Cap 4 Modelos Risco Col Periodo Generico

Introducao. Processo de Reservas e Runa.
Processos associados as indemnizacoes

Coeficiente de Ajustamento e Probabilidade de Runa
Um Modelo a Tempo Discreto
Primeira descida da reserva abaixo do nvel inicial
A Perda Agregada Maxima.
4. modelos de risco colectivo para um perodo

generico
1 / 129
1 Introducao. Processo de Reservas e Runa.
2 Processos associados as indemnizacoes
3 Coeficiente de Ajustamento e Probabilidade de Runa
4 Um Modelo a Tempo Discreto
5 Primeira descida da reserva abaixo do nvel inicial
6 A Perda Agregada Maxima.
2 / 129
Neste captulo abordaremos modelos matematicos que traduzem as

variacoes no montante de reserva (ou saldo) de uma seguradora ao
longo de um perodo de tempo alargado, genericamente [0, t[.
3 / 129
Reserva
Seja U(t), para t 0, a Reserva associada a um risco duma
seguradora no instante t. Se denotarmos a reserva inicial por
U(0), fruto eventualmente de operacoes passadas, e se supusermos
que o premio P(t) e continuamente recebido em (0, t), a uma
taxa c > 0, P(t) = ct (supondo deduzidos de encargos
administrativos e de gestao), entao
U(t) = u + P(t) S(t) = u + ct S(t),
onde S(t) denota o processo das indemnizacoes agregadas

ocorridas em (0, t] relativas o risco considerado.
4 / 129
Neste modelo sao ignorados factores como o rendimento

proveniente de investimentos, juros e outros factores para alem das
indemnizacoes e a parte dos premios apos a deducao das despesas
de caracter administrativo. Estamos, assim, perante o que
desginamos por
Processo de Reservas ou
Processo de Risco
em tempo contnuo
{U(t), t 0}.
5 / 129
Figura: Realizacao tpica do Processo de Risco em tempo contnuo, U(t).
6 / 129
Um dos problemas de grande aplicabilidade e constituindo area de

estudo em Teoria do Risco e a analise da probabilidade de runa,
conceito intimamente ligado ao processo de reservas.
Defina-se instante de runa como
instante de runa
T = min{t : t > 0 e U(t) < 0},
com a convencao de que T = e equivalente a U(t) 0 para

todo o t > 0, o que significa ausencia de runa para qualquer
instante t (nao ocorre runa).
7 / 129
Define-se probabilidade de runa em horizonte infinito como

probabilidade de runa em horizonte infinito
(u) = P[T < ],
funcao da reserva inicial u, a que corresponde a reserva negativa

no instante de runa, U(T).
Nas aplicacoes praticas as seguradoras estao interessadas no
estudo da runa apenas num perodo longo mas finito.
8 / 129
Define-se probabilidade de runa em horizonte finito como

probabilidade de runa em horizonte finito
(u, t) = P[T < t],
ou seja, probabilidade de runa anterior ao instante t.
Iremos considerar apenas o estudo de (u), que e um limite

superior de (u, t), ja que e matematicamente mais tratavel.
9 / 129
Faremos uma breve referencia ao modelo que se obtem

generalizando o modelo estudado anteriormente, para um perodo
generico, (0, t].
O modelo de risco assenta em dois processos aleatorios:
o processo do numero de indemnizacoes {N(t), t 0};

o processo das indemnizacoes agregadas {S(t), t 0};
Para uma certa carteira de apolices, seja:
N(t) o numero de sinistros que ocorrem ate ao instante t; a

contagem e iniciada em t = 0, sendo N(0) = 0;
S(t) as indemnizacoes agregadas referentes ao mesmo
perodo (0, t].
10 / 129
continuaremos a denotar por Xi o montante da iesima

indemnizacao. Entao,
N(t)
X
S(t) = Xi .
i=1
Estamos, portanto, interessados em estudar as distribuicoes para

todos os t 0, ao contrario do que sucedeu no captulo anterior,
em que estavamos interessados em estudar a distribuicao da soma
apenas para um perodo de tempo fixado a partida. No que se
segue consideraremos:
11 / 129
para t 0 e h > 0,
N(t + h) N(t) numero de sinistros que ocorrem entre os
instantes t e t + h;
S(t + h) S(t) indemnizacoes agregadas entre os
instantes t e t + h;
Xi designa o montante da iesima indemnizacao e Ti
refere-se ao instante do iesimo sinistro, pelo que
T1 , T2 , T3 , . . . sao v.a.s verificando-se, obviamente,
T1 T2 T3 . . . ;
Wi := Ti Ti1 , i 1 tempo de espera entre sinistros

sucessivos, a partir de W1 := T1 .
12 / 129
Note-se que:
Tanto N(t) como S(t) sao funcoes em escadaou de patamares;
Os dois processos apresentam descontinuidades para os mesmos
instantes Ti , i = 1, 2, . . ., em que ocorrem os sinistros;
A altura dos degrauspara o processo do numero de indemnizacoes
N(t) e sempre igual a 1, uma vez que nao sao admitidas ocorrencias
simultaneas de sinistros no modelo considerado (na pratica, se tal
suceder, considera-se a ocorrencia de apenas um senistro no
instante Ti correspondente a agregacao dos sinistros ocorridos).
Quanto ao processo das indemnizacoes agregadas, S(t), a
descontinuidade em Ti atinge uma magnitude igual a indemnizacao
ocorrida, Xi .
13 / 129
Os graficos seguintes exemplificam a situacao tpica para aqueles

dois processos.
Figura: Realizacao tpica do processo do numero de sinistros, N(t).
14 / 129
Figura: Realizacao tpica do processo das indemnizacoes agregadas, S(t).
15 / 129
Metodos para definir o processo de contagem de sinistros

1 Metodo global:
Para t 0 e h > 0, especifica-se a distribuicao de
N(t + h) N(t). Esta distribuicao podera depender
de N(s) para s t.
16 / 129
2 Metodo infinitesimal:
Especifica-se a probabilidade de ocorrencia de um
sinistro no intevalo infinitesimal entre t e t + dt, i.e.,
P[N(t + dt) N(t) = 1], considerada proporcional a
amplitude do intervalo, dt, podendo tambem
depender de N(s) para s t.
No caso do processo de Poisson homogeneo, e igual
a dt + o(dt). Este metodo e restringido aos casos
em que
P[N(t + dt) N(t) > 1] o(dt)

lim =0 (= ).
dt0 dt dt
17 / 129
3 Metodo discreto ou do tempo de espera:

Especifica-se a distribuicao conjunta dos tempos de
espera
W1 , W2 , W3 , . . .
ou, equivalentemente, dos instantes de sinistro
T1 , T2 , T3 , . . .
18 / 129
Iremos ilustrar estes metodos para um caso no ramo Vida ,

aproveitando para dar a conhecer ou relacionar conceitos em
Calculo Actuarial.
exemplo: tempos de vida
Considerem-se n indivduos com idade x no instante 0. Sejam
N(t) :=No de mortes ocorridas ate ao instante t
Ti :=instante em que ocorre a iesima morte,
(i = 1, 2, . . . , n)
e assuma-se a independencia dos tempos de vida.
Pretende-se especificar o processo {N(t), t 0}.
19 / 129
Resolucao:
Considere-se a seguinte notacao, tradicional em matematica
actuarial:
y px := P[sobrevivencia de um indivduo de idade x ate a idade
de x + y ]
y qx:= 1 y px = P[morte de um indivduo de idade x antes
da idade de x + y ]
Vamos esquematizar como definir o

processo de contagem utilizando cada um dos metodos referidos.
20 / 129
1. usando o metodo global:

a distribuicao de N(t + h) N(t), dado N(t) = i, para
i = 0, 1, . . . , n 1, e Binomial, i.e.,
N(t + h) N(t)|N(t) = i _ Binomial(n i,h qx+t ).
21 / 129
Realmente,
P[N(t + h) N(t) = k|N(t) = i] =

= P[ morrerem k indivduos dos n i existentes no intervalo
(x + t,x + t + h)
= ni k
k (h qx+t ) (1 h qx+t )
nik , k = 0, 1, . . . , n i
22 / 129
2. usando o metodo infinitesimal:

Iremos caracterizar P[N(t + dt) N(t) = 1|N(t) = i], para
i = 0, 1, . . . , n.
23 / 129
Consideremos a seguinte notacao:

x+t :=taxa de mortalidade para um indivduo de idade x + t,
significando que
P[um indivduo de idade x + t morrer num intervalo infinitesimal
(t, t + dt)] = x+t dt

Logo,
P[N(t+dt)N(t) = 1|N(t) = i] = (ni)x+t dt, para i = 0, 1, ..., n,
ja pode ser tratado como um caso particular do metodo 1 com

k 1 e h qx+t x+t dt.
24 / 129
3. usando o metodo dos tempos de espera:

Iremos caracterizar P[Ti+1 > s + t|Ti = s], para i = 1, 2, ..., n.
Realmente,
P[Ti+1 > s + t|Ti = s] = P[Wi+1 > t]

= P[N(s + t) N(s) = 0|N(s) = i]
= (1 t qx+s )ni ,
para i = 1, 2, ..., n.
25 / 129
Caractersticas do processo de Poisson

Tal como no exemplo precedente, o Processo de Poisson pode ser
definido por uma desta vias:
1. metodo global:
O numero de ocorrencias (sinistros ou indemnizacoes) em qualquer
intervalo de amplitude h tem distribuicao de Poisson de parametro
h, independentemente da localizacao desse intervalo e da historia
passada do processo.
formalizando,
e h (h)k
P[N(t + h) N(t) = k|N(s), st ] = ,
k!
k = 0, 1, 2, ..., t0 .
26 / 129
Propriedades:
O processo de Poisson tem incrementos independentes, i.e.,
Se (t1 , t1 + h1 ); (t2 , t2 + h2 ); ...; (tn , tn + hn ) sao disjuntos,
entao
N(t1 + h1 ) N(t1 ); N(t2 + h2 ) N(t2 ); ...; N(tn + hn ) N(tn )
sao v.a.s independentes.

O processo de Poisson tem incrementos estacionarios, ja que
N(ti + hi ) N(ti ) _ P(hi )
nao dependendo, portanto, de ti .
27 / 129
2. metodo infinitesimal:
Fazendo k = 1, vem:
P[N(t + h) N(t) = 1|N(s), st ] = e h h, t 0,
pelo que fazendo h dt
P[N(t + dt) N(t) = 1|N(s), st ] = dt, t 0.
A probabilidade de 1 ocorrencia (sinistro) num intervalo de

amplitude dt e dt, e e independente da localizacao do intervalo e
da historia passada do processo.
28 / 129
3. metodo dos tempos de espera:
P[Wi+1 > h|Ti = t, N(s)st ]

= P[N(t + h) N(t) = 0|Ti = t, N(s)st ]
= e h
pelo que
P[Wi+1 h] = 1 e h , h > 0,
i.i, Wi+1 tem distribuicao exponencial de parametro e e
independente de Wi , Wi1 , ..., W2 , W1 .
Entao a definicao, segundo este metodo, pode ser formalizada:
Se W1 , W2 , ... sao v.a.s mutuamente independentes e
exponenciais de parametro , entao {N(t), t 0} e Processo
de Poisson homogeneo de parametro .
29 / 129
Doravante, sempre que nao seja explicitado algo em contrario,

suporemos que as indemnizacoes agregadas relativas a um
determinado risco de uma companhia sao modeladas por:
PN(t)
S(t) = i=1 Xi
Xi i.i.d. a X com f.d. FX (.)
N(t) processo de Poisson homogeneo
Xi independentes de {N(t), t 0}
{S(t), t 0} constitui um Processo de Poisson Composto:
S(t) _ PPC (t, FX )
Modelo de Cramer-Lundberg
30 / 129
Observacao:
Se as indemnizacoes constiturem um Processo de Poisson
Composto, entao sao validos os resultados analogos aos do
captulo anterior, com os ajustamentos obvios para o intervalo
(0, t), i.e., e substitudo por t.
Tem-se, por exemplo, que a f.d. associada a S(t) e
FS(t) (x) := P[S(t) x] =

X X e t (t)n
FXn (x)P[N(t) = n] = FXn (x) , x 0,
n!
n=0 n=0
E [S(t)] = tp1 , Var [S(t)] = tp2 e
31 / 129
MS (r ) = MN(t) (log MX (r )), geralmente,

= exp{t(MX (r ) 1)},
uma vez que se N(t) e Processo de Poisson, entao
MN(t) (r ) = exp{t(e r 1)}
O facto de o Processo de Indemnizacoes Agregadas constituir um

Processo de Poisson Composto arrasta um certo numero de
propriedades, nomeadamente:
32 / 129
1. distribuicao das indemnizacoes agregadas

as indemnizacoes agregadas em (t, t + h, para t 0 e h > 0, tem
distribuicao

X e h (h)k
P[S(t + h) S(t) x] = FXk (x)
k!
k=0
2. probabilidade num intervalo infinitesimal de amplitude dt

Num intervalo infinitesimal de amplitude dt, existe um sinistro
com probabilidade dt e correspondente montante de
indemnizacao com distribuicao FX , ou nao existe sinistro, com
probabilidade 1 dt.
33 / 129
3. ocorrencia do proximo sinistro

Em qualquer instante h, a probabilidade de que o proximo sinistro
ocorra entre os instantes h + t e h + t + dt e que o montante de
indemnizacao correspondente nao exceda x e dada por
e t (dt)FX (x)
O tempo entre sinistros consecutivos e uma exponencial de

parametro .
34 / 129
Por outro lado, as propriedades do processo N(t) sao

transportadaspara S(t): Assim,
{S(t), t 0} tem incrementos independentes e estacionarios,

i.e., com
(t1 , t1 + h1 ); (t2 , t2 + h2 ); . . . ; (tn , tn + hn ) intervalos disjuntos,
S(t1 + h1 ) S(t1 ); S(t2 + h2 ) S(t2 ); . . . S(tn + hn ) S(tn )

sao v.a.s independentes.
a distribuicao de S(ti + hi ) S(ti ) nao depende de ti e so de
hi .
35 / 129
Ou em termos das indemnizacoes agregadas:

As indemnizacoes agregadas para intervalos de tempo
disjuntos sao v.a.s independentes.
A distribuicao das indemnizacoes agregadas para determinado
perodo de tempo depende so da sua duracao e nao da
respectiva localizacao no tempo.
O modelo que temos vindo a abordar e designado por
Modelo a tempo contnuo,
em oposicao a uma versao analoga alternativa que toma a

designacao de
Modelo a tempo discreto.
36 / 129

O processo das reservas de risco {U(t), t 0}, com
U(t) = u + ct S(t), U(0) = u,
pode ser estudado atraves da sua relacao com o processo das

indemnizacoes agregadas
{S(t), t 0}.
37 / 129
Relativamente a probabilidade de runa, (u), vamos apresentar:

os limite superior e inferior para (u), em geral;
a forma explcita de (u), para o caso de indemnizacoes
individuais exponenciais.
Salvo indicacao explcita em contrario, iremos supor verificadas as
seguintes hipoteses:
38 / 129
1.
Supoe-se que a taxa c de premio excede as indemnizacoes
esperadas por perodo, i.e.,
c > p1
e define-se um coeficiente de seguranca positivo, , tal que
c = (1 + )p1 ,
(princpio do valor medio para o calculo do premio)
Observacao:
Se c p1 entao (u) = 1 (Runa Certa!);
i.e., se 0 ou < 0 = (u) = 1, como veremos mais
tarde.
39 / 129
2.
Considera-se (, ) o maior intervalo onde existe a f.g.m.
MX (r ), > 0.
Exemplos:
1 X _ Exp(), i.e., com f.d. FX (x) = 1 e x , x > 0. Entao,

MX (r ) = , r < e, portanto, = .
r
2 X com suporte limitado. Entao,
MX (r ) existe para todo o r e, portanto, = +.
40 / 129
3.
Considera-se ainda que
lim MX (r ) = .
r
Apresentamos de seguida a definicao de Coeficiente de

Ajustamento para o caso que estamos a tratar, de as
indemnizacoes agregadas formarem um Processo de Poisson
Composto,
S(t) _ PPC(t, FX ).
41 / 129
Definicao:
Coeficiente de Ajustamento
O Coeficiente de Ajustamento define-se como a unica raz positiva
r = R da equacao
+ cr = MX (r ), r <
ou, equivalentemente, usando o facto de c = (1 + )p1
1 + (1 + )p1 r = MX (r ), r <
42 / 129
Observacao:
Estabeleca a equacao anterior no caso particular de ser utilizado o
princpio da variancia.
43 / 129
Vejamos por que razao a equacao 1 + (1 + )p1 r = MX (r ) tem

apenas uma raz positiva:
Ambas as funcoes do grafico, correspondentes aos 2 membros
da equacao, passam pelo ponto (0, 1) (solucao trivial);
MX (r ) e crescente e convexa ja que
MX0 (r ) = E [Xe rX ] > 0 MX00 (r ) = E [X 2 e rX ] > 0;
O declive da recta e (1 + )p1 e o declive da tangente a curva

MX (r ) em r = 0 e MX0 (0) = p1 .
Ora, (1 + )p1 > p1 , ja que > 0.
O grafico e representativo da situacao em causa, verificando-se que
a recta e a curva so se cruzam uma unica vez para um valor de
r R estritamente positivo.
44 / 129
Observacao:
1 Em geral, R R() e crescente com .
2 A designacao de Ajustamentopara este coeficiente nao e
ainda clara nesta fase de apresentacao dos conceitos, mas
poderemos desde ja adiantar que R esta relacionado com a
probabilidade de runa (u), o que vira a justificar a
designacao utilizada para R.
Exemplo:
Determinar o Coeficiente de Ajustamento, R, para o caso em que
as indemnizacoes individuais sao exponenciais, i.e.,
X _ Exp(), com f.d. FX (x) = 1 e x , x > 0.
45 / 129
Resolucao:

Tem-se MX (r ) = r , r < ; assim p1 = MX0 (0) = E [X ] = 1 .
Consequentemente,
1 + (1 + )p1 r = MX (r )
e equivalente a
r
1 + (1 + ) =
r
ou ainda
(1 + )r 2 r = 0

com solucoes: r = 0 (solucao trivial) e R = (Coeficiente de
1+
Ajustamento )
46 / 129
A equacao
1 + (1 + )p1 r = MX (r )
nem sempre pode ser resolvida de forma explcita, pelo que os
metodos numericos de resolucao de equacoes sao utilizados.
Uma sugestao e a utilizacao do
metodo da bisseccao
partindo do intervalo inicial de localizacao da raz (0, 2p1 /p2 )

(exerccio teorico-pratico).
Tal e a situacao do exemplo seguinte, em que somos conduzidos a

uma equacao transcendente.
47 / 129
Exemplo:
Calcular R se todas as indemnizacoes individuais tem montante 1;
i.e., X 1 (X degenerada em 1).
Resolucao parcial:
p1 = E [X ] = 1 e MX (r ) = E [e r ] = e r pelo que haveria necessidade
de resolver iterativamente a equacao transcendente:
1 + (1 + )r = e r .
48 / 129
Pode-se mostrar o seguinte resultado (ver Bowers et al.,(1987)

pg.368).
Relacao entre o coeficiente de ajustamento, R,e a probabilidade de
runa, (u)
Teorema:
De acordo com as hipoteses simplificadoras do problema
formuladas anteriormente, para u 0,
e Ru
(u) =
E e RU(T ) T <
49 / 129
Comentarios:
1 Em geral nao e possvel calcular o denominador de
e Ru
(u) = RU(T ) , salvo algumas excepcoes: por
E e T <
exemplo, se u = 0 e se X e exponencial.
2 Este teorema e util para obtencao de desigualdades, de forma
a obter limites inferior e superior para a probabilidade de
runa, (u).
3 Tal como ja tnhamos referido, e de notar que se verifica o
seguinte:
se o coeficiente de seguranca que afecta o premio recebido
tende para 0 ou se e negativo, entao o processo de reservas de
risco esta sujeito a runa certa;
50 / 129
realmente,
0 = R0 = (u) = 1 Runa Certa!
Por outro lado, considere-se um outro coeficiente de seguranca

1 < 0; entao como o processo de reservas e crescente como
funcao de (atente-se ao grafico de U(t) e ao declive dos
segmentos de recta envolvidos), tem-se
U1 (t) U1 (t, 1 ) < U2 (t, 2 ),
com
2 positivo 2 0+ e para o qual (u) = 1.
Logo,
< 0 = (u) = 1 Runa Certa!
51 / 129
Limites Superior e Inferior para a probabilidade de runa, (u)

e Ru
De acordo com o (u) = , verifica-se o
E e RU(T ) T <
seguinte:
1 Comece-se por notar que supondo que existe runa, no
instante de runa o processo de reservas e negativo; i.e.,
U(T ) < 0, dado T < ; entao E e RU(T ) T < > 1 e,

consequentemente,
(u) < e Ru
2 Se X tem suporte limitado, de tal modo que FX (m) = 1, para
algum m finito, entao iremos constatar que
(u) > e R(u+m)
52 / 129
Realmente, supondo que existe runa, a reserva no instante de

runa e superior a m, ja que a reserva era positiva antes da
ultima indemnizacao que produziu a runa; i.e., U(T ) > m, dado
T < ;
consequentemente, tem-se
h i
e RU(T ) < e Rm = E e RU(T ) T < < e Rm

e entao
(u) > e Ru e Rm = e R(u+m) .
53 / 129
Aproximacao para a probabilidade de runa, (u)

Alguns autores sugerem o uso da aproximacao
(u)
= e Ru ,
se bem que este valor sobrevaloriza o verdadeiro valor de (u), ja

que corresponde realmente a um limite superior para aquela
probabilidade.
No caso de severidade exponencial e possvel calcular o valor

exacto da probabilidade de runa, como verificaremos no exemplo
que se segue.
54 / 129
Exemplo:
Calcular (u), para o caso de indemnizacoes particulares
exponenciais de parametro , i.e., para
X _ Exp(), com f.d. FX (x) = 1 e x , x > 0.
Resolucao:
Suponha-se que ocorre runa para o instante T , sendo a reserva de
U(T ). Comecemos por calcular o denominador de
e Ru
(u) = ,
E e RU(T ) T <
,
55 / 129
h i
E e RU(T ) T < ,

verificando em primeiro lugar que a v.a. referente ao montante

pelo qual se da a runa, dado que esta ocorree uma exponencial
com parametro igual ao das indemnizacoes particulares.
56 / 129
Para tal considere-se o seguinte:
u montante de reserva anterior

a T.
X montante de indemnizacao
que causou a runa.
Consequentemente,
X = u U(T ).
57 / 129
Entao o acontecimento { U(T ) > y | T < } e equivalente a

{ X > u + y | X > u }, vindo assim
P [ U(T ) > y | T < ] = P [ X > u + y | X > u ]
1 FX (u + y )
=
1 FX (u )

e (u +y )
=
e u
= e y , y > 0.
pelo que a v.a. Y := U(T )| T < _ Exp() .
58 / 129
Entao o calculo do denominador pretendido corresponde ao valor

da f.g.m. de Y no ponto R; i.e.,
h i
E e RU(T ) T < = MY (R) = .

R
Por outro lado, vimos no Exemplo que para indemnizacoes
individuais exponenciais o coeficiente de ajustamento e dado por

R = 1+ . Donde,
e Ru

1
(u) =
= exp u
1+ 1+
R
59 / 129

Neste paragrafo faz-se referencia a um modelo que pode ser considerado como a
versao discreta do modelo a tempo contnuo anterior. Nomeadamente, sera
considerada a reserva ao fim de n anos, em funcao da soma das indemnizacoes nesse
no de anos, quando se considera um montante de premios recebidos proporcional ao
montante anual de premios. Sao redefinidos para o caso discreto os conceitos
anteriores de coeficiente de ajustamento e probabilidade de runa, sendo realcado que
no caso de o montante anual de indemnizacoes poder ser encarado como Poisson
Composto esta definicao cai no caso particular do Modelo em tempo Contnuo. E
ainda dada a aproximacao do coeficiente de ajustamento, mostrando que e exacta no
caso de montante anual de indemnizacoes com comportamento Normal.
60 / 129
Apresentaremos de seguida um modelo a tempo discreto, de certa

forma a versao discreta do modelo a tempo contnuo considerado
ate aqui.
Tambem aqui estaremos interessados num modelo matematico que
traduz as variacoes no montante de reserva (ou saldo) de uma
seguradora ao longo de um perodo de n anos.
61 / 129
Seja Un , para n = 0, 1, 2, , a Reserva associada a um risco de

uma seguradora, no fim do perodo n (n-esimo ano, por exemplo).
Se denotarmos a reserva inicial por U0 = u, fruto eventualmente
de operacoes passadas, e se supusermos que o premio global Pn
ao fim de n anos e proporcional ao montante de premios em cada
perodo c (premios anuais, por exemplo), i.e., Pn = cn, entao
Un = u + Pn Sn = u + cn Sn ,
onde Sn denota a soma das indemnizacoes anuais ocorridas nos

primeiros n perodos (anos), relativas ao risco considerado.
62 / 129
Estamos, assim, perante o que designamos por um
Processo de Reservas ou Processo de Risco em tempo discreto

{Un , n = 0, 1, 2, }.
63 / 129
Suponhamos ainda que

n
X
Sn = Wi .
i=1
Wi soma das indemnizacoes no perodo i (ano i)

Wi i.i.d. a W , i = 1, 2, , n com f.d. FW (.) e f.g.m. MW (r )
E [W ] = < c, i.e., premio anual recebido superior ao premio
anual esperado.
64 / 129
Neste contexto, defina-se

instante de runa
Define-se instante de runa como
T = min {n : Un < 0} ,
com a convencao de que T = e equivalente a Un 0 para todo

n, o que significa a ausencia de runa no fim de qualquer perodo n
(Nao ocorre Runa no fim de qualquer ano).
65 / 129
Define-se
probabilidade de runa em horizonte infinito
como funcao da reserva inicial u,
(u) = P[T < ],
a que corresponde a reserva negativa no instante de runa, UT .
No que respeita a probabilidade de runa (u), existe um resultado

e Ru
analogo a (u) = E e RU(T , adaptado para os conceitos
( ) |T <
)
paralelos em tempo discreto. Para tal o Coeficiente de
Ajustamento define-se como se segue:
66 / 129
O Coeficiente de Ajustamento define-se como a unica raz positiva

r = R da equacao
e cr MW (r ) = 1 , (1)
Mostremos que realmente esta equacao tem apenas uma raz

positiva; notando que e equivalente a
h i
h(r ) = 1, com h(r ) := E e (W c)r ,
e que
h0 (r ) = E [(W c)e (W c)r ] e h00 (r ) = E [(W c)2 e (W c)r ]
67 / 129
entao h(0) = 1 e h0 (0) = E [W c] = E [W ] c = c < 0,

sendo o declive negativo para a recta tangente a h(r ) no ponto de
abcissa r = 0.
Por outro lado, h00 (r ) > 0, para todo r ; pelo que h(r ) e convexa.
Supondo que a v.a. W assume valores superiores a c com

probabilidade positiva, entao h0 (r ) > 0, para r suficientemente
elevado, tornando-se h(r ) crescente.
68 / 129
Figura: Coeficiente de Ajustamento, R, para o modelo de risco em tempo discreto.
Assim, o grafico e representativo da posicao relativa da curva h(r )

e da recta de ordenada constante igual a 1, sendo obvia a
conclusao de que apenas se intersectam para outro valor de r = R,
estritamente positivo. 69 / 129
Iremos agora abordar uma particularizacao do modelo a tempo

discreto com interesse especial.
Caso particular:
Indemnizacao anual com distribuicao Poisson Composta
{Wi }i=1,2, i.i.d. a W _ PC(, FX )
A equacao e cr MW (r ) = 1 e equivalente a
log MW (r ) cr = 0
pelo que, como neste modelo a f.g.m. de W e

MW (r ) = exp {(MX (r ) 1)}, a equacao precedente concretiza-se
em
(MX (r ) 1) = cr
70 / 129
ou seja,
MX (r ) = cr +
que corresponde exactamente a mesma equacao definidora de R no
caso do modelo a tempo contnuo considerado no paragrafo
anterior.
Neste sentido, R pode ser encarado como uma generalizacao de R.
71 / 129
O exemplo seguinte tem por objectivo de certo modo justificar

uma aproximacao usual tomada para o coeficiente de ajustamento,
como sera observado.
exemplo:
Determinar R no caso de indemnizacao anual normal, i.e.,
2 )
{Wi }i=1,2, i.i.d. a W _ (W , W
Resolucao:
2 r 2

MW (r ) = exp W r + W ,
2
pelo que
72 / 129
2 r2
W
log MW (r ) = cr W r + = cr
2
a qual tem por raz nao trivial o valor
2(c W )
R = 2
.
W
73 / 129
Pode-se mostrar que dada uma reserva inicial u > 0,
e Ru
(u) = h i . (2)
RUT
E e T <
Consequentemente, como UT < 0 por definicao de instante de

runa a tempo discreto, entao
(u) < e Ru
constitui um limite superior para a probabilidade de runa.
74 / 129
O valor seguinte constitui uma

aproximacao usual para o Coeficiente de Ajustamento
2(c W )
R
= 2
,
W
denotando
2
W := E [W ] e W := Var [W ]
Observacao:
Esta aproximacao e exacta no caso de indemnizacao anual normal
(Exemplo anterior)
75 / 129
Caso particular:
Indemnizacao anual com distribuicao Composta
N
X
{Wi }i=1,2, i.i.d. a W = Xi ,
i=1
Modelo de Risco Colectivo anual S = N

P
i=1 Xi .
Com as notacoes usuais referentes ao numero anual de sinistros N,
aos momentos simples do montante de indemnizacao individual,
pk = E [X k ], e considerando um montante de premio anual
calculado com base no princpio do valor medio com coeficiente de
seguranca ,
c = (1 + )W ,
76 / 129
entao a aproximacao generica para o coeficiente de ajustamento e
2W 2p1 E [N]
R
= 2
=
W (p2 p1 )E [N] + p12 Var [N]
2
exemplo:
De um valor aproximado do coeficiente de ajustamento para o
modelo de risco a tempo discreto, R, no caso de frequencia anual
de sinistro:
1 N _ P()
2 N _ BN (k, p).
77 / 129
Neste caso, relembrando os resultados para um processo de

1 Poisson Composto
W _ PC(, FX ),
tem-se
2
W = p1 e W = p2 ,
pelo que
2p1
R
= .
p2
2 Binomial Negativo Composto
W _ BN C(k, q; FX ),
tem-se
kq 2 kq kq 2
W = p1 e W = p2 + 2 p12 ,
p p p
78 / 129
pelo que
2p1
R
= .
(p2 + p12 q/p)
observacao:
Note-se que quando q 0 no modelo binomial negativo, o
resultado 2 reduz-se a 1 para uma frequencia de sinistro de
Poisson, o que de certo modo ja era esperado devido a relacao
entre estes dois modelos.
79 / 129

Voltando ao modelo em tempo contnuo, com indemnizacoes agregadas a constituirem
um Processo de Poisson Composto e premios calculados de acordo com carga de
seguranca a acrescer ao valor medio de indemnizacao, e apresentado um resultado
relativo a probabilidade das reservas alguma vez descerem abaixo do seu nvel inicial e
estarem enquadradas num intervalo de amplitude infinitesimal. Com base nesse
resultado, sao deduzidas distribuicoes interessantes para o objectivo final de explorar a
probabilidade de runa. No caso de as indemnizacoes individuais serem exponenciais
(resp., degeneradas num montante positivo) e deduzida a exponencialidade (resp.,
uniformidade) associada a distribuicao do montante pelo qual o nvel de reservas desce
abaixo do nvel inicial pela primeira vez.
80 / 129
Retomemos o modelo de risco a tempo contnuo, formulado nas

seccoes anteriores.
Consideremos o montante de reserva no instante em que esta
desce abaixo do nvel inicial, u. Convem notar que esta situacao
pode nunca ocorrer, eventualmente.
Pode-se mostrar o seguinte resultado (ver Bowers et al.,(1987)
pg.370).
81 / 129
Teorema:
Num Processo de Poisson Composto, a probabilidade de que as
reservas alguma vez descam abaixo do seu nvel inicial u e estejam
situadas no intervalo infinitesimal (u y dy , u y ) quando tal
sucede pela primeira vez e
1 FX (y )
[1 FX (y )] dy = dy , y >0
c (1 + )p1
82 / 129
Figura: Primeira descida das reservas U(t) abaixo do nvel inicial, u.
83 / 129
Relembremos que:
S(t) _ PPC(t, FX );
c = (1 + )p1 ;
U(t) = u + ct S(t), para t 0.
Pelo teorema anterior conclui-se o seguinte:

Corolario:
A probabilidade das reservas alguma vez serem inferiores ao seu
1
nvel inicial, u, e 1+ .
84 / 129
Pelo teorema tem-se

P [U(t) < u u y dy < U(t) < u y ] = [1 FX (y )] dy , para
c
Pelo que
Z

P[U(t) < u] = [1 FX (y )] dy
0 c
Z

= [1 FX (y )] dy ,
c 0
Z
Ora, p1 = [1 FX (y )] dy , ja que X e uma v.a. nao negativa,
0
vindo entao
p1 p1 1
P[U(t) < u] = = = .
c (1 + )p1 1+
85 / 129
Conclusao:
A probabilidade das reservas alguma vez descerem do nvel inicial u
depende do coeficiente de seguranca, , e nao do nvel inicial.
Caso Particular:
Seja u = 0; entao P[U(t) < 0] representa a probabilidade das
reservas alguma vez descerem abaixo de 0, i.e., trata-se da
probabilidade de runa, quando o nvel inicial e 0:
1
(0) = .
1+
Note-se que (0) depende exclusivamente do coeficiente de

seguranca e nao da forma particular da distribuicao das
indemnizacoes individuais.
86 / 129
Como ja foi observado, as reservas podem nao descer abaixo do

nvel inicial de onde partem. Realmente, esse acontecimento ocorre
com um certa probabilidade,
1
.
1+
Denote-se por
L1 v.a. do montante pelo qual as reservas descem

abaixo do seu nvel inicial quando tal ocorre pela 1a vez, dado que
tal acontece.
87 / 129
corolario:
1
A f.d.p. da v.a. L1 e fL1 (y ) = [1 FX (y )] , y >0
p1
Demonstracao:
d
Comecemos por notar que L1 = u U(t)|{U(t) < u}; assim, e
como consequencia dos teorema e corolario anteriores,
fL1 (y )dy = P [y < u U(t) < y + dy |U(t) < u]
= P [y dy < U(t) u < y |U(t) < u]
= P [u y dy < U(t) < u y |U(t) < u]
P [U(t) < u u y dy < U(t) < u y ]

=
P[U(t) < u]
88 / 129

c [1 FX (y )] dy
= 1
1+
(1 + )
= [1 FX (y )] dy
(1 + )p1
1
= [1 FX (y )] dy
p1
Quer dizer: a f.d.p. de L1 e dada por
1
fL1 (y ) = [1 FX (y )] , y >0
p1
89 / 129
Corolario:
A f.g.m. de L1 , ML1 (r ), e a f.g.m. de X , MX (r ) verificam
1
ML1 (r ) = [MX (r ) 1] .
p1 r
90 / 129
ML1 (r ) = E e rL1

Z
1
= e ry [1 FX (y )] dy
p1 0
Z
1
= ry
e [1 FX (y )] |
0 + ry
e fX (y )dy
rp1 0
1
= [MX (r ) 1]
p1 r
uma vez que limy e ry [1 FX (y )] = 0.
91 / 129
O exemplo seguinte tem por principal objectivo verificar que no

caso em que a indemnizacao individual e uma v.a. degenerada,
entao L1 e o nvel de reservas depois de sofrer a descida provocada
por L1 sao v.a.s com distribuicao uniforme.
Exemplo:
Escrever uma expressao para a distribuicao do nvel de reservas no
instante em que a reserva desce abaixo do nvel inicial, u, pela 1a
vez, dado que tal acontece, para o caso de todas as indemnizacoes
serem de montante igual a b.
Resolucao: X e degenerada em b, X b; pelo que E [X ] = b e

0, y (, b)
FX (y ) = .
1, y [b, )
92 / 129
Assim a f.d.p. e dada por

1

1 b, y [0, b)
fL1 (y ) = [1 FX (y )] = .
b 0, y/ [0, b)
Entao
L1 _ U(0,b)
e o nvel de reservas depois

de tal descida
u L1 _ U(ub,u) .
93 / 129
Exemplo:
Determinar a distribuicao de L1 para o caso de indemnizacoes
particulares exponenciais de parametro , i.e., para
X _ Exp(), com f.d. FX (y ) = 1 e y , y > 0.
Resolucao:
1 1
p1 = e fL1 (y ) = [1 FX (y )] = e y , y > 0.
p1
Entao
L1 _ Exp() .
94 / 129
Observacao:
O nvel de reservas depois de tal descida, u L1 , tem distribuicao
Weibull de maximos de forma unitaria, localizacao igual ao nvel
inicial e escala igual a indemnizacao individual esperada.
(uz)
e , z <u
FuL1 (z) = .
1, z u
Observacao:
Poder-se-ia obter a mesma conclusao utilizando a relacao entre as
f.g.m.s do Corolario.
95 / 129
A Perda Agregada Maxima

Define-se aqui funcao Perda Agregada Maxima como sendo o excesso maximo das
indemnizacoes agregadas sobre os premios recebidos. Mostrando a sua relacao directa
com a probabilidade de runa, realca-se o caracter misto desta v.a. Seguidamente,
relacionando com o comportamento geometrico do no de vezes que a perda agregada
bate um record, deduz-se uma expressao muito util para o calculo da probabilidade de
runa em certas situacoes. Como exemplos de aplicacao, sao essencialmente tratados
os casos em que a expressao do paragrafo anterior e tratavel analiticamente,
nomeadamente o caso particular de indemnizacoes individuais modeladas atraves de
mistura de exponenciais ou de comportamento gama. E ainda sugerida uma
aproximacao para a probabilidade de runa que resulta em exacta para o caso de
indemnizacao individual exponencial.
96 / 129
A seguinte definicao prende-se com a probabilidade de runa.

Definicao:
Define-se perda agregada maxima como sendo a v.a. nao negativa
L = max {S(t) ct} .

t0
A v.a. L nao e mais do que o excesso maximo das

indemnizacoes agregadas sobre os premios recebidos.
A v.a. perda agregada maxima e nao negativa, i.e., L 0, ja
que S(t) ct = 0, para t = 0.
97 / 129
Note-se ainda a dualidade simetrica dos graficos que correspondem

respectivamente ao Processo de Reservas de Risco
{U(t) = u + ct S(t), t 0}
e ao Processo de Perda Agregada
{S(t) ct = u U(t), t 0}.
98 / 129
Figura: Simetria dos Processos de Reservas de risco U(t) = u + ct S(t) e da Perda

Agregada S(t) ct .
99 / 129
De imediato se conclui a seguinte relacao entre a distribuicao da

Perda Agregada Maxima e a Probabilidade de Runa.
Teorema:
A f.d. da v.a. L e a funcao (.) verificam a igualdade
(u) = 1 FL (u) ,
para todo o nvel inicial u 0.
Demonstracao:
FL (u) = P[L u]

= P max {S(t) ct} u ,
t0
100 / 129
= P [S(t) ct u, t 0],
= P [u + ct S(t) 0, t 0],
= P [U(t) 0, t 0],
= 1 P [runa],
= 1 (u),
para todo o nvel inicial u 0.
101 / 129
Corolario:
A v.a. L e mista, tendo ponto de massa de probabilidade em
L = 0, com

P[L = 0] = .
1+
Demonstracao:
Trata-se de uma consequencia directa do teorema anterior, ja que
FL (0) = P[L 0] = P[L = 0]

= 1 (0) = 1+ ,
pelo que L e v.a. mista, tendo um ponto de massa em L = 0, e
sendo contnua para u > 0.
102 / 129
Pelos resultados anteriores imediatamente se conclui que
A distribuicao de Perda Agregada Maxima pode ser utilizada para

obtermos informacao acerca da Probablidade de Runa.
103 / 129
Relembre-se ainda que a Probabilidade de Runa, (u), e uma

funcao decrescente do nvel inicial, u, partindo sempre do valor
1
1+ .
104 / 129
No seguinte teorema e evidenciado mais uma vez o caracter misto

da v.a. L, atraves da respectiva f.g.m., assim com uma represencao
de L como soma aleatoria de v.a.s i.i.d. a L1 , definida na seccao
anterior.
Teorema:
A v.a. L possui a f.g.m. seguinte
p1 r
ML (r ) = .
1 + (1 + )p1 r MX (r )
105 / 129
Considerem-se os instantes em que o processo de perca agregada,

S(t) ct, atinge novos recordes. (Na figura isso sucede por 2
vezes, com acrescimos relativamente aos anteriores dados por L1 e
L2 ).
Dado que ocorreu um valor recorde, existe uma probabilidade (0)

de que seja ultrapassado e existe uma probabilidade 1 (0) de
que permaneca o mesmo.
Realmente, esta conclusao e uma consequencia do facto de S(t)

ser um Processo de Poisson Composto e, portanto, de incrementos
estacionarios e independentes.
106 / 129
Assim, a ocorrencia de um valor recorde para o processo da perda

agregada tem igual probabilidade da ocorrencia de uma descida
abaixo do nvel de que parte o processo de reservas, i.e.,
1
1+ = (0) (basta pensar na dualidade entre os graficos referentes
ao processo de perda agregada e ao processo de reservas).
Considere-se a v.a. seguinte:
N o no de vezes que a perda agregada bate um recorde,

contando a origem como o recorde numero 0
107 / 129
Entao, obviamente,
1 n
P[N = n] = [1 (0)][(0)]n = [ 1+ ][ 1+ ] , n = 0, 1, 2 .

Trata-se de uma v.a. geometria, i.e., N _ Geo( 1+ ) e,
relembrando o Exemplo 6.1, a f.g.m. de N e

1+
MN (r ) = 1
= .
1 1+ er 1 + er
108 / 129
A perda agregada maxima,L, pode ser representada atraves da

soma aleatoria de N v.a.s referentes aos montantes pelos quais os
recordes sao ultrapassados (veja-se o grafico do processo de perda
agregada); i.e.,
N
X
L= Li .
i=1
Por outro lado, as v.a.s Li sao i.i.d. a L1 , montante pelo qual as

reservas descem abaixo do nvel inicial pela primeira vez, dado que
tal sucede; quer dizer:
1
Li i.i.d. a L1 com f.d.p. fL1 (y ) = p1 [1 FX (y )], y 0;
Li sao independentes de N;
109 / 129
Entao, a f.g.m. de L e dada por

ML (r ) = MN (log ML1 (r )) = .
1 + ML1 (r )
Como pelo Corolario
1
ML1 (r ) = [MX (r ) 1],
p1 r
tem-se o resultado
p1 r
ML (r ) = .
1 + (1 + )p1 r MX (r )
110 / 129
O seguinte resultado fornece uma equacao que revelar-se-a muito

util na obtencao de algumas conclusoes como veremos.
Teorema:
A seguinte igualdade e verificada
Z
1 [MX (r ) 1]
e ur ( 0 (u))du = (3)
0 1 + 1 + (1 + )p1 r MX (r )
Demonstracao: De acordo com o teorema anterior, e valida a

seguinte decomposicao da f.g.m. de L na soma de 2 parcelas,
evidenciando mais uma vez o caracter misto da v.a. L
1 [MX (r ) 1]
ML (r ) = + . (4)
1 + 1 + 1 + (1 + )p1 r MX (r )
111 / 129
ou seja,
ML (r ) = P[L = 0].E [e rL |L = 0] + P[L > 0].E [e rL |L > 0]
e ainda
R fL (u)
ML (r ) = P[L = 0].E [e 0 ] + P[L > 0]. 0 e ru P[L>0] du
= R
= P[L = 0] + 0 e ru fL (u)du,
112 / 129
Por outro lado a funcao de probabilidade de L e

P[L = 0] = 1 (0), u=0
fL (u) = 0
(u) u > 0,
pelo que
Z
ML (r ) = P[L = 0] + e ru ( 0 (u))du,
0
concluindo-se a igualdade pretendida por comparacao directa da 2a

parcela com a expressao (4), i.e.
Z
1 [MX (r ) 1]
e ru ( 0 (u))du = .
0 1 + 1 + (1 + )p1 r MX (r )
113 / 129
A expressao (3) pode ser usada com o objectivo de determinar a

probabilidade de runa, (u); a sua utilidade revela-se, contudo,
apenas para determinados casos; tal e a situacao em que as
indemnizacoes particulares sao exponenciais, misturas de
exponenciais ou gama.
caso particular: X e Mistura de Exponenciais

n
X
fX (x) = Ai i e i x , x > 0, (5)
i=1
Pn
com i > 0, Ai > 0, i=1,2, ,n , e i=1 Ai = 1.
114 / 129
Entao,
n
X i
MX (r ) = Ai ,
i r
i=1
que so existe para r < min{1 , 2 , n , }.
Generalizemos esta definicao e estenda-se
MX (r ) para r R, r 6= i , para i = 1, 2, , n.
Substituindo a expressao particular de MX (r ) na equacao (3), vem

no 2o membro da referida equacao um quociente de polinomios em
r , sendo n o grau do denominador; pelo que pode ser escrito na
forma:
115 / 129
Z n
X Ci ri
e ru ( 0 (u))du = , (6)
0 ri r
i=1
para constantes Ci , e em que os ri , i = 1, 2, , n, sao as razes

do denominador do 2o membro,i.e., satisfazem a equacao
definidora do Coeficiente de Ajustamento
1 + (1 + )p1 r = MX (r ),
sendo obviamente R min{r1 , r2 , , rn , }.
116 / 129
Corolario:
No caso de X ser uma mistura de exponenciais definida em (5) e
nas condicoes anteriores, a funcao solucao que satisfaz
simultaneamente (6) e () = 0 e
n
X
(u) = Ci e ri u , (7)
i=1
117 / 129
Derivando ambos os membros de (7) obtem-se

n
!
Z Z X
ur 0 ur ri u
e ( (u))du = e Ci ri e du
0 0 i=1
=
n
X Z
= Ci ri e (r ri )u du
i=1 0
=
n
X Ci ri
=
ri r
i=1
118 / 129
Exemplo:
Deduzir uma expressao para (u) para o caso de X _ Exp).
Resolucao:
Trata-se de um caso particular da decomposicao do 2o membro (3)
para o caso de uma mistura de exponenciais com n = 1.
Assim, sendo a f.g.m. de X
1
MX (r ) = = ,
r 1 p1 r
obtem-se
1 [MX (r ) 1] C1 r1
=
1 + 1 + (1 + )p1 r MX (r ) r1 r
para constantes C1 e r1 a determinar.
119 / 129
A substituicao de MX (r ) conduz a
1 C1 r1
= ,
1 + (1 + )p1 r r1 r
1
igualdade verificada para as constantes C1 = 1+ e r1 = (1+)p 1
determinados pelo metodo dos coeficientes indeterminados, por
exemplo.
Por fim, pelo Corolario a probabilidade de runa e

r1 u 1
(u) = C1 e = exp u , u 0.
1+ 1+
ja obtido anteriormente.
120 / 129
Exemplo:
Deduzir uma expressao para (u) para o caso de X com f.d.p.
3 7
fX (x) = e 3x + e 7x , x > 0,
2 2
e para um coeficiente de seguranca de = 25 .
Resolucao: A v.a. X e uma mistura de duas exponenciais, tendo

por f.g.m.
3/2 7/2
MX (r ) =
+
3r 7r
e com indemnizacao individual esperada de
1 1 1 1 5
p1 = E [X ] = + = .
2 3 2 7 21
121 / 129
Neste caso n = 2 e somos conduzidos a igualdade

2
1 [MX (r ) 1] X Ci ri
=
1 + 1 + (1 + )p1 r MX (r ) ri r
i=1
com constantes Ci e ri , (i = 1, 2), a determinar.A substituicao de
MX (r ) conduz a
1 [MX (r ) 1] 6 5r C1 6C2
= 2
= + ,
1 + 1 + (1 + )p1 r MX (r ) 7 6 7r + r 1r 6r
ja que r1 = 1( R) e r2 = 6.
122 / 129
Assim, pelo metodo dos coeficientes indeterminados, obtem-se

24 1
C1 = e C2 =
35 35
pelo que
24 u 1
(u) = e + e 6u , u 0.
35 35
123 / 129
Observacao:
No caso de X _ Gama(, ), as conclusoes sao semelhantes ao
caso tratado anteriormente de mistura de exponenciais.
Realmente, neste modelo
para as indemnizacoes individuais a

f.g.m. e MX (r ) = r e a solucao para (u) e do mesmo tipo
da anterior.
124 / 129
NOTA: Se a severidade X e uma mistura de m exponenciais de valores

medios 1/i , i = 1, 2, , m, m N, respectivamente, entao as cons-
Xm
tantes Ci que intervem na expressao (u) = Ci e ri u , sao dadas por
i=1
m m
Y rk Y j ri
Ci = ,
rk ri j
k=1,k6=i j=1
com ri as razes da equacao + cr = MX (r ), generalizando a definicao

de MX (r ) para r R, r 6= i , para i = 1, 2, , m .
SUGESTAO: Concretize a expressao anterior para m = 2 e
confira os resultados obtidos no exemplo anterior.
125 / 129
Muitos dos problemas praticos requerem distribuicoes de

severidade diferentes de misturas de exponenciais ou mesmo de
distribuicoes gama.
Por outro lado, para algumas distribuicoes a determinacao do

coeficiente de ajustamento pode nao ser tarefa facil e, por
consequencia, o calculo da probabilidade de runa, mesmo que
aproximado, pode ser muito difcil por essa via.
Um metodo de calculo aproximado de probabilidade de runa,

baseado nos primeiros momentos da distribuicao das
indemnizacoes individuais e de facil aplicacao e revela resultados
satisfatorios para valores moderados de u.
126 / 129
Nas condicoes do modelo de risco colectivo que estamos a

considerar, pode-se mostrar que (Exerccio 7.11),
p2
E [L] = . (8)
2p1
Conjugando o facto de
FL (u) = 1 (u), u0
1
(0) =
1+
(u) < e Ru
127 / 129
o metodo aproximado utiliza a aproximacao

1 Ku
1 FL (u) = (u)
= e , u 0,
1+
onde a constante K e escolhida por forma a que haja coincidencia
entre os valores medios exacto e aproximado para a v.a. de perda
agregada maxima L; i.e., considerando que
Z
1 1
E [L] = [1 FL (u)]du
= ,
0 1+ K
escolhe-se para K o valor
2p1
K= .
(1 + )p2
128 / 129
Assim, e sugerida a aproximacao da probabilidade de runa

1 2p1 u
(u)
= exp , u 0.
1+ (1 + )p2
Observacao:
No caso de indemnizacoes individuais exponenciais, o resultado e
exacto. Para isso, basta confirmar a expressao de (u) obtida
atraves desta expressao aproximada neste modelo particular com a
expressao exacta obtida anteriormente (Exemplos) .
129 / 129

Cap 4 Modelos Risco Col Periodo Generico

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap 4 Modelos Risco Col Periodo Generico

Enviado por

Direitos autorais:

Formatos disponíveis

Introducao. Processo de Reservas e Runa.

Processos associados as indemnizacoes

4. modelos de risco colectivo para um perodo

1 Introducao. Processo de Reservas e Runa.

2 Processos associados as indemnizacoes

3 Coeficiente de Ajustamento e Probabilidade de Runa

4 Um Modelo a Tempo Discreto

5 Primeira descida da reserva abaixo do nvel inicial

6 A Perda Agregada Maxima.

Neste captulo abordaremos modelos matematicos que traduzem as

U(t) = u + P(t) S(t) = u + ct S(t),

onde S(t) denota o processo das indemnizacoes agregadas

Neste modelo sao ignorados factores como o rendimento

Figura: Realizacao tpica do Processo de Risco em tempo contnuo, U(t).

Um dos problemas de grande aplicabilidade e constituindo area de

com a convencao de que T = e equivalente a U(t) 0 para

Define-se probabilidade de runa em horizonte infinito como

(u) = P[T < ],

funcao da reserva inicial u, a que corresponde a reserva negativa

Define-se probabilidade de runa em horizonte finito como

(u, t) = P[T < t],

ou seja, probabilidade de runa anterior ao instante t.

Iremos considerar apenas o estudo de (u), que e um limite

Faremos uma breve referencia ao modelo que se obtem

o processo do numero de indemnizacoes {N(t), t 0};

Para uma certa carteira de apolices, seja:

N(t) o numero de sinistros que ocorrem ate ao instante t; a

continuaremos a denotar por Xi o montante da iesima

Estamos, portanto, interessados em estudar as distribuicoes para

Wi := Ti Ti1 , i 1 tempo de espera entre sinistros

Os graficos seguintes exemplificam a situacao tpica para aqueles

Figura: Realizacao tpica do processo do numero de sinistros, N(t).

Figura: Realizacao tpica do processo das indemnizacoes agregadas, S(t).

Metodos para definir o processo de contagem de sinistros

P[N(t + dt) N(t) > 1] o(dt)

3 Metodo discreto ou do tempo de espera:

Iremos ilustrar estes metodos para um caso no ramo Vida ,

Vamos esquematizar como definir o

1. usando o metodo global:

P[N(t + h) N(t) = k|N(t) = i] =

2. usando o metodo infinitesimal:

Consideremos a seguinte notacao:

P[um indivduo de idade x + t morrer num intervalo infinitesimal

(t, t + dt)] = x+t dt

P[N(t+dt)N(t) = 1|N(t) = i] = (ni)x+t dt, para i = 0, 1, ..., n,

ja pode ser tratado como um caso particular do metodo 1 com

3. usando o metodo dos tempos de espera:

P[Ti+1 > s + t|Ti = s] = P[Wi+1 > t]

Caractersticas do processo de Poisson

Se (t1 , t1 + h1 ); (t2 , t2 + h2 ); ...; (tn , tn + hn ) sao disjuntos,

N(t1 + h1 ) N(t1 ); N(t2 + h2 ) N(t2 ); ...; N(tn + hn ) N(tn )

sao v.a.s independentes.

N(ti + hi ) N(ti ) _ P(hi )

nao dependendo, portanto, de ti .

P[N(t + h) N(t) = 1|N(s), st ] = e h h, t 0,

pelo que fazendo h dt

P[N(t + dt) N(t) = 1|N(s), st ] = dt, t 0.

A probabilidade de 1 ocorrencia (sinistro) num intervalo de

3. metodo dos tempos de espera:

P[Wi+1 > h|Ti = t, N(s)st ]

Doravante, sempre que nao seja explicitado algo em contrario,

S(t) _ PPC (t, FX )

FS(t) (x) := P[S(t) x] =

E [S(t)] = tp1 , Var [S(t)] = tp2 e