuk
𝑢 ≥ 0.
exp(−𝑅𝑢)
𝜓(𝑢) = 𝐸[exp(−𝑅𝑢(𝑇)|𝑇<−∞] (13.4.4)
Dari figur 13.4.1, kita bisa lihat bahwa jika 𝜃 → 0, sekan bergerak ke
𝑈(𝑡), 𝑡 > 0, untuk kasus di mana 𝜃 < 0, akan selalu kurang dari sesuai dengan
𝑈(𝑡) untuk 𝜃 → 0, and karena sejak itu kehancuran adalah pasti untuk 𝜃 = 0,
kehancuran juga pasti untuk 𝜃 < 0. Dengan alasan tersebut, kita tetap
mana jumlah distribusi klaim adalah eksponensial (lihat latihan 13.4.4). Namun,
𝑇 < ∞ bisa bernilai negatif, penyebut pada (13.4.4) melebihi 1. Hal itu berarti
hingga m, hal itu mengikuti, dengan 𝑇 < ∞, bahwa 𝑈(𝑡) > −𝑚 sejak surplus
Dengan demikian,
Sekarang kita cek suatu kasus khusus di mana Teorema 13.4.1 dapat
Contoh 13.4.4
Solusi:
Kehancuran, jika itu terjadi, diasumsikan untuk terjadi pada waktu T. misal 𝑢̂
ini melebihi
∞
𝛽 ∫𝑢̂+𝑦 𝑒 −𝛽𝑥
∞ = 𝑒 −𝛽𝑦 ,
𝛽 ∫𝑢̂ 𝑒 −𝛽𝑥
𝑑
(1 − 𝑒 −𝛽𝑦 ) = 𝛽𝑒 −𝛽𝑦 ,
𝑑𝑦
Maka,
𝑥
𝐸[exp(−𝑅𝑈(𝑇)|𝑇 < ∞] = 𝛽 ∫ 𝑒 −𝛽𝑦 𝑒 𝑅𝑦 𝑑𝑦
0
𝛽
=
𝛽−𝑅
Dari contoh 13.4.1, kita mengetahui bahwa dengan koefisien penyesuaian pada
menghasilkan
jumlah surplus pada saat pertama kali jatuh di bawah level awal (ini, tentu saja,
tidak akan pernah terjadi). sebagai aplikasi, kami menemukan ekspresi sederhana
Teorema utama bagian ini, yang dibuktikan dalam Apendiks pada bab ini,
Teorema 13.15.1
bawah tingkat awal u, dan akan berada di antara u-y dan u-y-dy ketika terjadi
𝛌 1−𝑃(𝑦)
[1 − 𝑃(𝑦)]𝑑𝑦 = 𝑑𝑦, 𝑦 > 0
𝑐 (1+𝜃)
surplus bahkan akan turun di bawah nol, yaitu, tingkat asalnya. Karenanya
1
ψ(0) = 1+𝜃 (13.5.2)
Luar biasa bahwa ψ(0) hanya bergantung pada pemuatan keamanan relatif
𝜃 dan bukan bentuk spesifik dari distribusi jumlah klaim. Kami mencatat
𝛌 1−𝑃(𝑦)
[1 − 𝑃(𝑦)]𝑑𝑦 = ,𝑦 > 0
𝑐 (1+𝜃)
bukan p.d.f. karena tidak berintegrasi ke 1. Namun, ada p.d.f. dalam arti yang
tepat. Biarkan 𝐿1 menjadi variabel acak yang menunjukkan jumlah yang surplus
jatuh di bawah tingkat awal untuk pertama kalinya, mengingat bahwa ini pernah
1 − 𝑃(𝑦)
(1 + 𝜃)𝑝1
dengan
1
ψ(0) =
(1 + 𝜃)𝑝1
Dan
1
𝑓𝐿1 = 𝑝 [1 − 𝑃(𝑦)]𝑦 > 0 (13.5.3)
1
Hubungan antara m.g.f. 𝐿1 dan distribusi ukuran klaim X dapat diperoleh dengan
1 𝑥 𝑒 𝑟𝑦 [1 − 𝑃(𝑦)]𝑑𝑦
𝑀𝐿1 (𝑟) = ∫
𝑝1 0
1 𝑒 𝑟𝑦 1 𝑥 1
=𝑝 { [1 − 𝑃(𝑦)]| + ∫0 𝑒 𝑟𝑦 𝑝(𝑦)𝑑𝑦 = [𝑀𝑥 (𝑟) − 1] (13.5.4)
1 𝑟 𝑟 𝑝 𝑟
1
Contoh 13.5.1
Tulislah ungkapan untuk distribusi tingkat surplus pada saat pertama kali surplus
jatuh di bawah tingkat awal u, karena itu turun di bawah u, jika semua klaim
adalah ukuran 2.
Solusi:
Kita memiliki
1, 0≤𝑦<2
1 − 𝑃(𝑦) = {
0, 𝑦≥2
1
1 , 0≤𝑦<2
1 − 𝑃(𝑦) = {2
𝑝1 0, 𝑑𝑖𝑚𝑎𝑛𝑎𝑝𝑢𝑛
Oleh karena itu, 𝐿1 terdistribusi secara merata antara 0 dan 2, jadi level surplus
setelah drop pertama tersebut terdistribusi secara merata antara u-2 dan u.
Contoh 13.5.2
Tulis ekspresi untuk distribusi 𝐿1 jika ukuran klaim individu memiliki distribusi
Solusi :
1
[1 − 𝑃(𝑦)] = 𝛽𝑒 −𝛽𝑦 𝑦 > 0
𝑝1
Oleh karena itu, distribusi 𝐿1 juga eksponensial dengan parameter 𝛽.
sebagai
𝑚𝑎𝑥
𝐿= 𝑡≥0[𝑆(𝑡) − 𝑐𝑡], (13.6.1)
yaitu, sebagai kelebihan maksimal dari klaim agregat atas premi yang diterima.
kasus di mana distribusi jumlah klaim individu adalah jumlah tertimbang dari
distribusi eksponensial.
Untuk mendapatkan d.f. dari variabel acak L yang kita anggap, untuk u ≥
0,
= Pr[𝑆(𝑡) − 𝑐𝑡 ≤ 𝑢𝑢𝑛𝑡𝑢𝑘𝑠𝑒𝑚𝑢𝑎𝑡].
Tetapi sisi kanan setara dengan Pr(𝐿 ≤ 𝑢), jadi kami punya
distribusi L adalah tipe campuran. Ada titik massa 1 − ψ(0) pada titik asal
dengan probabilitas yang tersisa menyimpang terus menerus melebihi nilai positif
L.
Hasil utama dari bagian ini adalah rumus eksplisit berikut untuk m.g.f. L,
tentang ψ(u).
Teorema 13.6.1
𝜃𝑝 𝑟
𝑀𝐿 (𝑟) = 1+(1+𝜃)𝑝1𝑟−𝑀 (13.6.4)
1 𝑥 (𝑟)
Persamaan rumus :
𝜃 1 𝜃[𝑀 (𝑟)−1]
𝑥
𝑀𝐿 (𝑟) = 1+𝜃 + 1+𝜃 1+(1+𝜃)𝑝 , (13.6.4A)
1 𝑟−𝑀𝑥 (𝑟)
yang mencerminkan titik massa di asal lebih langsung, karena kontribusi ke m.g.f.
𝜃
1 − ψ(0) =
1+𝜃
Bukti:
agregat mengasumsikan rekor tertinggi baru. Hasil dari proses kerugian agregat
ditunjukkan pada Gambar 13.6.1. Dalam hasil ini, rekor tertinggi baru ditetapkan
tiga kali. Setelah setiap catatan tinggi ada kemungkinan 1 − ψ(0) bahwa catatan
ini tidak akan rusak dan probabilitas ψ(0) yang akan rusak. Dalam membuat
pernyataan ini kita bergantung pada fakta bahwa proses Poisson majemuk
𝐿 = 𝐿1 + 𝐿2 + ⋯ + 𝐿𝑁 (13.6.5)
Di sini N adalah jumlah rekor tertinggi baru dan memiliki distribusi geometrik
dengan
1 𝑛+1
Pr(𝑁 = 𝑛) = [1 − ψ(0)][ψ(0)]𝑛 = 𝜃 (1+𝜃) 𝑛 = 0,1,2, …, (13.6.6)
Dan m.g.f
𝜃
𝑀𝑁 (𝑟) = 13.6.7)
1+𝜃−𝑒 𝑟
Variabel acak N, 𝐿1 , 𝐿2 , … saling independen, dan p.d.f. dari 𝐿′𝑖 𝑠 diberikan oleh
𝜃
𝑀𝐿 (𝑟) = 𝑀𝑁 [log 𝑀𝐿1 (𝑟)] = 1+𝜃−𝑀 (13.6.8)
𝐿1 (𝑟)
Persamaan (13.5.4) memberikan 𝑀𝐿1 (𝑟)dalam hal 𝑀𝑥 (𝑟) dan dengan demikian
𝜃
𝑀𝐿 (𝑟) =
1 + 𝜃 − [1/(𝑝1 𝑟)][𝑀𝑥 (𝑟) − 1]
𝜃𝑝1 𝑟
=
1 + (1 + 𝜃)𝑝1 𝑟 − 𝑀𝑥 (𝑟)′
Amatilah bahwa karena 1 − ψ(u) adalah df. dari variabel acak L-lihat
(13.6.2) -di mana L memiliki titik massa pada titik asal dan kerapatan terus
𝑥
𝜃
= + ∫ 𝑒 𝑢𝑟 [−ψ′(u) ]𝑑𝑢
1+𝜃 0
𝑥 𝜃 𝜃[𝑀 (𝑟)−1]
∫0 𝑒 𝑢𝑟 [−ψ′(u) ]𝑑𝑢 = 1+𝜃 1+(1+𝜃)𝑝
𝑥
. (13.6.9)
1 𝑟−𝑀𝑥 (𝑟)
Rumus ini dapat digunakan untuk menemukan ekspresi eksplisit untuk −ψ(u)
untuk keluarga tertentu dari distribusi jumlah klaim. Satu keluarga tersebut terdiri
Kemudian
𝛽
𝑀𝑥 (𝑟) = ∑𝑛𝑖=1 𝐴𝑖 𝛽 −𝑟
𝑖
(13.6.11)
𝑖
Awalnya,𝑀𝑥 (𝑟) didefinisikan sebagai expection dan hanya ada untuk 𝑟 <
𝛾= min [𝛽𝑖 , … , 𝛽𝑛 ]. Namun, fungsi ini dapat diperluas dengan cara alami ke semua
r≠ 𝛽𝑖 . Untuk kesederhanaan, kita menggunakan symbol yang sama, 𝑀𝑥 (𝑟), untuk
fungsi ini.
kanan dari hasil adalah fungsi rasional dari r, yang, dengan menerapkan metode
Itu mengikuti bahwa kemungkinan kehancuran diberikan oleh ungkapan ini. Kami
Contoh 13.6.1
Solusi :
Karena
𝛽 1
𝑀𝑥 (𝑟) = =
𝛽 − 𝑟 1 − 𝑝1 𝑟′
1
𝜃 𝜃[1 − 𝑝 𝑟 − 1 𝜃 𝜃
1
( ){ }=( )[ ]
1 + 𝜃 1 + (1 + 𝜃)𝑝1 𝑟 − 1/(1 − 𝑝1 𝑟) 1 + 𝜃 𝜃 − (1 + 𝜃)𝑝1 𝑟
𝑟1
= 𝐶1
𝑟1 − 𝑟
1
Dimana 𝐶1 = 1+𝜃 dan 𝑟1 = 𝜃/[(1 + 𝜃)𝑝1 ]. Kemudian
(13.4.8)
Contoh 13.6.2
2
Diberikan θ = 5 maka 𝑝(𝑥) adalah :
3 7
𝑝(𝑥) = 𝑒 −3𝑥 + 𝑒 −7𝑥 , 𝑥 > 0
2 2
Solusi :
3 7
𝑀𝑋 (𝑟) = 2 + 2
3−𝑟 7−𝑟
Dan
1 1 1 1 5
𝑝1 = ( ) ( ) + ( ) ( ) =
2 3 2 7 21
Kita substitusikan persamaan yang ada pada bagian kanan dari (13.6.9), setelah
disederhanakan menjadi
6 5−𝑟
( )( )
7 6 − 7𝑟 + 𝑟 2
𝐶1 6𝐶2
+
1−𝑟 6−𝑟
Koefisien determinasi menjadi
24 1
𝐶1 = 35 dan 𝐶2 = 35
Dengan demikian
24 −𝑢 1
𝜓(𝑢) = 𝑒 + 𝑒 −6𝑢 , 𝑢 ≥ 0
35 35
GRAFIK
kiri 𝛽1 = 𝛾.
probabilitas ruin. Metode berikut berdasarkan pada dua momen pertama dari
distribusi jumlah klaim mudah diterapkan dan tampaknya memberikan hasil yang
Hasilnya adalah
𝑝
𝐸[𝐿] = 2𝜃𝑝2 (13.6.16)
1
1
Lebih lanjut, kita tahu dari (13.5.2) bahwa 𝜓(0) = 1+𝜃 dan dari (13.4.5) bahwa
1
1 − 𝐹𝐿 (𝑢) = 𝜓(𝑢) ≅ 𝑒 −𝐾𝑢 ,𝑢 > 0
1+𝜃
Dimana K dipilih sehingga nilai yang diperkirakan darin E[L] sama dengan yang
Sehingga
2𝜃𝑝1
𝐾=
(1 + 𝜃)𝑝2
1 2𝜃𝑝1 𝑢
𝜓(𝑢) ≅ exp[− 𝑢 > 0
1+𝜃 (1 + 𝜃)𝑝2
Catatan jika distribusi klaim bersifat eksponensial dengan rata-rata 𝑝1, sehingga
𝑝2 = 2𝑝12 , hasilnya bernilai eksak; lihat (13.4.8). Metode ini digunakan dalam
tingkat surplus dengan segera setlah ruin, U(T), untuk proses surplus dengan
untuk proses surplus seperti itu dalam hal distribusi jumlah klaim ditunjukkan
dalam Teorema 13.5.1 dan 13.6.1. Beberapa hasil peneitian di bidang ini telah
Gerber dan Shiu(1997) memberikan ringkasan yang dapat dibaca dari hasil ini.
“Paper ini mempelajari tentang probabilitas bersama dari waktu dan ruin,
surplus dengan segera sebelum ruin, dan defisit di ruin. Model klasik
mungkin bergantung pada defisit ruin dan surplus diawal sebelum ruin.
awal yang snagat besar, dan untuk surplus acak ketika jumlah klaim
Beekman (1974)
Buhlmann (1970)
Gerber (1979)
Seal (1969)
Teori ruin tekah dikembangkan oleh Sekolah Scandinavian (F. Lundberg, Cramer)
dan oleh Sekolah Italia (DeFinetti); perkembangan ini secara akurat dijelaskan
ruin,
Dimana C merupakan konstanta. Lihat teorema 13.4.1, pada formula ini cukup
(13.7.1) yang merupakan resiprokal dari limit. Dalam bentuk lain dimana jumlah
diilustrasikan di (13.6.13).
Feller (1966) mendiskusikan solusi dari persamaan tipe ini; khususnya; dia
batas dari kondisi distribusi dari −𝑈(𝑇), diberikan 𝑇 < ∞, untuk 𝑢 → ∞.
bunga yang konstan. 𝛿 > 0, kita bisa mengganti c dengan 𝑐 + 𝑢𝛿 pada persamaan
klaim, persamaan yang dihasilan memiliki solusi eksplisit dalam fungsi gamma.
Jika premi dan klaim ditukar dengan premi pembayaran oleh perusahaan
𝑈(𝑡) = 𝑢 − 𝑐𝑡 + 𝑆(𝑡)
𝜓(𝑢) = 𝑒 −𝑅𝑢
Untuk membuktikan ini, pertama lihat Teorema 13.4.1 dan amati surplus pada
waktu ruin selalu 0. Telah disarankan bahwa model ini dapat digunakan untuk
pada interval waktu yang terbatas. Beekman and Bowers (1972), aproksimasi
𝜓(𝑢, 𝑡) dengan moment yang pas. Gerber (1974) dan DeVylder (1977) memberi
Panjer dan Willmot (1992, Chapter 11) mendiskusikan ide pada bagian ini
menggunakan tools matematika. Bagian 11.4 dan 11.5 adalah bunga khusus
APPENDIX
yang dimodifikasi
𝑎
̂𝑖 = 𝑈𝑖 −
𝑈 𝑊
1−𝑎 𝑖
𝑎
= 𝑈𝑖−1 + 𝑐 − 𝑊𝑖 − 𝑊
1−𝑎 𝑖
𝑎
= 𝑈𝑖−1 + 𝑐 − 𝑊
1−𝑎 𝑖
1
= 𝑈𝑖−1 + 𝑐 − (𝑌 + 𝑎𝑊𝑖−1
1−𝑎 𝑖
𝑖 𝑌
= 𝑈𝑖−1 + 𝑐 − 1−𝑎 , 𝑖 = 1,2, … (13.A.1)
𝐸(exp(−𝑅̅ [𝑈
̂𝑛 − 𝑈
̂𝑖 ])) = 1, 𝑖 = 0,1,2, … , 𝑛 (13.A.2)
𝐸[exp(−𝑅̅ 𝑈
̂𝑛 )] = ∑𝑛𝑖=1 𝐸[exp(−𝑅̅ 𝑈
̂𝑛 ) |𝑇̅ = 𝑖] Pr(𝑇̅ = 𝑖) + 𝐸[exp(−𝑅̅ 𝑈
̂𝑛 )|𝑇̅ >
konvergen ke
∞
∑ 𝐸[exp(−𝑅̅ 𝑈
̂𝑖 ) |𝑇̅ = 𝑖] Pr(𝑇̅ = 𝑖) = 𝐸[exp(𝑅̅ 𝑈
̂𝑇 ) |𝑇̅ < ∞]Pr(𝑇̅ < ∞)
𝑖=1
Sehingga untuk melengkapi bukti Teorem 13.2.2 kita harus menunjukkan bahwa
dengan bentuk
𝐸[𝑌] 1 − 𝑎𝑛 𝐸[𝑌]
𝐸[𝑆𝑛 ] = 𝑛 −𝑎 ( − 𝑤)
1−𝑎 1−𝑎 1−𝑎
𝐸[𝑌]
̂𝑛 ] > 𝑢 + 𝛼𝑛jika n
Karena 𝑐 > (1−𝑎), terdapat bilangan positif 𝛼 sehingga 𝐸[𝑈
secara jelas untuk konvergensi dari persamaan kedua disisi kanan (13.A.4) dalam
bukti yang diberikan dibawah ini untuk Teorema 13.4.1. Lihat Promislow (1991a)
berdistribusi Poisson dengan Parameter Poisson 𝜆(𝑡 − 𝑇). Karena itu persamaan
(13.A.7)
(13.A.8)
Karena Teorema 13.4.1 kita dapat melihat istilah kedua persamaan sisi kanan
dan
Var[𝑈(𝑡)] = Var[𝑆(𝑡)] = 𝛽 2 𝑡.
2
Kita perhitungkan 𝑢 + 𝑎𝑡 − 𝛽𝑡 3 , dimana positif untuk 𝑡 cukup besar.
Sekarang kita bagi bentuk kedua disisi kanan dari (13.A.8) dengan membedakan
2
𝑈(𝑡) itu lebih kecil atau lebih besar dari 𝑢 + 𝑎𝑡 − 𝛽𝑟 3 . Dengan pembagian ini,
kita memiliki
2
𝐸[𝑒 −𝑅𝑈(𝑡) |𝑇 > 𝑡, 0 ≤ 𝑈(𝑡) ≤ 𝑢 + 𝑎𝑡 − 𝛽𝑟 3
2
Pr[𝑇 > 𝑡, 0 ≤ 𝑈(𝑡) ≤ 𝑢 + 𝑎𝑡 − 𝛽𝑡 3 ]
2
+𝐸[𝑒 −𝑅𝑈(𝑡) |𝑇 > 𝑡, 𝑈(𝑡) > 𝑢 + 𝑎𝑡 − 𝛽𝑟 3 ]
2
Pr[𝑇 > 𝑡, 𝑈(𝑡) > 𝑢 + 𝑎𝑡 − 𝛽𝑡 3 ]
2 2
≤ Pr [𝑈(𝑡) ≤ 𝑢 + 𝑎𝑡 − 𝛽𝑡 3 ] + exp[−𝑅 (𝑢 + 𝑎𝑡 − 𝛽𝑡 3 )]
𝟏 2
≤ 𝒕−𝟑 + exp[−𝑅 (𝑢 + 𝑎𝑡 − 𝛽𝑡 3 )]
dengan ketidaksamaan Chebychev. Tapi dengan ikatan di atas ini, bentuk kedua di
ketertarikan pada bagian itu sendiri. Misalkan 𝑤(𝑥), 𝑥 < 0, berfungsi dengan
𝑤(𝑥) sebagai sebuah penalti jika surplus nya pada waktu penghancuran adalah 𝑥.
Pada kasus ini (𝑢; 𝑤) adalah nilai yang diharapkan dari penalti tersebut.
Contohnya:
1,𝑥 < −ℎ
c. jika 𝑤ℎ (𝑥) = {
0, −ℎ ≤ 𝑥 ≤ 0,
kemudian
Kita mulai membuktikan dengan menunjukan bahwa, untuk setiap fungsi terikat
𝐴 𝑥
𝜓(0; 𝑤) = 𝑐 ∫0 𝑤(−𝑦)[1 − 𝑃(𝑦)]𝑑𝑦. (13A.10)
(13.A.11)
Pr[𝑁(𝑏) = 0] = 𝑒 −𝜆𝑏 ,
untuk beberapa 𝑀. Dengan batasan ini, dan sifat proses Poisson senyawa, kita
Karena tak ada klaim yang terjadi dan penghasilan telah diterima pada nilai 𝑐,
klaim satuan:
- Jika 𝑢 < 𝑥 ≤ 𝑢 + 𝑐𝑏, itu cukup untuk mengamati bahwa harapan penalti
bersyarat, katakanlah, 𝐴(𝑥, 𝑏), kurang atau setara dengan ikatan dari 𝑤(𝑥), 𝑀.
- Jika 𝑥 > 𝑢 + 𝑐𝑏, lalu surplusnya menjadi negatif pada terjadinya es dari
𝑥 𝑢+𝑐𝑏
∫0 𝜓(𝑢 + 𝑐𝑏 − 𝑥; 𝑤)𝑝(𝑥)𝑑𝑥 + ∫𝑥 𝐴(𝑥, 𝑏)𝑝(𝑥)𝑑𝑥
𝑥
+ ∫ 𝑤(𝑢 + 𝜉 − 𝑥)𝑝(𝑥)𝑑𝑥
𝑢+𝑐𝑏
Untuk 𝑁(𝑏) > 1, itu juga cukup untuk mengamati bahwa harapan penalti
bersyarat, katakanlah, 𝐷(𝑏), kurang atau setara dengan ikatan dari 𝑤(𝑥), 𝑀.
mendapatkan
𝑢
(𝑢; 𝑤) = 𝑒 −𝜆𝑏 𝜓(𝑢 + 𝑐𝑏; 𝑤) + 𝜆𝑏𝑒 −𝜆𝑏 [∫0 𝜓(𝑢 + 𝑐𝑏 − 𝑥; 𝑤)𝑝(𝑥)𝑑𝑥
𝑢+𝑐𝑏 𝑥
+ ∫𝑢 𝐴(𝑥, 𝑏)𝑝(𝑥)𝑑𝑥 + ∫𝑢+𝑐𝑏 𝑤(𝑢 + 𝜉 − 𝑥)𝑝(𝑥)𝑑𝑥] + 𝑏𝐴(𝑏)𝐷(𝑏)
(13.A.12)
Sekarang kurangi 𝜓(𝑢; 𝑤) dari kedua sisi (13.A.12) dan bagi hasilnya dengan 𝑐𝑏
untuk mendapatkan
𝒆−𝝀𝒃 𝝍(𝒖+𝒄𝒃;𝒘)−𝝍(𝒖;𝒘) 𝝀 𝒖
+ 𝒄 𝒆−𝝀𝒃 [∫𝟎 𝝍(𝒖 + 𝒄𝒃 − 𝒙; 𝒘)𝒑(𝒙)𝒅𝒙
𝒄𝒃
𝒖+𝒄𝒃 𝒙 𝑨(𝒃)𝑫(𝒃)
+ ∫𝒖 𝑨(𝒙, 𝒃)𝒑(𝒙)𝒅𝒙 = ∫𝒖+𝒄𝒃 𝒘(𝒖 + 𝝃 − 𝒙)𝒑(𝒙)𝒅𝒙] + = 𝟎.
𝒄
(13.A.13)
∞
+ ∫ 𝑤(𝑢 − 𝑥)𝑝(𝑥)𝑑𝑥] , 𝑑𝑎𝑛0
𝑢
Sehingga
′ (𝑢;
𝜆 𝜆 𝑢 𝜆 𝑥
𝜓 𝑤) = 𝜓(𝑢; 𝑤) − ∫ 𝜓(𝑢 − 𝑥; 𝑤)𝑝(𝑥)𝑑𝑥 − ∫ 𝑤(𝑢 − 𝑥)𝑝(𝑥)𝑑𝑥
𝑐 𝑐 0 𝑐 𝑢
(13.A.14)
Sekarang kita integralkan persamaan diatas u dari 0 ke z. Hasil dari
integral ganda dapat direduksi menjadi integral tunggal dengan perubahan pada
variabel nya. Untuk integral ganda yang pertama kita ganti 𝑥dan 𝑢 dengan 𝑥 dan
𝑦 = 𝑢 − 𝑥. Kemudian
𝑧 𝑢 𝑧 𝑧−𝑦
∫ ∫ 𝜓(𝑢 − 𝑥; 𝑤)𝑝(𝑥)𝑑𝑥𝑑𝑢 = ∫ ∫ 𝜓(𝑦; 𝑤)𝑝(𝑥)𝑑𝑥𝑑𝑦
0 0 0 0
𝑧
= ∫ 𝜓(𝑦; 𝑤)𝑃(𝑧 − 𝑦)𝑑𝑦
0
Untuk integral ganda yang kedua kita ganti 𝑥dan 𝑢 dengan 𝑥 dan 𝑦 = 𝑥 − 𝑢.
Kemudian
𝑧 ∞ ∞ 𝑧+𝑦
∫ ∫ 𝑤(𝑢 − 𝑥)𝑝(𝑥)𝑑𝑥𝑑𝑢 = ∫ ∫ 𝑤(−𝑦)[𝑃(𝑦 + 𝑧) − 𝑃(𝑦)]𝑑𝑦
0 𝑢 0 𝑦
𝜆 𝑥
− ∫ 𝑤(−𝑦)[𝑃(𝑦 + 𝑧) − 𝑃(𝑦)]𝑑𝑦
𝑐 0
(13.A.15)
𝜆 ∞
−𝜓(0; 𝑤) = − ∫ 𝑤(−𝑦)[1 − 𝑃(𝑦)]𝑑𝑦
𝑐 0
1, 𝑥 < −ℎ
𝑤ℎ (𝑥) = {
0, −ℎ ≤ 𝑥 ≤ 0
Kemudian
𝜆 ∞
Pr [𝑈(𝑇) < −ℎ|𝑇 < ∞]𝜓(0) = 𝜓(0;𝑤ℎ ) = ∫ [1 − 𝑃(𝑦)]𝑑𝑦
𝑐 ℎ
Jika 𝑢 > 0,peristiwa dengan probabilitas sama bahwa surplus akan jatuh
dibawah u, dan akan berada diantara 𝑢 − ℎ dan 𝑢 − ℎ − 𝑑ℎ ketika itu terjadi. Ini
LATIHAN
Bagian 13.2
a) U(T)
b) 𝜓(𝑢)dalam hal 𝑅
c) 𝑅 dalam hal 𝑝, 𝑞
d) 𝜓(𝑢)dalam hal 𝑝, 𝑞
13.2 Tinjau kalim pada periode 𝑛 + 1, 𝑛 + 2, … , 𝑛 + 𝑚 dan tunjukan total
a) 𝑆𝑛,𝑚 = ∑𝑚 𝑚−𝑖 𝑖 𝑚
𝑖=1 𝑌𝑛+1 ∑𝑗=0 𝑎 + 𝑊𝑛 ∑𝑗=1 𝑎
𝑗
1−𝑎(𝑚−𝑖+1 𝑎−𝑎𝑚+1
= ∑𝑚
𝑖=1 ( )𝑌𝑛+𝑖 + ( )𝑊𝑛
1−𝑎 1−𝑎
𝑎𝑊𝑛
konvergen ke 1−𝑎
c) 𝐸[𝑆𝑛,𝑚 |𝑊1 = 𝑤1 , 𝑊2 = 𝑤2 , …𝑊𝑛 = 𝑤𝑛 ]
Dimana 𝐸(𝑌𝑛+𝑖 ) = 𝜇
Bagian 13.3
𝑝𝑛 (𝑡) = Pr[𝑁(𝑡) = 𝑛]
a. Tunjukkan bahwa
Bagian 13.4
1
13.6 Gunakan 𝑒 𝑟𝑥 > 1 + 𝑟𝑥 + 2 (𝑟𝑥)2 dimana 𝑟 > 0dan 𝑥>0 untuk
menunjukan bahwa
2𝜃𝑝1
𝑅< !
𝑝2
2 3 7
13.7 Andaikan 𝜃 = 5 dan 𝑝(𝑥) = 2 𝑒 −3𝑥 + 2 𝑒 −7𝑥 dengan 𝑥 > 0. Hitunglah
a. 𝛾 b. 𝑅
1
13.8 Anggap bahwa distribusi jumlah klaim adalah diskrit dengan 𝑝(1) = 4
3
dan 𝑝(2) = 4 . Jika 𝑅 = log 2,hitunglah 𝜃.
13.9 Tunjukkan bahwa koefisien 𝑐 yang sesuai sehingga dapat diperoleh solusi
Bagian 13.5
persamaan berikut :
𝜆 𝑢 𝜆 𝑢
𝜓(𝑢) = 𝑐 ∫0 [1 − 𝑃(𝑦)] 𝜓(𝑢 − 𝑦)𝑑𝑦 + 𝑐 ∫0 [1 − 𝑃(𝑦)] 𝑑𝑦
Tunjukkan bahwa
𝑢
𝜆 𝜆
𝜓′(𝑢) = {𝜓(𝑢) − ∫ 𝜓(𝑢 − 𝑦)𝑝(𝑦) 𝑑𝑦 − [1 − 𝑃(𝑢)]}
𝑐 𝑐
0
𝑟2 𝑟3
13.12 Subtitusikan 𝑀𝑥 (𝑟) = 1 + 𝑝1 𝑟 + 𝑝2 2 + 𝑝3 6 + ⋯ kedalam (13.5.4)
untuk menyatakan
Bagian 13.6
1 1+𝜃
𝐸[𝑁] = 𝜃 dan 𝑉𝑎𝑟[𝑁] = 𝜃2
danVar[L].
a. 𝜃 b. 𝑅
13.16 Berapa ukuran klaim yang diharapkan untuk distribusi dari formula
(13.6.10)
1 16
13.17 Misalkan 𝜆 = 3, 𝑐 = 1 dan 𝑝(𝑥) = 3 𝑒 −3𝑥 + 𝑒 −6𝑥 𝑥 > 0
3
Hitung : a. 𝑝1
b. 𝜃
c. 𝑀𝑥 (𝑟)
9𝑥
13.18 Misalkan 𝜆 = 1, 𝑐 = 10 dan 𝑝(𝑥) = 25 𝑒 −3𝑥/5 𝑥 > 0
Hitung : a. 𝑝1
b. 𝜃
c. 𝑀𝑥 (𝑟)
Dimana 𝐼(𝑥) adalah adalah degenerate d.f. dari konstanta 0 dan G adalah
a. Tentukan 𝜉, 𝛼 dan 𝛽 untuk mencocokkan titik massa pada titik asal
13.20 Dalam proses surplus, (1) klaim agregat mengikuti proses Poisson
yang sama.
c. Tentukan 𝐸[𝐿1 ]
a. P.d.f dari 𝐿1
b. 𝐸[𝐿1 ]
c. 𝑉𝑎𝑟[𝐿1 ]
Lain-lain
13.23 Jika kita mengubah unit waktu sehingga unit baru samadengan 𝑓 kali unit
lama (untuk beberapa 𝑓 > 0) dan 𝑐̅, 𝜆̅, 𝜓̅(𝑢, 𝑡) menunjukkan parameter
3. 𝜃 = 0,05
4. 𝑢 = 0,0
pada kerusakan.