Escolar Documentos
Profissional Documentos
Cultura Documentos
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;
Notação
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
µ̂(Θ) = a∗ + b∗ X̄ (1)
Logo:
µ̂(Θ) = αX̄ + (1 − α)µ0
Resultado 3.1
Sob as suposições do modelo de credibilidade simples tem-se:
Observações:
P cred é a média ponderada de P col e a média observada X̄.
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.
!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.
a) P col V (µ(Θ))
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
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