Meelis Käärik (Tartu Ülikool), 2013

Bahan Ajar

"TEORI RISIKO"
 Non-life Insurance Mathematics. Pengenalan materi

Jumlah kredit: 6 ECTS (EAP)

Kode mata kuliah : MTMS.02.053

Pengajar : Meelis Käärik (Peneliti senior, Institute of Mathematical Statistics, University of

Tartu)

Target Kelompok : mahasiswa master program keuangan dan matematika aktuaria

Prasyarat yang direkomendasi: MTMS.01.001 Matematika Statistik I

Deskripsi singkat: Kuliah ini memberikan gambaran umum mengenai dasar matematika non-
asuransi jiwa. Topik yang dibahas meliputi model arus kas perusahaan asuransi non-jiwa,
prinsip-prinsip penghitungan premi dan ganti rugi, model risiko, model reasuransi dan dasar
cadangan teknis perusahaan asuransi. Teori ini terhubung dengan situasi kehidupan nyata
melalui latihan dan studi kasus yang realistis.

Tujuan materi: Kuliah ini bertujuan untuk memperkenalkan prinsip-prinsip matematika

asuransi dan memperoleh keterampilan teknis dasar untuk perhitungan aktuaria.

Hasil pembelajaran: Mahasiswa yang lulus kuliah ini diharapkan mampu:

- mengetahui jenis premi asuransi yang paling umum dan prinsip kompensasi dan
deductible;
- mengetahui model reasuransi secara umum;
- memahami sifat cadangan teknis;
- memecahkan masalah praktis terkait materi.

Penilaian akhir: dibedakan (A, B, C, D, E, F, mi)

Persyaratan yang harus dipenuhi untuk penilaian akhir: Tes (2) lulus. Untuk lulus tes,
diperlukan setidaknya 15 poin (maksimum 50%).
Komposisi hasil akhir: 60 poin dari tes (30 + 30) dan 40 poin dari ujian (10 poin tambahan
dapat diperoleh dari tugas individu)

Nilai akhir dihitung berdasarkan poin-poin sebagai berikut:

- 90+ nilai A
- 80 - 89.9 nilai B
- 70 - 79.9 nilai: C
- 60 - 69.9 nilai: D
- 50 - 59.9 nilai: E
- Kurang dari 50 nilai: F

Kegiatan e-learning: catatan dari materi yang diberikan dapat digunakan baik sebagai bahan
tambahan untuk studi auditori, atau sebagai dasar untuk studi mandiri. Catatan berisi semua
materi teoritis yang diperlukan untuk kursus (buku teks tambahan tersedia jika ada minat yang
lebih menyeluruh, lihat di bawah). materi ini juga mencakup 9 lab yang dimaksudkan untuk
menyelesaikan latihan; alternatifnya, juga dimungkinkan untuk menyelesaikan latihan secara
mandiri. Pertanyaan terkait dapat ditanyakan di forum materi. Selain menyelesaikan latihan di
lab, beberapa tugas rumah diberikan selama kursus. Tugas rumah bersifat sukarela, tetapi
menyelesaikan tugas memberikan nilai tambahan yang diperhitungkan saat menghitung nilai
akhir. Pengajuan dan evaluasi tugas rumah dilakukan melalui lingkungan Moodle (juga
memungkinkan untuk mengirimkan pekerjaan rumah di atas kertas di laboratorium).
Komposisi nilai melalui pekerjaan rumah, tes dan ujian juga terlihat di lingkungan Moodle.
Tes dan ujian akhir harus dilakukan bagi setiap mahasiswa.

Rekomendasi materi belajar:

- Booth P., Chadburn, R., Cooper, D., Haberman, S., James, D. (1999) Modern
Actuarial Theory and Practice. Chapman & Hall / CRC
- Gray, R.J. & Pitts, S.M. (2012) Risk Modelling in General Insurance. From Principles
to Practice. Cambridge University Press.
- Tse, Y.-K. (2009) Nonlife Actuarial Models. Cambridge University Press.
- Kaas, R., Goovaerts, M., Dhaene, J., Denuit, M. (2008) Modern Actuarial Risk
Theory: Using R. Springer, Berlin/Heidelberg.
- Sundt, B. (1993) An Introduction to Non-Life Insurance Mathematics. VVW,
Karlsruhe.
-- Dickson, D.C.M. (2006) Insurance Risk and Ruin. Cambridge University Press.

Informasi lebih lanjut: Meelis Käärik (meelis.kaarik@ut.ee)

 University of Tartu
Faculty of Mathematics and Computer Science
Institute of Mathematical Statistics

NON-LIFE INSURANCE
MATHEMATICS (MTMS.02.053)
Lecture notes

Lecturer: Meelis Kaarik

 MTMS.02.053. Non-Life Insurance Mathematics

Konten

1 Introduction. De nition of risk. Insurable risk 1

2 The cash- ow model of an insurance company 5

2.1 Transition equation . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Risk reserve and solvency . . . . . . . . . . . . . . . . . . . . 7
2.3 Managing insurance risk: risk pooling . . . . . . . . . . . . . 9

3 Principles of the compensation calculation. Principles of the

deductible 12

4 Premium principles 14
4.1 Desirable properties of premium principles. Classical premium
principles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Utility theory . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.3 A note on terminology . . . . . . . . . . . . . . . . . . . . . . 17

5 Loss distributions 18
5.1 Characteristics of loss distributions . . . . . . . . . . . . . . . 18
5.1.1 Exponential distribution . . . . . . . . . . . . . . . . . 18
5.1.2 Pareto distribution . . . . . . . . . . . . . . . . . . . . 19
5.1.3 Weibull distribution . . . . . . . . . . . . . . . . . . . 20
5.1.4 Lognormal distribution . . . . . . . . . . . . . . . . . 20
5.1.5 Gamma distribution . . . . . . . . . . . . . . . . . . . 21
5.1.6 Mixture distributions. Exponential/Gamma example . 22
5.2 Related functions in R statistical software . . . . . . . . . . . 23
5.3 Model evaluation and selection . . . . . . . . . . . . . . . . . 24
5.3.1 Method of mean excess function . . . . . . . . . . . . 24
5.3.2 Limited expected value comparison test . . . . . . . . 25
5.4 E ects of coverage modi cations to loss distributions . . . . . 27
 MTMS.02.053. Non-Life Insurance Mathematics

6 Risk models 31
6.1 Individual risk model . . . . . . . . . . . . . . . . . . . . . . . 31
6.2 Collective risk model . . . . . . . . . . . . . . . . . . . . . . . 32
6.3 Direct estimation of total claim amount . . . . . . . . . . . . 35
6.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.5 Calculation of aggregate claim amount distribution in R . . . 36

7 Claim number distribution 38

7.1 The (a; b)-class of counting distributions . . . . . . . . . . . . 38
7.2 Examples of collective risk models . . . . . . . . . . . . . . . 40

8 Panjer recursion 44

9 Introduction to classical ruin theory 47

9.1 Setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
9.2 De nitions of ruin probability . . . . . . . . . . . . . . . . . . 49
9.3 The adjustment coe cient and Lundberg’s inequality . . . . . 49
9.4 Top-down model for premium calculation . . . . . . . . . . . 50

10 Reinsurance 54
10.1 Types of reinsurance . . . . . . . . . . . . . . . . . . . . . . . 54
10.1.1 Proportional reinsurance . . . . . . . . . . . . . . . . . 55
10.1.2 Non-proportional reinsurance . . . . . . . . . . . . . . 57
10.2 The e ect of reinsurance to claim distributions . . . . . . . . 59

11 Reserving 62
11.1 Unearned premium reserve (UPR) . . . . . . . . . . . . . . . 63
11.2 Reserves in respect of earned exposure . . . . . . . . . . . . . 64
11.2.1 The chain ladder method . . . . . . . . . . . . . . . . 66
11.2.2 Loss ratio and Bornhutter-Ferguson method . . . . . . 78
11.2.3 Chain ladder as a generalized linear model . . . . . . . 78
11.2.4 Mack’s stochastic model behind the chain ladder . . . 79
11.2.5 Chain ladder bootstrap . . . . . . . . . . . . . . . . . 81
 MTMS.02.053. Non-Life Insurance Mathematics

12 Using individual history in premium calculation 83

12.1 Bayesian credibility theory . . . . . . . . . . . . . . ...... 83
12.1.1 Poisson/gamma model . . . . . . . . . . . . ...... 84
12.1.2 Normal/normal model . . . . . . . . . . . . ...... 85
12.2 Empirical Bayesian credibility theory . . . . . . . . ...... 85
12.2.1 The Buhlmann credibility model . . . . . . ...... 86
12.2.2 The Buhlmann -Straub model . . . . . . . . ...... 88
12.3 Bonus-malus systems (No Claims Discount systems) ..... 91

13 The accounting framework 96

13.1 The revenue account . . . . . . . . . . . . . . . . . ...... 97
13.2 The pro t and loss account . . . . . . . . . . . . . ...... 97
13.3 The balance sheet . . . . . . . . . . . . . . . . . . ...... 98
13.4 Key analytical statistics . . . . . . . . . . . . . . . ...... 99
13.5 A note on terminology. Premiums . . . . . . . . . . ......101

14 Solvency II 103
14.1 Background. Goals. Requirements . . . . . . . . . . ......103
14.2 Capital requirements in Solvency I . . . . . . . . . ......107
14.3 Solvency II standard formula for non-life insurance ......108
14.3.1 Calculation of the solvency capital requirement SCR . 109
Calculation of the minimum capital requirement M CR
14.3.2 112

List of references 114

 1. Pendahuluan. Definisi Risiko. Resiko yang dapat diasuransikan

Hampir setiap aktivitas manusia terkait dengan beberapa risiko. Saat merencanakan piknik
akan ada resiko hujan, saat memesan tiket teater, ada tiket pertunjukan habis, saat
mengendarai mobil, akan ada resiko kecelakaan lalu lintas. Contoh seperti ini tiada habisnya,
ada berbagai risiko yang mungkin memengaruhi kita diberbagai waktu. Bagaimanapun,
mendefinisikan risiko bukanlah tugas yang sederhana dan jelas. Meskipun sebagian besar
orang berpikir di bidang yang sama, tidak ada definisi unik yang mencakup semua spesifikasi
risiko. Berikut ini kami berikan beberapa definisi yang memungkinkan:

- Risiko adalah kombinasi ancaman

- Risiko adalah probabilitas terjadinya sesuatu yang tidak menyenangkan;
- Risiko adalah ketidakpastian kerugian;
- Risiko adalah probabilitas kerugian;
- Resiko adalah ketidakpastian, kecenderungan bahwa kenyataan akan berbeda dari
ekspektasi;
- risiko adalah probabilitas dari hasil negatif yang tidak diinginkan (dimana mungkin
untuk diketahui).

Mari kita asumsikan sekarang bahwa kita telah membentuk pemahaman yang sama mengenai
esensi risiko. Pertanyaan yang jelas adalah bagaimana menghadapi risiko. Secara umum,
terdapat empat dasar bagaimana seseorang menghadapi risiko:

1. Asumsi, penerimaan {keputusan diambil bahwa tingkat risiko dapat diterima dan tidak ada
tindakan yang diambil. Misalnya, analisis keuntungan biaya dari alternatif yang mungkin
dapat menyimpulkan bahwa solusi paling efisien adalah dengan tidak melakukan tindakan apa
pun.

2. Eliminasi {semua risiko yang terlihat akan dihilangkan. Hal ini terkadang tidak
memungkinkan dan seringkali memiliki efek samping yang tidak dapat diprediksi. Misalnya,
pestisida dapat digunakan untuk menghilangkan risiko gagal panen, tetapi berpotensi
mencemari lingkungan.

1
3. Penghindaran {perilaku diubah untuk menghindari munculnya risiko yang tidak
diinginkan. Misalnya mobil hanya diparkir di garasi yang aman untuk menghindari resiko
pencurian.

4. Transfer {risiko dialihkan pada pihak ketiga. Ini adalah dasar dari kontrak asuransi (dan
reasuransi).

Banyak risiko melibatkan faktor ekonomi dan memiliki konsekuensi keuangan (mis. terukur
dalam unit moneter). Risiko tersebut juga dapat dibagi menjadi:

1. Risiko spekulatif (risiko dinamis)

Baik untung maupun rugi adalah mungkin. Contoh risiko spekulatif adalah bertaruh,
berjudi, berinvestasi di saham / obligasi, dan real estate. Risiko spekulatif tidak dapat
diasuransikan karena melanggar konsep paling mendasar dari asuransi -tertanggung
tidak boleh memperoleh keuntungan dari asuransi.

2. Risiko murni (risiko absolut, risiko statis)

Ada kemungkinan rugi atau tidak ada kerugian, tapi tidak ada peluang untung;
misalnya, gedung akan terbakar atau tidak akan terbakar. Hanya risiko murni yang
dapat diasuransikan.

Kriteria mana yang mendeskripsikan risiko yang dapat diasuransikan (insurable risk)?

- Hasilnya harus finansial, yaitu, melibatkan kerugian nilai yang dapat diukur dalam
unit moneter;
- Resiko haruslah berupa resiko murni, yaitu tertanggung tidak dapat memperoleh
keuntungan dari risiko tersebut;
- Fortuity, yaitu peristiwa yang menyebabkan kerugian pasti timbul karena adanya
kesempatan, kejadian, dan waktu, tingkat kerugian tidak berada di bawah kendali
tertanggung (pemegang polis);
- Frekuensi dan tingkat keparahan kerugian harus dapat diukur;
- Kemungkinan terjadinya tidak boleh terlalu tinggi;
- Keadaan peristiwa kerugian harus dapat didefinisikan dengan jelas;
- Harga transfer harus memiliki alasan (secara umum).

2
Definisi 1.1 (Asuransi, I). Asuransi adalah cara untuk membeli salah satu konsekuensi
ekonomis dari kemungkinan risiko.

Definisi 1.2 (Asuransi, II). Asuransi merupakan salah satu cara untuk meredistribusi aset
masyarakat dimana (dalam hal apabila pihak yang dirugikan memiliki polis asuransi) akan
membantu pihak yang dirugikan, menutupi kerugian atas kredit pemegang polis yang tidak
dirugikan.

Produk asuransi sangat berbeda dari produk "fisik" umum yang dapat dibeli. Ada
kemungkinan (dan bahkan seringkali) bahwa tidak ada kerugian yang akan terjadi selama
masa asuransi, namun, jika terjadi kerugian, perusahaan asuransi harus menanggung klaim
sebagaimana ditentukan dalam kontrak. Terjadinya peristiwa kerugian bergantung pada
banyak faktor yang berbeda. Dalam asuransi non-jiwa seseorang dapat membuat perbedaan
antara faktor risiko dan faktor peringkat. Faktor risiko adalah faktor-faktor yang diyakini
memengaruhi secara langsung frekuensi atau tingkat kerugian untuk klaim untuk suatu
pemberian pemaparan risiko. Faktor-faktor tersebut seringkali sulit diperoleh atau diukur
dengan andal. Oleh karena itu, perusahaan asuransi mengumpulkan informasi tentang faktor-
faktor terkait, yang lebih mudah diukur dan dikelola. Misalnya, kepadatan lalu lintas saat
mobil dikendarai jelas merupakan faktor risiko yang signifikan, tetapi sangat sulit untuk
mengukur kepadatan lalu lintas secara akurat untuk semua rute semua pemegang polis.
Beberapa perkiraan kasar yang dapat digunakan di sini adalah alamat pemegang polis dan
juga tujuan penggunaan kendaraan tersebut.

Dalam asuransi non-jiwa juga terdapat berbagai jenis polis. Ini berarti bahwa banyak tindakan
berbeda diperlukan untuk menggambarkan eksposur risiko. Misalnya, dalam asuransi
kendaraan ukuran eksposur biasa adalah tahun kendaraan. Namun, untuk beberapa jenis risiko
(misalnya kecelakaan lalu lintas), jarak yang ditempuh mungkin dapat menjadi indikator
eksposur yang lebih baik. Di sisi lain, jarak yang digerakkan tidak mencerminkan dengan
benar eksposur terhadap klaim pencurian seperti yang terjadi saat mobil tidak dikendarai.
Pertanyaan penting lainnya dari sudut pandang praktis adalah seberapa akurat pengukuran ini
dapat diperoleh. Menggunakan contoh sebelumnya, tahun kendaraan sangat mudah dan tidak
memerlukan perhitungan tambahan. Jarak yang ditempuh, meskipun secara teoritis masuk
akal, jarang digunakan dalam praktik karena kesulitan dalam perhitungan sebenarnya.

3
Kemungkinan pemegang polis mengajukan klaim terhadap polis asuransinya jelas tergantung
pada faktor risiko yang disebutkan di atas. Cara lain untuk mengklasifikasikan keadaan yang
membuat klaim lebih atau kurang adalah untuk mengidentifikasi bahaya yang dihadapi
pemegang polis. Berikut ini kami berikan klasifikasi luas dari bahaya tersebut.

1. Bahaya hukum. Ini termasuk perubahan dalam undang-undang atau penerapan

kondisi baru di mana perusahaan asuransi dapat menjadi bertanggung jawab (terutama
di bawah legislasi retrospektif).

2. Bahaya fisik. Kondisi fisik atau struktural yang dapat meningkatkan kemungkinan
terjadinya kerugian. Misalnya, kabel rumah rusak atau sistem keselamatan yang
ketinggalan zaman.

3. Bahaya moral. Penyimpangan dari perilaku normal pemegang polis untuk

memperoleh keuntungan finansial dari kontrak asuransi dengan mengambil tindakan
tertentu yang berada dalam kendalinya. Dengan kata lain, prinsip fortuity dilanggar.

4. Bahaya pribadi. Bahaya pribadi berkaitan erat dengan bahaya moral. Misalnya, orang
mungkin ceroboh, atau memiliki kualifikasi yang buruk, atau lebih rentan kecelakaan
daripada yang lain dan karena itu membebankan tanggung jawab di atas rata-rata pada
perusahaan asuransi.

Untuk menghindari atau mengurangi bahaya ini, beberapa aturan dan regulasi digunakan.
Sebagai contoh:

- prinsip deductible: risiko tidak dialihkan sepenuhnya, pemegang polis masih

bertanggung jawab atas sebagian kecil risiko;
- dorongan untuk meningkatkan tingkat keamanan dan keselamatan untuk mengurangi
risiko fisik, misalnya diskon premi asuransi jika perangkat anti maling dipasang;
- tidak ada perlindungan untuk klaim jika disebabkan saat mabuk oleh alkohol atau di
bawah pengaruh obat-obatan, yaitu mengurangi risiko pribadi;
- kondisi kapan dan berapa banyak kerugian yang akan dikompensasikan perlu diatur
sebelumnya dalam kontrak asuransi, sehingga mengurangi kemungkinan risiko moral.

4
Untuk memastikan kepercayaan pemegang polis pada perusahaan asuransi dan untuk
menjamin solvabilitas pemegang polis asuransi, peraturan ditetapkan oleh undang-undang dan
diawasi secara ketat oleh lembaga yang sesuai:
- di tingkat Eropa - Komite Pengawas Asuransi dan Pensiun Eropa (CEIOPS);
- di Estonia - Pemeriksaan Keuangan.

Penting untuk dicatat bahwa rezim regulasi saat ini Solvabilitas I akan segera digantikan oleh
rezim Solvabilitas II yang lebih dinamis dan fleksibel.

References

1. Booth P., Chadburn, R., Cooper, D., Haberman, S., James, D. (1999)
Modern Actuarial Theory and Practice. Chapman & Hall / CRC.

2. Sandstrom, A. (2010) Handbook of Solvency for Actuaries and Risk

Managers: Theory and Practice. Taylor & Francis.

3. Sundt, B. (1993) An Introduction to Non-Life Insurance

Mathematics. VVW, Karlsruhe.

5
 2. Model cash-flow perusahaan asuransi
2.1 Persamaan Transisi
Operasi keuangan perusahaan asuransi dapat dilihat dari serangkaian arus kas masuk dan arus
kas keluar. Komponen arus masuk ditambahkan ke reservoir aset, sedangkan reservoir dikuras
oleh komponen arus keluar.
Komponen arus masuk utama untuk perusahaan asuransi adalah:
- premium - pendapatan utama perusahaan asuransi;
- pemulihan reasuransi - insurer juga dapat mentransfer beberapa risiko atau bagian
risiko lebih lanjut kepada reasuransi, dalam hal ini klaim terkait juga (sebagian)
dipulihkan oleh reasuransi;
- pendapatan dari investasi - ini termasuk pembayaran bunga, dividen, pendapatan sewa,
perubahan nilai aset;
- modal baru ditempatkan dan dilanggankan;
- dan lain-lain.
Komponen arus keluar utama untuk perusahaan asuransi adalah:
- pembayaran klaim - komponen arus keluar utama;
- premi reasuransi;
- pengeluaran - termasuk komisi yang dibayarkan, biaya administrasi dan operasi, kami
juga dapat memasukkan pajak dalam istilah ini;
- dividen yang dibayarkan kepada pemegang saham dan bonus yang dibayarkan kepada
pemegang polis;
- dan lain-lain.
Jelas terlihat bahwa dua komponen pertama pada kedua daftar tersebut merupakan
karakteristik bisnis asuransi sedangkan komponen lainnya bersifat umum dan tidak
bergantung pada bisnis perusahaan.

Sekarang mari kita perkenalkan beberapa notasi matematika sehingga kita dapat menulis
seluruh model cash-flow sebagai persamaan transisi tertentu.

Notasi untuk aliran masuk (dalam periode [0, t]) adalah sebagai berikut:
Bt - Pemasukan premi
X tℜ – Pemulihan dari reasuransi
I t – Keuntungan investasi

U new
t – modal baru ditempatkan dan dilanggankan

6
Dan notasi untuk aliran keluar (dalam periode [0, t]) adalah sebagai berikut:
X t – Klaim
Et – Komisi berbayar, biaya administrasi dan operasional;
Bℜt – Premi reasuransi yang diserahkan;
D t – Dividen yang dibayarkan kepada pemegang saham

Misalkan At menunjukkan aset perusahaan asuransi pada saat t. Kemudian arus dan aset yang
dihasilkan dapat diekspresikan dalam bentuk persamaan transisi :
+U new (2.1)
ℜ ℜ
At = AO + Bt + X new t −I t −E t −Bt −D t

Model (2.1) berguna dalam berbagai situasi dan tergantung pada kebutuhan tertentu, istilah
dan model keseluruhan dapat memiliki interpretasi yang berbeda. Pertama, kita dapat
menggunakannya sebagai model waktu diskrit atau model waktu kontinu. Karena sebagian
besar pelaporan dan revisi diperlukan setiap tahun, model waktu yang terpisah dapat
digunakan untuk menggambarkan perkembangan tahunan. Jika seseorang ingin memantau
arus kas dengan lebih tepat, model waktu kontinu lebih cocok.

Meskipun kami menyatakan model mengacu pada keseluruhan operasi perusahaan asuransi,
prinsip yang sama dapat diterapkan untuk membangun sub-model. Misalnya, seseorang
mungkin ingin berkonsentrasi pada konteks yang lebih sempit dan memeriksa perkembangan
dalam subportofolio tertentu. Perlu dicatat bahwa penerapan model ke subportofolio dapat
menimbulkan beberapa masalah interpretasi mengenai aset mana yang dialokasikan ke
subportofolio tersebut (tetapi itu tidak mengubah prinsip fundamental).

Model juga dapat diartikan sebagai deterministik atau stokastik. Banyak aplikasi yang
menarik dan berguna dapat dimungkinkan dengan menggunakan model deterministik.
Namun, pemodelan ketidakpastian adalah salah satu tantangan utama dalam teori risiko dan
model stokastik dengan jelas menggambarkan esensi sebenarnya dari situasi tersebut.

Dari perspektif asuransi, penting juga untuk membuat perbedaan antara jumlah yang 'dibayar'
atau yang 'diperoleh' dan jumlah yang 'dikeluarkan'. Bergantung pada jumlah yang kita
gunakan, arti model juga berubah.

7
Marilah kita membuat perbedaan :

B't – memperoleh premi dalam periode [0, t];

Bt – premi yang tertulis dalam periode [0, t];

Premi tertulis adalah premi yang dibebankan (atau akan dibebankan) untuk suatu polis atau
kelompok polis dan (biasanya) ditetapkan saat menandatangani kontrak.

Premi yang diperoleh untuk suatu tahun buku adalah bagian dari premi yang tertulis pada
tahun tersebut, atau tahun-tahun sebelumnya, yang berkaitan dengan risiko yang ditanggung
pada tahun buku tersebut. Selama premi yang dituliskan selama tahun buku memberikan
perlindungan atas risiko pada tahun buku berikutnya atau berikutnya, maka bagian dari premi
yang berkaitan dengan periode-periode berikutnya dialihkan dengan membentuk cadangan
premi yang belum diterima (UPR).

Konstruksi ini dapat ditulis sebagai

B't =B t−UPR t +UPR 0
Dimana UPR t adalah cadangan premi yang diterima dimuka pada t (akhir periode akuntansi)
dan UPR 0 adalah cadangan premi yang diterima di muka awal pada saat 0 (awal periode
akuntansi). Sama halnya dengan premi, kami membuat perbedaan antara :
X 't – - terjadi klaim dalam periode [0, t];
X t – klaim berbayar dalam periode [0, t];

Klaim yang timbul dalam tahun akunting didefinisikan sebagai jumlah total klaim yang
timbul dari peristiwa yang telah terjadi pada tahun tersebut (terlepas dari kapan penyelesaian
akhir dilakukan!). Perlu dicatat bahwa penyelesaian sebenarnya dari beberapa klaim mungkin
tertunda jauh melampaui tahun di mana peristiwa yang menyebabkan klaim tersebut terjadi.
Ini berarti bahwa klaim yang dibayarkan akan mencakup jumlah yang berkaitan dengan klaim
yang terjadi pada tahun akuntansi sebelumnya, yang seharusnya dimasukkan dalam cadangan
untuk klaim yang beredar (OCR) yang diajukan dari periode akuntansi sebelumnya.

Dengan kata lain, hubungan berikut antara penangguhan klaim yang terjadi dan yang dibayar:
X 't = X t−OCR t +OCR 0

8
dimana OCRt adalah cadangan untuk klaim yang belum dibayar di t dan OCR0 adalah
cadangan untuk klaim yang belum dibayar pada saat 0.

2.2 Risiko adangan dan solvabilitas

Sekarang, mari kita kembali ke model (2.1) dan perhatikan hal berikut:
X tℜdan Bℜt sangat terkait dengan proses Xt dan ditentukan oleh mekanisme reasuransi;

- Bt ditentukan oleh proses klaim Xt dan banyak faktor lainnya (situasi pasar, politik
pemasaran, situasi ekonomi global, peraturan hukum, psikologi manusia, dll);
- Investasi, pengeluaran, dividen tidak terkait dengan esensi asuransi, sehingga dapat
dihilangkan dari model dan ditangani secara terpisah.

Dengan mempertimbangkan pernyataan ini, kami memperoleh proses surplus yang

disederhanakan Ut:
U t =U 0 + Bt −X t (2.2)

Di mana U 0 adalah surplus awal (pada t = 0), Bt ditulis (atau diperoleh) premi selama [0, t]
dan Xt menunjukkan klaim yang dibayar (terjadi) selama [0, t].

Model ini dapat disederhanakan lebih lanjut dengan mempertimbangkan proses Bt menjadi
linier dalam waktu: Bt = B • t.

Kuantitas U t juga disebut solvabilitas margin atau cadangan risiko.

Definisi 2.1 (solvabilitas absolut). Perusahaan asuransi dikatakan solvent absolut jika
kewajibannya tidak melebihi asetnya, dengan kata lain Ut ≥ 0

Solvabilitas absolut bukanlah kriteria terbaik untuk digunakan dalam praktiknya, karena
terlalu kasar dan terlambat untuk mengambil tindakan apapun. jika perusahaan asuransi sudah
bangkrut. Oleh karena itu, dalam rezim solvabilitas I saat ini, ada dua margin yang
menentukan kapan otoritas pengatur harus mengambil tindakan: margin solvabilitas yang
diperlukan Umin dan dana jaminan minimum Umgf. Dalam hal solvabilitas margin
perusahaan asuransi berada di bawah margin yang disyaratkan, yaitu Ut <Umin, maka
lembaga pengawas dapat menerapkan sanksi untuk menyelamatkan investasi pemegang polis

9
dan pemegang saham. Margin solvabilitas tidak boleh turun di bawah dana jaminan
minimum, yang merupakan jumlah modal minimum mutlak yang diperlukan.
Mari kita pertimbangkan harapan berbagai pihak terkait solvabilitas perusahaan asuransi.
Kepentingan utama pemegang polis adalah bahwa perusahaan asuransi tetap mampu
membayar:

di mana i adalah suku bunga bebas risiko dan ε> 0 adalah kecil.
Penanggung (atau pemegang saham) di sisi lain ingin mendapatkan keuntungan:

di mana jmin adalah tingkat pengembalian yang dibutuhkan dan δ > 0 kecil (tetapi biasanya δ >
ε).
Dapat dilihat bahwa penyelesaian persamaan solvabilitas di atas diberikan oleh persamaan
berikut.

Rumus (2.3) dan (2.4) menjamin pengembalian modal pemegang saham minimal j min dengan
probabilitas 1 - δ.
Masalah tersisa yang jelas adalah bagaimana mencari F (x). Salah satu pendekatan sederhana
yang mungkin disebut pendekatan Daya Normal:

di mana z1 − ε adalah kuantil (1-ε) dari distribusi normal standar.

2.3 Mengelola risiko asuransi: pengumpulan risiko

Mari kita denotasikan
- B (1) - premi asuransi individu;
- n - jumlah kontrak;
- B - seluruh premi untuk periode tersebut, B = nB (1);
- ω - faktor proporsi, U0 = ωB;
- X - total klaim.
Kemudian kita dapat menulis rumus yang lebih disederhanakan untuk proses surplus

10
pada t = 1:

Perspektif pemegang saham dalam proses ini dapat diukur dari segi pengembalian modal.
Kembalinya modal R didefinisikan sebagai

dengan nilai yang diharapkan

Di sisi lain, cara pandang pemegang polis dalam proses ini adalah meminimalkan biaya
asuransi. Biaya (relatif) asuransi L didefinisikan sebagai

Dengan nilai yang diharapkan :

1 1
Karakteristik R dan L dihubungkan melalui faktor proporsi ω: R = L dan ER = EL
ω ω
Kemungkinan kebangkrutan dapat dikurangi dengan meningkatkan jumlah risiko independen
yang diasuransikan, n. Menggunakan hukum angka besar yang kami dapatkan :

Jadi, kita dapat mengkarakterisasi prinsip penyatuan risiko, yang mendasari semua asuransi:
- semakin banyak kontrak (semakin besar n), semakin kecil biaya relatif asuransi
(karena jumlah klaim sebenarnya mendekati yang diharapkan dengan probabilitas
tinggi);
- faktor proporsional dapat diturunkan untuk meningkatkan pengembalian modal R;
- semakin banyak kontrak, semakin sedikit modal (relatif) yang dibutuhkan untuk
memperoleh pengembalian modal yang cukup dan biaya asuransi yang dapat diterima.

Catatan 2.1. Namun, harus dicatat bahwa di mana terdapat heterogenitas di antara risiko,
hukum jumlah besar mungkin tidak sepenuhnya valid!
Contoh 2.1. Perusahaan asuransi menerbitkan 10.000 polis identik dengan karakteristik
berikut
11
 - ukuran klaim (jika terjadi) adalah 10.000 EUR;
- kemungkinan timbulnya adalah 0,05;
- Premi asuransi individu adalah 550 EUR.
Para pemegang saham memberikan modal awal sebesar 2,5 juta Euro, pengeluaran dan
pendapatan investasi akan diabaikan. Karena portofolionya besar, kami berasumsi bahwa
jumlah klaim N kira-kira normalnya didistribusikan dengan

Dengan demikian arus kas masuk adalah 550 · 10000 + 2500000 = 8000000 EUR dan
kemungkinan kebangkrutan ε dapat dihitung sebagai :

EX 5000000
Biaya asuransi yang diharapkan adalah EL =1− =1− =0,09 dan pengembalian
B 5500000

EL 0.09
modal yang diharapkan adalah ER = ¿ =0.02 .
ω 0.45

Catatan 2.2. Selain prinsip penyatuan umum, beberapa teknik mitigasi risiko digunakan
untuk mengelola risiko asuransi:
- diversifikasi melibatkan penerimaan risiko yang tidak serupa untuk mendapatkan
keuntungan dari korelasi yang berkurang dari peristiwa kontingen;
- hedging melibatkan penerimaan risiko dengan korelasi negatif yang kuat;
- reasuransi berarti mengalihkan risiko atau bagian dari risiko kepada reasuransi.

References

1. Booth P., Chadburn, R., Cooper, D., Haberman, S., James, D. (1999)
Modern Actuarial Theory and Practice. Chapman & Hall / CRC.

2. Daykin, C.D., Pentikainen, T., Pesonen, M. (1994) Practical Risk

The-ory for Actuaries. Chapman & Hall, London.

12
 3. Prinsip perhitungan kompensasi. Prinsip deductible

Perhitungan kompensasi terutama bergantung pada dua karakteristik berikut:

- nilai yang dapat diasuransikan V - menjelaskan nilai dari objek yang diasuransikan;
- Uang pertanggungan S - biasanya menentukan batas kompensasi.

Nilai yang dapat diasuransikan secara sederhana berarti nilai dari objek yang diasuransikan.
Ketika klaim asuransi terjadi, seseorang biasanya menghitung nilai yang dapat diasuransikan
segera sebelum kejadian klaim.

Dalam banyak kelas asuransi properti, uang pertanggungan ditentukan. Dalam kebanyakan
kasus, ini adalah batas atas kompensasi yang akan dibayarkan perusahaan asuransi jika terjadi
klaim.

Baik uang pertanggungan maupun nilai pertanggungan dapat diberikan sebagai jumlah tetap
atau sebagai prinsip perhitungan (nilai pemulihan, nilai penggantian, nilai reguler, dll). Jika
nilai pertanggungan dan uang pertanggungan sama-sama diberikan sebagai jumlah tetap,
jumlah ini secara teratur harus sama. Kalau tidak, kita berbicara tentang tanpa asuransi (jika S
< V) atau over-insurance (jika S > V).

Jika pemegang polis menderita kerugian yang disebabkan oleh suatu kejadian yang
ditanggung oleh asuransi, maka dia menerima ganti rugi dari perusahaan asuransi. Berikut ini
kami perkenalkan prinsip-prinsip utama yang digunakan untuk menghitung kompensasi.

Misalkan X adalah kerugian aktual dan misalkan g(X) menunjukkan kompensasi yang
dihitung. Perlu dicatat bahwa kompensasi yang dihitung belum merupakan kompensasi yang
sebenarnya diterima pemegang polis, biasanya dikurangi dengan pengurangan (ini akan
dijelaskan nanti).

1. Prinsip Pro-rata

memperhitungkan spesifikasi dengan dan tanpa asuransi. Kompensasi dikurangi secara

proporsional dengan perbandingan antara jumlah yang diasuransikan dan nilai
asuransi.

13
2. Prinsip risiko pertama

kerugian ditanggung sepenuhnya selama tidak melebihi nilai yang diasuransikan; jika
melebihi nilai yang diasuransikan, maka nilai yang diasuransikan sudah dijamin.
Prinsip risiko pertama sering digunakan ketika sulit untuk menentukan nilai yang
diasuransikan

3. Prinsip Asuransi Penuh

g(x) = x;
Prinsip ini jarang digunakan, karena kemungkinan kompensasi tidak terbatas.
Dalam kebanyakan kasus, kompensasi yang dihitung dikurangi dengan Deductible.
Deductible adalah besaran biaya yang harus dibayar pemilik polis asuransi jika terjadi
pengajuan klaim.
Ada beberapa alasan untuk menggunakan deductible
a) Pencegahan kerugian - untuk menurunkan kemungkinan terjadinya klaim;
b) Pengurangan kerugian - untuk menurunkan jumlah klaim jika terjadi peristiwa
kerugian;
c) Menghindari klaim kecil (karena biaya administrasi dominan ketika menangani
klaim kecil)
d) Pengurangan premi - tiga properti diatas dengan jelas menyederhanakan /
mengurangi manajemen risiko perusahaan asuransi, sebagai imbalannya
perusahaan asuransi dapat menurunkan nilai asuransi

Misalkan h[g(X)] menunjukkan kompensasi sebenarnya yang dibayarkan kepada

pemegang polis yang mengklaim.
Ada 3 prinsip utama deductible yang bisa diterapkan.

A. Fixed amount deductible b:

B. Proportional deductible β :

C. Franchise deductible d :

14
Catatan 2.2. Perlu diperhatikan Notice that
 Prinsip A memenuhi properti a) – d) ;
 Prinsip B tidak dapat menghindari penanganan klaim kecil c) ;
 Prinsip C tidak memenuhi b) dan dapat tetap digunakan ;

References
1. Booth P., Chadburn, R., Cooper, D., Haberman, S., James, D. (1999) Modern Actuarial
Theory and Practice. Chapman & Hall / CRC.
2. Sundt, B. (1993) An Introduction to Non-Life Insurance Mathematics. VVW, Karlsruhe.

15
4. Prinsip Premi
4.1 Sifat yang diperlukan dari prinsip premi. Prinsip premi klasik
Sebagaimana dibahas sebelumnya, asuransi dapat dianggap sebagai pengalihan risiko X dari
pemegang polis ke perusahaan asuransi. Risikonya bersifat stokastik, jadi kita bisa
menganggapnya sebagai variabel acak. Dengan suatu konstruksi, kita juga menganggapnya
sebagai variabel acak non-negatif; pengambilan risiko dengan nilai negatif tidak realistis
dalam asuransi non-jiwa.

Industri asuransi ada karena orang bersedia membayar harga untuk diasuransikan. Sebuah
pertanyaan yang wajar terkait dengan proses asuransi adalah seberapa banyak/besaran dari
perusahaan asuransi harus melakukan pengalihan risiko X? Dengan kata lain, kita perlu
menetapkan beberapa aturan untuk menentukan premi yang tepat untuk suatu risiko X. Prinsip
premi adalah aturan H bahwa untuk setiap risiko X memberikan premi H(X). Premi H(X) tidak
acak dan dapat dianggap sebagai fungsi dari distribusi X.

Sebelum menemukan beberapa fungsi H yang sesuai, mari kita pikirkan properti apa yang
seharusnya dimiliki fungsi tersebut. Daftar singkat sifat alami adalah sebagai berikut:

1) subadditivity (subaditivitas): ∀ X , Y , H ( X+ Y ) ≤ H (X )+ H (Y );
2) monotonicity (kemonotonan): ∀ X , Y , H ( X)≤ H (X +Y );
3) risk loading (pemuatan risiko): ∀ X , H ( X )≥ EX ;
4) premi dibatasi oleh kemungkinan kerugian maksimal:
untuk ∀ X ketidakseimbangan P {X < H ( X )}<1 ;
4’) penyederhanaan dari 4): jika ∀ X ∃msehingga P {X ≤ m}=1, maka H (X ) ≤ m.

Empat prinsip premi klasik yang umum digunakan adalah

(a) prinsip expected value H 1 ( X )=(1+α ) EX , α > 0 ;
(b) prinsip standard deviation H 2 ( X )=EX + β √Var X , β> 0;
(c) prinsip variance H 3 ( X )=EX + γV arX , γ> 0 ;
(d) “prinsip combined variational” (prinsip kompromi)
H 4 ( X )=EX+ β 1 √ V arX + γ 1V arX , β 1, γ 1> 0.

Catatan. Beberapa dari sifat 1) - 4') tidak terpenuhi dengan baik oleh prinsip klasik ini

16
Seseorang juga dapat menemukan premium sebagai solusi untuk kondisi berikut
P {X ≥ H }≤ ε,
di mana ε > 0 adalah probabilitas kerugiam maksimal yang dapat ditoleransi. Dengan kata lain,
kami ingin mencari premi yang memastikan bahwa probabilitas bahwa premi ini cukup untuk
menutupi klaim paling sedikit 1−ε . Dalam hal ini kita mendapatkan (e) prinsip premi
kuantitatif:
H 5 ( X )=min H [ P {X ≤ H }≥1−ε ]
Prinsip perhitungan premi kuantitatif sering juga disebut dengan prinsip persentil. Tidak ada
asumsi tambahan yang ditetapkan untuk risiko X, tetapi jumlah data harus cukup untuk
memberikan perkiraan yang dapat digunakan untuk jumlah yang diperlukan.

4.2 Teori utilitas

Ada teori ekonomi yang menjelaskan berapa banyak tertanggung bersedia membayar untuk
mengalihkan risiko kerugian yang mungkin terjadi. Teori tersebut mendalilkan bahwa
pembuat keputusan, umumnya tidak menyadarinya, melampirkan nilai u(x ) pada nilai aset x
sebagai ganti x, di mana u(•) disebut fungsi utilitasnya. Jadi, semua keputusan yang terkait
dengan kerugian acak dilakukan dengan membandingkan perubahan utilitas yang diharapkan.
Meskipun tidak mungkin untuk menentukan fungsi utilitas seseorang dengan tepat, kita dapat
memberikan beberapa properti yang masuk akal darinya. Misalnya, lebih banyak aset akan
menyiratkan tingkat utilitas yang lebih tinggi, sehingga fungsi utilitas u(•) harus menjadi
fungsi yang tidak menurun. Juga logis bahwa pembuat keputusan yang "masuk akal" pasti
menghindari risiko, yang berarti bahwa mereka lebih memilih kerugian tetap daripada
kerugian acak dengan nilai yang diharapkan sama. Kesimpulannya, fungsi utilitas u(x )
diasumsikan meningkat (u ' ( x )>0) dan cekung, yaitu nilai relatif aset akan menurun
sedangkan x meningkat (u ' ' ( x)<0).

Premi maksimal H yang bersedia dibayarkan oleh tertanggung dengan aset x adalah solusi
dari persamaan berikut:
u(x−H )=E [u( x−X )].
Argumen serupa berlaku dari sudut pandang perusahaan asuransi. Kemudian premi minimum
yang dapat diterima oleh perusahaan asuransi dengan fungsi utilitas u(x ) ditemukan dari:
u ( x )=E [ u ( x+ H −X ) ] .
Permasalahannya adalah, secara umum, premi akan bergantung pada surplus perusahaan
asuransi x, yang membuatnya sangat sulit untuk diterapkan dalam praktiknya.

17
Solusi yang diketahui untuk persamaan terakhir diberikan oleh fungsi
1
u ( x )= ( 1−e−ax ) , a> 0.
a
Dengan menggunakan fungsi ini kita dapat menghitung premi:
1
( 1−e−ax )= 1 E ( 1−e−a ( x+H −X ) ) ;
a a
e−ax =e−ax e−aH Eeax ;
e aH =E e ax ;
1
H= lnE e ax ;
a

Jadi, kita memperoleh formula dimana premi tidak lagi bergantung pada surplus x. Prinsip
premi yang sesuai disebut
1 ax
(f) prinsip exponential : H 6 ( X )= lnE e ;
a

Parameter a> 0 disebut risk aversion, ini mewakili 'keengganan' perusahaan asuransi untuk
mengambil risiko. Hal ini dapat dibuktikan bahwa premi eksponensial meningkat ketika
adanya suatu kenaikan : dimana semakin banyak yang menghindari risiko, maka semakin
besar premi yang perlu dibayarkan.

Ternyata prinsip eksponensial memenuhi sifat 1) - 4') jauh lebih baik daripada prinsip klasik
yang dijelaskan di atas. Sayangnya prinsip ini memiliki bentuk yang cukup kompleks dan
cukup sulit untuk menerapkan prinsip ini dalam praktiknya.

Catatan 4.1 (Allais paradox (1953)). Pertimbangkan klaim modal berikut

X =1 000000 dengan probabilitas 1
5 000 000 with probability 0.10
{
Y = 1 000 000 with probability 0.89
0 with probability 0.01

V = 1 000 000 with probability 0.11

{ 0 with probability 0.89

W ={5 000 000 with probability 0.10

0 with probability 0.90

Ternyata karena memiliki pilihan antara X dan Y, banyak orang memilih X, tetapi pada saat
yang sama mereka lebih memilih W daripada V. Kita dapat dengan mudah melihat bahwa,

18
dengan asumsi kekayaan / aset awal 0, pilihan-pilihan ini bertentangan dengan hipotesis
utilitas yang diharapkan. Tampaknya ketertarikan untuk menjadi benar-benar aman lebih kuat
daripada yang ditunjukkan oleh utilitas yang diharapkan, dan mendorong orang untuk
membuat keputusan yang tidak rasional.

4.3 Catatan tentang terminologi

Premi dapat digunakan dalam konteks yang berbeda dan dengan arti yang berbeda (tergantung
pada berapa banyak faktor yang diperhitungkan). Gambaran singkat diberikan oleh daftar
berikut.
• Premi murni: Nilat ekspektasi kerugianEX ;
• Premi risiko: premi murniEX ditambah risk loading D (penambahan beban risiko), di mana
D dihitung bergantung pada prinsip premi yang dipilih;
• Premi bruto: premi risiko ditambah expense loading (penambahan biaya lain);
1
GP= ·[H ( X )+ K ],
1−k
di mana k menunjukkan biaya yang sebanding dengan premi (misalnya biaya komisi) dan K
menunjukkan biaya lain (tidak proporsional) (misalnya biaya yang terkait dengan penanganan
dan penyesuaian klaim);
• Premi bersih: yang dimaksud dengan ini adalah bersih dari reasuransi (dan komisi agen atau
biaya terkait lainnya), yaitu premi risiko dikurangi pembayaran yang dilakukan untuk
reasuransi atau pembayaran premi bruto dikurangi biaya yang dilakukan untuk reasuransi,
tergantung situasinya.
Sebagian besar membahas tentang premi risiko kecuali ditentukan lain.

References
1. Dickson, D.C.M. (2006) Insurance Risk and Ruin. Cambridge University Press.
2. Gray, R.J. & Pitts, S.M. (2012) Risk Modelling in General Insurance. From Principles to
Practice. Cambridge University Press.
3. Kaas, R., Goovaerts, M., Dhaene, J., Denuit, M. (2008) Modern Actuarial Risk Theory:
Using R. Springer, Berlin/Heidelberg.
4. Straub, E. (1988) Non-Life Insurance Mathematics. Springer-Verlag / Association of
Swiss Actuaries, Berlin/Heidelberg.
5. Sundt, B. (1993) An Introduction to Non-Life Insurance Mathematics. VVW, Karlsruhe.

19
5. Distribusi Kerugian
Tujuan dari bab ini adalah untuk memberikan gambaran singkat tentang distribusi yang sesuai
untuk menggambarkan tingkat kerugian untuk klaim. Tingkat kerugian untuk klaim mengacu
pada kerugian moneter dari klaim asuransi (individu). Jelas tujuan akhir dari perusahaan
asuransi adalah untuk memperkirakan jumlah klaim agregat untuk menemukan premi dan
cadangan yang sesuai. Studi tentang klaim individu dapat dilihat sebagai langkah pertama
menuju tujuan ini.

5.1 Karakteristik Distribusi Kerugian

Tingkat kerugian untuk klaim biasanya dimodelkan sebagai variabel acak kontinu nonnegatif.
Daftar distribusi yang mungkin besar:
• Distribusi Eksponensial
• Distribusi Pareto
• Distribusi Weibull
• Distribusi Lognormal
• Distribusi Gamma
• Distribusi Burr
• Distribusi Loggamma
• Distribusi Generalized Pareto
• Distribusi Inverse Gaussian
• ...
Berikut ini kami fokus pada lima distribusi pertama, yaitu distribusi eksponensial, Pareto,
Weibull, lognormal dan gamma dan memberikan tinjauan tentang karakteristik utamanya.

5.1.1 Distribusi Eksponensial

Distribusi eksponensial adalah distribusi referensi yang baik sebagai contoh, tetapi biasanya
terlalu "optimis" untuk model pada kasus yang nyata. Distribusi eksponensial juga sering
digunakan untuk menggambarkan waktu kedatangan dari peristiwa kerugian. Untuk variabel
acak terdistribusi eksponensial X kita tulis X ∼ Exp (λ), di mana λ> 0 adalah parameternya.
Karakteristik utama distribusi eksponensial adalah:
• fungsi distribusi F x (x) = 1 −e− λ x, x ≥ 0,
• fungsi kerapatan f x (x) = λ e− λ x, x≥ 0,
1
• ekspektasi EX= ,
λ

20
 1
• varians VarX = .
λ2

5.1.2 Distribusi Pareto

Distribusi Pareto merupakan distribusi probabilitas power law yang digunakan dalam
beberapa model dalam ilmu ekonomi dan sosial. Keluarga distribusi yang sesuai adalah
keluarga yang luas, dengan beberapa sub-keluarga. Pertama-tama kita akan meninjau
distribusi Pareto klasik dan kemudian fokus pada versi bergesernya (disebut juga distribusi
Pareto Amerika), yang paling banyak digunakan dalam asuransi non-jiwa sebagai model
untuk tingkat kerugian untuk klaim.

A. Pareto Klasik, X ~ Pa* (α , β ), α , β > 0

Karakteristik utama dari distribusi Pareto klasik adalah:
β α
 F x
Fungsi Distribusi x ( ) = 1 –
x ()
, x≥ β ,

αβ α
 Fungsi Kerapatan f x ( x ) ¿ , x ≥β
x α +1
αβ
 Ekspektasi EX ¿ , α >1 ,
α −1
αβ 2
 Varians Var X ¿ , α >2 ,
( α −1 )2(α −2)
αβ n
 Momen EXn ¿ , α >n , tapi EXn ¿ ∞ , α ≤ n .
α −n

B. Pareto Amerika, Y ~ Pα (α , β ), Y ¿ X – β , X Pα * (α , β ), α , β > 0

Distribusi American Pareto diperoleh dari distribusi Pareto klasik dengan menggesernya ke
asalnya.
Karakteristik utama distribusi Pareto Amerika adalah:
β α
 Fungsi Distribusi F y ( y ) = 1 – ( )
β+ y
, y ≥0 ,

αβ α
 Fungsi Kerapatan f y ( y ) ¿ , y ≥0,
( β+ y ) α +1
β
 Ekspektasi EY ¿ , α >1 ,
α −1
αβ 2
 Varians Var Y ¿ , α >2 ,
( α −1 )2(α −2)

21
 βn n !
¿ n
 Momen EYn , α >n , tapi EYn ¿ ∞ , α ≤ n .
∏
i=1
(α −1)

Estimasi parameter menggunakan metode momen:

2(m2−2 m21 )
α^ = 2 ,
m2 – 2 m1
m1−m2
^β = ,
m2 – 2 m21
n
yj n
y 2j
dimana m1 ¿ ∑ dan m2 ¿ ∑ ,
j=1 n j=1 n

5.1.3 Distribusi Weibull

Distribusi Weibull adalah salah satu distribusi utama dalam analisis kelangsungan hidup dan
analisis keandalan, juga digunakan dalam model untuk waktu servis dan produksi. Karena
bentuknya, ini juga dapat digunakan untuk memodelkan tingkat kerugian dalam asuransi non-
jiwa. Untuk variabel acak terdistribusi Weibull X kita tulis X ∼ W (α, λ), α > 0, λ > 0.
Karakteristik utama distribusi Weibull adalah:
α

 Fungsi Distribusi F x ( x ) ¿ 1−e−λ x ,

α

 Fungsi Kerapatan f x ( x ) ¿ αλ α x α −1 e−λ x ,


n
Momen EX n ¿ λ Γ ( 1+nα ),
Perli juga dicatat bahwa jika
α < 1, maka distribusi Weibull adalah “antara” eksponensial dan Pareto;
α > 1, maka distribusi Weibull memiliki ekor yang lebih ringan daripada eksponensial;
α = 1, maka distribusi Weibull tereduksi menjadi eksponensial.

5.1.4 Distribusi Lognormal

Fungsi distribusi dari distribusi lognormal ditemukan menggunakan transformasi log untuk
mencapai distribusi normal dan standarisasi untuk mencapai distribusi normal standar. Karena
distribusi normal adalah salah satu distribusi yang paling banyak dipelajari, koneksi sederhana
antara lognormal dan normal membuat distribusi lognormal juga menjadi pilihan yang
menarik dalam model yang berbeda. Untuk variabel acak X yang terdistribusi secara
lognormal kita tulis.
X ∼ LnN (µ , σ) ,−∞<µ< ∞, σ > 0
Karakteristik utamanya adalah:

22
 Hubungannya dengan distribusi normal, jika Y ∼ N (µ , σ ) dan X = e Y lalu
X =LnN ( µ ,σ ),

 fungsi distribusi F X ( x ) = F Y (ln x) = Φ ( ln x−μ

σ )
,

1
 Fungsi Kerapatan f X ( x ) ¿ f (ln x),
x Y
2
σ
 Ekspektasi EX = e μ + 2 ,
2
σ
 Varian Var X = e μ + 2 ( e σ −1 ), 2

1 2 2

 Momen EX n= e nμ+ 2 n σ .

Estimasi Parameter :

5.1.5 Distribusi Gamma

Distribusi gamma juga dapat dianggap sebagai generalisasi distribusi eksponensial. Yaitu, jika
α adalah bilangan bulat, maka distribusi gamma dapat diartikan sebagai jumlah dari variabel
acak yang terdistribusi secara eksponensial dan independen. Distribusi gamma banyak
digunakan dalam berbagai model untuk proses manufaktur dan telekomunikasi, karena
bentuknya juga merupakan pilihan yang sesuai dalam teori risiko dan kehancuran. Untuk
variabel acak terdistribusi gamma X kita tulis X ∼ Γ (α, λ), α> 0, λ> 0.
Karakteristik utamanya adalah:
• fungsi distribusi F x (x) = γ (α, xλ),
λα α −1 −λx
• fungsi kerapatan f x (x) = x e , x> 0 ,
Γ (α )
di mana :

adalah fungsi gamma,

adalah fungsi gamma yang tidak lengkap,

23
 α
 Ekspektasi EX = ,
λ
α
 Varians Var X = = ,
λ2

Estimasi parameter menggunakan metode momen:

m21
α^ = ,
m2 – m21
m1
^λ = ,
m2 – m21

5.1.6 Distribusi campuran. Contoh Eksponensial / Gamma

Distribusi campuran
a) memungkinkan kita untuk memasukkan dalam model untuk jumlah klaim, variabilitas di
antara risiko dalam portofolio (yaitu, memungkinkan kita untuk memodelkan heterogenitas
risiko);
b) menyediakan sumber distribusi kerugian dengan resiko tinggi lebih lanjut;
c) menjelaskan lebih lanjut beberapa distribusi yang telah kita temui.

Mari kita pertimbangkan model berikut:

• ukuran setiap klaim didistribusikan secara eksponensial;
• Parameter distribusi eksponensial ini adalah variabel acak terdistribusi Gamma, Λ ∼ Γ (α,
β);
• parameter α dan β diketahui.

Jadi, untuk setiap λ tetap ukuran klaim individu (bersyarat) adalah

X | Λ = λ ∼ Exp (λ)
dan fungsi kerapatan Λ adalah

Mari kita hitung distribusi (marjinal) dari X:

24
di mana Γ ∼ Γ (α + 1, x + β).
Kesimpulannya, ukuran kerugian dalam kasus ini adalah (Amerika) Terdistribusi Pareto, X ∼
P a (α, β), yaitu Distribusi pareto adalah campuran dari distribusi eksponensial dengan
distribusi pencampuran Gamma.

5.2 Fungsi terkait dalam Software statistik R.

Dalam software statistik R, ada berbagai fungsi yang tersedia terkait dengan distribusi
probabilitas yang berbeda. Beberapa yang paling umum dibutuhkan untuk distribusi
eksponensial (tersedia dalam statistik paket, rate = λ) adalah:
• dexp (x, rate = 1, log = FALSE) - kepadatan;
• pexp (q, rate = 1, lower.tail = TRUE, log.p = FALSE) - fungsi distribusi;
• qexp (p, rate = 1, lower.tail = TRUE, log.p = FALSE) - fungsi kuantil;
• rexp (n, rate = 1) - pembuatan bilangan acak.

Fungsi serupa tersedia untuk semua distribusi yang dibahas:

• Pareto: dpareto, ppareto, qpareto, rpareto (paket aktuar);
• Weibull: dweibull, pweibull, qweibull, rweibull (statistik paket);
• Lognormal: dlnorm, plnorm, qlnorm, rlnorm (statistik paket);
• Gamma: dgamma, pgamma, qgamma, rgamma (statistik paket)

5.3 Evaluasi dan pemilihan model

Setelah distribusi diperkirakan, kita harus mengevaluasinya untuk memastikan bahwa asumsi
yang diterapkan dapat diterima dan didukung oleh data. Ini harus dilakukan sebelum

25
menggunakan model untuk prediksi dan penetapan harga. Evaluasi model dapat dilakukan
dengan menggunakan metode grafis, serta tes kesalahan spesifikasi dan pemeriksaan
diagnostik.

Dalam metode grafis, seseorang hanya memplot fungsi distribusi kandidat yang diusulkan
terhadap fungsi distribusi empiris. Jika distribusi kandidat yang diusulkan cocok, grafik yang
diplot harus dekat, jika asumsi distribusi yang diusulkan salah, grafik yang diplot akan
berbeda. Demikian pula, seseorang dapat memplot fungsi kepadatan probabilitas dari
distribusi kandidat terhadap histogram data yang diamati dan membandingkan kesesuaiannya.

Uji kesalahan spesifikasi formal dapat dilakukan untuk membandingkan model yang
diperkirakan dengan model yang dihipotesiskan. Ketika tujuan utamanya adalah perbandingan
fungsi distribusi, kita dapat menggunakan uji Kolmogorov-Smirnov dan / atau Anderson-
Darling. Uji goodness-of-fit chi-square merupakan alternatif untuk menguji asumsi distribusi,
dengan membandingkan frekuensi observasi terhadap frekuensi teoritis. Uji rasio
kemungkinan dapat digunakan untuk menguji validitas batasan pada model, dan dapat
digunakan untuk memutuskan apakah suatu model dapat disederhanakan.

Kita akan mempelajari dua metode yang kurang dikenal yang mungkin sangat berguna dalam
masalah terkait asuransi:
• metode fungsi ekses rata-rata empiris (atau fungsi sisa hidup rata-rata);
• uji perbandingan nilai yang diharapkan terbatas.

5.3.1 Metode fungsi berlebih rata-rata

Misalkan X adalah variabel acak kontinu dan misalkan x > 0.
Definisi 5.1 (Berarti kelebihan fungsi e (x)).

Dengan asumsi lim t → ∞ (x - t) (1 - FX (t)) = 0, bisa juga ditulis

Fungsi kelebihan rata-rata empiris dapat dihitung sebagai:

26
Fungsi yang berlebih digunakan pada
• berbagai model risiko dan nilai ekstrim;
• pemasangan distribusi;
• estimasi ekor distribusi ekor berat;
• ...
Fungsi kelebihan mean untuk distribusi yang dibahas dalam bab ini miliki bentuk-bentuk
berikut:

 X ∼ Γ (α, λ), e (x) ≈ const, jika x besar;

1
 X ∼ W(α, λ), e(x) ≈ jika x besar;
λ x α−1
const ⋅ x
 X ∼ LN(µ, σ), e(x) ≈ jika x besar;
ln x

Grafik dari fungsi-fungsi ini ditunjukkan pada gambar berikut. Seperti yang dapat dilihat,
grafik dari berbagai distribusi dibedakan dengan jelas. Jadi seseorang dapat dengan mudah
menghitung fungsi kelebihan rata-rata empiris dan memutuskan berdasarkan perilakunya. Jika
ini tampak seperti fungsi linier dengan kemiringan positif, maka distribusi Pareto mungkin
merupakan model yang sesuai. Jika lebih seperti konstanta untuk nilai x yang lebih besar,
gamma mungkin cocok. Sesuatu di antara pilihan ini mungkin menyarankan distribusi
lognormal atau Weibull.

5.3.2 Uji perbandingan nilai ekspektasi terbatas

Uji ad hoc lain yang kadang-kadang digunakan oleh aktuaris terkait erat dengan fungsi
berlebih rata-rata. Tes ini mungkin lebih disukai dalam situasi di mana data disensor (dari
atas) dan oleh karena itu mengikuti distribusi terpotong tertentu. Selain itu, dalam kasus
tersebut tidak mungkin untuk menghitung fungsi kelebihan rata-rata empiris untuk bagian
ekor.

27
Definisi 5.2. Untuk variabel acak non-negatif X (atau distribusi yang sesuai F (x)) fungsi nilai
yang diharapkan terbatas E [X; x] didefinisikan oleh
x

E [X; x] = E (min (X, x)) = ∫ ydF (y) + x (1 - F (x)), x > 0.

0

Formula alternatif mungkin juga terbukti berguna dalam beberapa situasi:

x

E [X; x] = ∫ ¿ ¿
0

Mengikuti gagasan yang sama, fungsi nilai yang diharapkan terbatas secara empiris dapat
dihitung sebagai :

Untuk kesederhanaan (dan perlu diingat bahwa tujuan utamanya adalah untuk menerapkan
fungsi nilai yang diharapkan terbatas ke distribusi ukuran klaim), kami berasumsi bahwa
• X kontinu;
• X tidak negatif;
• EX < ∞

Sangat mudah untuk membuktikan bahwa fungsi LEV E [X; x] memiliki properti umum
berikut:
1. E [X ; x ]adalah fungsi kontinu, cekung dan tidak menurun;
2. E [X ; x ]→ E( X ), jika x →∞ ;
3. F (x)=1−(E [ X ; x ])'
⇒ E [X ; x ]menentukan distribusi X secara unik
28
4. Fungsi nilai ekspektasi terbatas dari aX + bdiberikan oleh

Pada uji distribusi Goodness-of-fit, kandidat yang diusulkan dan sampel yang diamati diukur
dengan uji perbandingan berikut. Mari kita hitung perbedaannya

D = (d1,..., dn − c), di mana c adalah jumlah observasi yang diamati. Untuk

dan temukan vektor ⃗
mempermudah, kami berasumsi bahwa sampel sudah diambil dan indeks c terakhir belum
D mendekati vektor nol, maka masuk akal untuk percaya bahwa distribusinya
diamati. Jika ⃗
sesuai dengan E [X ; x ] cocok dengan data yang diberikan. Masalah utama mengenai metode
D cukup dekat dengan
ini adalah bahwa tidak ada kriteria yang baik untuk memutuskan kapan ⃗
vektor nol (dan kapan tidak).

5.4 Pengaruh modifikasi cakupan terhadap distribusi kerugian

Kami menggunakan notasi berikut untuk jumlah minat (juga subskrip tertentu dapat
digunakan untuk menentukan situasi tertentu):
• X - ukuran kerugian sebenarnya, ini akan dibagi antara perusahaan asuransi dan
pemegang polis, X = Y + Z;
• Y - bagian dari kerugian perusahaan asuransi;
• Z - bagian dari kerugian pemegang polis;
• F x (•) - fungsi distribusi X;
• f x (•) - fungsi kepadatan probabilitas dari X
Mari kita tentukan juga karakteristik yang menunjukkan proporsi kerugian yang
dimungkinkan oleh batasan cakupan (misalnya, dapat dikurangkan atau batas atas)
memungkinkan kita untuk menghilangkannya.

Definisi 5.3 (Rasio eliminasi kerugian (LER))..

jumlah klaim yang dieliminasi ∑ Z i
LER ¿ =
jumlah total klaim ∑ Xi

Contoh berikut menunjukkan bagaimana jumlah klaim yang diharapkan berubah dan apa rasio
penghapusan kerugian menggunakan batasan cakupan yang berbeda.

29
Contoh 5.1. Dalam kasus jumlah tetap yang dapat dikurangkan b, kita dapat menyatakan
ukuran kerugian sebenarnya sebagai jumlah X = Yb + Zb

Dimana

Lalu

Dan

Contoh 5.2. Jika kita menerapkan pengurangan jumlah tetap dan juga memperhitungkan
tingkat inflasi r, kita mendapatkan rumus berikut:

Jika deductible tidak disesuaikan dengan inflasi, maka

b
 tidak mungkin menghitung En [ X ; ],
1+ r
 LER b ,r meningkat jika r meningkat

Contoh 5.3. Jika kami menerapkan batas atas u ke jumlah klaim individu, kami mendapatkan
rumus berikut:

30
Contoh 5.4. Jika kita menerapkan batas atas u dan juga menyesuaikan dengan tingkat inflasi
r, maka:

Jika kita juga menyesuaikan batas atas dengan inflasi, yaitu u ’=(1+r )u, ekspektasinya
dihitung sebagai berikut:

Contoh 5.5. Jika pertanggungan diubah oleh batas atas dan dapat dikurangkan, maka tanpa
pengaruh inflasi kita memiliki:

31
Jika kita juga memperhitungkan inflasi, rumus tersebut berubah menjadi:

References
1. Goulet, V., et al. Package ’actuar’: http://cran.r-project.org/ web/packages/actuar/actuar.pdf
2. Gray, R.J. & Pitts, S.M. (2012) Risk Modelling in General Insurance. From Principles to
Practice. Cambridge University Press.
3. Hogg, R. & Klugman, S. (1984) Loss distributions. Wiley, New York.
4. R Core Team. Documentation for package ’stats’: http://stat.ethz. ch/R-manual/R-
patched/library/stats/html/00Index.html
5. Tse, Y.-K. (2009) Nonlife Actuarial Models. Cambridge University Press.

32
6. Model Risiko
Kerugian dari portofolio polis asuransi adalah jumlah dari semua kerugian yang terjadi dalam
portofolio. Ada dua pendekatan utama untuk memodelkan kerugian tersebut: model risiko
individu dan model risiko kolektif.

6.1 Model Risiko Individu

Model risiko individu banyak digunakan dalam kasus asuransi kelompok (dengan ukuran
kelompok tetap), juga lebih umum dalam asuransi kesehatan dan jiwa. Dalam model risiko
individu kita mempertimbangkan portofolio risiko dengan kebijakan. Kita juga
memperhatikan
 X k - jumlah klaim sesuai dengan polis ke-k (jika ada kerugian);

 Y k - hasil risiko sesuai dengan kebijakan ke-k (0 atau X k);

 S - agregat (total) jumlah klaim
Asumsi umum untuk model risiko individu adalah:
1) risiko Y k independen;
2) jumlah risiko n tetap;
3) setiap risiko Y k dapat menyebabkan paling banyak 1 klaim;
4) klaim X k mungkin berasal dari distribusi yang berbeda.
Dengan demikian, jumlah keseluruhan (atau total) klaim dapat dihitung sebagai
S=Y 1+ …+Y n
Perhitungan ekspektasi dan varians untuk S jelas karena konstruksi:
ES=E Y 1+ …+ E Y n
Dan
Var S=Var Y 1+ …+Var Y n
Di sisi lain, distribusi Sbiasanya cukup sulit ditemukan. Catatan bahwa biasanya sebagian
besar kebijakan memiliki kerugian nol, sehingga Y n adalah nol untuk kebijakan ini. Dengan
kata lain, Y mengikuti distribusi campuran dengan massa probabilitas pada titik nol.

Contoh 6.1. Simak portofolio asuransi kesehatan berikut ini

Coverage Number Insured Expected Cost per Insured Std. Dev per insured
Single 786 76 42
Family 592 187 77

33
Maka didapat
ES=786 .76+ 592. 187=170440
Var S=786 . 422 +592 .77 2=4896472
Dengan menggunakan pendekatan normal, kita dapat menemukan

FS ( x) ≈ Φ ( x−170440
2212,8 )
Dan misalnya,
P { S >175000 }=1−F S ( 175000 ) =1−Φ (2, 06)=0 , 0197

6.2 Model Risiko Kolektif

Tujuan dari model risiko kolektif adalah:
 Untuk mendeskripsikan distribusi jumlah klaim dengan beberapa distribusi yang
diketahui;
 Untuk menyertakan hanya kebijakan-kebijakan yang benar-benar menyebabkan klaim
(untuk mengurangi jumlah pekerjaan).
Jadi, kami mendefinisikan S sebagai jumlah acak
N
S=∑ X i
i=1

Dimana N adalah variabel acak yang menunjukkan jumlah klaim.

Kita juga berasumsi :

 tingkat keparahan klaim X 1 ; X 2 ; … tidak bergantung pada jumlah klaim N ;
 untuk setiap n klaim individu X 1 ; X 2 ; … adalah variabel acak.

Kita dapat melihat bahwa jika semua risiko Y i mengikuti distribusi yang sama, individu
model risiko dapat dianggap sebagai kasus khusus model risiko kolektif dengan
P {N=n }=1

Lalu kita akan menunjukkan distribusi dari bunga nya:

F ( x ) ≔ P { X k ≤ x }−distribusi klaimindividu X k ;
G ( x ) ≔ P { S ≤ x }−distribusi jumlah klaim S ;

34
Kemudian

Dimana F ¿k menyatakan convolution kelipatan-n dari F

Catatan 6.1 (Convolution sebuah distribusi).

Misalkan X i ; i=1 , … , k ; menjadi variabel random independen dengan distribusi Pi; maka
distribusi X 1 +…+ X k (katakanlah, P) disebut konvolusi distribusi Pi. Pengertian serupa
digunakan untuk fungsi distribusi dan fungsi kepadatan probabilitas:
fungsi distribusi F X +…+ X disebut konvolusi dari fungsi distribusi (independen) F X dan
1 k i

dilambangkan dengan
F X +…+ X =F X ∗F X ∗…∗F X
1 k 1 2 k

Jika X i memiliki distribusi yang sama, konvolusi yang sesuai dilambangkan dengan F ¿k
−S

Untuk dua variabel acak independen X dan Y

 secara umum : F X + Y ( s )=∫ F X ( s− y ) d F Y ( y ) ;

 Jika X kontinu : f X +Y ( s )=∫ f X ( s− y ) d FY ( y ) ;

 Jika X dan Y kontinu : f X +Y ( s )=∫ f X ( s− y ) d f Y ( y ) ;

Kita juga perlu mengingat gagasan fungsi pembangkit momen dari variabel acak: untuk
sembarang variabel acak Z, fungsi pembangkit momennya didefinisikan oleh:
M Z ( t ) =E ( e tZ )
Properti utama dari fungsi pembangkit momen adalah turunan orde-n ke-n pada nol
memberikan momen ke-n dari variabel acak yang sesuai, yaitu.
EZ n=M (Zn )(0)
Kemudian, fokus pada fungsi penghasil momen dari jumlah klaim agregat S. Dapat
ditunjukkan bahwa fungsi penghasil momen dari jumlah klaim agregat M S dapat dihitung

35
menggunakan fungsi penghasil momen dari klaim individu M X dan fungsi penghasil momen
dari nomor klaim M N dengan rumus sebagai berikut:
M S ( t )=M N ( ln M X ( t ) )
Lebih lanjut, hubungan ini memungkinkan kita untuk menghitung ekspektasi dan varians dari
jumlah klaim agregat sebesar
ES=EN . EX ;
V arS=( EX)2 . VarN + EN . VarX ;
Kita juga menyebutkan bahwa konstruksi yang digunakan untuk menentukan jumlah klaim
agregat dalam model risiko kolektif sebenarnya adalah bentuk khusus dari definisi distribusi
gabungan.
Definisi 6.1 (distribusi gabungan).
N
Misalkan S=∑ X iadalah jumlah dari variabel acak X i , di mana X i dan N ⊥ X i. Sehingga S
i=1

memiliki distirbusi gabungan dengan N.

Distribusi N disebut distribusi primer dan
Distribusi X (di mana X mengikuti distribusi yang sama dengan X i ; karena X i− s . kita dapat
menggunakan X untuk penyederhanaanya) disebut distribusi sekunder.
Ada tiga pilihan klasik untuk klaim nomor N :
 Distribusi Binomial ( EN =np ,VarN =np ( i− p ) , EN >VarN );
 Distribusi Poisson ( EN=VarN =λ)
α (1− p ) α (1− p )
 (
Distribusi Binomial Negative EN =
p
, VarN =
p2
, EN <VarN
)
Dengan demikian kita dapat berbicara tentang distribusi binomial majemuk, distribusi Poisson
majemuk dan distribusi binomial negatif majemuk.

6.3 Estimasi langsung dari total jumlah klaim

Selain dengan model frekuensi tingkat kerugian, juga dimungkinkan untuk memperkirakan
jumlah klaim agregat secara langsung.
Ada beberapa opsi berbeda:
 Perkiraan normal (dalam kasus 2 momen pertama dapat diperkirakan):

F ( x ) ≈Φ ( x−μ
σ )
 Perkiraan daya normal (jika kita juga dapat memperkirakan kemiringan / skewness γ ):

36
 9 6 x−μ
F ( x ) ≈Φ ( √
−3
γ
+ 2 +1+
γ γ σ )
 Perkiraan gamma yang disesuaikan:
- Misal S=k +Y . Dimana Y =Γ ( α , λ ) dan k adalah suatu konstanta
- Misal parameter α , λ ,dan k sama dengan S
Maka didapat,

6.4 Konklusi Kesimpulan

Jumlah klaim agregat S dapat diperkirakan
 secara langsung; atau
 melalui distribusi jumlah klaim individu X dan frekuensi klaim N.

Memodelkan jumlah klaim agregat melalui distribusi X dan N memiliki beberapa keuntungan
berbeda:
 Jumlah klaim yang diharapkan berubah seiring dengan perubahan jumlah polis yang
diasuransikan. Pertumbuhan volume bisnis perlu diperhitungkan.
 Efek inflasi tercermin dalam kerugian individu dan sulit untuk diperhitungkan dalam
jumlah agregat, terutama ketika deductible dan batasan kebijakan tidak bergantung
pada inflasi.
 Dampak dari mengubah deductible individu dan batasan kebijakan lebih mudah
dipelajari.
 Dampak pada frekuensi klaim dari perubahan deductible lebih baik dimengerti.
 Data yang heterogen dalam hal deductible dan limit bisa jadi digabungkan untuk
mendapatkan distribusi jumlah klaim agregat hipotesis (berguna bila data dari
beberapa tahun dengan kondisi yang berbeda gabungan).
 Lebih mudah untuk memperhitungkan dalam pengaruh reasuransi.
 Bentuk distribusi S bergantung pada bentuk keduanya distribusi N dan X. Bentuk
relative berguna saat mengubah detail kebijakan.

6.5 Perhitungan distribusi jumlah klaim agregat di R

37
Function aggregateDist (dalam package actuar): menghitung fungsi distribusi dari distribusi
jumlah klaim agregat di titik mana pun.

38
Argumen function terpenting dari aggregateDist:
 method - method to be used:
- method="recursive" - Panjer recursion (Rekursi Panjer);
- method="convolution" - uses convolutions (untuk penggunaan
konvolusi);
- method="normal" - normal approximation (Perkiraan Normal);
- method="npower" - Normal Power approximation (Perkiraan daya
Normal);
- method="simulation" - uses simulations from empirical
distribution (untuk penggunaan simulasi dari distribusi empiris)
 model.freq - frequency distribution*;
 model.sev - severity (individual claim amount) distribution*
* Penggunaan yang tepat akan tergantung pada pilihan metode, sesuaikan dokumentasi
package actuar.

References
1. Dickson, D.C.M. (2006) Insurance Risk and Ruin. Cambridge University Press.
2. Goulet, V., et al. Package 'actuar': http://cran.r-project.org/ web/packages/actuar/actuar.pdf
3. Gray, R.J. & Pitts, S.M. (2012) Risk Modelling in General Insurance. From Principles to
Practice. Cambridge University Press.
4. Klugman, S.A., Panjer, H.H., Willmot, G.E. (1998) Loss Models: From Data to Decisions.
Wiley, New York.
5. Panjer, H.H., Willmot, G.E. (1992) Insurance risk models. Society of Actuaries.
6. Tse, Y.-K. (2009) Nonlife Actuarial Models. Cambridge University Press.

39