República Bolivariana de Venezuela

Universidad Central de Venezuela

Facultad de Ciencias Económicas y Sociales
Escuela de Estadística y Ciencias Actuariales
Cátedra: Matemática del Riesgo II

Teoría de la Ruina

Elaborado por:
Luis Enrique Guerra Ruiz
C.I: 25.562.038

Caracas, Octubre del 2018

 INDICE
INTRODUCCIÓN ................................................................................................................................... 3
TEORÍA DEL RIESGO ............................................................................................................................. 4
MODELO CLÁSICO DEL RIESGO ........................................................................................................... 6
TEORÍA COLECTIVA DEL RIESGO .......................................................................................................... 6
EL PROCESO DE LAS RESERVAS ........................................................................................................... 7
Probabilidad de Ruina en tiempo infinito ....................................................................................... 7
Probabilidad de Ruina en tiempo finito .......................................................................................... 8
MODELO CLÁSICO DE CRAMER-LUNDBERG ........................................................................................ 8
APROXIMACIONES DE LA PROBABILIDAD DE RUINA ........................................................................ 10
Aproximación de Cramer-Lundberg. ............................................................................................. 10
Cálculo exacto de la probabilidad de ruina vía transformadas de Laplace ................................... 10
Fórmula de Pollaczek-Khinchin ..................................................................................................... 11
PROBABILIDAD DE RUINA EVENTUAL ............................................................................................... 12
Probabilidad de ruina bajo la hipótesis de un proceso de difusión .............................................. 14
CONCLUSIÓN ..................................................................................................................................... 18

2
 INTRODUCCIÓN

El presente trabajo se enmarca dentro del ámbito de solvencia de las entidades

aseguradoras. La solvencia del asegurador puede definirse como la capacidad de hacer
frente a sus obligaciones de pagar los siniestros presentes y futuros de los asegurados.
Para obtener una buena solvencia el asegurador tendrá que gestionar una correcta
dotación e inversión de las provisiones para riesgos en curso y para prestaciones
pendientes de pago. Sin embargo bajo la influencia de múltiples factores como por las
deficiencias de las técnicas actuariales utilizadas el sector asegurador puede no contar con
las reservas necesarias para solventar los siniestros ocurridos.

En las compañías de seguros el principal riesgo a tener en cuenta es la siniestralidad. Esta

puede ser causante de pérdidas inesperadas e incluso producir la ruina. De ahí la
importancia de estudiar la variable aleatoria tiempo de ruina. El cual analiza el momento
en que una aseguradora se arruinará.

Las aplicaciones de las metodologías de la Teoría del Riesgo o de la Teoría de la Ruina nos
ofrecen herramientas de análisis y de cuantificación que permitirán determinar cuál es el
posicionamiento de las aseguradoras frente a los riesgos, y con ello establecer los niveles
de recursos propios que se necesitan.

3
 TEORÍA DEL RIESGO

La Teoría del Riesgo se define como el conjunto de metodologías para administrar una
empresa cuyas aplicaciones o funciones conllevan actividades que bajo la influencia de
varios factores puedan generar pérdidas para dicha empresa. De esta manera se define el
riesgo como aquella medida de la magnitud de los daños frente a una situación peligrosa
que las empresas deben saber cómo controlar. Dentro de la teoría del riesgo
encontramos en la literatura actuarial dos tipos de teorías del riesgo: Teoría del riesgo
individual y teoría del riesgo colectivo.

La Teoría Individual considera a la cartera como una suma de riesgos, de forma que la
siniestralidad total viene calculada como la suma de la siniestralidad de cada una de las
pólizas,
𝑛

𝑆 = ∑ 𝑋𝑖
𝑖=1

Donde n: número de pólizas de la cartera

Xi: siniestralidad total de la póliza i-ésima.

El Volumen de la cartera de riesgos depende del número de siniestros y de su cuantía. La

siniestralidad total será el resultado de sumar el importe de todos los siniestros ocurridos.
Tendremos que la siniestralidad total agregada para una cartera será:
𝑁

𝑆 = ∑ 𝑋𝑖
𝑖=1

Siendo,

N: número estocástico de siniestros

Xi: cuantía del siniestro i-´ésimo, i = 1, 2,..., N.

Considerando que cuando N = 0, S = 0.

4
Bajo un primer principio asumimos las cuantías, 𝑋𝑖, son variables idénticas e
independientemente distribuidas, e independientes de 𝑁. Debido a la necesidad del
estudio de analizar periodos de tiempos más largos, se define 𝑆(𝑡) como el proceso
estocástico de la siniestralidad agregada, siendo

𝑁(𝑡)

𝑆(𝑡) = ∑ 𝑋𝑖
𝑖=1

Donde,
𝑁(𝑡) : Proceso que indica el número de siniestros hasta el momento t
𝑆(𝑡) = 0 Si 𝑁(𝑡) = 0.

Representación Grafica de 𝑆(𝑡)

Mediante dicho grafico explicaremos la necesidad de desarrollar modelos con la

ayuda de los procesos estocásticos. En la Representación Gráfica de S(t) el eje el eje de
abscisas está representado el tiempo y en el de ordenadas tenemos la siniestralidad
agregada en el intervalo (0, t].En cada ocurrencia de siniestro en los momentos Ti la altura
del salto representa la cuantía individual de cada uno de ellos. De esta forma se trata
entonces de un proceso estocástico ya que tanto el momento de ocurrencia o tiempo
como el número de siniestros son fenómenos aleatorios, siendo la cuantía individual de
cada siniestro una variable aleatoria.

5
 MODELO CLÁSICO DEL RIESGO

Este modelo tiene por base el proceso de Poisson y lo analiza en tiempo continuo. En
particular, si N(t) es un proceso de Poisson, S(t) es un proceso de Poisson compuesto.

El proceso de riesgo con aplicación en la actividad de una compañía de seguros se

construye a partir de un proceso de ocurrencia de siniestros que transcurre en tiempo
continuo, es decir, un proceso de contagio en tiempo continúo. Entonces el modelo se
forma en base a un proceso estocástico con el número de acontecimientos discreto en los
enteros no negativos y con parámetro continuo para el tiempo t ≥ 0. Tendremos por tanto
el siguiente proceso estocástico: {𝑁(𝑡), 𝑡 ≥ 0} .

TEORÍA COLECTIVA DEL RIESGO

Esta fase en el desarrollo de la teoría del riesgo se dio con los estudios de Filip
Lundberg que dieron origen a lo que se conoce teoría de riesgo colectivo. Desde el punto
de vista de una empresa aseguradora, considérese una cartera conformada por un
número no especificado de pólizas observadas en conjunto, sin distinguir una de otra.
Desde el punto de vista de una industria, un número no especificado de unidades
homogéneas expuestas a una misma amenaza o peligro (daños de maquinaria, por
ejemplo).

Sea la v.a. no negativa N, número de reclamos o pérdidas ocurridos en un lapso de estudio

[0, t]. Sea la sucesión de variables aleatorias X1, X2, X3,. . . independientes e
idénticamente distribuidas la cual representan la cuantía o severidad de la j−ésima
pérdida individual. Todas las v.as. Xj son a la vez independientes.

El total de pérdidas agregadas (anuales) se obtiene entonces a través de la variable

aleatoria:

6
 Para el modelo de la Teoría del Riesgo Individual se estudia la variable aleatoria:

donde el número n es fijo y corresponde al número de pólizas de la cartera en

estudio, o bien, el número de máquinas de una industria sometidas a riesgos más o menos
homogéneos (desde el punto de vista de la causalidad) y donde no es necesario que las
v.as. Xj sean iguales en distribución, y si lo son, se denomina modelo de riesgo individual
homogéneo.

EL PROCESO DE LAS RESERVAS

El modelo clásico de riesgo para la actividad de una compañía de seguros en
tiempo continuo es un proceso estocástico {U(t), t ≥ 0}, resultando la ecuación que
determina el proceso de reservas:

Donde U(t) es la reserva de riesgo o provisiones de una cartera en el instante t, S(t)

la siniestralidad agregada ocurrida en (0, t], ct las primas recibidas en el mismo periodo,
siendo c una constante que representa la prima por unidad de tiempo, y u = U(0) es la
reserva inicial. El fenómeno de la ruina ocurrirá cuando el proceso de las reservas, U(t) sea
negativo.

 Probabilidad de Ruina en tiempo infinito.

Definida como

Con 𝑻 = 𝚤𝒏𝒇 {𝒕 > 𝟎 ∶ 𝑼(𝒕) < 𝟎} variable aleatoria que representa el Momento de Ruina
para cada 𝑼(𝟎) = 𝒖, es decir, siendo 𝑇 el primer momento en que las reservas son
negativas. Suponemos que si 𝑇 = ∞ el proceso de las reservas será positivo para todo t no
negativo, con 𝑼(𝒕) ≥ 𝟎, ∀t > 0.

7
 La probabilidad de Ruina está comprendida entre 0 ≤ ψ(u) ≤ 1, se trata de una
función decreciente respecto a u y tiende a cero cuando las reservas iniciales tienden al
infinito.

 Probabilidad de Ruina en tiempo finito.

Definida como

Donde t expresa el horizonte temporal finito. Una primera aproximación para la

probabilidad de ruina bajo el estudio de un horizonte infinito es la proporcionada por el
coeficiente de ajuste de Lundberg.

MODELO CLÁSICO DE CRAMER-LUNDBERG

El modelo clásico que estudiaremos en este capítulo es el proceso a tiempo continuo
𝑪(𝒕) ≥ 𝟎 dado por:

En donde u es el capital inicial de la compañía aseguradora, 𝑪(𝒕) es la entrada por primas

hasta el tiempo 𝒕 con c una constante positiva, 𝑌𝑗 es el monto de la j- ésima reclamación,
y 𝑁𝑡 es un proceso de Poisson de parámetro λ. La variable 𝑪(𝒕) representa el balance más
sencillo de ingresos menos egresos de una compañía aseguradora. Al proceso 𝑪(𝒕) se le
llama proceso de riesgo.

8
Estas trayectorias comienzan siempre en u, que es el capital inicial. Los intervalos en
donde ellas son continuas y crecientes corresponden a periodos en donde no hay
reclamaciones. El crecimiento es de la forma 𝑪(𝒕). Las discontinuidades son siempre saltos
hacia abajo, y aparecen en el momento en que se efectúa una reclamación, la cual se
supone que se paga de manera inmediata. El tamaño de un salto es el tamaño de la
reclamación dada por la variable Y.

La trayectoria promedio de 𝑪(𝒕) es la línea recta que inicia en 𝑢 > 0 y tiene pendiente,
𝐶 − λμ la cual es positiva por la condición o hipótesis de ganancia neta. La variable
aleatoria 𝑪(𝒕) se puede interpretar como el capital de la compañía aseguradora al tiempo
t y por razones naturales y legales es importante que 𝑪(𝒕) permanezca por arriba de
cierto nivel mínimo. Ajustando el capital inicial u se puede suponer, sin pérdida de
generalidad, que este nivel minino es cero. Cuando 𝑪(𝒕) < 𝟎 se dice que hay ruina
.

Para calcular o estimar la probabilidad de una eventual ruina en el modelo de Cramer-

Lundberg definiremos el tiempo de ruina dado por:

En donde se define 𝚤𝒏𝒇∅ = ∞. La probabilidad de ruina en el intervalo [0, t] o también

llamada probabilidad de ruina con horizonte finito es

Mientras que la probabilidad de ruina con horizonte infinito, o simplemente probabilidad

de ruina, es

9
 APROXIMACIONES DE LA PROBABILIDAD DE RUINA

 Aproximación de Cramer-Lundberg.
Se define la función h
∞

𝒉(𝒓) = ∫ 𝒆𝒓𝒛 𝒅𝑭(𝒛) − 𝟏

𝟎

Se asume que existe 0 < 𝑟 ∞ ≤ ∞

Lo anterior significa que para algún 𝑟 > 0, la función generadora de momentos de 𝑍 es

finita, lo cual implica que 𝐹 es de cola ligera (Rolski, et al. 1999). Esto significa que 1 −
𝐹 (𝑥) < 𝑎𝑒 (−𝑏𝑥) para todo 𝑥 > 0 y algunas constantes 𝑎 𝑏, > 0 fijas, es decir la cola de
𝐹 decrece más rápido que una función exponencial. Además suponemos que existe una
constante 𝑅 > 0, tal que:
∞
𝛌
∫ 𝒆𝑹𝒛 (𝟏 − 𝑭(𝒛)𝒅𝒛 = 𝟏
𝒄
𝟎

Cuando esta constante existe es única y se llama coeficiente de ajuste. Por lo tanto 𝑅
existe sólo para procesos de riesgo con reclamaciones de cola ligera, y todos los casos de
procesos que vamos a considerar son de este tipo.

 Cálculo exacto de la probabilidad de ruina vía transformadas de Laplace

La transformada de Laplace, 𝐿𝑎 (𝑠), de una función real no negativa 𝑎(𝑥) se define por
medio de
∞
𝐋𝐚 (𝐬) = ∫ 𝐞(−𝐬𝐱) 𝐚(𝐱)𝐝𝐱
𝟎

La transformada de Laplace de una función determina de una única manera a la función.

10
  Fórmula de Pollaczek-Khinchin
Sea Z una variable aleatoria no negativa con función de distribución F. Entonces la cola

integrada de F, denotada por se define como,

Para todo 𝑢 ≥ 0 se obtiene la siguiente fórmula de Pollaczek-Khinchin:

La serie infinita dada anteriormente es difícil de usarse directamente, debido a la

dificultad que conlleva su cálculo. Sin embargo se usa ampliamente para calcular
aproximaciones de probabilidades de ruina. Primero observemos que 1−ϕ (u) es la
distribución de una variable aleatoria geométrica compuesta con parámetros:

En efecto sea N una variable aleatoria geométrica de parámetro

Tal que Z1, Z2…., son variables aleatorias independientes con distribución Fz, entonces:

Dicha fórmula anterior puede ser utilizada para obtener una nueva fórmula para
aproximar la probabilidad de ruina usando el algoritmo de Panjer.

11
 PROBABILIDAD DE RUINA EVENTUAL
La probabilidad de ruina en tiempo infinito es más tratable matemáticamente y la
literatura es especialmente abundante sobre este tema.

Cuando 𝑡 −> ∞, la ecuación

U  w, t  U  w, t  w

c   U  w, t    U  w  y , t dFx ( x )
w t 0

Toma la forma:
w

cU ´
 w  U  w   U  w  y dF ( y )
0

Donde denota diferenciación.

Y puede tomar la forma alternativa Seal (1969):

w

U  w  U  0    U  x  y 
1  F ( y) dy
0 c

Y la transformada de Laplace análoga a:



u r   e
 rw
U ( w)d w
0

u  r    c  1  cr  1  M (r ) 
1

Una fórmula más accesible es la siguiente, atribuida a Beekman y cuya deducción se

puede encontrar por ejemplo en Bowers et al. (1986).

12
Sea el proceso de pérdida
S (t )  ct , t  0
el cual mide el exceso de reclamaciones
agregadas sobre las primas cobradas. Como hemos visto en el capítulo anterior, la función
FL  w  U  w
de no ruina es la distribución de este proceso es decir, , donde
L  sups(t )  ct
t 0

Considerando los tiempos en que L registra pérdidas acumuladas mayores a las anteriores
(pérdidas récord), podemos descomponer L como: L = L1+L2+...+LN , donde N es el
número de veces que se registra una pérdida record y Li, es la diferencia en términos de
perdida agregada entre los records (i — 1) e i . Basado en que N tiene una distribución
geométrica y las L, son variables aleatorias independientes, idénticamente distribuidas e
independientes de N, se obtiene la Formula de Convolución de Beelunan:
n
 
U  w   1   w  
1
 1   
n 0
H *n  w 

Donde,

1  Fx (y)
h( y ) 
p1 , y >0

Mediante la teoría de Martingalas, Gerber (1979) presenta la siguiente fórmula para la

probabilidad de ruina eventual:

e  Rw
 (w)   R.Rt 
E
e Tw  

Donde R es el Coeficiente de Ajuste (ver expresión 20). En general no es posible realizar la
evaluación del denominador de esta fórmula. Este autor obtiene la probabilidad de ruina
en los casos en que la distribución de montos es exponencial y en el caso w=0, En Bowers
et al. (1986) p.363, se presenta una expresión implícita:


pr
 e 1  ( w) dw  1  1    p r  M
wr 1

0 1 x r 

13
Se requiere entonces de una inversión para obtener la probabilidad de ruina, lo cual
únicamente funciona para ciertas familias de distribuciones del monto de las
reclamaciones como la mezcla de exponenciales.

  w
Basado en los trabajos de Takács, Shiu(1988) presenta dos fórmulas para el caso
en que las Xi toman valores en los enteros positivos:

 e aw  ck* j  a (k  w)  
j
 w k

 (w)  1  1   e 
 ak

1 
 k 1 j 1 j! 

Entonces,

 e aw  ck* j  a (k  w)  
j
  k

 (w)   e 
 ak

1 
 k  w1 j 1 j! 

Donde:

1    p1 
1
a   c 1   
 j 
ck* j  Pr   Xi  k 
 i 1 
Se puede encontrar en Seah (1990) un análisis sobre la aplicación de estas fórmulas
mediante programas ejecutables en una computadora personal, resultando una guía útil
para considerar los problemas de redondeo, desbordamientos de memoria y velocidad de
convergencia de series infinitas.

 Probabilidad de ruina bajo la hipótesis de un proceso de difusión

Una hipótesis alternativa al Proceso de Poisson consiste en asumir que el proceso
de la siniestralidad agregada se ve modificado por un proceso de Wiener, siendo el
diferencial de la siniestralidad un valor μ perturbado por su desviación estándar (σ):

ds(t)   .dt   .dw(t )

Siendo μ la intensidad de siniestralidad. Integrando la expresión anterior:

s(t)   .t   .w(t )

14
Como vamos a plantear la comparación con el modelo de Poisson Compuesto vamos a
sustituir los parámetros de la ecuación anterior por la esperanza y la varianza del coste
total por el método Poisson compuesto.

s(t)  m..t   .  .t.  m 2  s 2 

Si diferenciamos el proceso de siniestralidad llegamos a la siguiente ecuación diferencial

estocástica:

ds(t)  m..d t  d  t . .t.  m 2  s 2   m..dt  .t.  m 2  s 2 .d  . t 

Que simplificando es igual a:

ds(t)  m. .dt   .dw(t )

Sabemos que el proceso de las reservas es: R(t)  u  c.t  S (t )

Y su diferencial: dR(t)  c.dt  dS (t )

Sustituyendo llegamos a la siguiente ecuación diferencial estocástica:

dR  t   c.dt  m. .dt   .dW  t 

dR  t   (c   .m).dt   .dW  t 

Integrando

R  t   R  0  (c  .m).t  dW  t 

Siendo W (t) un proceso de Wiener estándar normalizado.

Si consideramos R (0) = u y η la intensidad anual de beneficios, 𝜂 = 𝑐 − 𝜆 . 𝑚, podemos

reescribir las expresiones anteriores como:

R(t)  u  n.t   .W (t )
dR(t)  n . t   .dW(t)

15
Vamos a calcular la probabilidad de ruina asumiendo que el coste de los siniestros se ve
perturbado por un proceso de Wiener. La probabilidad de ruina que nos planteamos es:

  u   P  R(t )  0, t  0
Que puede ser expresada como:

  u   E  (u  dR(T))

Si desarrollamos esa expresión como la función de una variable más el incremento:

1 ´´
  u  dR (t)     u   ´  u  .dR(t)   .  u  .  dR (t) 
2

2
Sustituyendo la expresión una vez más las expresiones anteriores

  u  n.dt   .dW (t)     u    ´  u  .  n.dt   .dW (t ) 

1 ´´
 .  u  .  n.dt   .dW (t) 
2

2
Aplicamos el operador esperanza

E[  u  n.dt   .dW (t) ]  E[  u ]  E[ ´  u  .  n.dt   .dW (t ) ]

1
 E[ . ´´  u  .  n.dt   .dW (t)  ]
2

Por tanto:

1 ´´
  u     u   ´  u  n.dt  .  u  .   .dt
2

2
1 ´´
0   ´ .  u  n.dt  .  u  .   .dt
2

16
Ecuación diferencial con las siguientes condiciones de contorno:

 (0)  1

 ( )  0

Cuya solución es:

Que podríamos reescribir como:

2. c   . m 

 
.u
 . m  s2
 (u )  e
Que asumiendo ocurrencia exponencial y cuantía de los siniestros de media unitaria nos
permitiría escribir:

c 
  1.u
 (u )  e  

Por tanto:
 (u )  e  p.u

17
 CONCLUSIÓN

La incertidumbre a la que las compañías de seguros se enfrentan es de gran interés dentro

del área de probabilidad, motivo por el cual en este trabajo se mostraron métodos
aproximados para calcular la probabilidad de ruina de una compañía de seguros. Estos
métodos son aplicados a casos particulares de distribuciones mezcla de exponenciales y
gamma.

El desarrollo matemático que parte de un sistema de ecuaciones integro-diferenciables

nos ha permitido encontrar fórmulas explicitas para la probabilidad de ruina. Mediante
estas, hemos analizado el momento de ruina en el modelo clásico de la teoría del riesgo.
El cual posee como base el proceso de Poisson, para la actividad de una compañía de
seguros en tiempo continuo.

Este modelo es un proceso estocástico que determina el proceso de las reservas, donde la
ruina ocurrirá cuando estas sean negativas. Cuando se produce la ruina se conoce como el
momento de ruina. El cual su ocurrencia se ha detallado en el presente trabajo mediante
distintos métodos.

La teoría anteriormente desarrollada constituye una base para aplicaciones futuras

tomando en cuenta supuestos iniciales. A partir del modelo Cramer-Lundberg hemos
considerado detalles relevantes a evaluar tales como el capital inicial de la compañía, el
monto que se recibe por unidad de tiempo, el tamaño y el número de reclamos que llegan
a la compañía en determinado momento.

Se ha considerado que tanto la probabilidad de ruina como la probabilidad de ruina

eventual son medidas sobre los efectos desfavorables de la fluctuación de la reserva por
riesgo, suponiendo al igual que el modelo sobre el que se define, una estabilidad de
condiciones sobre los riesgos cubiertos en cuanto al monto de las reclamaciones y sobre
todo que el negocio de seguro continuará durante el periodo de interés.

18
 REFERENCIAS BIBLIOGRÁFICAS

 2006: Insurance Risk and Ruin. International Series on Actuarial Science.

Cambridge University Press. 229p. Grandell, Jan.
 2010: Introducción a la Teoría de Riesgo. UNAM. 102p
 2011: A Language and Environment for Statistical Computing. R Foundation
for Statistical Computing. Vienna, Australia, URL http:// www.R-project.org
 2000: Ruin Probabilities. Advanced Series on Statistical Science & Applied
Probability. Vol 2. World Scientific. 385p
 Bowers, N., Gerber, H., Hickman J., Jones, D., Nesbi'it, C. (1997) "Actuarial
Mathematics", Society of Actuaries.
 Promislow David. Fundamentals of Actuarial Mathematics. Third Edition.
Editorial Wiley.
 Garriga. Ana Castañer. Facultad Ciencias Económicas y Empresariales.
Análisis de la Teoría del Riesgo: La transformada del Momento de Ruina.

19