Teoria da Credibilidade

Estimadores Lineares de Credibilidade

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Introdução

Motivação
Vimos que o Prêmio de Bayes (sob perda quadrática) é dado
por E[µ(Θ)|X]
→ seu cálculo envolve a especificação das
funções de densidades das observação e da priori.
→ pode não ser simples o suficiente;

Por simplicidade vamos buscar a melhor aproximação linear

para a E[µ(Θ)|X].

Notação

Xj |θ, j = 1, . . . , n, i.i.d. com

E[Xj |θ] = µ(θ) e V (Xj |θ) = σ 2 (θ)

E[σ 2 (θ)] = σ 2 e V (µ(θ)) = τ 2 .

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Caso mais simple: Bühlmann

Apenas especificação completa da priori é feita.

Admite-se que a distribuição dos Xj |θ tem primeiro e segundo
momentos que dependem de θ.

Suposições
1 Xj |θ ∼ [µ(θ), σ 2 (θ)], j = 1, . . . , n e condicionalmente i.i.d.
2 E[µ(Θ)] = µ0 e V [µ(Θ)] = τ 2 .

Segue que:
P ind = µ(Θ) = E[Xj |Θ]
col
R
P = µ0 = Θ µ(θ)p(θ)dθ

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Aproximação Linear para E[µ(Θ)|X]

Sabemos que T ∗ (x) = E[µ(Θ)|x] mininimiza

Eθ|x (µ(Θ) − T (x))2
Porém como a distribuições das observações não é
completamente especificada não podemos encontrar
E[µ(Θ)|x] e logo E[µ(Θ)|X].
Consideremos, então, uma aproximação linear para
E[µ(Θ)|X], da seguinte forma:

µ̂(Θ) = a∗ + b∗ X̄ (1)

onde a∗ e b∗ são os valores de a e b que minimizam

E[µ(Θ) − (a + bX̄)]2 .

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Aproximação Linear para E[µ(Θ)|X]

A solução do sistema fornece:

 ∗ ∗
 ∗ ∗ )µ

 µ 0 − a − b µ 0 = 0 
 a = (1 − b 0
⇒
 b∗ = α = nσ2
 2 
 τ 2 − b∗ σ + τ 2 = 0
 
n n+
τ2

Logo:
µ̂(Θ) = αX̄ + (1 − α)µ0

Fator de Credibilidade ou Precisão relativa:

nσ −2
α = −2
τ + nσ −2

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Estimador Linear de Credibilidade

Resultado 3.1
Sob as suposições do modelo de credibilidade simples tem-se:

P cred = µ̂(Θ) = αX̄ + (1 − α)µ0

n
onde µ0 = E[µ(Θ)] e α= 2
n+ σ2
τ

Observações:
P cred é a média ponderada de P col e a média observada X̄.

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Estimador Linear de Credibilidade

Observações:
 2  −2
σ2
coeficiente de credibilidade: k = = µσ0
τ2
τ
µ0 .
Interpretação:
CoV (µ(θ)) = µτ0 → medida de heterogeneidade do portfólio;
σ
µ0 → medida de variabilidade “dentro”do risco.

n
O fator de credibilidade α = n+k cresce com:
→ n (no de observações - experiência),
→ µτ0 (coeficiente de variação do portfólio)

Parâmetros estruturais: µ0 , σ 2 e τ 2
Avaliação subjetiva - Bayesiano puro
ou
Bayesiano empı́rico - Método dos Momentos.

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Princı́pio Intuitivo do Estimador de Credibilidade

i) P col = µ0 → melhor estimador a priori com perda quadrática:

E[(µ0 − µ(Θ))2 ] = V (µ(Θ)) = τ 2

ii) X̄ → melhor “estimador”não viciado e linear baseado em X

com perda quadrática:
 2  2
σ (Θ) σ
E[(X̄ − µ(Θ))2 ] = E =
n n

iii) P cred → média ponderada destes dois.

µ̂(Θ) = αX̄ + (1 − α)µ0

E[(X̄−µ(Θ))2 ]−1 n
com α= E[(µ0 −µ(Θ))2 ]−1
= 2 .
n+ σ2
τ

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Perda Quadrática do Prêmio de Credibilidade

Perda Quadrática do Prêmio de Credibilidade

E[(P cred − µ(Θ))2 ] = E[(α(µ(Θ) − X̄) + (1 − α)(µ(Θ) − µ0 ))2 ]

!2 !2
σ2
n σ2 τ2
= σ2
+ σ2
τ2
n+ n n+
τ2 τ2

σ2 2
= (1 − α)τ = α
n
As igualdades são válidas pois:
(i) o produto cruzado é nulo;
(ii) utiliza a definição de α e a simplificação é obtida após alguma
álgebra.

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Perda Quadrática dos Prêmios

Prêmio Perda Quadrática

a) P col V (µ(Θ))

b) P cred (1 − α)V (µ(Θ))

c) P Bayes E[V (µ(Θ)|X)]

É fácil de ver que com repeito a perda quadrática a ≥ b ≥ c.

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Modelo de Credibilidade para um Portfólio

Até agora havı́amos considerado um único risco e sua

experiência.
Em geral temos experiência para todos os elementos de um
portfólio (i = 1, .., I) com riscos similares.
Propõe-se então o seguinte modelo, parcialmente especificado:
(i) Xij ∼ [µ(θi ), σ 2 (θi )] j = 1, . . . , n condicionalmente iid
(ii) θi ∼ p(θ), com E[µ(θi )] = µ0 e V (µ(θi )) = τ 2

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Estimadores de Credibilidade para um Portfólio

Questões:
1 Estimar credibilidade de que?
Assim queremos estimar para cada risco i seu prêmio
individual:
Pind = E[Xij |θi ] = µ(θi )
2 Linear em que? Deve ser uma função linear das observações
do risco em questão ou de todas as observações do portfólio?
Em geral o estimador de credibilidade é o melhor, que seja
uma função linear de toda experiência do portfólio

Teoria da Credibilidade Estimadores Lineares de Credibilidade

Estimador de Credibilidade(não homogêneo)
O estimador de credibilidade pode então ser escrito como:
I X
X n
µ̂(θi ) = a + bkj Xkj
k=1 j=1
Usando os argumentos de permutabilidade e invariância:
I n
X 1 X
µ̂(θi ) = ai + bk X̄k , com X̄k = Xkj
n
k=1 j=1
Determinamos ai e os bk ’s minimizando:
 2

I
!
X
E  µ(θi ) − ai − bk X̄k 
k=1

Logo obtemos
µ̂(θi ) = αX̄i + (1 − α)µ0 , pois cov(X̄k , µ(θi )) = 0, i 6= k
Teoria da Credibilidade Estimadores Lineares de Credibilidade
Estimador de Credibilidade Homogêneo
Um outro tipo de estimador encontrado na literatura é conhecido
como estimador de credibilidade homogêneo.
O Estimador de credibilidade homogêneo pode ser escrito como:

I X
X n
µ̂H (θi ) = bkj Xkj
k=1 j=1

Os valores de bkj ’s são obtidos resolvendo-se o seguinte problema:

Minimizar  
I
! 2
X
E  µ(θi ) − bk X̄k 
k=1
PI Pn
sujeito à k=1 l=1 bkl = 1.
A solução deste problema fornece:

µ̂H (θi ) = αX̄i + (1 − α)X̄

1
PI Pn
onde X̄ = In i=1 j=1 Xij
Teoria da Credibilidade Estimadores Lineares de Credibilidade
Estimadores de Credibilidades
Observações:
PI Pn
A condição k=1 l=1 bkl = 1 é imposta para garantir que
E[µ̂H (Θi )] = E[µ(Θi )].
Concluimos que o estimador de credibilidade(não homogêneo)
baseado num só risco individual é igual ao estimador de
credibilidade baseado em todo portfólio.
Na expressão do estimador homogêneo a média da priori µ0 é
substituı́da pela média amostral de todo portfólio.
Na prática τ e σ 2 são desconhecidos. Podemos empregar os
seguintes estimadores que podem ser calculados utilizando
qualquer pacote que faça análise de variância:
2
1X 2
σ̂ 2 = si
2
i=1
I 2
1 X σ̂
τ̂ 2 = (x̄i − x̄)2 −
I −1 n
i=1
Teoria da Credibilidade Estimadores Lineares de Credibilidade