Você está na página 1de 89

MODELAGEM DE CONGLOMERADOS

DE PERDAS EXTREMAS:

~

UMA APLICAC» AO EM RESSEGUROS

Juliana S¶a Freire de Lima

UFRJ - Mestrado

Beatriz Vaz de Melo Mendes Ph.D.

RIO DE JANEIRO, RJ - BRASIL

2002

ii

MODELAGEM DE CONGLOMERADOS DE PERDAS EXTREMAS:

~

UMA APLICAC» AO EM RESSEGUROS

Disserta»c~ao submetida ao corpo docente do Departamento de Estat¶³stica do Instituto de

Matem¶atica da Universidade Federal do Rio de Janeiro - UFRJ, como parte dos requisitos

necess¶arios aµ obten»c~ao do grau de Mestre.

Aprovada por:

- Orientadora

Prof. Beatriz Vaz de Melo Mendes, Ph.D.

Prof. H¶elio dos Santos Migon, Ph.D.

Prof. Gauss Moutinho Cordeiro, Ph.D.

RIO DE JANEIRO

2002

iii

µ

A Beatriz, que me orienta

desde 1997.

Agradecimentos

Agrade»co a minha orientadora Beatriz que me ensinou a dar aten»c~ao aos eventos extremos.

Aos professores H¶elio dos Santos Migon e Gauss Moutinho Cordeiro por se disporem

a

participar da banca examinadora dessa disserta»c~ao.

Aos meus pais por todo apoio e pelo valor que me ¯zeram atribuir ao estudo. Reconhe»co

o

quanto minha vida mudou para melhor em fun»c~ao desse esfor»co.

Ao Alessandro por toda preocupa»c~ao, aten»c~ao, apoio, dedica»c~ao e pela revis~ao or- togr¶a¯ca que por ¯m me ajudaram a fechar essa disserta»c~ao.

A todos os professores do departamento de estat¶³stica, com quem convivo desde a

gradua»c~ao e que me ensinaram o valor do trabalho acad^emico.

Aos amigos da p¶os-gradua»c~ao da estat¶³stica por todas as gargalhadas que demos nos intervalos de estudo, em especial, aµ Gabriela, que ¶e excelente companheira de estudo.

E aµ Lia por ter quebrado os meus galhos na secretaria.

iv

v

RESUMO

Lima, Juliana S. F. Modelagem de Conglomerados de Perdas Extremas: Uma Aplica»c~ao em Resseguro. Orientadora: Beatriz Vaz de Melo Mendes. Rio de Janeiro: Departamneto de Estat¶³stica/IM/UFRJ, 2002. Disserta»c~ao.(Mestrado em Estat¶³stica)

Neste trabalho estudamos a distribui»c~ao do montante de excessos de sinistros por ano. Quando existem conglomerados de excessos numa s¶erie de sinistros, o modelo de riscos homog^eneos n~ao permite que estudemos a distribui»c~ao dos excessos separadamente da do n¶umero de excessos por ano.

Propomos encarar o montante como a soma dos excessos agregados a ¯m de contornar uma estrutura de depend^encia local nos dados. Usamos a sugest~ao de ajustar uma dis- tribui»c~ao Pareto Generalizada Modi¯cada aos excessos agregados, que ¶e encontrada em Anderson e Dancy [1992] e se baseia na Teoria dos Valores Extremos para s¶erie estrita- mente estacion¶aria.

Aplicamos essas id¶eias a um conjunto de dados de sinistros de uma carteira de inc^endio com a ¯nalidade de preci¯ca»c~ao de resseguro. Comparamos as aproxima»c~oes, para a distribui»c~ao do montante de excessos, produzidas pela abordagem dos excessos e pela abordagem dos excessos agregados. Exploramos casos de conglomerados maiores e de excessos acima de limiares mais altos.

vi

ABSTRACT

Lima, Juliana S. F. Modelagem de Conglomerados de Perdas Extremas: Uma Aplica»c~ao em Resseguro. Orientadora: Beatriz Vaz de Melo Mendes. Rio de Janeiro: Departamneto de Estat¶³stica/IM/UFRJ, 2002. Disserta»c~ao.(Mestrado em Estat¶³stica)

In this work we study a distribution of the total claim amount per year. When there is excess clusters in a series of claims, the homogeneou risk model does not allow us to study the excesses apart from the number of excesses per year.

We propose to face the total excess claim amount as the sum of aggregate excesses within a cluster in order to by-pass a local dependence in data. We use the suggestion to adjust a Modi¯ed Generalized Pareto distribution to the aggregate excess which is found in Anderson & Dancy [1992] and is based on the Extreme Values Theory for strictly stationary sequences.

We apply these ideas to a set of claim data of ¯re insurance portfolio in order to establish the premium of a reinsurance. We compare approximations for the distribution of the excess approach or by the aggregate excess approach. We explore cases of bigger clusters and excesses over higher thresholds.

Lista de Figuras

2.1

Densidades das tr^es distribui»c~oes padr~oes de valores

 

17

2.2

Exemplo de densidades GP: Pareto - P 1 ; Beta - P ¡0 :5 ; Exponencial - P 0

 

20

2.3

Gr¶a¯co da fun»c~ao da m¶edia dos excessos emp¶³rica e n ( u) de 1000 dados simulados comparado com a correspodente fun»c~ao da m¶edia dos excessos te¶orica e(u) (linha cheia): Exponencial com par^ametro ¸ = 13; GPD com par^ametros » = 0; 5; ¯ = 5;MGPD com par^ametros » = 0; 3 e ¯ = 5 e µ = 0; 8; e Gama com par^ametros » = 0; 5 e ¯ = 0; 05.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

3.1

Compara»c~ao entre a GPD e a MGPD. Todas as curvas t^em o par^ametro ¯ =

 

34

4.1

S¶erie de sinistros da carteira de seguro de

 

37

4.2

Representatividade das classes de

 

38

4.3

Fun»c~ao da m¶edia dos excessos dos sinistros da carteira de inc^endio.

.

.

.

.

.

.

.

.

39

4.4

Gr¶a¯co no tempo dos excessos ( y 1 ;:::;y 216 )

 

54

4.5

Histograma e gr¶a¯co da fun»c~ao da m¶edia dos excessos (y 1 ;:::;y 216 )

 

.

.

.

.

.

.

55

4.6

Histograma com densidades dos ajustes de (y 1 ;:::;y 216 ).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

56

4.7

Qq-plot dos ajustes de ( y 1 ;:::;y 216 ) .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

4.8

Histogramas dos ajustes de ( n 1 ;:::;n 11 )

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

58

4.9

Gr¶a¯co no tempo dos excessos agregados ( a 1 ;:::;a 168

 

59

4.10

Histograma e gr¶a¯co da fun»c~ao da m¶edia dos excessos de ( a 1 ;:::;a 168 ).

.

.

.

.

.

.

60

4.11

An¶alise explorat¶oria da fun»c~ao V da distribui»c~ao (3.7)

 

61

4.12

Histograma com as densidade dos ajustes de ( a 1 ;:::;a 168

 

63

4.13

Qq-plot dos ajustes de ( a 1 ;:::;a 168

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

63

4.14

Histogramas dos ajustes de ( c 1 ;:::;c 11 ).

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

64

4.15

Pr^emios pela abordagem Y .

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

4.16

Pr^emios pela abordagem

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

70

vii

viii

4.17 Aproxima»c~oes para a densidade de S pela abordagem Y

4.18 Aproxima»c~oes para a densidade de S pela abordagem

4.19 Aproxima»c~oes para a densidade de S pelas abordagens Y e

4.20 Histogramas de ( a2 1 ;:::;a2 102 ) e (a3 1 ;:::;a3 74 )

4.21 Gr¶a¯co da fun»c~ao da m¶edia dos excessos de (a2 1 ;:::;a2 102 ) e ( a3 1 ;:::;a3 74 )

4.22 Histograma com densidades de ( a2 1 ;:::;a2 102

4.23 Qq-Plots de ( a2 1 ;:::;a2 102 ).

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4.24 Histogramas com densidades dos ajustes de (a3 1 ;:::;a3 74 )

 

4.25 Qq-plots dos ajustes de ( a3 1 ;:::;a3 74

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4.26 Pr^emios versus probabilidade usando as amostras ( a2 1 ;:::;a2 102 ) e ( a3 1 ;:::;a3 74 ).

4.27 Gr¶a¯co da densidade de S por ( a2 1 ;:::;a2 102 ) e ( a3 1 ;:::;a3 74 ).

4.28 Gr¶a¯cos de compara»c~ao das aproxima»c~oes para a densidade de S resultantes das

amostras ( a 1 ;:::;a 168 ), ( a2 1 ;:::;a2 102 ) e (a3 1 ;:::;a3 74 ) usando as distribui»c~oes MGPD e Emp³rica para

4.29 Histograma e gr¶a¯co da fun»c~ao da m¶edia dos excessos de ( y ;:::;y

4.30 Histograma com densidade dos ajustes de ( y ;:::;y

4.31 Qq-plot dos ajustes de ( y ;:::;y

4.32 Pr^emios para S ¤

4.33 Densidades das aproxima»c~oes de S ¤

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

¤

1

.

.

.

.

.

.

15 ).

¤

.

.

.

.

.

.

.

.

.

.

.

.

¤

15

).

.

.

.

.

.

.

.

.

¤

1

.

.

.

.

.

.

.

.

15 ¤ ) .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

¤

1

71

71

72

74

74

76

76

77

77

78

79

79

81

82

82

83

84

Lista de Tabelas

2.1

4.1

4.2

4.3

4.4

4.5

4.6

4.7

4.8

4.9

4.10

4.11

4.12

4.13

4.14

4.15

4.16

4.17

4.18

4.19

Fun»c~ao da m¶edia dos excessos para algumas distribui»c~oes

.

.

.

.

.

.

.

Estat¶³sticas descritivas da s¶erie de sinistros. Modelos utilizados. Estat¶³sticas descritivas dos excessos (y 1 ;:::;y 216 ) Ajustes dos excessos ( y 1 ;:::;y 216 ) por m¶axima P-valores dos testes da raz~ao das verossimilhan»cas dos ajustes de (y 1 ;:::;y 216 Crit¶erio de sele»c~ao de modelos BIC para (y 1 ;:::;y 216 Ajuste de ( n 1 ;:::;n 11 ) Distribui»c~ao emp¶³rica de ( n 1 ;:::;n 11 ) Estat¶³sticas descritivas de (a 1 ;:::;a 168 ) . Ajustes de ( a 1 ;:::;a 168 ) P-valores dos testes da raz~ao das verossimilhan»cas dos ajustes de (a 1 ;:::;a 168 ) Crit¶erio de sele»c~ao de modelos BIC para (a 1 ;:::;a 168 ) Ajuste de ( c 1 ;:::;c 11 ). Distribui»c~ao emp¶³rica de ( c 1 ;:::;c 11 ). Estat¶³sticas das aproxima»c~oes para a distribui»c~ao de S Pr^emios das aproxima»c~oes pela normal para a distribui»c~ao de S Estat¶³sticas descritivas de (a2 1 ;:::;a2 102 ) e ( a3 1 ;:::;a3 74 ) Ajustes de ( a2 1 ;:::;a2 102 ) e ( a3 1 ;:::;a3 74

P-valores dos testes da raz~ao das verossimilhan»cas dos ajustes de ( a2 1 ;:::;a2 102 )

e ( a3 1 ;:::;a3 74 ) .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4.20 Estat¶³sticas das aproxima»c~oes da distribui»c~ao de S usando as amostras a2 e

4.21

4.22

4.23

Estat¶³sticas descritivas de (y ;:::;y

Ajustes de ( y ;:::;y

.

¤

1

.

.

.

.

¤

1

15 ) .

¤

15 ) .

¤

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Estat¶³sticas das aproxima»c~oes para a distribui»c~ao de S ¤

ix

22

38

43

54

55

56

56

58

58

60

62

62

62

64

65

68

69

73

75

75

78

80

81

83

Sum¶ario

1 Introdu»c~ao

12

2 Teoria dos Valores Extremos

 

14

2.1 Resultados Limites para o M¶aximo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

2.2 Resultado Limite para Excessos acima de um Limiar

 

19

2.3 Fun»c~ao da M¶edia dos Excessos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

21

3 Distribui»c~ao do Excesso Agregado

 

24

3.1 Processo de Pontos de Excedentes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

3.2 Indice Extremal

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

3.3 Distribui»c~ao Limite do Excesso Agregado

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

4 Aplica»c~ao:

Resseguro do Tipo Excesso de Danos

 

35

4.1 An¶alise Explorat¶oria dos Dados

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

37

4.2 Modelo de Riscos Homog^eneos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

40

4.3 Modelos e M¶etodos de Ajuste

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

42

4.3.1 M¶etodo da M¶axima Verossimilhan»ca

 

47

4.3.2 M¶etodo dos Momentos

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

50

4.3.3 Distribui»c~oes Emp¶³ricas

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

4.4 Ajustes das Distribui»c~oes

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

52

4.4.1 Excessos Y

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

53

4.4.2 N¶umero de Excessos N

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

4.4.3 Excessos Agregados A

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

59

4.4.4 N¶umero de Conglomerados C

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

63

4.5 Aproxima»c~ao da Distribui»c~ao de S

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

65

 

x

xi

4.5.1

Apresenta»c~ao dos Resultados

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

67

4.6 Aumento Arti¯cial do Tamanho dos Conglomerados

 

72

4.7 Excessos Al¶em de Um Limiar Mais Alto

 

79

5 Conclus~ao

85

Refer^encias

88

Cap¶³tulo 1

Introdu»c~ao

Um dos principais trabalhos de um atu¶ario ¶e de¯nir o pr^emio total que a seguradora

precisar¶a cobrar por sua carteira. Pr^emio ¶e um valor que se paga antecipadamente ao

per¶³odo de vig^encia da ap¶olice. Este valor ¶e proposto como sendo o necess¶ario para cobrir

os gastos com indeniza»c~oes dos sinistros dos riscos segurados na carteira. A t¶³tulo de

curiosidade, a palavra pr^emio no contexto de seguros n~ao est¶a relacionada a qualquer

recompensa, mas sim ao fato de que o pr^emio ¶e aquilo que se paga primeiro, antes de ter

o risco segurado.

E importante fazer distin»c~ao entre pr^emio puro e pr^emio estat¶³stico. O pr^emio puro ¶e

o

valor n~ao est¶a inclu¶³do o carregamento comercial, que envolve os custos administrativos

valor esperado do montante de sinistro at¶e o ¯m do per¶³odo de vig^encia da ap¶olice, neste

e o lucro. O pr^emio estat¶³stico ¶e o pr^emio puro mais um carregamento de seguran»ca que

visa cobrir as oscila»c~oes dos riscos.

No mercado de seguros existe uma grande preocupa»c~ao com o risco de sinistros 1 que

gerem indeniza»c~oes de valores altos. FreqÄuentemente concentra»c~oes desse sinistros est~ao

relacionadas a eventos catastr¶o¯cos como furac~oes, terremotos, enchentes, tempestades etc.

Tais eventos podem ter um peso muito grande no montante total de sinistros, que ¶e a soma

das indeniza»c~oes pagas pela seguradora durante um certo per¶³odo em uma dada carteira.

A ¯m de se proteger contra esses infort¶unios a seguradora faz contrato de resseguro.

As t¶ecnicas trabalhadas nessa disserta»c~ao dizem respeito ao resseguro do tipo excesso

de danos. Em contratos desse tipo existe um valor de corte, ou limite de perda, que

1 No contexto de seguros sinistro ¶e o desastre que acontece a um bem segurado e que gera indeniza»c~ao.

12

13

limita o preju¶³zo da seguradora com cada sinistro a esse valor. A resseguradora assume a responsabilidade pelos excessos al¶em do limite, quer dizer, por cada sinistro que exceder o limite, paga a diferen»ca entre seu valor e o limite. Para estabelecer o pr^emio de tal contrato ¶e preciso estudar a distribui»c~ao do montante anual de excessos de sinistros, ou seja, a soma no ano dos excessos acima do limite.

O montante de excessos ¶e na verdade uma soma de um n¶umero aleat¶orio de parcelas cujos valores tamb¶em s~ao aletat¶orios. Somas desse tipo s~ao bem analisadas pela teoria do risco coletivo. Sob a condi»c~ao de parcelas independentes, identicamente distribu¶³das e in- dependentes do n¶umero de parcelas, o problema de determinar a distribui»c~ao do montante de excessos pode ser dividido em duas partes: estudo do n¶umero de excessos e estudo dos valores dos excessos.

Existe uma boa chance dos sinistros de valores altos ocorrerem em conglomerados no tempo visto que podem estar associados a eventos catastr¶o¯cos. Se isto ocorre a hip¶otese de independ^encia entre os excessos n~ao se veri¯ca. Para superar este problema, propomos ver o montante de excessos tamb¶em como a soma dos excessos agregados. Os excessos agregados nada mais s~ao do que a soma dos excessos que ocorreram em um mesmo conglomerado. Assim o n¶umero de parcelas do montante de excessos se reduziria ao n¶umero de conglomerados uma vez que cada concentra»c~ao de sinistros de valores altos se transformaria em uma unica¶ observa»c~ao. Dessa forma passar¶³amos a trabalhar com uma nova vari¶avel que n~ao teria a estrutura de depend^encia local que existia nos excessos originais.

A distribui»c~ao te¶orica dos excessos agregados ¶e estudada a partir da teoria dos valores extremos para seqÄu^encias de vari¶aveis independentes e identicamente distribu¶³das. No Cap¶³tulo 2 apresentamos um resumo dessa teoria. Em Anderson e Dancy [1992] ¶e obtido um resultado limite para os excessos agregados que se baseia em um processo de pontos de uma seqÄu^encia estritamente estacion¶aria. O Cap¶³tulo 3 mostra o processo de pontos utilizado, os teoremas de interesse a este relacionados, o resultado limite para os excessos agregados e como estes elementos se relacionam.

No Cap¶³tulo 4 comparamos o uso dos excessos agregados ao dos excessos no c¶alculo do pr^emio de resseguro do tipo excesso de danos numa carteira de inc^endio. Por ¯m no Cap¶³tulo 5 tecemos nossas conlus~oes ¯nais a respeito dessa aplica»c~ao.

Cap¶³tulo 2

Teoria dos Valores Extremos

A teoria dos valores extremos estuda as distribui»c~oes de vari¶aveis aleat¶orias ligadas

ao comportamento extremo de um processo estoc¶astico fX i g i2N . E extensa a literatura a

respeito de m¶aximos, que podem ser: em n observa»c~oes, coletados em blocos de tamanho

¯xo, em conglomerados etc. Outra vari¶avel de interesse para a teoria dos valores extremos

s~ao os excessos acima de um alto limiar u. Os valores X i tais que X i > u s~ao chamados de

excedentes; e o excesso Y j al¶em do limiar u relacionado a X i j , que ¶e o j-¶esimo excedente

de u, ¶e o valor X i j ¡ u. Resumindo temos que excedente ¶e um ponto do processo que

ultrapassa u e seu excesso ¶e o quanto u foi ultrapassado. Os tempos de ocorr^encia de

excedentes tamb¶em s~ao estudados pela teoria dos valores extremos.

Esta teoria ¶e uma ferramenta de grande utilidade no campo do seguro. Por exemplo,

pode tratar do risco potencial de sinistros de valores altos e inclusive relacion¶a-los a even-

tos catastr¶o¯cos. Como um segurador deve compensar suas perdas devido a indeniza»c~oes

de uma determinada carteira com cobran»ca de pr^emios apropriados, um atu¶ario, antes de

tudo, preocupa-se com estimar o pr^emio estat¶³stico, que ¶e um valor que garante com uma

razo¶avel probabilidade que o montante total de sinistros n~ao ultrapassar¶a o montante dos

pr^emios. O montante total de sinistros em um ano ¶e a soma das indeniza»c~oes pagas devido

a sinistros que foram avisados aµ seguradora durante o ano em quest~ao. Se o atu¶ario n~ao

estuda direito os comportamentos das freqÄu^encias e dos valores das indeniza»c~oes maiores,

ele ¯ca propenso a cobrar caro demais pelo seguro por superestimar as cat¶astrofes ou

cobrar muito pouco por n~ao conseguir prev^e-las. Se o pr^emio estat¶³stico ¶e subestimado

¶e prov¶avel que a seguradora tenha preju¶³zo com a carteira. Por outro lado, sua super-

estima»c~ao diminui a competitividade da seguradora e ainda pode levar a um fen^omeno

14

15

comportamental conhecido por antisele»c~ao, que se caracteriza pela tend^encia da carteira de atrair e manter maus riscos e espantar os bons riscos. A explica»c~ao para este fen^omeno ¶e que um indiv¶³duo s¶o pagar¶a caro por um seguro se acreditar que a chance de que ocorra um sinistro com seu bem segurado ¶e grande. Esclarecida a import^ancia de preci¯car bem uma carteira, o valor de um ferramenta que aumente o conhecimento do comportamento de indeniza»c~oes de valores altos se torna evidente.

Se uma seguradora n~ao tem capital su¯ciente para arcar com todo o risco que assumiu ou concluiu que h¶a vantagem operacional em n~ao ret^e-lo todo ent~ao esta transfere parte do seu risco a outra seguradora por meio de contrato de resseguro. Neste trabalho apre- sentamos resultados que dizem respeito ao resseguro do tipo excesso de perda, no qual

o ressegurador paga o excesso de indeniza»c~ao por cada sinistro que ocorre na carteira ressegurada e que ultrapassa um limite ¯xado.

Este cap¶³tulo diz respeito aµ teoria cl¶assica de valores extremos que pode ser vista com

mais detalhes em Embrechts, KlÄuppelberg e Mikosch [1997]. Na primeira se»c~ao temos o resultado central do cap¶³tulo que ¶e o teorema de Fisher e Tippett. Este teorema especi¯ca

a forma da distribui»c~ao limite para o m¶aximo centrado e normalizado. As tr^es fam¶³lias de

distribui»c~oes limites n~ao degeneradas poss¶³veis s~ao conhecidas como distribui»c~oes de valores extremos. Uma reparametriza»c~ao leva a uma express~ao que generaliza estas distribui»c~oes:

a distribui»c~ao de valores extremos generalizada. Aproxima»c~ao de Poisson ¶e apresentada

como uma condi»c~ao necess¶aria e su¯ciente para validar este teorema e o dom¶³nio de atra»c~ao m¶aximo ¶e de¯nido. Na segunda se»c~ao caracterizamos o m¶aximo dom¶³nio de atra»c~ao e por conta deste apresentamos a distribui»c~ao Pareto generalizada como aproxima»c~ao para a distribui»c~ao dos excessos acima de um alto limiar. Na ultima¶ se»c~ao apresentamos a fun»c~ao da m¶edia dos excessos que caracteriza uma distribui»c~ao e ¶e base para uma ferramenta gr¶a¯ca de grande utilidade para o ajuste de modelos a caudas de distribui»c~oes.

2.1 Resultados Limites para o M¶aximo

Neste cap¶³tulo vamos assumir que as vari¶aveis aleat¶orias X 1 ; X 2 ;::: provindas do processo estoc¶astico fX i g i2N s~ao independentes e identicamente distribu¶³das com fun»c~ao de distribui»c~ao F cujo limite superior do dom¶³nio ¶e x F · +1. Uma vari¶avel de interesse no estudo de extremos ¶e o m¶aximo de n observa»c~oes M n = max(X 1 ; :::; X n ). Podemos

16

determinar a distribui»c~ao exata de M n de forma muito simples

F M n (m) = P (M n · m) = P (X 1 · m; : : : ; X n · m)=(P (X · m)) n = (F X (m)) n

para m 2 R e n 2 N.

Cabe comentar que os resultados para o m¶³nimo podem equivalentemente ser obtidos

usando a rela»c~ao

M in(X 1 ;:::;X n ) = ¡max(¡X 1 ;:::; ¡X n ):

Em aplica»c~oes a dados reais, onde as perdas s~ao valores negativos, normalmente, multiplica-

se

os dados por (-1) e analisa-se os m¶aximos.

Quando n~ao se conhece a distribui»c~ao original dos dados F resultados assint¶oticos para

distribui»c~ao de M n se tornam de grande valia para se fazer infer^encia sobre o m¶aximo.

E

com probabilidade um). Mais detalhes sobre converg^encias de vari¶aveis aleat¶orias s~ao

encontrados em James [1996]. No entanto estas converg^encias s¶o nos auxiliam a determinar

o supremo do suporte da distribui»c~ao de X j . Um resultado mais interessante do ponto de

vista da infer^encia ¶e a converg^encia em distribui»c~ao para o m¶aximo centrado e normalizado.

O teorema de Fisher e Tippett, que trata dessa converg^encia, ¶e t~ao importante para a teoria

dos valores extremos como o ¶e o teorema central do limite para a teoria das somas.

f¶acil ver que M n ! x F (converg^encia em probabilidade) e M n ! x F (converg^encia

a

P

CP 1

Teorema 2.1 (Fisher e Tippett) Seja fX n g uma seqÄu^encia de vari¶aveis aleat¶orias in-

dependentes e identicamente distribu¶³das. Se existirem seqÄu^encias de constantes normali-

zadoras c n > 0 e d n 2 R e uma distribui»c~ao n~ao degenerada H tal que

M n ¡ d n

c n

d

¡! H quando n ! 1;

ent~ao H ¶e do tipo de uma das tr^es fun»c~oes de distribui»c~ao abaixo:

Gumbel

:

¤(x) = expe ¡ x g x 2 R

Fr¶echet : © ® (x) =

Weibull : ª ® (x) =

8

<

:

8

<

:

0;

expx ¡ ® g; x>

x · 0

0

® > 0

exp(¡x) ¡ ® g; x · 0

x> 0

1;

® < 0

(2.1)

(2.2)

(2.3)

17

As distribui»c~oes que est~ao em 2.1, 2.2 e 2.3 s~ao chamadas de distribui»c~oes de valores ex-

tremos. Se incluirmos os par^ametros de loca»c~ao (¹) e escala (¾ ), as fun»c~oes de distribui»c~ao

de valores extremos ¯cam

Gumbel : ¤ ¹;¾ (x) = expe ¡ ( x ¡¹ ) =¾ g; x 2 R

Fr¶echet;

Weibull;

®> 0:© ¹;¾ (x)=© µ x ¡ ¹ ; x ¸ ¹

¾

®< 0:ª ¹;¾ (x)=ª µ x ¡ ¹ x · ¹:

¾

O teorema de Fisher e Tippett estabelece que a distribui»c~ao do m¶aximo normalizado

de uma seqÄu^encia de vari¶aveis independentes e identicamente distribu¶³das converge para

uma distribuic~ao de valores extremos ou para uma distribui»c~ao degenerada. Este teorema

sugere a utiliza»c~ao destas distribui»c~oes para a modelagem de m¶aximos coletados em blocos

do mesmo tamanho quando o tamanho dos blocos, n, ¶e grande.

A

Figura (2.1) mostra as densidades das tr^es distribui»c~oes padr~ao de valores extremos.

Gumbel Fréchet Weibull -2 0 2 4 6 Densidades 0.0 0.2 0.4 0.6 0.8 1.0
Gumbel
Fréchet
Weibull
-2
0
2
4
6
Densidades
0.0
0.2
0.4
0.6
0.8
1.0

x

Figura 2.1: Densidades das tr^es distribui»c~oes padr~oes de valores extremos.

O

teorema nos leva a trabalhar com probabilidades da forma P ( M n ¡d n · x) que ¶e

c

n

equivalente a P (M n · u n ) onde u n = c n x + d n . Torna-se de fundamental import^ancia

caracterizar as distribui»c~oes F e as seqÄu^encias u n para as quais o teorema de Fisher-

Tippett vale. A condi»c~ao elementar que deve ser satisfeita ¶e a aproxima»c~ao de Poisson.

18

Proposi»c~ao 2.1 (Aproxima»c~ao de Poisson) Dado ¿ 2 [0; 1] e uma seqÄu^encia (u n ) de

n¶umeros reais, as express~oes seguintes s~ao equivalentes:

¹

n F (u n ) ! ¿; ¿ 2 [0; 1]

e P r fM n · u n g ! e ¡¿ :

As distribui»c~oes que satisfazem a aproxima»c~ao de Poisson t^em v¶arias propriedades

assit¶oticas interessantes. Isso nos leva aµ de¯ni»c~ao do dom¶³nio de atra»c~ao do m¶aximo que

¶e muito interessante porque se conseguimos mostrar que uma distribui»c~ao pertence a um

certo dom¶³nio de atra»c~ao do m¶aximo ent~ao podemos contar com uma s¶erie de propriedades

para essa distribui»c~ao.

De¯ni»c~ao 2.1 (Dom¶³nio de Atra»c~ao do M¶aximo - DAM) Dizemos que uma vari¶avel

aleat¶oria X (ou a fun»c~ao de distribui»c~ao F de X ) pertence ao dom¶³nio de atra»c~ao do

m¶aximo da distribui»c~ao de valor extremo H se existem constante c n e d n 2 R tais que

¡

c n

1

d

(M n ¡ d n ) ! H:

Escrevemos X 2 DAM(H ) (ou F 2 DAM(H )).

Por meio da reparametriza»c~ao » = 1os tr^es tipos de distribui»c~oes de valores extremos

podem ser vistos como membros de uma unica¶ fam¶³lia de distribui»c~oes: a distribui»c~ao de

valores extremos generalizada (GEV). Ou seja, essa reparametriza»c~ao faz com que as

distribui»c~oes se tornem um modelo cont¶³nuo e uni¯cado.

De¯ni»c~ao 2.2 (Distribui»c~ao de Valores Extremos Generalizada) De¯nimos a fun»c~ao

de distribui»c~ao H » por

onde 1 + »y > 0.

H » (y ) =

8

>

>

>

<

>

>

>

:

exp(1 + »y ) ¡1 » g se

» 6= 0

expexpy gg

se

» = 0 ;

(2.4)

Se o par^ametro de forma » = 0, H » corresponde aµ distribui»c~ao Gumbel. A express~ao

para » = 0 se justi¯ca porque

19

c!1 (1 ¡ cy ) 1 c = e y :

lim

Os casos onde » < 0 ou » > 0 correspondem respectivamente asµ distribui»c~oes Weibull ou

a Fr¶echet.

A fam¶³lia de loca»c~ao e escala correspondente, H »;¹;¾ , ¶e obtida substituindo-se y por

(y ¡ ¹), para ¹ 2 R e ¾ > 0 e adaptando os dom¶³nios a essas mudan»cas.

2.2 Resultado Limite para Excessos acima de um Limiar

Outra vari¶avel de interesse para a teoria dos valores extremos proveniente do processo

fX i g i2N s~ao os excessos acima de um alto limiar u que denominamos de Y j . Aqui tamb¶em

consideramos o caso no qual X i s~ao independentes e identicamente distribu¶³das com dis-

tribui»c~ao F X . A seqÄu^encia de Y j tamb¶em ¶e de vari¶aveis independentes e identicamente

¹

distribu¶³das com distribui»c~ao que denotamos por F u . Chamamos de F X (u)=1 ¡ F X (u)

a fun»c~ao de cauda da distribui»c~ao F X . Podemos escrever F u em termos da fun»c~ao de

distribui»c~ao F X da seguinte maneira:

F u (y ) = P r fY · y jX>u g

=

P r fX ¡ u · y jX>ug

F X (u + y ) ¡ F X (u)

=

¹

F X (u)

;

para y ¸ 0:

No entanto, se a distribui»c~ao F n~ao ¶e conhecida n~ao conseguimos encontrar F u com a

equa»c~ao acima. Neste caso, precisamos de um resultado assint¶otico. O teorema a seguir

caracteriza o dom¶³nio de atra»c~ao para o m¶aximo e motiva a de¯ni»c~ao da distribui»c~ao

Pareto generalizada e sua utiliza»c~ao como aproxima»c~ao da distribui»c~ao dos excessos acima

de altos limiares.

Teorema 2.2 (Caracteriza»c~ao do DAM(H » )) Para » 2 R as seguintes a¯rma»c~oes s~ao

equivalentes:

(a)

F 2 DAM (H » ).

(b)

Existe uma fun»c~ao a(¢) positiva e mensur¶avel tal que para 1 + »x > 0

u

lim

"x F X

¹

F X (u + xa(u))

¹

F (u)

8

<

= :

(1 + »x) ¡1 =» ; se » 6= 0

e ¡ x ;

se » = 0

20

O item (b) do teorema 2.2 pode ser reescrito como:

u

lim F X P r ½ X ¡ u > xjX>u ¾ =

" x

a(u)

8 < »x) ¡ 1 =» ; se

(1 +

: se »

e

¡x ;

» 6= 0

= 0

(2.5)

Com isso temos uma aproxima»c~ao assint¶otica para a distribui»c~ao dos excessos acima

de um alto limiar u reduzidos do fator de escala a(u) para quando F pertence a algum

dom¶³nio de atra»c~ao do m¶aximo. Note que o par^ametro » que aparece no resultado para o

excesso ¶e o mesmo que o que aparece para o m¶aximo. O teorema 2.2 motiva a de¯ni»c~ao

da distribui»c~ao Pareto generalizada (GPD), que denotaremos por P » cuja distribui»c~ao ¶e

dada por

P » (y ) =

8 < ¡ (1 + »y ) 1 =» ; se

:

1

1 ¡ e ¡ y ;

» 6= 0

se » = 0

para y ¸ 0 se » ¸ 0e0 · y · ¡1se » < 0. P 0 pode ser interpretada como o limite da

P » quando » ! 0.

Podemos considerar a reparametriza»c~ao ® = 1e obter tr^es classes de distribui»c~oes

que s~ao: Exponencial quando ® ! 1; Pareto quando ® > 0; e Beta quando ® < 0. A