Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ernesto Guerrero
Facultad de Matemáticas
Competencia de la Unidad
1 Resultado de Aprendizaje
2 Modelo y tiempo de ruina
3 Probabilidad de ruina
4 Coeficiente de ajuste
5 Desigualdad de Lundberg
6 El primer excedente abajo del nivel inicial
7 Pérdidas máximas agregadas
8 Simulación del proceso con otros flujos de dinero
Resultado de Aprendizaje
Recordatorio I
Recordatorio II
Recordatorio III
f (s)ds ó g(s)ds?
0 0
Z ∞
14 ¿Cuál es el valor de g(y)dy si g(y) es una función de
0
densidad?
15 Si G (y) es una función de distribuciónZde una variable
∞
aleatoria no negativa, ¿A qué es igual [1 − G (y)]dy?
0
Definición
El número de reclamaciones { Nt : t ≥ 0} es un proceso Poisson
con tasa λ > 0. Sean las pérdidas individuales Y1 , Y2 , ... variables
aleatorias no negativas independientes e identicamente
distribuidas, independientes de Nt , con función de distribución
G (y) y media µ < ∞. Sea St el total de la pérdida en el tiempo
Nt
(0, t] donde St = 0 si Nt = 0 y St = ∑ Yj si Nt > 0. Entonces St
j =1
tiene distribución Poisson compuesta y se dice que el proceso
{St : t ≥ 0} es un proceso Poisson compuesto.
Propiedades
Proposición
Sea St el proceso Poisson compuesto con µ = E[Yi ]. Entonces:
1 E[St ] = λtµ.
2 Var [St ] = λtE[Y 2 ].
3 La función de distribución de St es
∞
(λt)n
GSt (y) = ∑ G n∗ (y)e−λt donde
n =0 n!
Z ∞
G n∗ ( y ) = G (n−1)∗ (n − z)dG (z) y
−∞
(
1, y≥0
G (0) ( y ) = .
0, y<0
4 y todas las de un proceso Poisson compuesto.
Ernesto Guerrero Facultad de Matemáticas
Unidad II: Teorı́a de la Ruina
Coeficiente de Ajuste Desigualdad de Lundberg Evaluación
Modelo de Ruina
Las primas son pagadas continuamente con tasa constante c por
unidad de tiempo, es decir, el total de primas percibidas en el
tiempo (0, t] es ct e ignoraremos los intereses por simplicidad
matemática.
El Modelo de Cramér-Lundberg el cual es un proceso a tiempo
continuo {Ut : t ≥ 0} está dado por
Nt
Ut = u + ct − St = u + ct − ∑ Yj
j =1
Gráficamente
Probabilidad de supervivencia
Definición
En tiempo continuo, la probabilidad de supervivencia en horizonte
finto es
Definición
En tiempo continuo, la probabilidad de supervivencia en horizonte
infinto es
Probabilidad de ruina
Definición
En tiempo continuo, la probabilidad de ruina en horizonte infinito
está dada por
ψ(u) = 1 − φ(u)
Carga de seguridad
Definición
Para el modelo de Cramer-Lundberg definimos la carga de
seguridad o factor de carga de la prima como el valor θ > 0 tal que
c = (1 + θ )λµ donde µ = E[Y ].
Coeficiente de ajuste
Definición
Sean µ y MY (t) la media y la función generadora de momentos de
las reclamaciones Y, respectivamente. El coeficiente de ajuste k es
la solución positiva más pequeña (si existe) de la ecuación
1 + (1 + θ )µt = MY (t).
Ejemplo
Ejemplo
Si Y tiene distribución exponencial con media µ, determina el
coeficiente de ajuste.
Solución
1 1
Sabemos que MY (t) = para t < . Por lo tanto el
1 − µt µ
coeficiente de ajuste satisface
1
1 + (1 + θ )µk = .
1 − µk
Evaluación
Ejemplo
Supongamos que la carga de seguridad es θ = 2 y los siniestros se
distribuyen Gamma con parámetros 2 y β. Determina el coeficiente
de ajuste.
Solución
1 1
Sabemos que MY (t) = 2
para t < . Luego la ecuación
(1 − βt) β
que satisface el coeficiente de ajuste es
1
1 + 6kβ = ,
(1 − βk)2
la cual es equivalente a las ecuaciones
6β3 k3 − 11β2 k2 + 4βk = 0
kβ(2kβ − 1)(3kβ − 4) = 0
1
Como k < , la única solución positiva de la ecuación anterior es
β
1
k= .
2β
Ernesto Guerrero Facultad de Matemáticas
Unidad II: Teorı́a de la Ruina
Coeficiente de Ajuste Desigualdad de Lundberg Evaluación
Importante
Observación
No siempre es posible resolver la ecuación del coeficiente de ajuste
de manera explı́cita como en los ejemplos anteriores. En muchas
ocasiones, se debe recurrir a métodos numéricos que requieren una
aproximación inicial del valor de k. En el curso utilizaremos el
método Newton-Raphson.
Proposición
Sean µ y MY (t) la media y la función generadora de momentos de
las reclamaciones Y, respectivamente. Sea θ > 0 la carga de
2θµ
seguridad, entonces el coeficiente de ajuste k satisface k < .
E [Y 2 ]
Solución
Tenemos que
1 + (1 + θ )µk = E[ekY ]
1
= E[1 + kY + (kY )2 + · · · ]
2
1
> E[1 + kY + (kY )2 ]
2
1 2
= 1 + kµ + k E[Y2 ]
2
Sustrayendo 1 + kµ de ambos lados de la desigualdad, se tiene que
2θµ
k<
E [Y 2 ]
Newton-Raphson
Ejemplo
Ejemplo
Considera el modelo de ruina de Cramer-Lundberg donde λ = 4 y
c = 7. Suponga que la distribución del monto de las reclamaciones
está dado por P(Y = 1) = 0.6 y P(Y = 2) = 0.4. Determina el
coeficiente de ajuste utilizando el método de Newton-Raphson.
Solución
Tenemos que
1 µ = E[Y ] = 1(0.6) + 2(0.4) = 1.4.
2 MY (t) = E[etY ] = 0.6et + 0.4e2t .
c 7 1
3 θ= −1 = −1 = .
λµ 4(1.4) 4
4 E[Y 2 ] = 12 (0.6) + 22 (0.4) = 2.2.
2θµ 7
5 Una opción para k 0 es k 0 = = .
2
E [Y ] 22
7
Por lo tanto obtenemos que H (t) = 1 + t − 0.6et − 0.4e2t y
4
7
H 0 (t) = − 0.6et − 0.8e2t .
4
iteración ki H (k i ) H 0 (k i )
0 0.31818 -0.02379 -0.58645
1 0.27761 -0.00309 -0.43584
2 0.27050 -0.00008 -0.41055
3 0.27029
Definición
Sean µ y G (y) la media y la función de distribución de la variable
Y que representa el monto de cada reclamación. Sea θ > 0 la
carga de seguridad. El coeficiente de ajuste k > 0 es aquel valor
que satisface la ecuación
Z ∞
1+θ = eky f e (y)dy
0
1 − G (y)
donde f e (y) = para y > 0.
µ
Desigualdad de Lundberg
Teorema
Considera el modelo de Cramer-Lundberg y sea k el coeficiente de
ajuste. Entonces la probabilidad de ruina satisface
ψ(u) ≤ e−ku , u ≥ 0
Demostración
ψn+1 (u)
Z ∞ Z u+ct
= 1 − G (u + ct) + ψn (u + ct − y) g(y)dy λe−λt dt
0 0
Z ∞ Z ∞ Z u+ct
= g(y)dy + ψn (u + ct − y) g(y)dy λe−λt dt
0 u+ct 0
Z ∞ Z ∞ Z u+ct
≤ e−k(u+ct−y) g(y)dy + e−k(u+ct−y) g(y)dy λe−λt dt
0 u+ct 0
Z ∞ Z ∞
−k(u+ct−y)
ψn+1 (u) ≤ e g(y)dy λe−λt dt
0 0
Z ∞ Z ∞
−ku −kct
= λe e e g(y)dy e−λt dt
ky
0 0
Z ∞
= λe−ku e−(λ+kc)t MY (k )dt
0
Z ∞
−ku
= λMY (k)e e−(λ+kc)t dt
0
λMY (k ) −ku
= e .
λ + kc
Otro resultado
Corolario
Sean {Ut : t ≥ 0} el modelo de Cramer-Lundberg, θ > 0 la carga
de seguridad, µ la media de las reclamaciones individuales y k el
coeficiente de ajuste. Supóngase que se desea tolerar una
probabilidad de ruina α, entonces:
1 La carga de seguridad que se debe establecer es
u[ MY (− lnα
u ) − 1]
θ= − 1 cuando se conoce el capital inicial
−µ ln α
u.
− ln α
2 El capital inicial que se necesita es u = cuando se
k
conoce la carga de seguridad θ.
Demostración
ln α
1 El teorema anterior implica que e−ku = α, luego k = − y
u
como k satisface la ecuación 1 + (1 + θ )µk = MY (k )
MY (k ) − 1 u[ MY (− lnα
u ) − 1]
entonces θ = −1 = − 1.
µk −µ ln α
lnα
2 Haciendo un despeje de la igualdad k = − se obtiene
u
lnα
u=−
k
Ejemplo
Ejemplo
Si Y tiene distribución exponencial con media 5000, determina:
1 una cota para la probabilidad de ruina si θ =0.2 y
u =$100,000.
2 El capital inicial requerido para que la probabilidad de ruina
sea a lo más 0.001.
Solución
En la clase pasada vimos que el coeficiente de ajuste es
θ
k =
µ (1 + θ )
0.2
=
5000(1 + 0.2)
1
= .
30000
Por lo tanto la cota de la probabilidad de ruina es
100000
ψ(100000) ≤ exp − =0.03567
30000
Para la segunda pregunta se tiene que
ln0.001
u=− = 207,232.65.
1/30000
Ernesto Guerrero Facultad de Matemáticas
Unidad II: Teorı́a de la Ruina
Coeficiente de Ajuste Desigualdad de Lundberg Evaluación
Evaluación
Ejemplo
Supongamos que la carga de seguridad es θ = 2 y los siniestros se
distribuyen Gamma con parámetros 2 y 400. Determina una cota
para la probabilidad de ruina si el capital inicial es $100,000.
Solución
Ecuaciones Integrodiferenciales
Definición
Para u ≥ 0, x ≥ 0, F (u, x ) representará la probabilidad de que
ocurra ruina teniendo un capital inicial u y un déficit
inmediatamente después de que ocurra la ruina de cuando mucho
x.
Observación
Para el evento descrito anteriormente tenemos que el superávit
después de ruina se encuentra entre 0 y − x, por lo que
Teorema
Sea {Ut : t ≥ 0} el proceso de Cramer-Lundberg. La función
F (u, x ) satisface:
∂
1 F (u, x ) =
∂u Z u
λ
F (u, x ) − F (u − y, x )dG (y) − [ G (u + x ) − G (u)]
c 0
para u ≥ 0.
λ x
Z
2 F (0, x ) = [1 − G (y)]dy, para x ≥ 0 si existe el
c 0
coeficiente de ajuste k.
Demostración I
Demostración II
Demostración III
∂
F (u, x ) =
Z u ∂u
λ λ
F (u, x ) − F (u − y, x ) g(y)dy + G (u + x ) − G (u)
c c 0
de la cual se sigue el resultado.
2 Notemos que 0 ≤ F (u, x ) ≤ ψ(u) ≤ e−ku , luego
0 ≤ F (∞, x ) = lim F (u, x ) ≤ lim e−ku = 0, por lo tanto
u→∞ u→∞ Z ∞
F (∞, x ) = 0. También, si definimos τ ( x ) = F (u, x )du
0
tenemos que
Z ∞ Z ∞
1
0 < τ (x) = F (u, x )du ≤ e−ku du =
< ∞.
0 0 k
Integrando la ecuación el resultado del primer inciso de este
teorema con respecto a u desde 0 a ∞ tenemos
Ernesto Guerrero Facultad de Matemáticas
Unidad II: Teorı́a de la Ruina
Coeficiente de Ajuste Desigualdad de Lundberg Evaluación
Demostración IV
Z ∞
∂
F (u, x ) du =
0 ∂u
λ ∞
Z Z u
F (u, x ) − F (u − y, x ) g(y)dy − [ G (u + x ) − G (u)] du,
c 0 0
es decir,
F (∞, x ) − F (0, x ) =
Z ∞Z u Z ∞
λ
τ (x) − F (u − y, x ) g(y)dydu − [ G (u + x ) − G (u)]du .
c 0 0 0
Demostración V
y realizando el cambio de variable v = u − y en la doble
integral da como resultado
F (0, x )
Z ∞Z ∞
λ
= − τ (x) − F (v, x ) g(y)dvdy
c 0 0
Z ∞
− [ G (u + x ) − G (u)]du
0
Z ∞ Z ∞
λ
= − τ (x) − τ ( x ) g(y)dy − [ G (u + x ) − G (u)]du
c 0 0
Z ∞ Z ∞
λ
= − τ (x) − τ (x) g(y)dy − [ G (u + x ) − G (u)]du
c 0 0
Demostración VI
Z ∞
λ
F (0, x ) = − τ (x) − τ (x) − [ G (u + x ) − G (u)]du
c 0
Z ∞
λ
= [ G (u + x ) − G (u)]du
c 0
∞ Z ∞
Z
λ
= [1 − G (u)]du − [1 − G (u + x )]du
c 0 0
Realizamos los cambios de variables y = u y y = u + x en la
primera y segunda integral, respectivamente, para obtener
Z ∞ Z ∞
λ
F (0, x ) = [1 − G (y)]dy − [1 − G (y)]dy =
c 0 x
λ x
Z
[1 − G (y)]dy.
c 0
Observación
Observación
El teorema anterior es válido aunque no exista el coeficiente de
ajuste.
Resultado 1
Corolario
La probabilidad de supervivencia sin capital inicial satisface
θ
φ (0) =
1+θ
Demostración
Z ∞
Recordemos que µ = [1 − G (y)]dy y por el teorema anterior se
0
cumple que
Z ∞
λ λµ 1
ψ(0) = lim F (0, x ) = [1 − G (y)]dy = = .
x →∞ c 0 c 1+θ
θ
Por lo tanto φ(0) = 1 − ψ(0) = .
1+θ
Resultado 2
Teorema
La probabilidad de supervivencia satisface
Z u
0 λ
φ (u) = φ(u) − φ(u − y) g(y)dy , u ≥ 0.
c 0
Demostración
Por el primer teorema de esta presentación y el hecho de que
ψ(u) = lim F (u, x ) tenemos que
x →∞
Z u
0 λ
ψ (u) = ψ(u) − ψ(u − y) g(y)dy − [1 − G (u)] , u ≥ 0.
c 0
Z u
0 λ
−φ (u) = [1 − φ(u)] − [1 − φ(u − y)] g(y)dy − [1 − G (u)]
c 0
Z u Z u
λ
= −φ(u) − g(y)dy + φ(u − y) g(y)dy + G (u)
c 0 0
Z u
λ
= −φ(u) + φ(u − y) g(y)dy .
c 0