[论文解读] Mack's estimator motivated by large exposure asymptotics in a compound Poisson setting

Nils Engler, Filip Lindskog|arXiv (Cornell University)|Oct 18, 2023

Probability and Risk Models被引用 4

一句话总结

本文表明，在大保单量极限下，Mack的链式梯度预测器及其条件均方预测误差估计量，即使在模型与Mack原始的无分布假设不相容的情况下，也能自然地从复合泊松模型中导出。关键贡献在于，大保单量渐近理论为在经典保险损失模型中使用Mack广泛采纳的估计量提供了理论依据，而无需依赖于限制性较强的无分布框架。

ABSTRACT

The distribution-free chain ladder of Mack justified the use of the chain ladder predictor and enabled Mack to derive an estimator of conditional mean squared error of prediction for the chain ladder predictor. Classical insurance loss models, i.e. of compound Poisson type, are not consistent with Mack's distribution-free chain ladder. However, for a sequence of compound Poisson loss models indexed by exposure (e.g. number of contracts), we show that the chain ladder predictor and Mack's estimator of conditional mean squared error of prediction can be derived by considering large exposure asymptotics. Hence, quantifying chain ladder prediction uncertainty can be done with Mack's estimator without relying on the validity of the model assumptions of the distribution-free chain ladder.

研究动机与目标

• 为了调和Mack的无分布链式梯度估计量与经典复合泊松损失模型之间的矛盾，后者在标准假设下并不相容。
• 证明当保单量（如合同数量）趋于无穷时，链式梯度预测器及其均方误差估计量作为渐近极限出现。
• 通过从更现实的参数化模型中推导出该估计量，为其稳健性提供理论基础。
• 通过将其置于明确定义的渐近框架中，解决长期关于Mack估计量统计有效性的争议。

提出的方法

• 作者分析一个复合泊松模型，其中准备金表中每个单元格的增量索赔被建模为具有相同索赔金额分布和有限方差的独立复合泊松过程。
• 他们考虑一个以保单量 α 为索引的模型序列，研究当 α → ∞ 时的渐近行为。
• 利用弱收敛和Slutsky定理，推导出链式梯度预测器及其预测误差估计量的极限分布。
• 分析依赖于鞅中心极限定理和更新过程近似，以处理索赔到达的计数过程结构。
• 关键组成部分包括条件期望的使用、标准化偏差的渐近正态性，以及将预测误差分解为过程误差和参数估计误差两部分。
• 推导过程依赖于经验矩的收敛性，以及在大保单量下关键随机分量的渐近独立性。

Figure 1: Blue histograms: standardized Mack’s estimator ( 16 ) of conditional mean squared error. Orange histograms: true standardized conditional mean squared error ( 17 ). The three plots shown correspond to accident years $i=3,5,8$ from left to right.

实验结果

研究问题

• RQ1 在大保单量渐近条件下，能否从经典复合泊松损失模型中导出Mack的链式梯度预测器及其均方误差估计量？
• RQ2 随着保单量增加，复合泊松模型的渐近行为是否产生与Mack无分布框架相同的估计量？
• RQ3 当Mack的条件均方误差估计量应用于违反其原始模型无分布假设的参数化模型时，该估计量是否仍具合理性？
• RQ4 在复合泊松设定下，当保单量趋于无穷时，链式梯度预测器及其预测误差的极限分布是什么？
• RQ5 Mack估计量的稳健性是否可以通过渐近理论而非特定模型假设来解释？

主要发现

• 即使模型违反了Mack的无分布假设，链式梯度预测器和Mack的条件均方预测误差估计量仍作为复合泊松模型的大保单量极限自然出现。
• 当保单量 α → ∞ 时，标准化预测误差依分布收敛于均值为零、方差由索赔金额和开发模式参数决定的正态随机变量。
• Mack均方误差公式中参数估计误差分量的估计量在复合泊松模型下具有渐近有效性，从而为经典准备金估计中的使用提供了依据。
• 预测误差的极限分布包含一个卡方分量，这源于参数估计量的渐近正态性，从而证实了Mack估计量的结构。
• 只要更新过程近似成立且索赔金额具有有限二阶矩，即使索赔计数过程并非泊松过程，结果依然成立。
• 大保单量渐近理论提供的理论依据，支持了在实践中继续使用Mack估计量，而无需依赖无分布模型假设的有效性。