由于对数分布的密度函数为:,因此用lognormal(0.8853,1.48222)拟合样本数据,并进行拟合优度检验,结果如下表3-2;
表3-2 我国地震灾害损失金额的理论分布拟合 损失金额(单位:亿元) 地震发生次数 对数正态分布拟合的频数 损失金额(单位:亿元) 地震发生次数 对数正态分布拟合的频数 1~2 11 18 30~40 1 1 2~3 8 7 40~50 1 1 3~4 7 5 50~60 1 1 4~7 8 6 60~70 1 1 7~10 4 5 70~580 1 1 10~20 9 5 合计 54 54 20~30 2 3 x2检验,df=9,ɑ=0.05 8.065079 在显著性水平为0.05下的了检验值为8.065<16. 919,拟合优度检验说明拟合效果优良,可以认为样本数据lognormal(0.8853,1.48222)分布。
图3.5 对数正态分布频率拟合图
根据我国地震损失的样本数据,计算可知样本原点矩n=1.42。运用参数的泊松分布对地震发生的次数进行拟合,拟合结果即检验值如表3-3所示,由于检验值8.764
表3-3 我国地震灾害发生次数的拟合及检验值 发生次数(年) 频数 泊松分布拟合的理论值 发生次数(年) 频数 泊松分布拟合的理论值 0 13 9 5 1 1 1 12 13 6 1 0 2 4 9 合计 38 38 3 5 4 n2检验 df=9 ɑ=0.05 8.764 4 2 2 3.3 损失总量模型
由上面的分析,可知我国地震损失额的拟合分布—对数正态分布lognormal(0.8853,1.48222),假设表示每次损失的额度,且独立;损失次数的拟合分布—泊松分布。由非寿险精算的相关知识可知,损失总量S服从参数的复合泊松分布。
满足如下条件:
(1)随机变量是相互独立;(2),具有相同的分布;
(3)服从泊松分布,参数为。
损失总量的总期望和总方差如下:
3.4 巨灾损失指数的确定
有了总损失分布,如何根据过去损失数据预测下年的损失总量。假设过去n年的损失总量相互独立,且都服从相同分布。
平均损失额度为:
下一年的损失估计为:
当信度因子Z=1时,未来风险损失完全依赖于自身经验数据,此时称为完全信度。当时,未来风险损失同时依赖于自身数据以及M,的权重小于1,此时称为部分信度。根据信度理论的有关结论,在信度水平(0.95,0.05),我们来判断是否满足完全信度。
由
这表明不满足完全信度,满足部分信度条件,下面我们确定部分信度因子。
由前面分析知,=2.14951,,那么可以预测2007年地震损失直接经济损失(本文数据使用截止2006年):
2007年超亿元以上的地震灾害直接经济损失估计为1.3586亿元。SPV就可以确定地震损失指数,但是地震损失指数还需要结合实际的可操作性作出相应的调整。瑞士再保险《sigma》给出指数必须满足不同的要求:(1)指数必须具透明度,即可以被观察、量化并明确定义;(2)指数价值应可及时发布,从而使金融交易能迅速进行;(3)指数应该精确并可靠,而且越少调整越好;(4)指数的提供方越独立、越可信,指数的益处也越大;(5)指数的应用随着时间而增多;(6)指数的更新越频繁,它的益处也越大。
3.5巨灾期权在转移风险中的机制
假设SPV某年推出的期权为例对巨灾期权运作进行阐述。首先应明确几个概念:(1)损失指数的意义表示:当天对承保地区在保险期间内由于巨灾事件导致的保险损失的估计。(2)损失指数值:对承保的巨灾损失的估计值总和除以亿元所得的数值。(3)损失期间:巨灾发生的时间段,以年或季度为单位。(4)发展期间:损失期间之后SPV估计值继续影响指数的期间。(5)期权的价格单位:点和1/10点,每点等于200元。(6)期权的类型:欧式期权, 每年3、6、9、12月底交割。
假如SPV2007年4月5日发布的第3季度C区的买入期权价差为200/250, 其价格为点1.8。即每个合同的交易价格是360元。该期权提供的保障是指数价值在200亿元和250亿元之间, 指数反映的是我国C区保险业发生于7月到9月并在9月之后一年内结算的损失。