Hasil Optimalitas untuk Masalah Dividen di Asuransi ∗

/
Hansjörg Albrecher Stefan Thonhauser

Institut Ilmu Aktuaria, Fakultas HEC, Universitas Lausanne, CH-1015 Lausanne, Swiss

Abstrak
Makalah ini adalah survei dari beberapa kontribusi klasik dan kemajuan terkini dalam
mengidentifikasi opsi.Strategi pembayaran dividen optimal dalam kerangka teori risiko
kolektif. Khususnya,alat matematika yang tersedia dibahas dan beberapa tantangan dijelaskan
yang terjadi di berbagai fungsi tujuan dan asumsi model. Akhirnya, beberapa masalah penelitian
terbukadi bidang ini dinyatakan.

Klasifikasi AMS: 93E20, 62P05, 91B30, 60J25

1. Pendahuluan
Setelah pengenalan model risiko kolektif klasik pada tahun 1903 oleh Lundberg [91] untuk
menggambarkanproses surplus bebas dari portofolio asuransi, kemungkinan kehancuran dari
portofolio semacam itudi antara jumlah bunga utama di bidang ini. Namun, lintasan proses
surplusyang tidak menyebabkan kehancuran dalam model ini akan melebihi setiap tingkat yang
terbatas, yang biasanya tidak realistis dalam praktik. Itulah sebabnya pada tahun 1957 de Finetti
[38] mengusulkan yang lain, bermotivasi ekonomi,kriteria untuk dunia aktuaria. Alih-alih fokus
pada aspek keamanan (diukur dengan masalah kemampuan kehancuran) ia mengusulkan untuk
mengukur kinerja suatu portofolio asuransi secara maksimalpembayaran dividen yang dapat
dicapai selama masa portofolio. Secara khusus, ia melamaruntuk mencari jumlah diskon yang
diharapkan dari pembayaran dividen sampai saat kehancuran, di manadiskon adalah sehubungan
dengan beberapa tingkat diskon konstan δ> 0. Sedangkan de Finetti sendirimemecahkan
masalah untuk mengidentifikasi strategi dividen optimal seperti itu dalam ranah diskrit yang
sangat sederhanamodel dom walk, sejak itu banyak kelompok penelitian telah mencoba
menjawab pertanyaan optimalitas inidi bawah asumsi model yang lebih umum dan lebih realistis
dan sampai saat ini ternyatamenjadi bidang penelitian yang kaya dan menantang yang
membutuhkan kombinasi alat dari analisis,kontrol probabilitas dan stokastik. Berbeda dengan
masalah kontrol (dan konsumsi) tipikaldi bidang keuangan, dalam konteks asuransi ini, tindakan
pengendalian mengubah nilai yang mendasarinya, sebagaimana nilaipembayaran dividen
dikurangi dari surplus saat ini, sehingga masalahnya cukuprasa yang berbeda dari rekan-rekan
mereka di bidang keuangan matematika. Dalam survei ini kami inginuntuk mengumpulkan
beberapa ide dan perkembangan penting dalam bidang ini dan khususnya menyoroti
jenisnyateknik matematika dan tantangan yang terjadi di bidang ini. Daripada
berusahamemberikan daftar referensi ensiklopedis yang kami akan lebih fokus pada aspek
metodologis dan memberitautan ke beberapa referensi terkait klasik dan terkini. Untuk koleksi
terbaru cukup luasreferensi di bawah fokus yang sedikit berbeda lihat Avanzi [13]. 

Kriteria klasik di atas sejalan dengan apa yang disebut model Gordon [57] yang menggunakan
potongan hargapembayaran dividen di masa depan sebagai alternatif dari metode arus kas diskon
umum untuk menghargai sebuah perusahaan.Pada saat yang sama, pendekatan ini juga
diperdebatkan. Miller & Modigliani [93] ditunjukkan dalam model sederhana dengan asumsi
yang cukup ketat di pasar, yang ketika tahu tepatnya strategi investasi perusahaan, pengetahuan
tentang dividen masa depan tidak diperlukan untuk mengevaluasi nilai perusahaan. Namun,
variasi dan kerumitan lebih banyak model stokastik canggih untuk portofolio asuransi tidak
cocok dengan kerangka kerja sederhana dari [93] (lihat juga DeAngelo & DeAngelo [39, 40],
Handley [60] dan Frankfurter and Wood [44]) dan secara luas diyakini bahwa pendekatan
dividen yang didiskontokan (dan varian darinya) masih berguna juga dari sudut pandang
ekonomi.

Dalam Bagian 2 kita akan menjelaskan secara singkat model risiko kolektif klasik berdasarkan
suatu gabungan Proses poisson dan model difusi. Kedua model ini adalah landasan bagi penurut
proses waktu kontinu untuk memecahkan masalah kontrol stokastik dalam konteks
ini. Walaupun model difusi tidak secara langsung menarik sebagai model untuk tujuan asuransi,
di mana jelas klaim akan menyebabkan lompatan dalam proses surplus, kami menunjukkan
argumen mengapa terkadang berguna rasa aproksatif tertentu. Baik model gabungan Poisson dan
model difusi adalah Markovian dan karenanya pendekatan pemrograman dinamis dapat
digunakan langsung untuk mengatasi masalah menentukan strategi dividen optimal. Bahkan,
tampaknya semua solusi masalah dividen optimal dalam literatur mengandalkan satu atau lain
cara pada dinamika prinsip pemrograman. Prosedur solusi ini dan penerapannya akan
dijelaskandi Bagian 5 dan Bagian 6. Alternatif potensial bisa menjadi metode ganda ,
diperkenalkan untuk sebuahkerangka kerja stokastik oleh Bismut [25], yang bekerja dengan baik
untuk masalah optimisasi portofolio di keuangan Indonesia(lihat Kramkov & Schachermayer
[75] untuk kasus umum). Tetapi karena intervensi dari kontrol ke dalam proses surplus yang
mendasarinya, tampaknya set yang dihasilkan mungkin lintasan terlalu terbatas untuk membuat
metode ganda berfungsi untuk masalah asuransi.

Pendekatan pemrograman dinamis mengarah ke apa yang disebut persamaan Hamilton-Jacobi-

Bellman,yang (tergantung pada model risiko yang mendasarinya) mengandung unsur diferensial,
diferensial parsialatau persamaan diferensial-integro. Solusi untuk persamaan ini kemudian
belum secara otomatissolusi optimal dari masalah optimasi, tetapi tebakan yang baik untuk itu
yang kemudian harusdiverifikasi dalam langkah terpisah. Persamaan itu sendiri dapat diartikan
sebagai kontinu alamibatas prinsip pemrograman dinamis dari optimasi diskrit (lihat Whittle
[122]) yang mendalilkan bahwa kebijakan optimal untuk seluruh rentang waktu juga harus
menjadi yang optimal di masing-masinglangkah waktu kecil. Referensi untuk optimasi stokastik
waktu diskrit adalah Bertsekas & Shreve [24].Untuk referensi lebih lanjut tentang hasil dividen
optimal dalam model waktu diskrit kami merujuk ke Avanzi [13].

Sisa dari survei ini disusun sebagai berikut. Bagian 2 memperkenalkan tipe model kontinu risiko
asuransi waktu yang masalah dividen optimal biasanya dapat diselesaikan.Bagian 3pertama
membahas beberapa kemungkinan tindakan pengendalian pada proses surplus portofolio
asuransi dan kemudian memperkenalkan berbagai macam strategi dividen yang kemudian
berubah menjadi optimal di bawah tertentu fungsi obyektif. Selanjutnya referensi ke literatur
yang mempelajari sifat-sifat yang dihasilkan proses surplus dikontrol diberikan. Bagian 4
membahas berbagai kriteria untuk mengukur nilaistrategi dividen dan memberikan tautan ke
hasil yang menetapkan optimalitas masing-masing strategi.Pada Bagian 5 kita kemudian
membahas prinsip pemrograman dinamis dan tipikal pendekatan matematika untuk menurunkan
persamq azaan untuk fungsi nilai yang menarik. Bagian 6 selanjutnyamerangkum tantangan
matematika dalam langkah memverifikasi apakah solusi kandidat memang solusi
optimal. Akhirnya, di Bagian 7 kami menyimpulkan dan menyatakan beberapa masalah terbuka
dilapangan.

2 Model Risiko Kolektif

Berikut ini kami akan selalu menggunakan ruang probabilitas (Ω , F, P ) di mana semua jumlah
stokastik didefinisikan.

2.1 Model Cramér-Lundberg

Model risiko Cramér-Lundberg (disebut jugamodel risiko klasik atau model gabungan Poisson )
menggambarkan cadangan bebas R = ( R t ) t≥ 0 dalam portofolio asuransi dengan proses
stokastikdari bentuk
Nt
Rt =x+ ct −∑ Y k
k=1

(1)
Bahan pertama adalah modal awal deterministik x ≥ 0. Premi diasumsikan dikumpulkan terus
menerus dari waktu ke waktu dengan intensitas konstan c dan jumlah total klaim pada saat itu
t diberikan oleh proses Poisson majemuk S = ( S t ) t≥ 0 dengan
Nt
St =∑ Y j
j=1
di mana angkanya ( N t ) t≥ 0 kejadian klaim hingga waktu t ≥ 0 adalah proses Poisson yang
homogen N = ( N t ) t≥ 0 dengan intensitas λ> 0, yaitu N t  ∼ P oi ( λt ). Klaim adalah urutan
independen yang positif dan identik didistribusikan variabel-variabel acak {Y i } i∈ N dengan
fungsi distribusi F  Y . Satu krusial asumsi dalam model risiko klasik adalah
kemerdekaan N dan {Y i } i∈ N . Sebagai konsekuensi dari asumsi Poisson untuk proses
penghitungan klaim N , terjadi antar kali {W i } i∈ N dengan W i = T  i  - T i− 1 independen

dan terdistribusi secara identik,

Proses R seperti yang diberikan pada (1) terletak di persimpangan kelas Lévy proses spkektral
negatif dan kelas Proses Markov Deterministik Piecewise (PDMP, lihat Davis [37]). Sebagai
akibatnya itu sendiri merupakan proses Markov yang kuat. Beberapa hasil untuk R disebutkan
nanti akan memiliki ekstensi alami secara matematis ke kelas Lévy negatif dengan proses
spektral  Sedangkan untuk aplikasi aktuaria interpretasi praktis ini lebih umumkelas proses agak
terbatas, menggunakan teori umum terkadang mengarah ke yang cukup nyamananalisis
(misalnya dalam hal fungsi skala), yang juga berlaku dalam kasus khususmodel Cramér-
Lundberg.

Definisi 2.1. Waktu kehancuran τ menunjukkan waktu masuk pertama dari proses cadangan R
ke( −∞, 0) q,τ = τ ( x ) = inf {t> 0 sedemikian rupa sehingga  Rt < 0 | R 0 = x}.
Probabilitas kehancuran utama didefinisikan sebagaiψ ( x ) = P ( τ ( x ) <∞ ) .
Probabilitas survival adalah U ( x ) = 1 - ψ ( x ) .

Apa yang disebut kondisi laba bersih mengharuskan untuk memilih intensitas premi yang lebih
besar daripada kerugian yang diharapkan dalam interval waktu panjang 1, c> λµ = E ( S 1 ) di
mana µ = E ( Y  1 ). Hasil dari teori random walks [105] menunjukkan bahwa jika c ≤ λµ = E
( S  1 ), kehancuran terjadi hampir pasti, ψ ( x ) = 1. Jika c> λμ , maka P (lim t → ∞ R t = ∞ ) =
1.
Operator berikut yang diterapkan pada fungsi yang sesuai g (untuk perincian lihat [37] atau
[105]) adalah
disebut generator sangat kecil dari proses Markov R ,

yang akan dibutuhkan nanti.

2.2 Pendekatan Difusi Model

Kami hanya akan memberikan ilustrasi singkat tentang gagasan perkiraan difusi untuk cadangan
risiko
proses. Tinjauan umum dan perbandingan numerik dari berbagai jenis pendekatan diberikan
dalam Grandell [58], Asmussen [11] dan Schmidli [109]. Misalkan b> 0 dan ∈ R menjadi dua
konstanta, kemudian proses Markov X yang, untuk h kecil , memenuhi
E ( X  t + h - X t | F t ) = ha,
E (( X t + h  - X  t  - ha ) 2 | F t ) = hb2 ,
dengan dengan drift a dan variansi b2  yang tidak terbatas , adalah dalam
bentuk X  t = di + bw t untuk gerak Brown W t . Karena itu X disebut sebagai gerakan Brown
dengan proses difusi dengan penyimpangan dan volatilitas yang konstan. Ide dasar di balik
perkiraan semacam itu adalah untuk mendefinisikan a urutan proses cadangan klasik, yang
konvergen lemah dengan beberapa gerakan Brown dengan melayang. Karena untuk jenis khusus
tersebut, hasil eksplisit untuk distribusi kali memukul pertama ada, ini dapat digunakan sebagai
perkiraan probabilitas kehancuran cadangan klasik proses. Tetapi selain ketertelusuran mereka,
juga dari titik kontrol stokastik optimal melihat perkiraan seperti itu tampaknya menarik. Dalam
[17] Bäuerle membuktikan konvergensi nilai dan strategi solusi untuk masalah maksimalisasi
dividen yang dipecahkan oleh Schäl dalam [106] untuk a Proses cadangan risiko PDMP ke nilai
dan strategi optimal dari pendekatan difusi.Konstruksi dasar berikut ini adalah karena Iglehart
[71]. Dia mendefinisikan urutan cadangan klasikproses {R ( n ) } n∈ N , di mana
komponen proses ke- n diberikan oleh modal awalx n > 0, intensitas premium c  n > 0 dan
jumlah klaim independen yang didistribusikan secara identik.
{Y (n)s }i∈N dengan
λ E (Y
(n)): =
sμn>0 dan Var (Y (n)): = σ2> s 0. prosesn penghitungan klaim N diberikan
a a a
oleh proses pembaharuan dengan kali interclaim {Wi} i∈N, lihat [58] atau [105], yang E (Wi) =
1>0 dan

Catatan, bahwa distribusi jumlah klaim mungkin berbeda dengan n, sedangkan proses klaim
penghitungan tetap sama untuk setiap R (n). Proses cadangan referensi R dimana tion yang
mendekati berlaku yaitu
Nt
Rt =x+ ct −∑ Y k
k=1

dengan E (Yi): = μ> 0 dan Var (Yi): = σ2> 0. Dalam beberapa kondisi teknis (lihat [71])
urutan proses cadangan konvergen klasik lemah untuk proses stokastik dalam bentuk
 x + Γ +σλ 2 W
dimana Γ = (Γt) t≥0 dengan Γt- = (c λμ) t dan W = (Wt) t≥0 adalah gerak Brown standar.
Kemudian kita kadang-kadang akan merujuk ke proses difusi umum, yang akan solusi dari
persamaan diferensial stokastik dari jenis berikut
PXT = Μ (xt, t) dt + σ (xt, t) DWT, x 0= x.

Pembangkit terkecil untuk proses tersebut kemudian diberikan oleh

3 Model Perluasan dan Kemungkinan Kontrol

Model risiko klasik pada Bagian 2.1 dan perkiraan difusi pada Bagian 2.2 menyarankandua
kemungkinan bagi entitas asuransi untuk melakukan intervensi dalam proses surplus, yaitu
pilihan awalmodal x dan pilihan intensitas premium c (masing-masing pergeseran dalam
perkiraan difusiimitasi). Dalam praktiknya akan ada lebih banyak kemungkinan untuk
mempengaruhi dan mengendalikan kinerjaportofolio asuransi. Berikut ini kami akan
menguraikan beberapa dari mereka.

3.1 Reasuransi dan Investasi

Pada tahun 1995, Browne [30] mulai menerapkan metode dari teori kontrol optimal stokastik
proses difusi dalam konteks asuransi. Dia menganggap gerakan Brown dengan drift sebagai
model untuk proses surplus dan termasuk kemungkinan bagi penanggung untuk
menginvestasikan sebagian kecilcadangan secara dinamis dari waktu ke waktu menjadi aset
keuangan, di mana harga keuangan ituaset dimodelkan oleh gerakan Brown geometris (lih.
Black and Scholes [26]). Tujuannya adalah untukmengidentifikasi strategi investasi sedemikian
rupa sehingga kemungkinan kehancuran proses cadangan terkendalidiminimalkan. Hipp dan
Plum mempertimbangkan masalah yang sama untuk risiko senyawa Poisson klasikproses
reservasi di [63] dan dalam kerangka kerja yang lebih umum di [64]. Dalam konteks
klasikmodel, variabel kontrol adalah proses càdlàg bernilai nyata A = ( A t ) t≥ 0 disesuaikan
dengan sejarahdari proses klaim agregat S = ( S t ) t≥ 0 dan W = ( W t ) t≥ 0 , yang merupakan
standar gerak Brown yang menggambarkan harga P dari aset keuangan
dengan dP  t = P  t ( mdt + σdW t ) dan P 0 = p . Ituproses cadangan terkendali R A (strategi A )
ditentukan oleh persamaan diferensial stokastik

Perilaku asimptotik dari kemungkinan kehancuran di bawah strategi investasi optimal adalah
misalnyadipertimbangkan dalam Hipp dan Schmidli [65], Gaier dan Grandits [46] dan Gaier et
al. [47]. Kemungkinan lain untuk mengurangi kemungkinan kehancuran dalam model klasik
adalah dengan menggunakan reasuransi. Di sini perusahaan asuransi memberikan sebagian
pendapatan premi kepada reasuradur, yang pada gilirannya mencakup sebagian-sebagian kecil
dari klaim yang terjadi. Biarkan fungsi b : [0 , ∞ ) → [0 , ∞ ) dengan 0 <b ( z ) ≤ z menunjukkan
mempertahankan jumlah entitas asuransi untuk klaim ukuran z (sedemikian rupa sehingga
jumlah z - b ( z ) dicakup oleh reasuradur). Ini merupakan cakupan reasuransi per
risiko. Pendapatan premi disimpan oleh perusahaan asuransi kemudian c b ( t ) ≤ ct dan
tergantung pada spesifikasi b . Proses ini dikendalikan Rb adalah dalam hal ini diberikan oleh
Dua jenis reasuransi yang dipelajari dengan baik adalah reasuransi proporsional, di mana b ( z )
= γz untuk beberapa γ ∈ (0 , 1], dan reasuransi kelebihan-kerugian (XL), di mana b ( z ) =
min {z, M} untuk tingkat retensi M> 0. Schmidli [107] menggunakan teori kontrol stokastik
modern untuk mempelajari pilihan optimal reasuransi proporsional dinamis untuk mengurangi
kemungkinan kehancuran dalam klasik (jika tidak) model risiko. Di sini dinamis mengacu pada
strategi di mana proporsi γ = ( γ t ) t≥ 0 dapat diprediksi proses, disesuaikan
dengan {F R bt } t≥ 0 , sehubungan dengan sejarah R b , misalnya pada klaim
waktu T i yangproporsi harus diperbaiki menggunakan informasi hanya sampai
waktu T i - . Dalam [66] masalah yang sama adalahbelajar untuk XL-reasuransi dinamis oleh
Hipp dan Vogt. Schmidli [108] menggunakan hasil dari [63]dan [107] untuk menggabungkan
investasi dan reasuransi dinamis untuk meminimalkan probabilitaskehancuran.Sementara dalam
pengaturan difusi kadang-kadang dimungkinkan untuk menghitung jumlah bunga secara
eksplisit(lihat [30]), ini bukan kasus dalam model termasuk lompatan dari proses cadangan. Di
atasmakalah-makalah yang disebutkan berurusan dengan model klasik memberikan bukti
keberadaan minimalkemungkinan kehancuran dan keberadaan strategi yang optimal, tetapi
hanya memberikan ide untuk merekaevaluasi numerik.

3.2 Dividen

Mari kita mendefinisikan apa yang disebut strategi dividen yang dapat diterima . Filtrasi F =
( F t≥ 0 ), yangkita akan menggunakan, selalu yang dihasilkan oleh proses yang tidak terkendali
(dalam difusi kasus dengan gerakan Brown mengemudi, dalam kasus klasik oleh proses senyawa
Poisson).Ide dasar untuk pemodelan kebijakan dividen adalah untuk memperkenalkan proses
stokastik L = ( L t ) t≥ 0 mewakili keadaan membenci pembayaran dividen terakumulasi hingga
waktu t . Dari interpretasi sebagai dividen
strategi, wajar untuk memaksakan empat kondisi berikut pada L :

i. kehancuran tidak terjadi karena pembayaran dividen, yaitu ∆ L t ≤ R Lt (di

mana R  Lt menunjukkan proses risiko terkontrol)
ii.  L 0 = 0 dan jalur L tidak menurun,
iii. pembayaran harus berhenti setelah kehancuran,
iv. keputusan harus diperbaiki dengan cara yang dapat diprediksi.

Kondisi (iv) memberikan alasan untuk melihat proses càglàd L , yang dibiarkan terus menerus
dengan yang sudah ada batas dari kanan ( L t− = L t ). Karenanya kami menyebut strategi
dividen L = {L t } t≥ 0 yang dapat diterima jika itu adalah càglàd untuk semua t ≥ 0 dan
memenuhi (i), (ii) dan (iii) di atas (khususnya, L t maka bisa dilihat, yaitu F t− -terukur). Proses
terkontrol dalam model senyawa Poisson didefinisikan melalui

Properti càdlàg dari proses cadangan dan properti càglàd dari proses dividen menyiratkan
bahwa R Lt = R Lt selalu karena klaim dan R  Lt + = R  Lt karena beberapa dividen (tunggal)
pembayaran. Asumsi càglàd ini misalnya digunakan di Azcue & Muler [15] dan Albrecher &
Thonhauser [9] dalam kerangka gabungan Poisson. Atau, juga dimungkinkan untuk
dipertimbangkanprevisible strategi càdlàg L , yang melestarikan properti càdlàg dari proses
risiko untuk proses terkontrol. Tapi kemudian - untuk memungkinkan pembayaran lump sum
pada t = 0 (satu harus mengambil L 0 - = 0) dan untuk mengecualikan pembayaran pada saat
kehancuran - kriteria optimasi harussedikit dimodifikasi (kita akan kembali ke nanti, lihat juga
Schmidli [111] dan Mnif & Sulem[94]). Perbedaan mendasar antara menggunakan càdlàg atau
proses kontrol càglàd adalah mengamatiproses setelah atau sebelum kemungkinan pembayaran
dividen (lih. [111]).Jika proses risiko yang tidak terkendali adalah difusi, persyaratan
bahwa L  t yaitu F t -measurable yaitu setara dengan membutuhkan L t harus disesuaikan
(yaitu F t -measurable untuk semua t ≥ 0). Dikontrolproses difusi adalah

Definisi ini sejalan dengan definisi Shreve et al. [112] dan yang dikontrol umum. Proses Markov
disajikan dalam Fleming & Soner [43]. Sekali lagi, dimungkinkan untuk menggunakan càdlàg
kontrol sebagai gantinya, seperti yang dilakukan untuk μ dan σ konstan oleh Asmussen & Taksar
[12], lihat juga [111].

3.2.1 Sifat Analitik L

Dalam banyak situasi, penting untuk membatasi kelas umum dari kontrol yang dapat diterima
lebih lanjut. Alamisubkelas dari strategi kontrol yang dapat diterima adalah yang benar-benar
berkelanjutan. Strategi semacam itu Lmengakui diadaptasi non-negatif proses kepadatan l =
( l s ) s≥ 0 sehingga
t
Lt =∫ l s ds
0

Untuk pembayaran menghindari setelah kehancuran, kita harus tambahan membutuhkan l t = 0

untuk t ≥ τ L , di mana τ  L Menandakan saat kehancuran R L . Untuk mengecualikan
singularitas, biasanya diasumsikan kepadatan proses dibatasi, 0 ≤ l s <l ∞ <∞ untuk semua s
≥ 0. Perhatikan bahwa jenis kontrol yang dibatasi ini, sekarang ditentukan oleh proses
kepadatannya, maka tidak termasuk kemungkinan pembayaran lump sum (Yaitu melompat L ,
yang akan menjadi singularitas l ). Dalam Fleming & Soner [43] gambaran lengkap dari kontrol
yang dapat diterima (atau sistem kontrol yang secara umum dapat diterima ) dan penggunaan
secara progresif proses kontrol terukur l = ( l s ) s≥ 0 untuk proses difusi Markov dapat
ditemukan. Bahkan para penulis ini memberikan konstruksi cara untuk berpindah dari kontrol
yang diwakili oleh - mungkin tidak dibatasi - density, yang apriori tidak masuk akal, untuk yang
representasi terintegrasi L . Dalam beberapa situasi (contoh akan diberikan di bawah) dapat
ditunjukkan bahwa bagian tunggal strategi tidak berkontribusi pada kekayaan yang dihasilkan,
dan karenanya, troli adalah pilihan yang cukup untuk memecahkan masalah maksimisasi
umum. Kelas terbatas ini kontrol misalnya dipertimbangkan dalam Asmussen & Taksar [12],
Jeanblanc-Picqué & Shiryaev [73], Schäl [106] dan Gerber & Shiu [55]. Dalam Schmidli [111]
solusi dari masalah terbatas dalam model Cramér-Lundberg ditunjukkan untuk menyatu dengan
solusi umum sebagai l ∞  → ∞ . Dalam konteks asuransi, pengenalan biaya transaksi
membebankan pembayaran dividen tampaknya relatif baru (meskipun ada diskusi awal oleh
Porteus [101]) dan hingga sekarang sebagian besar masalah dalam pengaturan difusi
diselesaikan, lihat misalnya Jeanblanc-Picqué & Shiryaev [73], Paulsen [97] dan Cadenillas et
al. [32, 33]. Untuk progres cadangan risiko Poisson cess, pengaruh biaya transaksi pada masalah
kontrol optimal baru-baru ini diselidiki di Thonhauser & Albrecher [119]. Dimasukkannya biaya
transaksi secara alami mengarah ke yang lain kelas terbatas dari strategi yang dapat diterima
yang dikenal sebagai kontrol impuls. Mari kita asumsikan itu setiap pembayaran dividen
dibebankan oleh biaya proporsional dan tetap sehingga pemegang saham terima kz - K dari
pembayaran ukuran z ( K> 0 dan k ∈ (0 , 1)). Kemudian strategi dividen dengan komponen yang
benar-benar berkelanjutan mengarah pada hasil negatif tanpa batas untuk pemegang saham dan
akibatnya tidak sesuai. Sebuah kontrol S impuls = { ( τ  i  , Z i ) } i∈ N sekarang bukan berurutan
peningkatan waktu intervensi τ  i dan tindakan kontrol terkait Z i , yang memenuhi berikut ini
empat kondisi:
  0 ≤ τ i ≤ τ i +1 untuk semua i ∈ N,
 τ i adalah waktu berhenti sehubungan dengan filtrasi F t = σ {R Ss− | s ≤ t} untuk t ≥ 0,
 Z  i dapat diukur sehubungan dengan F τ  i ,
 P (lim i → ∞ τ i ≤ T ) = 0 untuk semua T ≥ 0.
Proses yang dikontrol R S = ( R St ) t≥ 0 berdasarkan cadangan R yang tidak terkontrol ,
diberikanOleh

Jika model yang tidak terkontrol memiliki jalur sampel kontinu, maka kondisi terukur pada
menghentikan waktu τ i tentu saja dapat digantikan oleh terukur sehubungan dengan sejarah
proses. Untuk perincian lebih lanjut tentang kontrol impuls untuk PDMP dan juga tentang
keberadaan yang terkontrol proses lihat Davis [37]. Referensi standar lain dalam konteks ini
adalah Bensoussan & Lions [22]
dan Øksendal & Sulem [95].

Komentar 3.1. Dalam literatur tentang kontrol stokastik optimal orang sering menemukan
konsepdari santai (atau umum ) kontrol, yang akan kembali ke Fleming [42] (untuk kasus
deterministiklihat Muda [123]). Ide dasarnya adalah untuk memperbesar set kontrol yang dapat
diterima (yang mengambil nilaidalam ruang kontrol kompak U ) dengan mendefinisikan set
kontrol santai yang terdiri dari setfungsi yang dapat diukur m : [0 , ∞ ) → P ( U ) (di
mana P ( U ) menunjukkan serangkaian ukuran probabilitaspada U ). Dengan kata lain,
seseorang memungkinkan untuk strategi stokastik dan kontrol klasik u ∈ U saat itusesuai dengan
ukuran Dirac δ  u . Misalnya, jika penyimpangan difusi yang dikontrol tergantungterus menerus
pada kontrol u ∈ U , kemudian, menerapkan santai kontrol m t , satu mendapat proses

Pertanyaannya sekarang adalah apakah pengacakan strategi semacam itu secara substansial
dapat meningkat nilai fungsi obyektif dalam masalah kontrol stokastik (seperti misalnya kasus
untuk nilai game deterministik non-kooperatif dalam teori game). Secara umum, dalam kasus
difusi yang disebut lemma mengoceh menyatakan bahwa untuk setiap kontrol santai ada a
kontrol sederhana mendekati yang santai dengan semena-mena (yaitu U padat di set kontrol
santai, lihat Kushner [77] untuk tinjauan umum dan Davis [37] untuk komentar singkat tentang
pengenalan strategi acak dalam kasus PDMP). Perhitungan eksplisit untuk sederhana tertentu
strategi dividen acak dalam model risiko binomial majemuk diberikan dalam Tan & Yang
[117]dan Landriault [82].Konsep strategi yang santai dalam hal apa pun seringkali dapat
membantu untuk membuktikan keberadaankontrol optimal (setidaknya dalam arti santai), ketika
tidak ada strategi optimal yang sederhana ,memaksimalkan atau meminimalkan fungsional biaya
yang diberikan.

3.2.2 Beberapa Strategi Kontrol Tertentu

Kami akan menyimpulkan bagian ini dengan memperkenalkan beberapa strategi konkret
terkenal yang akan berubahmenjadi optimal dalam situasi tertentu.

 Strategi ambang batas

Sebagai contoh untuk kontrol yang benar-benar kontinu, perbaiki level ambang batas  b> 0 dan
pilihkepadatan Markov proses l s = l ( x ) = saya {x> b} dengan a> 0. dividen kumulatif
proses pembayaran kemudian diberikan oleh
Strategi seperti itu membayar dividen terus menerus pada tingkat a setiap kali cadangan saat
iniberada di atas level b (lih. Gambar 1).Artikel-artikel oleh Gerber & Shiu [55]), Frostig [45]
dan Lin & Pavlova [85] berhubungan dengan strategi dalam model klasik dan Gerber & Shiu
[49] dalam model difusi. Kyprianoudan Loeffen [78] membahas keberadaan proses Lévy negatif
secara spektral yang dikendalikan oleh a strategi ambang batas.Perpanjangan strategi ambang
batas adalah untuk memperbaiki beberapa ambang b i dan terkait in-
tensities sebuah i . Kerekhesha [74], Zhou [124], Albrecher & Hartinger [4] dan Lin & Sendova

Gambar1:Sebuah contoh jalur dari model Cramér-Lundberg dibawah kendali jenis ambang

[86]sifat studi proses cadangan risiko yang dihasilkan dalam model klasik ,lihat juga
Badescuetal.[16].

 strategi penghalang
Untuk penghalang tetap tinggi b≥0, pembayaran dividen kumulatif dijelaskan oleh

Strategi seperti membayar semua

cadangan di atas b segera di t = 0 + (mewakili komponen tunggal dalam strategi) dan kemudian
semua premi masuk yang mengarah ke surplus di atas b segera didistribusikan sebagai dividen.
Untuk t> 0 proses risiko dikendalikan maka tercermin pada b dan ada koneksi yang jelas untuk
konsep kali memukul pertama dari proses pada b dari bawah dan waktu setempat dari proses
pada b (bandingkan Gambar 2). Ini strategi intuitif alami untuk partisipasi keuntungan dalam
proses risiko pertama kali pro ditimbulkan oleh de Finetti [38] pada tahun 1957 dan ia
menunjukkan bahwa Memaksimalkan strategi penghalang tertentu diharapkan diskon
pembayaran dividen jika proses cadangan risiko yang mendasari dimodelkan sebagai simple
random berjalan . Untuk situasi lebih lanjut di mana strategi penghalang berubah menjadi
optimal kita lihat Bagian 4. Ada banyak makalah dalam literatur yang berhubungan dengan
sifat-sifat tertentu dari proses cadangan risiko yang dihasilkan dari strategi penghalang.
Misalnya, Paulsen & Gjessing [99] meneliti efek dari strategi penghalang pada proses risiko
dalam lingkungan ekonomi. Irbäck [72] studi hasil asimtotik untuk hambatan horisontal tinggi.
Gerber & Shiu [54] menghitung momen dari dividen yang diharapkan untuk proses difusi yang
mendasari. Leung et al. [83] kesepakatan dengan masalah cakrawala yang terbatas di hadapan
penghalang horisontal dan gerak Brown geometrik. Cai et al. [34] mempelajari model Ornstein-
Uhlenbeck termasuk kredit dan bunga debit. Lin et al. [87] membahas sifat dari proses
cadangan risiko klasik dikendalikan oleh strategi penghalang dengan cara yang disebut fungsi
penalti diskon diharapkan. Untuk lebih umum spektrum negatif Retribusi cesses pro, Avram et
al. [14], Renaud & Zhou [103] dan Kyprianou & Palmowski [80] fungsi menggunakan skala
untuk menghitung functionals dividen diskon yang diharapkan di bawah strategi penghalang.
Dalam model Poisson majemuk, HojGaard [67] menentukan premium optimal berbayar skema
ment sehingga diharapkan diskon pembayaran dividen di bawah strategi penghalang
dimaksimalkan.
hambatan tergantung waktu dipelajari dalam Gerber [52], Siegl & Tichy [113] dan Albrecher et
al. [5] untuk kasus linear dan dalam Alegq azet al. [10] dan Albrecher & Kainhofer [7] untuk

cumulated
dividen

kehancuran t

Gambar 2: Sebuah contoh jalur dari model Cramér-Lundberg di bawah kontrol dari jenis
penghalang

Gambar 3: Sebuah contoh jalur dari model Cramér-Lundberg di bawah kontrol dari jenis pita

kasus non-linear (lihat juga Garrido [48] untuk model difusi). Dalam [51], itu menunjukkan
bahwa pembayaran dividen penghalang merupakan keluarga lengkap dividen Pareto-optimal.
 
• Strategi Band

Ketika mempelajari proses cadangan klasik,Gerber[50] menunjukkan bahwa untuk optimalitas

umum satu membutuhkan jenis strategi lain yang disebut strategi band.Strategi seperti ini
dicirikan oleh tiga setA,BdanC yang mempartisi ruang keadaan proses cadangan.Setiap
setDikaitkan dengan tindakan pembayaran dividen tertentu untuk cadangan saat ini x sebagai
berikut: jika surplu s saat ini x∈A, maka setiap premi yang masuk dibayarkan;jika x∈B ,maka
jumlah bulat dibayarkan memindahkan cadangan saat ini ketitik terdekat dalam A yang lebih
kecil dari x ;jika x∈C maka tidak ada dividen yang dibayarkan.Mungkin saja beberapa interval
yang terpisah milik BdanC dan menciptakan struktur pita untuk (Rt,t) lebih R+×R+ .Untuk
diskusi lebih lanjut tentang jeni s strategi ini lihat juga Bühlmann[31],dimana juga pemikiran
umum lainnya tentang kebijakan dividen dapat ditemukan.Dalam Gambar 3 jalur sampel dari
proses risiko dengan band strategi yang diberikan oleh A={b0,b1} ,B=(b0,a]∪(b1,∞)danC=(a,b1)
diilustrasikan.
 Sebuah tipe sederhana strategi impuls

Fix dua tingkat b1 dan b2 dengan 0 ≤ b1 <b2 dan menggunakan aturan berikut b untuk
2

pembayaran dividen: jika surplus di atas atau b2 sama, maka membayar jumlah b2 - segera b1;
jika Surplus bawah b2, melakukan apa-apa sampai cadangan mencapai b2 tingkat lagi. Mari θn
masing menunjukkan

Gambar4:Jalur sampel dari model Cramér-Lundberg dibawah kendali impuls Yang n waktu
yang diproses b2 dari bawah.Kemudian hasil dari dividen tersebut Strategi diberikan oleh

ketika memulai ≥ dengan modal awal

x 0 (bandingkan Gambar 4).

Seperti strategi dividen secara alami muncul untuk proses cadangan risiko difusi dan biaya tion
transac- untuk pembayaran dividen (cf. Jeanblanc-Pique & Shiryaev [73] untuk model difusi
sederhana dengan pergeseran konstan dan volatilitas, Cadenillas et al. [33] untuk berarti-
mengembalikan proses difusi, Paulsen [97] untuk proses difusi umum; Cadenillas et al [32]
juga mengambil reasuransi proporsional memperhitungkan)..
Untuk model risiko dengan melompat dan strategi dorongan dari tipe di atas, sastra masih
langka. Untuk kasus proses risiko Retribusi spektral negatif melihat Loeffen [90]. Thonhauser
& Albrecher [119] mempelajari model Cramér-Lundberg dengan kedua biaya transaksi
proporsional dan tetap dan juga membahas peran strategi-strategi impuls sederhana.
Skema pembayaran lain yang agak intuitif untuk partisipasi keuntungan adalah untuk
membayar proporsi tertentu dari pendapatan premi setiap kali merupakan keuntungan baru
(yaitu setiap kali proses risiko dalam maksimum berjalan). Meskipun tidak ada kriteria yang
dikenal di mana seperti strategi pembayaran optimal, itu mengarah ke identitas mengejutkan
sederhana antara probabilitas kelangsungan hidup dengan dan tanpa pembayaran mereka dan
memiliki interpretasi alam lain dalam hal pembayaran pajak atas keuntungan dari bisnis
asuransi (cf. Albrecher & Hipp [6] dan Albrecher et al. [1, 8]).

4. nilai Fungsi
Mari kita mempertimbangkan cara yang lebih rinci untuk mengukur nilai dari strategi dividen
tertentu L. Let δ> 0 menunjukkan suatu faktor diskon konstan (ini dapat diartikan sebagai
mencerminkan preferensi pemegang saham untuk menerima pembayaran dividen awal
daripada kemudian selama hidup dari proses cadangan, lihat misalnya Borch [29]). Indeks x
dalam notasi Ex akan menunjukkan sebagai
0 berikut bahwa modal awal adalah x, yaitu

Ukuran kinerja klasik untuk strategi dividen tertentu L (dalam konteks ini akan kembali ke de
Finetti [38]), adalah nilai yang diharapkan dari pembayaran dividen masa depan didiskontokan

Jika bukan càglàd proses proses Lt satu mendefinisikan càdlàg untuk dapat diterima (lih
Bagian 3.2), maka (4) harus dimodifikasi untuk

Masalah optimasi terkait kemudian terdiri dari temuan

dan optimal diterima strategi L * sehingga V (x) = VL * (x) memegang. Set kontrol diterima
dilambangkan dengan Π akan bervariasi tergantung pada keumuman satu tujuan di. Untuk
mendapatkan solusi eksplisit dan aturan keputusan sederhana, satu mungkin ingin fokus pada
hambatan atau ambang strategi; untuk memecahkan masalah dalam bentuk umum satu akan
mau berurusan dengan càglàd terakumulasi proses dividen umum sebagaimana ditentukan
dalam bagian sebelumnya.
Masalah umum untuk proses cadangan risiko Cramér-Lundberg klasik pertama kali
diselesaikan oleh Gerber di [50] melalui batas masalah diskrit terkait dan kemudian dengan
cara teori kontrol stokastik oleh Azcue & Muler [15], yang juga termasuk strategi reasuransi
umum sebagai kemungkinan kontrol kedua. Lihat juga Schmidli [111] dan Mnif & Sulem [94]
yang memungkinkan untuk addi dinamis tional XL-reasuransi dan Albrecher & Thonhauser
[9] untuk proses cadangan di bawah kekuatan yang menarik. Untuk semua kasus ini secara
umum strategi Band ternyata menjadi optimal antara semua strategi diterima.

Untuk kasus tertentu jumlah klaim didistribusikan secara eksponensial, runtuh strategi band
untuk strategi penghalang (ini terbukti dengan Gerber [50] pada tahun 1969 sebagai oleh-
produk dari karakterisasi umum). Dalam Albrecher & Thonhauser [9] itu menunjukkan bahwa
optimalitas strategi penghalang dalam model klasik dengan klaim eksponensial masih
memegang jika ada kekuatan konstan. Baru-baru ini, Loeffen [88] menunjukkan bahwa
strategi penghalang memaksimalkan pembayaran dividen didiskontokan yang diharapkan
sampai kehancuran juga untuk umum spektrum negatif proses risiko Retribusi dengan com-
kepadatan pletely monoton melompat (dan Kyprianou et al. [79] santai kondisi ini pada
kepadatan melompat ke log-busung). Ini misalnya menetapkan optimalitas strategi
penghalang dalam model Cramér-Lundberg dengan ukuran klaim Pareto. Namun, Dalam
setup difusi umum dividen optimal masalah (5) benar-benar diselesaikan oleh Shreve et al.
[112] dan strategi penghalang diidentifikasi menjadi optimal. Kasus khusus drift konstan dan
koefisien difusi kemudian dipecahkan lagi dengan cara yang berbeda slighty di Jeanblanc-
Pique & Shiryaev [73] dan Asmussen & Taksar [12] (Radner & Shepp [102] mempelajari
situasi di mana drift dan volatilitas juga bisa dikontrol dalam satu set diskrit nilai yang
mungkin). Selain kontrol dividen, HojGaard & Taksar [68, 69] juga dianggap kemungkinan
reasuransi proporsional dan investasi yang optimal. Untuk gambaran tentang hal ini dan
varian masalah ini untuk proses difusi melihat Taksar [116]. Jika seseorang ingin
memaksimalkan (4) atas set kontrol benar-benar terus menerus dengan ketegangan di-
dibatasi, maka strategi ambang ternyata menjadi optimal dalam model risiko difusi (cf.
Asmussen & Taksar [12]) serta di senyawa model risiko Poisson dengan melompat
didistribusikan secara eksponensial dan <c (cf. Gerber & Shiu [55]).

Termotivasi oleh masalah konsumsi optimal dari matematika keuangan (lihat misalnya
Merton [92]), Hubalek & Schachermayer [70] mengusulkan fungsi nilai mengukur utilitas
potongan yang diharapkan dari aliran dividen dan membahas masalah optimasi terkait untuk
risiko difusi cadangan cess pro . Mereka menunjukkan bahwa di bawah disebut kondisi Inada
pada fungsi utilitas u: [0, ∞) → [0, ∞)
 ∞ uj( ∞ ) = 0), strategi yang optimal harus benar-benar terus menerus.
(Yaitu uj (0) = dan
Nilai dari strategi L kemudian didefinisikan oleh

Meskipun pengukuran utilitas kepadatan mungkin tampak aneh pada pandangan pertama, ini
dapat termotivasi dengan menafsirkan masalah sebagai batas model diskrit, di mana utilitas
kumulatif dari pembayaran dari setiap langkah waktu dianggap (cf. Borch [29]). Pendekatan
berbasis utilitas lain adalah karena Grandits et al. [59], yang mengusulkan untuk mengukur
strategi dengan yang diharapkan (dalam kasus eksponensial mereka) utilitas pembayaran
dividen diskon yang kumulatif,

Untuk model difusi strategi penghalang tergantung waktu tertentu ternyata menjadi optimal.
Bagaimana- pernah, bentuk konkret dari penghalang ini sulit untuk mendapatkan, seperti yang
diberikan melalui persamaan integral yang menentukan.

Ketika termasuk biaya transaksi, dimasukkannya utilitas per pembayaran tampaknya

menjadi alamiγ (misalnya u (z) = 1 (Kz - K) γ dengan γ ∈ (0, 1]). Kemudian nilai suatu
diterima impuls strategi S = {(τi, Zi)} i∈N diukur dengan

Masalah optimasi yang sesuai dianggap di Paulsen [97] untuk proses difusi umum, di
Jeanblanc-Picqué & Shiryaev [73] untuk drift konstan dan kasus volatilitas dan di Cadenillas
et al. [33] untuk difusi mean-reverting. Thonhauser & Albrecher [119] ciri fungsi nilai
menurut (8) untuk model klasik. Dengan cara yang sama seperti untuk kontrol càglàd umum,
Loeffen [90] membuktikan bahwa strategi dorongan sederhana, seperti yang diperkenalkan
dalam Bagian 3.2, adalah mal opti- untuk proses risiko Retribusi spektral negatif ketika ada
tetap biaya transaksi dengan setiap pembayaran dividen, γ = 1 dan kepadatan distribusi
melompat adalah log-cembung.

Tentu saja ada berbagai kemungkinan untuk memperluas definisi dari fungsi nilai. Kami
sekarang menyebutkan dua contoh lagi yang mungkin menarik khususnya untuk masalah
asuransi. Yang pertama memperkenalkan semacam hadiah untuk menghindari kehancuran
 dini, dimodelkan oleh aliran diskon pembayaran dengan kepadatan Λ> 0 sampai kehancuran
dan fungsi nilai yang sesuai

Tambahan parameter Λ dapat digunakan untuk menyeimbangkan antara keselamatan dan

keuntungan dalam portofolio (alternatif, seseorang dapat menafsirkan peubah tambahan
sebagai hukuman potongan tertentu pada kehancuran, lih Gerber et al [53];. Untuk kasus
khusus waktu diharapkan untuk kehancuran (δ = 0) melihat Borch [28]). Untuk fungsi nilai ini,
Shreve et al. [112] dan Boguslavskaya [27] mengidentifikasi optimalitas strategi penghalang
dalam model difusi, dan [27] juga dimasukkannya biaya transaksi diselidiki. Thonhauser &
Albrecher [118] menetapkan optimalitas strategi penghalang bawah (9) untuk model risiko
klasik dengan jumlah klaim didistribusikan secara eksponensial. Untuk ekstensi baru untuk
umum model risiko Retribusi melihat Loeffen [89] dan untuk masuknya kemungkinan investasi
tambahan melihat Wang & Zhang [121].
Pendekatan lain adalah untuk memungkinkan suntikan modal dari pemegang saham ketika
surplus turun di bawah nol untuk membuatnya lagi yang positif dan menghindari kebangkrutan.
Dickson & Waters [41] dan Gerber et al. [56] diasumsikan bahwa defisit pada kehancuran
harus dibayar oleh pemegang saham dan karenanya memandang memilih barrrier optimal yang
meminimalkan perbedaan diharapkan antara pembayaran dividen diskon sampai kehancuran
dan defisit pada kehancuran untuk model Poisson majemuk. Asumsikan sekarang lebih umum
bahwa suntikan modal ini dapat terjadi pada setiap titik waktu dengan tujuan bahwa surplus
tidak menjadi negatif dan dilambangkan dengan Z = (Zt) t≥0 proses injeksi. Maka proses yang
dikendalikan adalah dalam bentuk

Nilai dari pasangan kontrol seperti

(L, Z) dapat secara alami didefinisikan
oleh

di mana θ> 1 adalah berat suntikan modal diskon yang diharapkan. masalah maksimisasi
umum yang terkait baru-baru ini diselesaikan di Kulenko & Schmidli [76] untuk model risiko
klasik, lihat juga Avram et al. [14]. Ternyata bahwa strategi optimal adalah sekarang ke
sewenang-wenang distribusi ukuran klaim strategi penghalang dan suntikan hanya harus
dilakukan ketika proses negatif. Shreve et al. [112] memecahkan masalah analog untuk proses
difusi umum. Dia & Liang [61] kesepakatan dengan masalah ini dalam kerangka difusi
memungkinkan strategi dividen umum dan termasuk biaya transaksi pada reinvestments, dan
Paulsen [98] investigates setup difusi ketika kedua pembayaran dividen dan reinvestments
dibebankan oleh biaya transaksi.
 Gagasan menempatkan kendala yang berbeda pada kemungkinan kehancuran proses cadangan
dikendalikan digunakan dalam Paulsen [96] untuk model difusi umum dan Bayraktar &
Young [18] untuk model difusi dan kriteria utilitas pada nilai strategi. Hipp [62] memecahkan
masalah tersebut dalam kerangka diskrit. Ketika memperbaiki strategi dividen, Bayraktar &
Young [19, 20] menggunakan kemungkinan kontrol investasi untuk meminimalkan peluang
ruin proses cadangan difusi terkontrol.

5. Pendekatan Pemograman Dinamis

Pada bagian berikut kita akan menjelaskan secara lebih rinci sifat tantangan matematika
ketika mencoba untuk mengidentifikasi strategi pengendalian yang optimal dalam lingkungan
asuransi. Kita akan mulai dengan diskusi tentang pendekatan pemrograman dinamis, yang
merupakan jantung dari solusi dari masalah yang paling dividen maksimalisasi dalam
lingkungan Markov (untuk gambaran umum lihat Fleming & Soner [43] dan Schmidli [111]).

Prinsip pemrograman dinamis berawal pada diskrit-waktu optimasi (lihat misalnya [122]) dan
pada dasarnya menyatakan bahwa salah satu mencoba untuk berperilaku secara optimal dalam
interval pertama kalinya dan kemudian secara optimal dari sana. Dalam waktu kontinu
mengarah ini untuk yang disebut Hamilton-Jacobi-Bellman (HJB) persamaan. Biasanya
derivasi dari persamaan ini untuk V (x) melibatkan beberapa asumsi yang sulit untuk
memverifikasi langsung. Oleh karena itu prosedur biasa adalah untuk menurunkan persamaan
heuristik dan akhirnya membuktikan secara terpisah (dalam disebut langkah verifikasi) bahwa
solusinya memang fungsi nilai yang dibutuhkan dari masalah kontrol optimal. langkah
verifikasi ini dapat terdiri dari dua prosedur alternatif: salah satu dapat menunjukkan bahwa
fungsi nilai memang memenuhi persamaan HJB (dengan membenarkan semua langkah dalam
derivasi dari persamaan ketat),

5.1 Kontrol Non-Singular - Kasus Klasik

Biarkan Π menjadi seperangkat strategi yang dapat diterima dan R menjadi salah satu proses
cadangan risiko yang
diperkenalkan
sebelum.  Fungsi nilai V ( x ) dari
masalah maksimisasi dikatakan
memenuhi dinamika prinsip pemrograman jika untuk waktu henti γ persamaan

memegang. Dengan kata lain, memaksimalkan pembayaran dividen dalam interval [0 , γ ) dan
sejak saat itu melanjutkan dengan cara yang optimal setara dengan memaksimalkan pembayaran
selama seumur hidup dari proses cadangan. Sekarang ganti γ dengan beberapa h kecil > 0 dan
anggaplah itu dapat diterima kontrol L mengakui proses kerapatan l = ( l t ) t≥ 0 yang konstan
untuk t ∈ [0 , h ). Maka jelas
Membagi (11) dengan h dan mengurangi V ( x ) menghasilkan
Kami sekarang ingin mengambil batas h → 0 dan berasumsi bahwa V ada dalam domain
generator L l cadangan dikendalikan oleh konstan kepadatan dividen l (pada titik ini, beberapa
lainnya masukkan asumsi yang membuat derivasi heuristik). Untuk model compound Poisson ini
generator (bandingkan dengan (2)) misalnya diberikan oleh

kemudian diperoleh

Anggaplah sekarang bahwa pada (10) supremum diperoleh untuk strategi L  ∗ (sekali lagi
diasumsikan demikian benar-benar kontinu tetapi sekarang tidak selalu konstan dalam [0 , h )),
sehingga (12) sesuai dengan kesetaraan:

Ini menunjukan
bahwa

 Semua ini di bawah asumsi bahwa batas dan harapan saling menukar, dan mengambil
supremum diizinkan. Persamaan (14) disebut Hamilton-Jacobi-Bellman (HJB) persamaan yang
terkait dengan masalah maksimalisasi dividen

di mana Π ac menunjukkan serangkaian strategi diterima yang benar-benar kontinu (solusi dari
(15) adalah diberikan dalam [110]). Untuk proses cadangan risiko difusi (penyimpangan
konstan µ , volatilitas σ> 0 dan generator (3)), sebuah Persamaan HJB sesuai dengan (15)
diberikan oleh
 (lihat misalnya
[12]) dan

di mana
karena kondisi Inada dalam rangka utilitas batas atas l ∞ tidak tidak perlu ditentukan. Ketika
proses cadangan diberikan oleh difusi, V (0) = 0 adalah kondisi awal yang jelas untuk Persamaan
HJB, karena ketika mulai dalam 0 gerakan Brownian mengemudi segera menjadi negatif dengan
probabilitas 1 (lihat Rogers & Williams [104]) dan tidak akan ada dividen di masa depan
pembayaran. Sebaliknya, tidak ada nilai awal yang jelas dalam model senyawa Poisson, karena
ada kemungkinan positif bagi cadangan untuk pulih dari nilai 0. Kita akan lihat nanti caranya
fakta ini mempengaruhi karakterisasi matematika dari solusi masalah maksimalisasi.

Komentar 5.1. Dari pernyataan persamaan HJB (14), kami segera mendapatkan seorang
kandidat solusi menyarankan kontrol Markov sebagai strategi optimal, yaitu kepadatan hanya
tergantung pada keadaan saat ini x dari proses (dan bukan pada seluruh penyaringan hingga
waktu t tertentu ). Ini berarti l t = l ( R t ) dengan

Catatan lebih lanjut bahwa masalah maksimalisasi dividen klasik dinyatakan sebagai horizon
waktu tak terbatas masalah optimisasi dan oleh karena itu kontrol stasioner adalah alami (untuk
pengecualian lihat [59]).Notasi umum menentukan persamaan HJB melalui fungsi nilai V ( x )
adalah, karena derivasi heuristiknya, sedikit menyesatkan, karena orang masih perlu memeriksa
argumen verifikasi apakah fungsi nilai aktual memang memenuhi persamaan HJB.

5.2 Kasus Kontrol Tunggal

Mari kita lepaskan asumsi kesinambungan absolut L , yaitu kita berurusan dengan kasus umum
kontrol diterima, sehingga proses kepadatan l = ( l  s ) s≥ 0 dari strategi dividen L tidak tentu
dibatasi. Berfokus pada model klasik dan sekarang memasukkan generator Cadangan terkendali
(13) menjadi (14) secara eksplisit, kami peroleh

Seseorang segera mengamati bahwa dalam kasus V ( x ) < 1 untuk beberapa x ≥ 0 maximizer
lokal l  ∗ ( x ) dan lebih umum (18) tidak terikat, sehingga kedua kuantitas tidak masuk akal
lagi. Di sebaliknya, dalam kasus V ( x ) > 1 kita mendapatkan l  ∗ ( x ) = 0 dan

Membatasi 1 −V ( x ) ≤ 0 untuk semua x ≥ 0, maka kami memperoleh persamaan HJB yang
ditulis ulang berikut
Pengamatan berikut ini juga memotivasi heuristically bentuk persamaan (19). Misalkan dulu
bahwa pada beberapa titik x ≥ 0 adalah optimal untuk membayar dividen lump sum (mungkin
sangat kecil) h> 0 dan kemudian lanjutkan dengan modal x - h (atau berhenti jika x = 0),
sehingga V ( x ) = h + V ( x - h ) yang untuk h → 0 menunjukkan V ( x ) = 1. Kedua, jika
menunggu dan tidak membayar dividen dalam beberapa interval kecil sekitar x ≥ 0 optimal,
seseorang memperoleh bagian kedua dari sisi kanan (19). Untuk proses cadangan risiko difusi
dengan drift konstan μ> 0 dan volatilitas konstan σ> 0 satu mendapatkan sepanjang argumen
yang sama

Untuk fungsi nilai (7) dan fungsi utilitas eksponensial u ( z ) = (1 -e -γz ) / γ , yang sesuai
Persamaan

Di sini ternyata
diperlukan untuk menggunakan variabel waktu tambahan t ≥ 0 (untuk detail lihat [59]).

5.3 Kasus Kontrol Impuls

Mari kita perhatikan model gabungan Poisson. Untuk fungsi nilai (8) dalam impuls kerangka
kontrol, pertama-tama kita mengamati bahwa pada titik x ≥ 0 di mana akan optimal untuk
melakukan intervensi, kita harus memiliki MV ( x ) = V ( x ), di mana operator

memberikan nilai intervensi yang dapat diterima terbaik di tingkat cadangan x . Di sisi lain, jika
akan optimal untuk tidak melakukan intervensi dalam interval terbuka di sekitar titik x ,
kemudian mengkondisikan klaim pertama yang terjadi dalam interval waktu kecil [0 , h ] dan
membiarkan h → 0 akan menghasilkan

Pengamatan ini secara heuristik memotivasi apa yang disebut kuasi-variasional

ketidaksetaraan (QVI):
Hal ini ekuivalen dengan

Untuk perawatan yang ketat, lih. [119]. Untuk model difusi kita hanya perlu mengganti
generator sesuai dan sampai pada persamaan yang sama (lihat [33] atau [73]). Pendekatan
dinamis untuk masalah kontrol impuls stokastik diperkenalkan oleh Bensoussan & Lions [21,
22]. 17

6 Diskusi persamaan HJB - Argumen Verifikasi

Pada bagian sebelumnya kita melihat bagaimana seseorang dapat (heuristically) menurunkan
persamaan HJB yang terkait dengan masalah optimasi stokastik yang diberikan. Sekarang kami
ingin menghubungkan solusi dari persamaan ini ke fungsi nilai masalah optimisasi. Pertanyaan
penting dalam konteks ini adalah: Yang mana jenis solusi yang ada? Apakah fungsi nilai
solusi? Apakah solusinya unik?
Secara umum ada dua cara untuk mendapatkan solusi untuk masalah optimasi berdasarkan
Persamaan HJB.

 Dimungkinkan untuk membuktikan bahwa ada solusi unik untuk persamaan HJB dari
diberikan masalah maksimalisasi dividen. Dalam kasus ideal, konstruksi juga mungkin
dilakukan solusi eksplisit. Maka diperlukan teorema verifikasi yang menyatakan bahwa
ini solusi mendominasi semua nilai lain yang dapat dicapai dengan strategi yang dapat
diterima, dan itu strategi yang diperoleh oleh solusi ini dapat diterima (dan karenanya
optimal). Kami kemudian mendapatkannya solusi unik dari persamaan HJB ini adalah
fungsi nilai.
 Dimungkinkan untuk menunjukkan bahwa ada solusi (dalam beberapa hal) dari
persamaan HJB, tetapi Keunikan diragukan. Maka diperlukan karakterisasi fungsi nilai
yang tepat dan kita harus membuktikan bahwa fungsi nilai memang memenuhi
persamaan HJB dengan memverifikasi itu semua langkah dalam derivasi persamaan HJB
sebenarnya dibenarkan. Setelah fungsi nilai ditentukan, seseorang harus mengidentifikasi
pembayaran dividen yang sesuai strategi yang menyadari fungsi nilai ini (ini sering non-
sepele dan bahkan mungkin terjadi itu strategi seperti itu tidak ada, lihat misalnya Shreve
et al. [112, Th.4.3]).

Komentar 6.1. Sebagai alternatif karakterisasi penuh atas masalah optimasi ("cara analitik"),
cara lain yang cukup umum (Bensoussan et al. [23] menyebutnya "probabilistik") Pendekatan
dalam literatur adalah untuk memaksimalkan fungsi nilai tertentu pada kelas terbatas (kecil)
strategi yang dapat diterima, katakan strategi tipe penghalang atau kontrol impuls sederhana (lih.
Avram et al. [14], Loeffen [90, 88], Gerber & Shiu [54, 55]). Kemudian dalam beberapa kasus
dimungkinkan untuk memverifikasi oleh perbandingan bahwa – dalam kelas terbatas - strategi
optimal juga optimal dalam kelas yang lebih besar dari strategi penerimaan umum.

6.1 Ada Solusi Unik

Dalam beberapa kasus adalah mungkin untuk menghitung solusi eksplisit untuk persamaan HJB
(misalnya untuk (16) dan (20), lih. [12, 112]), sedangkan dalam kasus lain hanya mungkin untuk
membuktikan keberadaan klasik solusi (misalnya untuk (17), lih [70]). Solusi klasik dalam
konteks ini berarti bahwa solusinya sama teratur seperti yang disyaratkan oleh persamaan
(perhatikan bahwa titik-titik penting dalam hal itu adalah persimpangan poin dari berbagai
bagian persamaan). Dalam banyak kasus, solusi eksplisit dapat diperoleh di sepanjang argumen
berikut: Satu dapat merumuskan ulang persamaan HJB (14) sebagai

di mana L adalah generator dari proses cadangan yang tidak terkendali yang diberikan dalam
Bagian 2 (untuk notasi kenyamanan kami membatasi diri kami di sini untuk kasus yang benar-
benar berkelanjutan).Oleh karena itu tindakan optimal dengan cadangan saat ini x tergantung
pada apakah 1 - V ( x ) lebih besar dari nol atau sama dengan nol. Pendekatan pertama seringkali
adalah dengan menganggap bahwa V ( x ) cekung, di mana huruf hanya akan ada satu titik
switching x  0 sehingga V ( x ) > 1 untuk x <x 0 dan V ( x ) ≤ 1 untukx ≥ x 0 . Ini kemudian
segera menyarankan kontrol

di mana x 0 masih harus ditentukan. Prinsip fit halus menyarankan metode untuk menentukan

x 0 . Ini menyatakan bahwa fungsi nilai harus cukup teratur pada batas bebas x 0 (kadang-
kadang juga disebut batas keputusan , lih. Peskir & Shiryaev [100] dan Kyprianou & Surya
[81]), yaitu

di mana V l dan V r menunjukkan solusi dari persamaan HJB untuk x <x 0 dan x ≥ x 0 di bawah

asumsi concavity (dalam kasus difusi kita memiliki asumsi tambahan Vl( x 0 ) = V r ( x 0 )).
Kondisi ini memungkinkan untuk perhitungan bagian-bagian individual dari solusi dan implisit
penentuan titik penting x 0 . Dalam pengaturan difusi itu diikuti dengan perhitungan mudah itu
sebenarnya x 0 adalah satu-satunya nilai x untuk yang satu dapat
menyisipkan V l dan V r sehingga yang dihasilkan fungsi dua kali dapat dibedakan.Bentuk
masalah ditunjukkan oleh asumsi concavity pada fungsi nilai kandidat disebut masalah nilai
batas bebas . Dalam Whittle [122] ada beberapa kondisi ketika suatu nilai fungsi dua kali dapat
dibedakan pada batas keputusan optimal. Ketika menebak tentang cekung dari V dan kondisi
mulus-fit berhasil untuk mendapatkan solusi dari (22), maka tetap untuk memverifikasi bahwa
solusi ini memang fungsi nilai (langkah verifikasi). Ide dasar di teorema verifikasi sering untuk
strategi L yang dapat diterima yang sewenang-wenang dengan proses kepadatan l = ( l s ) s≥ 0 ,
proses e  −δ ( t∧τ  L ) V ( R L t∧τ L ), berdasarkan formula (yang sesuai) Itô dan prinsip
pemrograman dinamis, mengarah ke supermartingale yang kemudian dapat dibandingkan
dengan a martingale yang dihasilkan dari proses e −δ ( t∧τ L ∗ ) V ( R  L  ∗t∧τ L ∗ ) dengan
strategi L diberikan oleh (23). Ini kemudian menetapkan V ( x ) ≥ V L ( x ) untuk setiap strategi
lainnya L dan V ( x ) = V L * ( x ). Properti martingale yang disebutkan biasanya didirikan oleh
aplikasi yang sesuai dari Itô formula (atau ekstensi untuk lompatan, masing-masing). Secara
khusus, kita harus memastikan itu sifat dapat dibedakan dari V yang dibutuhkan dalam rumus Itô
sebenarnya berlaku (ini misalnya secara otomatis terjadi jika konstruksi solusi melalui prinsip
kelancaran berhasil). Langkah ini terkadang membutuhkan keahlian teknis yang cukup besar.
Davis [37] menganggap teorema verifikasi sebagai motivasi matematika dari persamaan HJB.

6.2 Tidak ada solusi unik

Untuk masalah maksimalisasi dividen (4) dalam model risiko klasik dengan ukuran klaim
sewenang-wenang distribusi, beberapa kesulitan mungkin timbul. Masalah ini pertama kali
dipecahkan oleh Gerber [50] melalui sebuah diskritisasi dan mengambil batas waktu
kontinu. Seperti yang sudah disebutkan, dia mengidentifikasi strategi band untuk menjadi
optimal dalam konteks ini. Hanya baru-baru ini Azcue & Muler [15] menggunakan dinamika
pendekatan pemrograman untuk mendapatkan persamaan HJB (19) untuk masalah ini (mereka
juga termasuk debuah kemungkinan reasuransi dinamis, lihat juga Schmidli [110]).

Dua kesulitan utama yang muncul ketika melihat (19) adalah pertanyaan tentang pembedaan dan
keunikan suatu solusi. Pertanyaan keunikan sangat krusial, karena ketika mulai dengan
solusi yang salah untuk (19) pembangunan strategi yang dapat diterima terkait gagal. Ada
konstelasi parameter tertentu (misalnya λ besar ) sedemikian rupa sehingga fungsi linier
sederhana f ( x ) = x + cδ memecahkan (19) tetapi strategi yang terkait mencapai nilai ini
(yang membayar modal awal x dan selanjutnya semua premi yang masuk mengabaikan potensi
kehancuran ) tentu saja tidak dapat diterima.
Masalah ini terutama karena nilai awal yang hilang untuk persamaan HJB. Seperti yang dapat
dilakukan dalam hal ini kasus biasanya tidak menemukan solusi yang cukup terdiferensiasi, kita
harus memperkenalkan non-lainnya konsep solusi klasik, misalnya solusi viskositas . Untuk
yang terakhir, satu menggantikan fungsi sekitar titik bermasalah x ≥ 0 secara lokal oleh fungsi
halus yang naik dan turun (masing-masing) asli fungsi V . Jika V dapat diperkirakan dari bawah
(atas) sedemikian rupa persamaan HJB menjadi ketimpangan yang lebih besar (lebih kecil) dari
nol untuk fungsi yang mendekati satu panggilan V subsolusi viskositas (supersolusi, masing-
masing). Jika keduanya perkiraan mungkin, V disebut solusi viskositas. Konsep solusi yang
diperluas ini pertama kali diperkenalkan dalam Crandall & Lions [36], lihat juga Crandall et
al. [35] Untuk PDMP gagasan ini digunakan oleh Soner [114]. Schmidli [110] menggunakan
solusi lemah sebagai konsep solusi alternatif lebih lanjut. Untuk sebuah masalah kontrol
stokastik campuran yang muncul dalam situasi opsi nyata dalam kerangka difusi, di mana
seseorang harus memilih antara membayar dividen atau berinvestasi, solusi viskositas baru-baru
ini dipekerjakan oleh Vath et al. [120].Mari kita sekarang membuat sketsa derivasi solusi dari
persamaan HJB
.
Dimungkinkan untuk memperoleh langsung dari definisi (5) V dan definisi umum strategi yang
dapat diterima dari Bagian 3.2 bahwa V benar-benar kontinu dan dibatasi secara linear.
Karakterisasi lebih lanjut terbagi menjadi dua langkah. Pertama apa yang disebut hasil
perbandingan (jika supersolusi viskositas lebih besar dari sub-viskositas lusi dalam nol maka
hubungan ini berlaku untuk R + ) diperlukan dan dalam langkah kedua orang menunjukkan itu
setiap supersolusi viskositas mendominasi fungsi nilai (ini dilakukan dengan cara yang sama
seperti satu membuktikan teorema verifikasi). Karena V adalah super dan subsolusi, ia harus
menjadi solusi viskositas terkecil memenuhi kondisi pertumbuhan linier. Sekarang hanya tersisa
untuk menentukan strategi dividen terkait dengan solusi yang benar V untuk (24). Dalam contoh
di atas ternyata menjadi strategi band yang didefinisikan oleh set

Dalam [110] prosedur algoritmik untuk mendapatkan V dijelaskan, dalam [15] dan [9] contoh
eksplisit dibangun yang menunjukkan perlunya konsep solusi yang diperluas. Aturan Algoritma
iterasi untuk masalah terkait dibangun di [94].

7 Kesimpulan dan Masalah Terbuka

Ternyata solusi lengkap dari masalah yang tampaknya sederhana dalam menentukan opti-
strategi dividen untuk proses risiko asuransi memerlukan teknik canggih dari analisis, kontrol
probabilitas dan stokastik. Meskipun pemahaman masalah di klasik model risiko serta dalam
model difusi sekarang telah mencapai keadaan kematangan tertentu, di sana masih merupakan
pertanyaan terbuka.

 Seperti dibahas di Bagian 4, strategi tipe penghalang ternyata menjadi pilihan optimal
beberapa model situasi, tetapi bahkan untuk model risiko klasik masih belum ada yang
eksplisit kriteria pada parameter model yang tersedia yang diperlukan dan memadai
untuk a strategi penghalang menjadi optimal. Demikian pula, kondisi yang diperlukan
dan cukup untuk ambang batas strategi untuk menjadi optimal masih belum
diketahui. Selanjutnya, analisis numerik yang ketat untuk penentuan strategi optimal
untuk nilai parameter yang diberikan perlu dikembangkan.
 Penelitian tentang masalah maksimalisasi dividen di bawah biaya transaksi dan / atau di
bawah kriteria utilitas dalam model klasik baru mulai berkembang. Untuk kasus transaksi
biaya, hingga sekarang karakterisasi lengkap fungsi nilai dan beberapa numerik ide telah
dikembangkan [119], tetapi deskripsi formal dari strategi yang secara umum optimal
belum tersedia.
 Strategi dividen optimal di bawah kendala tambahan pada kemungkinan kehancuran
(lihat misalnya Hipp [62] untuk kasus tertentu) dan secara umum di bawah kendala pada
 lintasan dari proses terkontrol, tampaknya menjadi masalah yang sangat sulit untuk
proses cadangan risiko melompat.

Selain itu, ada banyak masalah terbuka di bawah asumsi model yang dimodifikasi. Di dalam
konteks, garis tertentu penelitian potensial di masa depan adalah untuk mempertimbangkan
masalah dividen yang optimal ketika proses nomor klaim Poisson digantikan oleh proses
pembaruan umum, yaitu Sparre Model risiko Andersen [115]. Li & Garrido [84] mempelajari
sifat-sifat proses cadangan risiko pembaruan di bawah strategi penghalang dan Albrecher et
al. [2] hitung momen dari diskon yang diharapkan pembayaran dividen di bawah strategi
penghalang dalam kerangka kerja ini, tetapi Albrecher & Hartinger [3] menunjukkan bahwa
bahkan dalam kasus Erlang (2) didistribusikan waktu antar dan didistribusikan secara
eksponensial Jumlah klaim strategi penghalang horizontal tidak optimal lagi, karena dapat
dikalahkan oleh strategi yang tergantung pada waktu yang berlalu sejak terjadinya klaim
sebelumnya. Ini masih masalah terbuka untuk mengidentifikasi strategi dividen optimal dalam
model ini. Seseorang dapat menandai Model Sparre Andersen dengan memperluas dimensi
ruang keadaan proses pengambilan risiko memperhitungkan waktu yang telah berlalu sejak
terjadinya klaim terakhir. Strategi yang masuk akal juga harus bergantung pada variabel
tambahan ini. Tetapi juga dimensi persamaan HJB terkait akan diperpanjang yang secara
signifikan meningkatkan kesulitannya hadapi ketika secara analitis mendekati persamaan
ini.Akhirnya, untuk proses cadangan risiko yang dimodelkan oleh proses Lévy negatif yang
secara umum negatif, Loeffen [88] dan Avram et al. [14] mempelajari masalah optimisasi
dividen dari titik probabilistik pandangan. Masih terbuka untuk mendekati dan menyelesaikan
masalah ini dalam pengaturan umum ini dengan cara kontrol optimal stokastik.
Pengakuan: Kami ingin mengucapkan terima kasih kepada Ronnie Loeffen untuk membaca
dengan cermat naskah.

REFERENSI

[1] H. Albrecher, S. Borst, O. Boxma, and J. Resing. The tax identity in risk theory - a simple proof and an
extension. Insurance Math. Econom., 44(2):304–306, 2009.
[2] H. Albrecher, M. M. Claramunt, and M. Mármol. On the distribution of dividend payments in a Sparre
Andersen model with generalized Erlang(n) interclaim times. Insurance Math. Econom., 37(2):324–334,
2005.
[3] H. Albrecher and J. Hartinger. On the non-optimality of horizontal dividend barrier strategies in the Sparre
Andersen model. Hermis J. Comp. Math. Appl., 7:109–122, 2006.
[4] H. Albrecher and J. Hartinger. A risk model with multi-layer dividend strategy. N. Am. Actuar. J.,
11(2):43–64, 2007.
[5] H. Albrecher, J. Hartinger, and R. F. Tichy. On the distribution of dividend payments and the discounted
penalty function in a risk model with linear dividend barrier. Scand. Actuar. J., (2):103– 126, 2005.
 [6] H. Albrecher and C. Hipp. Lundberg’s risk process with tax. Bl. DGVFM, 28(1):13–28, 2007.
[7] H. Albrecher and R. Kainhofer. Risk theory with a nonlinear dividend barrier. Computing, 68(4):289–311,
2002.
[8] H. Albrecher, J.-F. Renaud, and X. Zhou. A Lévy insurance risk process with tax. J. Appl. Probab.,
45(2):363–375, 2008.
[9] H. Albrecher and S. Thonhauser. Optimal dividend strategies for a risk process under force of interest.
Insurance Math. Econom., 43(1):134–149, 2008.
[10] A. Alegre, M. Claramunt, and M. Marmol. Dividend policy and ruin probability. Proceedings of the
Third Int. Congress on Insurance: Mathematics & Economics, London, 1999.
[11] S. Asmussen. Ruin probabilities. World Scientific Publishing Co. Inc., River Edge, 2000.
[12] S. Asmussen and M. Taksar. Controlled diffusion models for optimal dividend pay-out. Insurance Math.
Econom., 20(1):1–15, 1997.
[13] B. Avanzi. Strategies for dividend distribution: a review. North American Actuarial Journal, 2009. to
appear.
[14] F. Avram, Z. Palmowski, and M. R. Pistorius. On the optimal dividend problem for a spectrally negative
Lévy process. Ann. Appl. Probab., 17(1):156–180, 2007.
[15] P. Azcue and N. Muler. Optimal reinsurance and dividend distribution policies in the Cramér- Lundberg
model. Math. Finance, 15(2):261–308, 2005.
[16] D. S. Badescu, A.L. and D. Landriault. On the analysis of a multi-threshold markovian risk model.
Scandinavian Actuarial Journal, (4):248–260, 2007.

[17] N. Bäuerle. Approximation of optimal reinsurance and dividend payout policies. Math. Finance, 14(1):99–
113, 2004.
[18] E. Bayraktar and V. Young. Maximizing utility of consumption subject to a constraint on the probability of
lifetime ruin. Finance and Research Letters, 5(4):204–212, 2008.
[19] E. Bayraktar and V. Young. Minimizing the probability of lifetime ruin under random consumption.
N. Am. Actuar. J., 12(4):384–400, 2008.

[20] E. Bayraktar and V. Young. Minimizing the probability of ruin when consumption is ratcheted.
N. Am. Actuar. J., 12(4):428–442, 2008.

[21] A. Bensoussan and J.-L. Lions. Applications of variational inequalities in stochastic control, vol- ume
12 of Studies in Mathematics and its Applications. North-Holland Publishing Co., Amsterdam, 1982.
Translated from the French.
[22] A. Bensoussan and J.-L. Lions. Impulse control and quasivariational inequalities. Gauthier-Villars,
Montrouge, 1984.
[23] A. Bensoussan, R. H. Liu, and S. P. Sethi. Optimality of an (s, S) policy with compound Poisson and
diffusion demands: a quasi-variational inequalities approach. SIAM J. Control Optim., 44(5):1650– 1676
(electronic), 2005.
[24] D. P. Bertsekas and S. E. Shreve. Stochastic optimal control. Academic Press Inc., New York, 1978.
[25] J.-M. Bismut. Conjugate convex functions in optimal stochastic control. J. Math. Anal. Appl., 44:384–404,
1973.
[26] F. Black and M. Scholes. The pricing of options and corporate liabilities. J. Political Econ., 81(3):637–
659, 1973.
[27] E. Boguslavskaya. Optimization Problems in Financial Mathematics: Explicit Solutions for Diffu- sion
Models. Ph.D. Thesis, University of Amsterdam, 2006.
[28] K. Borch. The theory of risk. (With discussion). J. Roy. Statist. Soc. Ser. B, 29:432–467, 1967.
[29] K. Borch. The Mathematical Theory of Insurance. Lexington, Massachussets, 1974.
[30] S. Browne. Optimal investment policies for a firm with a random risk process: exponential utility and
minimizing the probability of ruin. Math. Oper. Res., 20(4):937–958, 1995.
[31] H. Bühlmann. Mathematical Methods in Risk Theory. Springer-Verlag, Heidelberg, 1970.
[32] A. Cadenillas, T. Choulli, M. Taksar, and L. Zhang. Classical and impulse stochastic control for the
optimization of the dividend and risk policies of an insurance firm. Math. Finance, 16(1):181–202, 2006.
[33] A. Cadenillas, S. Sarkar, and F. Zapatero. Optimal dividend policy with mean-reverting cash reservoir.
Math. Finance, 17(1):81–109, 2007.
[34] J. Cai, H. U. Gerber, and H. Yang. Optimal dividends in an Ornstein-Uhlenbeck type model with credit
and debit interest. N. Am. Actuar. J., 10(2):94–119, 2006.
[35] M. G. Crandall, H. Ishii, and P.-L. Lions. User’s guide to viscosity solutions of second order partial
differential equations. Bull. Amer. Math. Soc. (N.S.), 27(1):1–67, 1992.
[36] M. G. Crandall and P.-L. Lions. Viscosity solutions of Hamilton-Jacobi equations. Trans. Amer. Math.
Soc., 277(1):1–42, 1983.
[37] M. H. A. Davis. Markov models and optimization. Chapman & Hall, London, 1993.
[38] B. De Finetti. Su un’ impostazione alternativa dell teoria collettiva del risichio. Transactions of the XVth
congress of actuaries, (II):433–443, 1957.
[39] H. DeAngelo and L. DeAngelo. The irrelevance of the MM dividend irrelevance theorem. Journal of
Financial Economics, 79:293–315, 2006.
[40] H. DeAngelo and L. DeAngelo. Reply to ”the irrelevance of the MM dividend irrelevance theorem”.
Journal of Financial Economics, 87:532–533, 2008.

[41] D. C. M. Dickson and H. R. Waters. Some optimal dividends problems. Astin Bull., 34(1):49–74, 2004.
[42] W. H. Fleming. Generalized solutions in optimal stochastic control. In Differential games and control
theory, II (Proc. 2nd Conf., Univ. Rhode Island, Kingston, R.I., 1976), pages 147–165. Lecture Notes
in Pure and Appl. Math., 30. Dekker, New York, 1977.
[43] W. H. Fleming and H. M. Soner. Controlled Markov processes and viscosity solutions. Springer, New
York, 1993.
[44] G. Frankfurter and B. Wood. Dividend policy theories and their empirical tests. International Review of
Financial Analysis, 11(2):111–138, 2002.
[45] E. Frostig. On the expected time to ruin and the expected dividends when dividends are paid while the
surplus is above a constant barrier. J. Appl. Probab., 42(3):595–607, 2005.
[46] J. Gaier and P. Grandits. Ruin probabilities in the presence of regularly varying tails and optimal
investment. Insurance Math. Econom., 30(2):211–217, 2002.
[47] J. Gaier, P. Grandits, and W. Schachermayer. Asymptotic ruin probabilities and optimal invest- ment. Ann.
Appl. Probab., 13(3):1054–1076, 2003.
[48] J. Garrido. Stochastic differential equations for compounded risk reserves. Insurance Math.
Econom., 8(3):165–173, 1989.
[49] H. Gerber and E. Shiu. On optimal dividends: from reflection to refraction. J. Comput. Appl. Math.,
186(1):4–22, 2006.
[50] H. U. Gerber. Entscheidungskriterien fuer den zusammengesetzten Poisson-prozess. Schweiz. Ak- tuarver.
Mitt., (1):185–227, 1969.
[51] H. U. Gerber. The dilemma between dividends and safety and a generalization of the Lundberg- Cramér
formulas. Scandinavian Actuarial Journal, (1):46–57, 1974.
[52] H. U. Gerber. On the probability of ruin in the presence of a linear dividend barrier. Scand. Actuar. J.,
(2):105–115, 1981.
[53] H. U. Gerber, S. Lin, and H. Yang. A note on the dividends-penalty identity and the optimal dividend
barrier. ASTIN Bulletin, 36(2):489–503, 2006.
[54] H. U. Gerber and E. S. W. Shiu. Optimal dividends: analysis with Brownian motion. N. Am. Actuar. J.,
8(1):1–20, 2004.
[55] H. U. Gerber and E. S. W. Shiu. On optimal dividend strategies in the compound Poisson model.
N. Am. Actuar. J., 10(2):76–93, 2006.

[56] H. U. Gerber, E. S. W. Shiu, and N. Smith. Maximizing dividends without bankruptcy. ASTIN Bulletin,
36(1):5–23, 2006.
[57] M. J. Gordon. Dividends, earnings and stock prices. Review of Economics and Statistics, 41:99–105, 1959.
[58] J. Grandell. Aspects of risk theory. Springer, New York, 1991.
[59] P. Grandits, F. Hubalek, W. Schachermayer, and M. Zigo. Optimal expected exponential utility of
dividend payments in a brownian risk model. Scand. Actuar. J., (2):73–107, 2007.
[60] J. Handley. Dividend policy: Reconciling DD with MM. Journal of Financial Economics, 87:528– 531,
2008.
[61] L. He and Z. Liang. Optimal financing and dividend control of the insurance company with fixed and
proportional transaction costs. Insurance Math. Econom., 44(1):88–94, 2009.
[62] C. Hipp. Optimal dividend payment under a ruin constraint: discrete time and state space. Working paper,
2003.
[63] C. Hipp and M. Plum. Optimal investment for insurers. Insurance Math. Econom., 27(2):215–228, 2000.
[64] C. Hipp and M. Plum. Optimal investment for investors with state dependent income, and for insurers.
Finance Stoch., 7(3):299–321, 2003.
[65] C. Hipp and H. Schmidli. Asymptotics of ruin probabilities for controlled risk processes in the small
claims case. Scand. Actuar. J., (5):321–335, 2004.
[66] C. Hipp and M. Vogt. Optimal dynamic XL reinsurance. Astin Bulletin, 33(2):193–207, 2003.
[67] B. Højgaard. Optimal dynamic premium control in non-life insurance: maximizing dividend pay- outs.
Scandinavian Actuarial Journal, (20):225–245, 2002.
[68] B. Højgaard and M. Taksar. Controlling risk exposure and dividends payout schemes: insurance company
example. Math. Finance, 9(2):153–182, 1999.
[69] B. Højgaard and M. Taksar. Optimal dynamic portfolio selection for a corporation with controllable risk
and dividend distribution policy. Quant. Finance, 4(3):315–327, 2004.
[70] F. Hubalek and W. Schachermayer. Optimizing expected utility of dividend payments for a Brow- nian
risk process and a peculiar nonlinear ODE. Insurance Math. Econom., 34(2):193–225, 2004.
[71] D. L. Iglehart. Diffusion approximations in collective risk theory. J. Appl. Probability, 6:285–292, 1969.
[72] J. Irbäck. Asymptotic theory for a risk process with a high dividend barrier. Scandinavian Actuarial
Journal, (2):97–118, 2003.
[73] M. Jeanblanc-Picqué and A. N. Shiryaev. Optimization of the flow of dividends. Uspekhi Mat. Nauk,
50(2(302)):25–46, 1995.
[74] D. P. Kerekesha. Exact solution of the risk equation with a piecewise-constant current reserve function.
Teor. I˘mov¯ır. Mat. Stat., (69):57–62, 2003.
[75] D. Kramkov and W. Schachermayer. The asymptotic elasticity of utility functions and optimal investment
in incomplete markets. Ann. Appl. Probab., 9(3):904–950, 1999.
[76] N. Kulenko and H. Schmidli. Optimal dividend strategies in a cramér-lundberg model with capital
injections. Insurance Math. Econom., 43(2):270–278, 2008.
[77] H. J. Kushner. Existence of optimal controls for variance control. In Stochastic analysis, control,
optimization and applications, Systems Control Found. Appl., pages 421–437. Birkhäuser Boston, Boston,
MA, 1999.
[78] A. Kyprianou and R. Loeffen. Refracted Lévy processes. Annales de l’Institut Henri Poincaré, 2009. to
appear.
[79] A. Kyprianou, V. Rivero, and R. Song. Convexity and smoothness of scale functions and de finetti’s
control problem. Journal of Theoretical Probability, 2009. to appear.
[80] A. E. Kyprianou and Z. Palmowski. Distributional study of de Finetti’s dividend problem for a general
Lévy insurance risk process. J. Appl. Probab., 44(2):428–443, 2007.
[81] A. E. Kyprianou and B. A. Surya. Principles of smooth and continuous fit in the determination of
endogenous bankruptcy levels. Finance Stoch., 11(1):131–152, 2007.
[82] D. Landriault. Randomized dividends in the compound binomial model with a general premium rate.
Scandinavian Actuarial Journal, (1):1–15, 2008.
[83] K. S. Leung, Y. K. Kwok, and S. Y. Leung. Finite-time dividend-ruin models. Insurance Math. Econom.,
42(1):154–162, 2008.
[84] S. Li and J. Garrido. On a class of renewal risk models with a constant dividend barrier. Insurance Math.
Econom., 35(3):691–701, 2004.
[85] X. S. Lin and K. P. Pavlova. The compound Poisson risk model with a threshold dividend strategy.
Insurance Math. Econom., 38(1):57–80, 2006.

[86] X. S. Lin and K. P. Sendova. The compound Poisson risk model with multiple thresholds. Insurance Math.
Econom., 42(2):617–627, 2008.
[87] X. S. Lin, G. E. Willmot, and S. Drekic. The classical risk model with a constant dividend barrier: analysis
of the Gerber-Shiu discounted penalty function. Insurance Math. Econom., 33(3):551–566, 2003.
[88] R. Loeffen. On optimality of the barrier strategy in de Finetti’s dividend problem for spectrally negative
Lévy processes. Ann. Appl. Probab., 18(5):1669–1680, 2008.
[89] R. Loeffen. An optimal dividends problem with a terminal value for spectrally negative lévy processes
with a completel monotone jump density. Journal of Applied Probability, 46(1):85–98, 2009.
[90] R. Loeffen. An optimal dividends problem with transaction costs for spectrally negative Lévy processes.
Insurance Math. Econom., 2009. to appear.
[91] F. Lundberg. Approximerad framstllning av sannolikhetsfunktionen. Aterfrskring av
kollektivrisker. Akad. Afhandling. Almqvist o. Wiksell, Uppsala, 1903.
[92] R. C. Merton. Optimum consumption and portfolio rules in a continuous-time model. J. Econom. Theory,
3(4):373–413, 1971.
[93] M. H. Miller and F. Modigliani. Dividend policy, growth, and the valuation of shares. The Journal of
Business, 34(4):411–433, 1961.
[94] M. Mnif and A. Sulem. Optimal risk control and dividend policies under excess of loss reinsurance.
Stochastics, 77(5):455–476, 2005.

[95] B. Øksendal and A. Sulem. Applied stochastic control of jump diffusions. Springer, Berlin, 2005.
[96] J. Paulsen. Optimal dividend payouts for diffusions with solvency constraints. Finance Stoch., 7(4):457–
473, 2003.
[97] J. Paulsen. Optimal dividend payments until ruin of diffusion processes when payments are subject to both
fixed and proportional costs. Adv. in Appl. Probab., 39(3):669–689, 2007.
 [98] J. Paulsen. Optimal dividend payments and reinvestments of diffusion processes with both fixed and
proportional costs. SIAM J. Control Optim., 47(5):2201–2226, 2008.
[99] J. Paulsen and H. K. Gjessing. Optimal choice of dividend barriers for a risk process with stochastic return
on investments. Insurance Math. Econom., 20(3):215–223, 1997.
[100] G. Peskir and A. Shiryaev. Optimal stopping and free-boundary problems. Lectures in Mathematics ETH
Zürich. Birkhäuser Verlag, Basel, 2006.
[101] E. L. Porteus. On optimal dividend, reinvestment, and liquidation policies for the firm. Operations Res.,
25(5):818–834, 1977.
[102] R. Radner and L. Shepp. Risk vs.profit potential: a model for corporate strategy. J. Econom. Dynamics
Control, 20:1373–1393, 1996.
[103] J.-F. Renaud and X. Zhou. Distribution of the present value of dividend payments in a Lévy risk model. J.
Appl. Probab., 44(2):420–427, 2007.
[104] L. C. G. Rogers and D. Williams. Diffusions, Markov processes, and martingales. Vol. 1. John Wiley
& Sons Ltd., Chichester, second edition, 1994.
[105] T. Rolski, H. Schmidli, V. Schmidt, and J. Teugels. Stochastic processes for insurance and finance. John
Wiley & Sons Ltd., Chichester, 1999.
[106] M. Schäl. On piecewise deterministic Markov control processes: control of jumps and of risk processes in
insurance. Insurance Math. Econom., 22(1):75–91, 1998.
[107] H. Schmidli. Optimal proportional reinsurance policies in a dynamic setting. Scand. Actuar. J., (1):55–68,
2001.
[108] H. Schmidli. On minimizing the ruin probability by investment and reinsurance. Ann. Appl. Probab.,
12(3):890–907, 2002.
[109] H. Schmidli. Diffusion approximations. Teugels, J.L. and Sundt, B. (ed.) Encyclopedia of Actuarial
Sciences, J. Wiley and Sons, Chichester, 1:519–522, 2004.
[110] H. Schmidli. Optimisation in non-life insurance. Stoch. Models, 22(4):689–722, 2006.
[111] H. Schmidli. Stochastic Control in Insurance. Springer, New York, 2008.
[112] S. E. Shreve, J. P. Lehoczky, and D. P. Gaver. Optimal consumption for general diffusions with absorbing
and reflecting barriers. SIAM J. Control Optim., 22(1):55–75, 1984.
[113] T. Siegl and R. F. Tichy. Lösungsverfahren eines Risikomodells bei exponentiell fallender
Schadensverteilung. Schweiz. Aktuarver. Mitt., (1):95–118, 1996.
[114] H. M. Soner. Optimal control with state-space constraint. II. SIAM J. Control Optim., 24(6):1110– 1122,
1986.
[115] E. Sparre Andersen. On the collective theory of risk in the case of contagion between the claims.
Transactions of the XVth Int. Congress of Actuaries, New York, (II):219–229, 1957.

[116] M. I. Taksar. Optimal risk and dividend distribution control models for an insurance company.
Math. Methods Oper. Res., 51(1):1–42, 2000.

[117] J. Tan and X. Yang. The compound binomial model with randomized decisions on paying dividends.
Insurance Math. Econom., 39(1):1–18, 2006.

[118] S. Thonhauser and H. Albrecher. Dividend maximization under consideration of the time value of ruin.
Insurance Math. Econom., 41(1):163–184, 2007.
[119] S. Thonhauser and H. Albrecher. Optimal dividend strategies for a compound poisson risk process under
transaction costs and power utility. Submitted for publication, 2009.
[120] V. Vath, H. Pham, and S. Villeneuve. A mixed singular/switching control problem for a dividend policy
with reversible technology investment. Annals of Applied Probability, 18(3):1164–1200, 2008.
[121] W. Wang and C. Zhang. Optimal dividend strategies in the diffusion model with stochastic return on
investments. Journal of Syst. Science and Complexity, 2009. to appear.
[122] P. Whittle. Optimization over time. Vol. II. John Wiley & Sons Ltd., Chichester, 1983.
[123] L. C. Young. Lectures on the calculus of variations and optimal control theory. W. B. Saunders Co.,
Philadelphia, 1969.
[124] X. Zhou. Classical risk model with a multi-layer premium rate. Working Paper, Concordia Univer- sity,
2006.
∗ Didukung oleh Proyek Dana Ilmu Pengetahuan Austria P-18392.