Notas de Clase de Matem´aticas aticas Actuariales del Seguro de Personas I
J. Enrique P. Salvador jose
[email protected],
[email protected]
Facultad de Ciencias Universidad Nacional Aut´onoma onom a de M´ exico exic o
Material escrito en LATEX Semestre 2012-1, 25 de noviembre de 2011
´Indice general 1. Notas Preliminare Preliminaress
4
2. La Econom´ ıa del Seguro
6
2.1. Teor´ Teor´ıa de la Utilida d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2. El Seguro y la Teor´ Teor´ıa de la Utilidad
. . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . .
7
2.3. Elemento Elementoss del Seguro Seguro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
´ 2.4. Selecci´ Selecci´ on on del Seguro Seguro Optimo . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . .
8
2.5. Modelos Modelos de Riesgo Riesgo Individual Individual para el Corto Plazo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.6. Modelos para Variables Variables Aleatorias de Reclamo Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.7. Sumas de Variables Variables Aleatorias Independientes Independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.8. Aproximac Aproximaci´ i´ on on a la Distribuci´on on de la Suma de Variables Variables Aleatorias (Teorema (Teorema Central del L´ımite) ımite) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
3. Funciones Biom´ etricas etricas y Tablas de Mortalidad
12
3.1. Definicion Definiciones es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
3.2. Tiempo de Vida Futuro Futuro Trunca Truncado do (Curtate-Future-Lifetime ( Curtate-Future-Lifetime ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.3. Fuerza de Mortalid Mortalidad ad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.4. Tablas de de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3.4.1. 3.4.1. Enfoque Enfoque de Grupo de Sobrevivenc Sobrevivencia ia Aleatorio Aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
´Indice general 1. Notas Preliminare Preliminaress
4
2. La Econom´ ıa del Seguro
6
2.1. Teor´ Teor´ıa de la Utilida d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2. El Seguro y la Teor´ Teor´ıa de la Utilidad
. . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . .
7
2.3. Elemento Elementoss del Seguro Seguro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
´ 2.4. Selecci´ Selecci´ on on del Seguro Seguro Optimo . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . .
8
2.5. Modelos Modelos de Riesgo Riesgo Individual Individual para el Corto Plazo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.6. Modelos para Variables Variables Aleatorias de Reclamo Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.7. Sumas de Variables Variables Aleatorias Independientes Independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.8. Aproximac Aproximaci´ i´ on on a la Distribuci´on on de la Suma de Variables Variables Aleatorias (Teorema (Teorema Central del L´ımite) ımite) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
3. Funciones Biom´ etricas etricas y Tablas de Mortalidad
12
3.1. Definicion Definiciones es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
3.2. Tiempo de Vida Futuro Futuro Trunca Truncado do (Curtate-Future-Lifetime ( Curtate-Future-Lifetime ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.3. Fuerza de Mortalid Mortalidad ad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
3.4. Tablas de de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3.4.1. 3.4.1. Enfoque Enfoque de Grupo de Sobrevivenc Sobrevivencia ia Aleatorio Aleatorio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3.4.2. 3.4.2. Enfoque Enfoque de Grupo de Sobrevivenc Sobrevivencia ia Determinista Determinista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
3.5. Otras Caracter´ Caracter´ısticas de la Tabla Tabla de Vida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.6. Supuestos para Edades Fraccionales Fraccionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.7. Algunas Leyes de Mortalidad Anal´ Anal´ıticas ıticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.8. Tablas Select Selectas as . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
´ 4. Primas Netas Netas Unicas de Seguros de Vida
19
4.1. Seguros Seguros Pagables Pagables al Momento Momento de la Muerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
4.1.1. 4.1.1. Seguros Seguros con Beneficio Beneficio Nivelado Nivelado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
4.1.2. Seguros con con Beneficio Variable Variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
4.2. Seguros Seguros Pagables Pagables al Final Final del A˜ no no de la Muerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
4.3. Relaciones Relaciones entre entre Seguros Seguros Pagaderos Pagaderos al Momento de la Muerte y los que se Pagan al Final del A˜no no de Muerte . . . . . . . . . . . . . . . . . . . . . . .
22
´ 5. Primas Netas Netas Unicas de Anualidad Anualidades es
24
5.1. Anualidades de Vida Continuas Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
5.2. Anualida Anualidades des de Vida Discretas Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
5.3. Anualida Anualidades des de Vida con Pagos cada m-´esimo esim o de A˜no no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
5.3.1. 5.3.1. Antecede Antecedentes ntes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
5.3.2. 5.3.2. Anualida Anualidades des de Vida con Pagos Pagos cada m-´esimo esi mo de A˜no no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
6. Primas Netas Netas Peri´ odicas
30
6.1. Primas Totalmente Totalmente Continuas Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
6.2. Primas Totalmente Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
6.3. Primas Niveladas Niveladas Semicontinuas Semicontinuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
6.4. Primas Primas que se Pagan Pagan cada cada m-´ esima esima Parte del A˜no no . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
7. Reser vas Matem´ aticas
34
7.1. Reservas Reservas Matem´ Matematicas a´ticas Puras Totalmente Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
7.2. 7.2. Otras Otras F´ F´ormulas ormulas para Reservas de Beneficio Totalmente Continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
7.3. Reservas Reservas Matem´ Matematicas a´ticas Puras Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
7.4. Reservas Reservas Matem´ Matematicas a´ticas Puras Semicontinuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
7.5. Reservas Reservas Matem´ Matematicas a´ticas Puras basadas en primas niveladas que se Pagan cada m-´esimo esim o de d e a no n ˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
7.6. 7.6. An´ alisis de Reservas Matem´aticas alisis aticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
7.6.1. 7.6.1. Reservas Reservas Matem´ Matematicas a´ticas Puras para Seguros Generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
7.6.2. Relaciones Recursivas Recursivas para Reservas Reservas Matem´ aticas Puras Totalmente Discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . aticas
38
7.6.3. 7.6.3. Reservas Reservas Matem´ Matematicas a´ticas Puras en Duraciones “Fraccionales”
. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . .
39
7.7. Terminolog´ıa ıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
8. Prima de Tarifa Tarifa
41
8.1. Modelos Modelos Aumentados Aumentados con los Gastos Gastos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
8.2. Gastos Gastos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
8.3. Asset Shares
44
. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . .. . . . . . . . . . . . . . . .
Cap´ıtulo 1
Notas Preliminares Las ´areas donde los actuarios han trabajado por muchos a˜nos son los seguros de Ejemplo: vida (life insurance), seguros de da˜nos (non-life insurace o property and casualty Sup´ on que una aseguradora decide vender anualidades de vida cuyo pago se insurance) y beneficios al retiro (pensiones y beneficios relacionados), y nuevas incrementa con la inflaci´on. Cuando la aseguradora vende una anualidad recibe un oportunidades se est´an presentando en consultor´ıa para proveedores de energ´ıa y pago de contado (single premium ). Su compromiso a cambio es hacer incrementos financiamiento de los cuidados de la salud. regulares y crecientes en los pagos durante el tiempo en que este vivo el cliente. El El Ciclo de Control Actuarial es un marco conceptual, representando una visi´on actuario asesorando a la aseguradora tiene responsabilidades profesionales, porque general de los procesos requeridos para el desarrollo y administraci´on de una em- los clientes estar´an confiando una gran parte de sus ahorros al retiro al asegurador presa del sector financiero, producto o proyecto. La Figura 1.1 muestra el Ciclo de a cambio de un ingreso de por vida. Control Actuarial: El entorno debe ser tomado en cuenta: ¿qu´e legislaciones y regulaciones afectan tales productos?, ¿c´omo se les calculan los impuestos?, ¿hay productos de la Figura 1.1: El Ciclo de Control Actuarial, (Understanding Actuarial Management: competencia?, ¿cu´ al es la perspectiva para tasas de inter´es, tasas de inflaci´on y the actuarial control cycle, p. 2 [3]) tasas de mortalidad?, ¿por qu´ e las personas querr´an comprar las anualidades?. La aseguradora debe entender las fuentes de riesgo para este producto, como la volatilidad de la inflaci´on e incremento en la longevidad. El producto tiene que estar claramente especificado, por ejempo, si la anualidad tiene un periodo de pago m´ınimo garantizado, cu´al es el periodo, y c´omo se definen los incrementos de inflaci´on. Una vez que el producto es especificado, el actuario de la aseguradora puede desarrollar un modelo para pronosticar los flujos de efectivo futuros para el producto. El modelo ser´a u ´ til de varias maneras:
1. Ayudar´a para determinar la extensi´on del riesgo que la aseguradora enfrentar´ a. La aseguradora necesita conocer cu´ anto capital mantener para estas anualidades, en caso de que la inflaci´o n sea m´as alta, o los tiempos de vida sean m´as largos que los anticipados.
2. El modelo ayudar´ a a la aseguradora a decidir qu´e precios, o primas, cargar para el producto. En la determinaci´on de la prima para la anualidad, la aseguradora necesita estar enterada del valor de los pasivos a largo plazo de los que se esta haciendo cargo. As´ı, el proceso de valuar pasivos es parte de la determinaci´ on de los precios, sin embargo, este no es el fin del requerimiento de valuar pasivos. La aseguradora invierte la single premium para generar ingresos con los cuales realiza los pagos de la anualidad. Las leyes relacionadas con los seguros de vida y est´ andares contables requieren que la compa˜ n´ıa revise regularmente que las inversiones respaldan adecuadamente los compromisos futuros de todos sus clientes. La aseguradora querr´a demostrar a sus asegurados, sus accionistas, analistas financieros, agencias calificadoras, reguladores, asesores financieros y asegurados futuros que continua en una posici´on s´olida para cumplir sus obligaciones futuras, i.e. es solvente. Los accionistas y la autoridad hacendaria, tambi´en estar´an interesados en la ganancia que proviene de las anualidades de vida, y en la rentabilidad del producto. En el dise˜ no, determinaci´on del precio y administraci´on del producto, el actuario de la aseguradora har´a supuestos acerca de los rendimientos de las inversiones, tasas de inflaci´on, tasas de mortalidad y gastos en el futuro. Al pasar del tiempo, las tasas reales observadas ser´ an comparadas con las supuestas. Cualquier diferencia debe ser analizada y entendida. El actuario aconsejar´a a la aseguradora como responder a las nuevas tendencias que salen a la luz del monitoreo de la experiencia. En el marco del ciclo de control, el proceso de retroalimentaci´on cierra el ciclo. En la pr´actica, el proceso ayuda a los actuarios, y a los administradores y a los tomadores de decisiones que aconsejan, a entender mejor el producto, clases de negocio, empresa o proyecto en cuesti´on. En el curso de Matem´aticas Actuariales del Seguro de Personas, se identifican y especifican los problemas cl´asicos de los seguros de vida. Se desarrollan soluciones al presentar principios para determinar las primas y valuar los pasivos, asumiendo que ya hubo un an´alisis previo para pronosticar el rendimiento de las inversiones, tasas de inflaci´on y tasas de mortalidad, entre otros supuestos. No se cubren las etapas del proceso de inversi´on ni de monitoreo y respuesta a la experiencia. Las presentes notas de clase no contienen la expresi´ on de los valores presentes actuariales en valores conmutados por las razones expresadas por John Shepherd, p. 44 [3]: Technological development, especially in computing and communications,
has had a major impact on actuarial work since the early 1970s. Until then, many developments in actuarial science were focused on finding better ways to calculate the present value of expected future cash flows. Improvements in the storage capacity, processing speed and cost of computers, and the development of easy-to-use software like spreadsheets, has meant that what was once the cornerstone of actuarial work (commutation functions, assurance and anunuity functions and a complex system of symbolic notation) has been made almost redundant.
Cap´ıtulo 2
La Econom´ıa del Seguro Este cap´ıtulo esta basado en los Cap´ıtulos 1 y 2 de [1].
2.1.
Teor´ıa de la Utilidad
Cada uno de nosotros hace planes y tiene expectativas acerca del camino que su vida seguir´ a. Sin embargo, la experiencia nos ense˜na que los planes no se desarrollar´ an con certidumbre ya que algunas veces las expectativas no ser´an alcanzadas. Ocasionalmente los planes son frustrados porque est´an basados en suposiciones poco realistas mientras que en otras situaciones, circunstancias fortuitas interfieren. El seguro esta dise˜nado para proteger contra reveses financieros graves que resultan de eventos aleatorios que se entrometen en los planes de los individuos. Las limitaciones b´asicas de la protecci´on que ofrece un seguro son:
1. Est´a restringida a reducir aquellas consecuencias de eventos aleatorios que pueden ser medidos en t´erminos monetarios. 2. El seguro no reduce, directamente, la probabilidad de p´erdida.
La Teor´ıa de la Utilidad es un campo del conocimiento que ha sido desarrollado para entender la toma de decisiones bajo situaciones de incertidumbre. Un tomador de decisiones toma decisiones -valga la redundancia-, te´oricamente, adoptando un principio. Uno de esos principios es el principio del valor esperado ( expected value principle), en base a ´este, un tomador de decisiones prefiere la distribuci´ on de X (la variable aleatoria que significa el resultado de un proyecto econ´omico) sobre la distribuci´ on de Y (la variable aleatoria del resultado de otro proyecto econ´omico) si E [X ] > E [Y ], y el tomador de decisiones es indiferente entre las dos distribuciones si E [X ] = E [Y ].
La teor´ıa inicia con el supuesto de que un tomador de decisiones racional, cuando Definici´ on: Un sistema de seguro es un mecanismo para reducir el impacto fi- se enfrenta con dos distribuciones de resultados afectando su riqueza, es capaz de nanciero adverso de eventos aleatorios que impiden la realizaci´on de expectativas expresar una preferencia por una de las distribuciones o indiferencia entre ellas. razonables. Adem´ as, las preferencias deben satisfacer ciertos requerimientos de consistencia que no mencionaremos porque van m´as all´a de los objetivos del curso. La justificaci´on econ´omica para un sistema de seguro es que contribuye a la riqueza general mejorando la posibilidad de que los planes no sean frustrados por La teor´ıa culmina en un teorema, estableciendo que si las preferencias satisfacen eventos aleatorios. Dichos sistemas tambi´ en pueden incrementar la producci´ on to- los requerimientos de consistencia, hay una funci´on de utilidad u(w) tal que si la tal animando a los individuos y a las corporaciones a embarcarse en aventuras distribuci´ on de X es preferida a la distribuci´on de Y , entonces E [u(X )] > E [u(Y )], donde la posibilidad de grandes p´erdidas po dr´ıa inhibir tales proyectos en la au- y si el tomador de decisiones es indiferente entre las dos distribuciones, entonces, sencia de un seguro. E [u(X )] = E [u(Y )]
2.2.
El Seguro y la Teor´ıa de la Utilidad
Supongamos que una aseguradora (insurer ) fue establecida para ayudar a reducir las consecuencias financieras del da˜no o destrucci´on de una propiedad. El asegurador emite contratos (policies ) que prometen pagar al due˜no de la propiedad un monto definido igual o menor que la p´ erdida financiera si la propiedad fuera da˜ nada o destruida durante el plazo de la p´oliza. El pago contingente ligado al monto de la p´erdida es llamado pago del reclamo (claim ). A cambio de la promesa contenida en la p´oliza, el due˜no de la propiedad (insured ) paga una prima (premium ).
Es importante recordar que la ecuaci´on anterior es desde el punto de vista del due˜ no de la propiedad. Acerca de la funci´on de utilidad, es natural asumir que u(w) es una funci´on creciente, i. e., “m´as es mejor”. Adem´as, se ha observado que para muchos tomadores de decisiones, cada incremento adicional de riqueza resulta en un incremento m´as peque˜no de utilidad asociada. Esta es la idea de la utilidad marginal decreciente en la Econom´ıa. Desigualdad de Jensen: Para una variable aleatoria X y una funci´on u(w), y dado que existen E [u(X )], u(E [X ]):
El monto de la prima es determinado despu´ es de que un principio de decisi´on econ´ omica es adoptado por el asegurador y el asegurado. En adelante, X significa la variable aleatoria “monto del reclamo”, y asumiremos que es no negativa.
si u (w) < 0, si u (w) > 0,
⇒ E [u(X )] ≤ u(E [X ]) ⇒ E [u(X )] ≥ u(E [X ])
(2.2) (2.3)
El asegurador po dr´ıa establecer un precio base para una cobertura total como la Vamos a aplicar la desigualdad (2.2) para el problema del tomador de decisiones p´erdida esperada, E [X ] = µ. En este contexto µ es llamada la prima pura para la descrito en (2.1). Asumiremos que las preferencias del tomador de decisiones son p´oliza de seguro con plazo de un periodo (1 a˜no, 1 mes, 1 d´ıa, etc.). Para enfrentar gastos, impuestos, ganancias y protecci´on contra experiencia adversa de p´erdidas, tales que u (w) > 0 y u (w) < 0. Aplicando la desigualdad de Jensen a ( 2.1) tenemos que: la aseguradora podr´ıa determinar la prima de la p´oliza con un recargo (loading ) agregado a la prima pura. E [u(w G)] = u(w G) Un ejemplo de lo descrito en el p´arrafo anterior ser´ıa una p´oliza de autom´ovil. = E [u(w X )] (2.4) Sea X la variable aleatoria p´erdida por el choque de autom´ ovil: u(E [w X ]) H = (1 + a)µ + c = µ + aµ + c = u(w µ)
−
−
≤
donde:
−
− −
porque u (w) > 0, u(w) es una funci´on creciente. Por lo tanto, (2.4) implica que w G w µ, o G µ.
− ≤ −
• a > 0, c > 0 • aµ: Gastos que var´ıan con las p´erdidas esperadas • c: Gastos que no var´ıan con las p´erdidas
≥
Formalmente, decimos que un tomador de decisiones con funci´on de utilidad u(w) es averso al riesgo (risk averse ), si y solo si, u (w) < 0.
Ahora empleamos una funci´on de utilidad general para el asegurador. Sea uI (w) la funci´on de utilidad del asegurador y sea wI la riqueza actual del asegurador Ahora aplicamos la Teor´ıa de la Utilidad a los problemas de decisi´on enfrentados medida en t´erminos monetarios; entonces la prima m´ınima aceptable H para asupor el due˜no de la propiedad sujeta a p´erdidas. El due˜no de la propiedad tiene una mir una p´erdida aleatoria X , desde el punto de vista del asegurador puede ser funci´ on de utilidad u(w) donde la riqueza w es medida en t´erminos monetarios. El determinada por: due˜ no enfrenta una posible p´erdida debida a eventos aleatorios que pueden da˜nar la propiedad. La distribuci´on de la p´erdida aleatoria X se asume conocida. El E [uI (wI )] = uI (wI ) = E [uI (wI + H X )] (2.5) due˜ no ser´a indiferente entre pagar un monto G al asegurador, qui´en asumir´a la p´erdida financiera, o asumir el riesgo ´el mismo, si: La ecuaci´on (2.5) nos dice que el asegurador es indiferente entre la posici´on actual E [u(w G)] = u(w G) = E [u(w X )] (2.1) y proveer seguro para X a la prima H . Si la funci´on de utilidad del asegurador es
−
−
−
−
tal que uI (w) > 0, uI (w) < 0 aplicamos la desigualdad de Jensen (2.2) a (2.5): E [uI (wI )] = uI (wI ) = E [uI (wI + H X )] uI (E [wI + H X ]) = uI (wI + H µ)
≤
−
− −
(2.6)
para recolectar y analizar datos de la operaci´on del seguro tal que el sistema del seguro se pueda adaptar. Adaptaci´on en este caso puede significar cambios en las primas, pagar un dividendo basado en la experiencia o reembolsos de primas, o modificaciones futuras en las condiciones de la p´oliza.
2.4.
´ Selecci´ on del Seguro Optimo
Como la funci´on de utilidad uI (w) es creciente, podemos concluir que H µ. Si G, determinada por el due˜ no de la propiedad resolviendo la ecuaci´on (2.4) es tal Teorema 1 : Si un tomador de decisiones: que G H µ, un contrato de seguro es posible.
≥
≥ ≥
Ejemplos de funciones de utilidad son:
1. Tiene un monto de riqueza w
Funci´on de utilidad exponencial: u(w) = e−αw , w,α > 0 Funci´ on de utilidad potencia fraccional: u(w) = wγ , w > 0, γ (0, 1)
(2.7) (2.8)
− αw2, w < (2α)−1, α > 0
(2.9)
−
Funci´on de utilidad cuadr´atica: u(w) = w
2.3.
∀
∈
Elementos del Seguro
En este subtema revisaremos algunos de los factores que influyen en la organizaci´ on y la administraci´on de un sistema de seguro. Un sistema de seguro puede ser organizado solo despu´ es de la identificaci´ on de una clase de situaciones donde p´erdidas aleatorias pueden ocurrir. La palabra aaleatorioˆ ˆ a se usa para significar que la frecuencia, el tama˜n o o el tiempo de la p´erdida no ´esta bajo control del posible asegurado. Una vez que una clase de situaciones asegurables es identificada, informaci´on sobre las utilidades esperadas y el proceso generador de las p´ erdidas pueden ser obtenidos. La investigaci´on de mercado de los seguros puede ser vista como un esfuerzo para aprender acerca de las funciones de utilidad, es decir, las preferencias de riesgo de los consumidores.
2. Es averso al riesgo, en otras palabras, tiene una funci´ on de utilidad u(w) tal que u (w) < 0 3. Enfrenta una p´erdida aleatoria d e monto X 4. Gastar´ a un monto P en la compra de un seguro y el mercado de seguros ofrece por un pago de P todos los contratos de seguro viables con cobertura I (x), 0 I (x) x, con E [I (x)] = β, entonces, la utilidad esperada del tomador de decisiones ser´ a maximizada comprando una p´ oliza de seguro con una cobertura:
≤
≤
I d∗ (x) =
0 x
− d∗
si x < d∗ si x d∗
≥
donde d∗ es la soluci´ on de ∞
β=
d∗
(x
− d∗)f (x)dx
(2.10)
Los procesos generadores del tama˜no y tiempo de p´erdidas pueden ser suficien- Notas: temente estables en el tiempo para que informaci´on pasada pueda ser usada para planear el sistema. Cuando un nuevo sistema de seguro es organizado, estad´ısticas β es la prima neta o pura por la cobertura I (x), P ser´ıa la prima de tarifa relevantes al seguro no est´an a menudo disponibles. Sin embargo, informaci´on compor lo que P β plementaria de situaciones de riesgo similares puede ser obtenida para identificar los riesgos y para proveer estimadores preliminares de las distribuciones de probaEjemplos de otras coberturas son: bilidad necesarias para determinar las primas. Porque la mayor´ıa de los sistemas de seguro operan bajo condiciones din´amicas, es importante que exista un plan 1. Coaseguro I (x) = αX,α (0, 1)
•
≥
•
∈
2. L´ımite de p´oliza I (x) =
x u
1. Modelo Riesgo Individual: S = X 1 + X 2 + + X n donde X i es la p´erdida en la unidad asegurada i y n es el n´ umero de unidades aseguradas. Usualmente las X i ’s se asumen independientes, p orque as´ı son m´a s f´ aciles los c´alculos y porque a menudo no hay datos hist´oricos acerca de la dependencia entre las X i ’s. El supuesto de independencia funciona en la mayor´ıa de los casos pr´ acticos.
···
si x u si x > u
≤
3. Deducible franchise, d es el deducible I (x) =
0 x
si x < d si x d
2. Modelo de Riesgo Colectivo: S = X 1 + X 2 + + X N donde N tambi´en es una variable aleatoria (este modelo no lo estudiaremos en el curso).
···
≥
4. Deducible ordinario, d es el deducible I (x) =
0 x
El modelo de riesgo individual en este tema no reconoce el valor del dinero a trav´es del tiempo (inter´ es) ya que estamos tratando riesgos a corto plazo (menor o igual a 1 a˜ no). En este curso discutimos solamente modelos cerrados, esto es, el n´umero de unidades aseguradas en el Modelo de Riesgo Individual es conocido y constante al inicio del periodo. Si asumieramos entradas y salidas en el sistema de seguro, tendr´ıamos un modelo abierto.
si x < d si x d
−d
≥
• Para un seguro deducible ordinario, ∞
d
E [I (x)] =
0
=
d
=
d
0f (x)dx +
d
∞
(x
− d)f (x)dx
(1
− F (x))dx
(x
− d)f (x)dx 2.6.
∞
donde X es una variable aleatoria continua (para demostrar la ´ultima igualdad se usa una integral por partes).
• El teorema se prueba llegando a la desigualdad E [u(w − (X − I (x)) − P )] ≤ E [u(w − (X − I d (x)) − P )]
Modelos para Variables Aleatorias de Reclamo Individual
1. Cuando ocurre el evento, el monto del reclamo es constante ( b), por ejemplo, en un seguro de vida temporal a 1 a˜no con suma asegurada constante. X = Ib, X es el monto del reclamo I es una variable aleatoria indicadora [si ocurre un reclamo entonces I = 1] con funci´on de probabilidad:
∗
P r[I = i] =
para toda I (x).
1 q
−q
si i = 0 si i = 1
es decir, I Bernoulli(q), en consecuencia, E [X ] = E [Ib] = bE [I ] = b[0(1 q) + 1q] = bq, V ar[X ] = V ar[Ib] = b2 V ar[I ] = b2 (E (I 2 ) E (I )2 ) = b2 q(1 q)
∼
2.5.
Modelos de Riesgo Individual para el Corto Plazo
Para una organizaci´on aseguradora, sea S la p´erdida aleatoria de un segmento de sus riesgos la cu´al es la variable aleatoria de la que buscamos su funci´on de distribuci´on. Hist´oricamente, han habido dos conjuntos de postulados para la distribuci´ on de S :
−
−
−
2. Cuando ocurre el evento, el monto del reclamo es aleatorio ( B), por ejemplo, en un seguro de salud o de choque de autom´ovil a un a˜ no. X = IB , X es el monto del reclamo. I es una variable aleatoria indicadora [si ocurre un reclamo entonces I =1] con funci´ on de probabilidad: P r[I = i] =
1 q
−q
si i = 0 si i = 1
es decir, I
∼ Bernoulli(q)
Si denotamos σ2 = V ar[B I = 1], entonces E [V ar(X I )] = σ2 q Por lo tanto, V ar(X ) = µ2 q(1 q) + σ 2 q (2.14)
|
Usualmente nos dan la distribuci´on de la variable aleatoria B I . Para hallar E [X ] y V ar[X ] se tienen dos alternativas:
|
a ) Encontrar la funci´on de distribuci´on marginal de X con la ley de las probabilidades totales: F (x) = P r(X x) = P r(X x I = 0)P r(I = 0) + P r(X x I = 1)P r(I = 1) = P r(IB x I = 0)P r(I = 0) + P r(IB x I = 1)P r(I = 1) = P r(0 x I = 0)P r(I = 0) + P r(B x I = 1)P r(I = 1)
≤ ≤ | ≤ | ≤ |
≤ | ≤ | ≤ |
|
−
2.7.
Sumas de Variables Aleatorias Independientes
En este parte vamos a revisar la distribuci´on de la suma de variables aleatorias independientes. Primero, consideraremos la suma de dos variables aleatorias, S = Si B I es una variable aleatoria continua entonces f (x) = F (x), una vez X + Y , con funci´on de distribuci´on F S (s) = P r[S s] = P r[X + Y s] obtenida f (x) se calculan E [X ] y V ar[X ] p or definici´ on. Caso 1: X y Y son dos variables aleatorias discretas no negativas, si aplicamos b) Las siguientes relaciones se demuestran en Probabilidad II: la ley de las probabilidades totales a F S (s) obtenemos:
≤
|
E [X ] = E [E [X I ]] V ar[X ] = V ar(E [X I ]) + E [V ar(X I )]
(2.11) (2.12)
F S (s) =
Sea Z 1 = E [X I ], esta variable aleatoria depende de otra variable aleatoria (I ), es decir:
=
|
|
|
|
Z 1 =
E [X I = 1] = E [1B I = 1] = E [B I = 1] E [X I = 0] = E [0B I = 0] = E [0 I = 0] = 0
| |
| |
|
|
I = 1 I = 0
Sea Z 2 = V ar(X I ), esta variable aleatoria depende de otra variable aleatoria (I ), es decir:
|
P r(X + Y
≤ s | Y = y)P r(Y = y)
P r(X + y
≤ s | Y = y)P r(Y = y)
y≤s
y≤s
=
P r(X
y≤s
≤ s − y | Y = y)P r(Y = y)
Cuando X y Y son variables independientes tenemos que:
F S (s) =
P r(X
y≤s
Z 2 =
V ar(X I = 1) = V ar(B I = 1) V ar(X I = 0) = V ar(0 I = 0) = 0
| |
|
|
I = 1 I = 0
≤ s − y)P r(Y = y)
f S (s) =
f X (s
y≤s
|
− q)0 = qE [B|I = 1]
|
(2.13)
V ar(E [X I ]) = V ar[Z 1 ] = E [Z 12 ] E [Z 12 ] =
|
2
2
− E [Z 1]2
− q) = µ2q V ar(E [X | I ]) = V ar[Z 1 ] = E [Z 12 ] − E [Z 1 ]2 = µ2 q − (µq)2 = µ2 q(1 − q) E [V ar(X | I )] = E [Z 2 ] = V ar(B | I = 1)q + 0(1 − q) = V ar(B | I = 1)q E [B I = 1] q + 0 (1
|
− y)f Y (y)
(2.16)
Caso 2: X y Y son dos variables aleatorias continuas no negativas, si aplicamos la ley de las probabilidades totales a F S (s) obtenemos:
Si denotamos µ = E [B I = 1], entonces E [X ] = qµ
(2.15)
y su respectiva funci´on de probabilidades puede ser calculada como:
Por lo tanto, E [X ] = E [Z 1 ] = qE [B I = 1] + (1
≤
s
F S (s) =
P r(X
0
≤ s − y | Y = y)f Y (y)dy
Cuando X y Y son variables independientes: s
F S (s) =
0
f S (s) =
0
F X (s
− y)f Y (y)dy
(2.17)
f X (s
− y)f Y (y)dy
(2.18)
s
En probabilidad, la operaci´on en las ecuaciones (2.15) y (2.17) es llamada la convo- id´enticamente distribuidas pero si son independientes. luci´ on de las funciones de distribuci´on F X (x) y F Y (y), y es denotada por F X F Y . n
∗
E [S ] =
Para determinar la distribuci´on de la suma de m´as de dos variables aleatorias, podemos usar el proceso de convoluci´on iterativamente. Para S = X 1 + X 2 + + X n donde las X i ’s son variables aleatorias independientes, F i es la funci´on de distribuci´on de X i , y F (k) es la funci´ on de distribuci´on de X 1 + X 2 + + X k , procedemos as´ı:
···
(4)
F
∗ = F 4 ∗ F (3)
(2.20)
V ar(S ) =
V ar(X i )
(2.21)
i=1
Cuando n es ˆasuficientementeˆ a grande, S
F (2) = F 2 F (1) = F 2 F 1 F (3) = F 3 F (2)
E [X i ]
i=1 n
···
∗
∗
∼ N (E [S ], V a r(S )), por lo que: S − E [S ] ≤ s − E [S ] ] P r[S ≤ s] = P r[
(2.19)
.. .
≈
F (n) = F n F (n−1)
∗
donde Z
V ar(S ) V ar(S ) s E [S ] P r[Z ] V ar(S )
≤ −
(2.22)
∼ N (0, 1) Calcular P r[Z ≤ z] es d´ıficil pues no tiene una expresi´on algebraica y por ello se 2.8. Aproximaci´ on a la Distribuci´ o n de la Suma recurre a tablas de la distribuci´on normal o a programas de c´omputo como Excel ˆ R y Mathematica A ˆ R. de Variables Aleatorias (Teorema Central del A L´ımite) El enunciado usual del Teorema Central del L´ımite es que tenemos una sucesi´on de variables aleatorias independientes e id´enticamente distribuidas X 1 , X 2 , . . . con ¯ n µ)/σ, 1 E [X i ] = µ y V ar(X i ) = σ 2 . Para cada n, la variable aleatoria n(X tiene media 0 y varianza 1. Cuando n es grande, el teorema es aplicado para apro¯ n con una distribuci´on normal con media µ y varianza ximar la distribuci´on de X 2 σ /n.
√
−
La efectividad de esta aproximaci´on no solamente depende del n´umero de variables sino tambi´ en de la desviaci´ on de la distribuci´o n de los sumandos de la normalidad. Muchos libros de texto de estad´ıstica elemental recomiendan que n sea al menos 30 para que la aproximaci´on sea ˆarazonableˆ a. El Teorema Central del L´ımite puede extenderse a sucesiones de variables aleatorias que no son id´ enticamente distribuidas (pero si independientes). La aplicaci´on del teorema al Modelo de Riesgo Individual es la siguiente: Sea S = X 1 + X 2 + 1
¯n = X
1 n
n
i=1
Xi
··· + X n = nX ¯n donde no necesariamente las X i’s son
Cap´ıtulo 3
Funciones Biom´ etricas y Tablas de Mortalidad Este cap´ıtulo esta basado en el Cap´ıtulo 3 de [1]. En este tema desarrollamos un conjunto de ideas para describir y usar la distribuci´ on del tiempo hasta la muerte y la distribuci´on de la correspondiente edad a la muerte. Mostramos como la distribuci´on de la variable aleatoria edad a la muerte puede ser resumida en una tabla de vida. Tales tablas son ´utiles en muchos campos de la ciencia, por ejemplo, 1) los ingenieros usan tablas de vida para estudiar la confiabilidad de sistemas electr´onicos complejos; b) los bioestad´ısticos usan las tablas de vida para comparar la efectividad de tratamientos alternativos de enfermedades y 3) los dem´ografos usan las tablas de vida como herramientas en las proyecciones de poblaci´on.
• s(x) = 1 − F X (x) = P r(X > x): es la funci´on de sobrevivencia y representa la probabilidad de que un reci´ en nacido alcance la edad x, s(0) = 1 − F X (0) = 1 − 0 = 1. • Definici´on de probabilidad condicional: La probabilidad del evento A dado que ocurri´ o el evento B es
P r[A B] =
|
P r[A B] P r[B]
donde P r[B] > 0, en consecuencia, P r[A
∩
(3.1)
∩ B] = P r[A | B]P r[B].
• P r(x < X
Una tabla de vida es un componente indispensable de muchos modelos en la ciencia actuarial, de hecho, algunos eruditos establecen el a˜no de inicio de la ciencia actuarial como 1693 en el que Edmund Halley public´o ˆ aAn Estimate of the Degrees of the Mortality of Mankind, Drawn from Various Tables of Births and Funerals at the City of Breslauˆa .
< X ≤ z) ≤ z | X > x) = P r(x P r(X > x) F X (z) − F X (x) = 1 − F X (x) s(x) − s(z) =
(3.2)
s(x)
3.1.
Definiciones
• X : variable aleatoria continua que representa la edad a la muerte de un reci´en nacido, es no negativa (X ≥ 0). • F X (x) = P r(X ≤ x) es la funci´on de distribuci´on de la variable aleatoria
X , (asumimos que F X (0) = 0) y representa la probabilidad de que un reci´ en nacido muera antes o en la edad x.
es la probabilidad condicional de que un reci´en nacido muera entre las edades x y z dado que sobrevive a la edad x.
• (x): vida o persona de edad x • T (x) = X − x | X > x representa la variable aleatoria tiempo de vida futuro de (x)
• tqx = P r[T (x) ≤ t], t ≥ 0 representa la probabilidad de que (x) muera dentro de los pr´oximos t a˜ nos.
• t px = P r[T (x) > t] = 1 − tqx, t ≥ 0 representa la probabilidad de que (x)
3.
alcance la edad x + t
t|u qx
• Solo cuando t = 1, por convenci´on, escribimos qx, px y no 1qx, 1 px
= P r[x + t < X x + t + u X > x] P r[x + t < X x + t + u] = P r[X > x] s(x + t) s(x + t + u) = s(x) s(x + t) s(x + t) s(x + t + u) = s(x + t) s(x) s(x + t) s(x + t) s(x + t + u) = s(x) s(x + t) = ( t px )(u qx+t )
≤ ≤
|
−
• t|u qx
= P r[t < T (x) < t + u] = P r[T (x) < t + u] P r[T (x) < t] = t+u qx t qx = (1 t+u px ) (1 t px ) = t px t+u px
−
−
−
− −
(3.3)
−
es la probabilidad de que (x) sobreviva t a˜ nos y muera dentro los siguientes u a˜ nos, dicho de otra manera, la probabilidad de que ( x) muera entre las edades x+t y x+t+u
3.2.
×
−
×
−
(3.6)
Tiempo de Vida Futuro Truncado (CurtateFuture-Lifetime )
• Solo cuando u = 1, por convenci´on escribimos t|qx y no t|1qx • Si expresamos a tqx, t px, t|uqx en t´erminos de la variable aleatoria edad a la muerte X , obtenemos:
Una variable aleatoria discreta asociada con el tiempo de vida futuro es el n´umero de a˜ nos futuros completados por (x) antes de la muerte. La variable recibe el nombre de Tiempo de Vida Futuro Truncado ( Curtate-Future-Lifetime ) de (x) y es denotada por K (x). Su funci´on de probabilidades es:
1. t qx
= P r[X x + t X > x] P r[x < X x + t] = P r[X > x] s(x) s(x + t) = s(x) s(x + t) =1 s(x)
≤
≤
≤
|
−
(3.4)
3.3.
≤
(3.7)
Fuerza de Mortalidad
La fuerza de mortalidad es una funci´on de densidad condicional, es decir, para cada x nos da el valor de la funci´on de densidad condicional de X a la edad x dada la sobrevivencia a dicha edad, y es denotada por µ(x):
2. = P r[X > x + t X > x] P r[X > x + t] = P r[X > x] s(x + t) = s(x)
−
−
−
t px
P r[K (x) = k] = P r[k (<)T (x) (<)k + 1] = P r[T (x) > k] P r[T (x) > k + 1] = k px k+1 px = ( k px )(qx+k ) = k| qx , para k = 0, 1, 2, . . .
|
(3.5)
µ(x) =
f X (x) = 1 F X (x)
−
s (x) − d ln[s(x)] =− dx s(x)
(3.8)
Dentro de la ˆateor´ıa de la confiabilidadˆa (de la ingenier´ıa), en el estudio de las
probabilidades de sobrevivencia de partes fabricadas y sistemas, µ(x), es llamada la tasa de falla o tasa de riesgo o, m´as generalmente, la funci´on tasa de riesgo.
3.4.
La fuerza de mortalidad puede ser usada para especificar la distribuci´on de X , si a partir de (3.8) realizamos despejes y cambiamos a x por y:
3.4.1.
Integrando de ambos lados, de x a x + n, obtenemos: x+n
Enfoque de Grupo de Sobrevivencia Aleatorio
Consideremos un grupo de l0 reci´ en nacidos, cada uno de los cuales tiene una edad a la muerte con funci´on de sobrevivencia s(x). Sea L(x) la variable aleatoria que denota el n´ umero de sobrevivientes de edad x de los l0 reci´en nacidos, por lo que:
−µ(y)dy = d ln[s(y)]
−
Tablas de Vida
l0
x+n
µ(y)dy =
x
L(x) =
d ln(s(y))
s(x + n) s(x) = ln(n px )
− ln(s(x))
I j =
= ln
⇒ n px = e− y realizando el cambio de variable s = y n px
= e−
x+n x
I j
j=1
x
= ln(s(x + n))
1 0
si el reci´en nacido sobrevive a la edad x en otro caso P r[I j = 1] = s(x) E [I j ] = s(x)
µ(y)dy
l0
− x, obtenemos
n 0
E [L(x)] =
E [I j ] = l0 s(x) = lx
j=1
µ(x+s)ds
(3.9)
Sea n Dx la variable aleatoria que denota el n´umero de muertes entre las edades x y x + n de los iniciales l0 reci´en nacidos. Realizando un an´alisis similar al de L(x), En el caso particular de x = 0 (un reci´ en nacido), recuperamos la funci´o n de obtenemos que: sobrevivencia de la variable aleatoria edad a la muerte X : E [n Dx ] = l0 [s(x) s(x + n)] = lx lx+n = n dx − 0n µ(s)ds n p0 = s(n) = e La relaci´on con la fuerza de mortalidad es:
−
Sean F T (x) (t) y f T (x) (t) la funci´on de distribuci´o n y la funci´on de densidad de probabilidades de T (x), respectivamente. Ya sabemos que t qx = P r[T (x) t] = F T (x) (t), por lo tanto:
µ(x) =
≤
d d d F (t) = t qx = (1 t px) dt T (x) dt dt d s(x + t) d s(x + t) = (1 )= ( ) dt s(x) dt s(x) s (x + t) s(x + t) s (x + t) = = s(x) s(x) s(x + t) = t px µ(x + t)
f T (x) (t) =
3.4.2.
−
−
−
×−
−
×
−
(x) l0 s (x) (l0 s(x)) =− =− − ss(x) l0 s(x) l0 s(x)
=
− (llxx)
Enfoque de Grupo de Sobrevivencia Determinista
Un grupo de sobrevivencia determinista tiene las siguientes caracter´ısticas: (3.10)
• El grupo inicialmente consiste de l0 vidas de edad cero (radix ). • Los miembros del grupo est´an sujetos a tasas anuales de mortalidad especificadas por qx
• El grupo es cerrado, ning´un entrante es permitido. Las ´unicas salidas son resultado de las tasas anuales de mortalidad.
• Esperanza de Vida Completa (complete-expectation-of-life ): ∞
◦
ex = E [T (x)] =
∞
tt px µ(x + t)dt =
0
El n´ umero de vivos y muertos en la edad x se obtienen:
l1 = l0 (1 q0 ) = l0 d0 l2 = l1 (1 q1 ) = l1 d1 = l0 (d0 + d1 ) .. .
−
− −
−
− qx−1) = lx−1 − dx−1 = l0
−
−tt px|∞0 +
tt px µ(x + t)dt =
0
• E [T (x)2 ] =
x−1
lx = lx−1 (1
∞
dy
∞
t px dt
=0+
0
t2 t px µ(x + t)dt = 2
t px dt
0
∞
tt px dt
0
La u ´ ltima igualdad se prueba integrando por partes.
y=0
• V ar[T (x)] = E [T (x)2 ] x−1
lx = lx−1 px−1 = l0 (
py )
A partir de las f´ormulas anteriores se puede demostrar que: lx+t t px = lx t dx t qx = lx u dx+t t|u qx = lx
− E [T (x)]2
• Mediana del tiempo de vida futuro de ( x), denotada por m(x): 1 P r[T (x) > m(x)] = = P r[T (x) ≤ m(x)], m(x) =? 2
y=0
(3.11) (3.12)
• La moda de la distribuci´on de T (x), es un n´umero t∗, tal que f T (x) (t) = t px µ(x + t)
alcanza un m´aximo local. La moda no necesariamente es ´unica.
• nLx: n u´mero total esperado de a˜nos vividos entre las edades x y x + n por los sobrevivientes de un grupo inicial de l0 vidas n
(3.13)
n Lx
= lx [
=
0
=
tlxt px µ(x + t)dt + nlx+n
n
tlx+t µ(x + t)dt + nlx+n
0
= [a˜ nos vividos por aquellos que murieron entre las edades x y x + n] +[a˜ nos vividos por aquellos que sobrevivieron a la edad x + n] Integrando por partes vamos a simplificar el primer sumando de la expresi´on anterior: n
Otras Caracter´ısticas de la Tabla de Vida
tt pxµ(x + t)dt + nn px ]
0
n
Nota: Aunque los fundamentos matem´aticos de los dos enfoques son distintos, las funciones resultantes t qx , lx , t dx, son num´ericamente iguales. El enfoque del grupo de sobrevivencia aleatorio tiene la ventaja de permitir el uso completo de la teor´ıa de la probabilidad, por ejemplo, se puede estudiar la variaci´on en el n´umero de sobrevivientes.
Para la variable aleatoria T (x):
∞
0
La expresi´ on para lx puede ser reescrita como:
3.5.
t px dt
0
La u ´ ltima igualdad se prueba integrando por partes: ∞
−
0
tlx+t µ(x + t) = −tlx+t |n0 + n
⇒ nLx = ( −nlx+n +
0
n
0
n
lx+t dt = −nlx+n +
lx+t dt) + nlx+n =
n
0
lx+tdt
0
lx+t dt
• Tasa Central de Mortalidad (Central-Death-Rate ) n n lx × t px µ(x + t)dt lx 0 t px µ(x + t)dt m = 0 = n
x
n 0 lx+t dt
=
lx (1
n Lx
n
n Lx
n Lx
ex:n| ¯ =
n Lx
∞
∞
tlx+t µ(x + t)dt =
0
lx+t dt = l´ım
n→∞
0
T x = lx
∞ 0 lx+t dt
lx
=
∞ 0 lxt px dt
lx
∞
=
k px
◦
t px dt
3.6.
Supuestos para Edades Fraccionales
n Lx
◦
• Otra forma de expresar ex:
k=1
de sobrevivientes con l0 miembros iniciales: T x =
N´ umero esperado de a˜ nos vividos (completos) entre las edades x y x + n por los lx sobrevivientes a edad x:
− n px) = lx − lx+n = ndx
• T x: n u´mero total esperado de a˜nos vividos m´as all´a de la edad x por el grupo
• Esperanza de Vida Truncada Temporal (temporary curtate life expectancy ):
= ex
0
Para especificar la distribuci´o n de T , debemos postular una forma anal´ıtica o adoptar una tabla de vida con un supuesto acerca de la distribuci´on entre enteros, para el segundo caso, examinaremos tres supuestos que son ampliamente usados en la ciencia actuarial. Estar´an establecidos en t´erminos de la funci´on de sobrevivencia y en una forma para mostrar la naturaleza de interpolaci´on sobre el intervalo (x, x + 1) implicada por cada supuesto.
• Esperanza de Vida Completa Temporal (temporary complete life expectancy ):
En cada enunciado, x es un entero no negativo y 0 < t < 1. Los supuestos N´ umero esperado de a˜ nos vividos entre las edades x y x + n por los lx sobre- se muestran en el Cuadro 3.1. Las implicaciones de usar cada una de las intervivientes a edad x: polaciones sobre las funciones t qx , µ(x + t) y t px se presentan en la Figura 3.1 n n T x T x+n ◦ n Lx 0 lx+t dt ex:n| = = = ¯ = t px dt lx lx lx 0
−
3.7.
Para la variable aleatoria K (x):
• Esperanza de Vida Truncada (curtate-expectation-of-life): ex = E [K (x)] =
∞
∞
k
k=0
× k px × qx+k =
k px
k=1
La u ´ltima igualdad se prueba sumando por partes.
•
∞
E [K (x)2 ] =
k=0
∞
k2 k px
× qx+k =
(2k
k=1
− 1)k px
La u ´ltima igualdad se prueba sumando por partes.
• V ar[K (x)] = E [K (x)2 ]
− E [K (x)]2
Algunas Leyes de Mortalidad Anal´ıticas
Hay tres justificaciones para postular una forma anal´ıtica para funciones de sobrevivencia: 1. Filos´ ofica: Muchos fen´ omenos estudiados en la f´ısica pueden ser explicados eficientemente por f´ormulas simples, por lo tanto, usando argumentos biol´ogicos, algunos autores sugieren que la sobrevivencia humana puede ser gobernada por f´ ormulas igualmente simples. 2. Pr´actica: Es m´as f´ acil entender y comunicar una funci´on con pocos par´ametros en vez de comunicar una tabla con cien o m´as probabilidades (como una tabla de mortalidad). 3. Estimaci´o n: Una funci´on de sobrevivencia anal´ıtica y simple con pocos par´ ametros es f´acil de estimar (con datos observados y un m´etodo de estimaci´ on como m´etodo de momentos o m´axima verosimilitud).
Cuadro 3.1: Supuestos para Edades Fraccionales con t Interpolaci´ on Lineal
Exponencial
Arm´ o nica
Distribuci´ on Es conocida como la distribuci´on uniforme o distribuci´on uniforme de las muertes dentro de cada a˜ no de edad Fuerza de mortalidad constante dentro de cada a˜n o de edad Se conoce como el supuesto hiperb´olico o de Balducci, aqu´ı t px es una curva hip´erbolica
∈ (0, 1), x ∈ Z+0
Expresi´ on s(x + t) = (1 t)s(x) + ts(x + 1)
−
ln s(x + t) = (1
1 s(x+t)
− t) ln s(x) + t ln s(x + 1) =
1−t s(x)
+
t s(x+1)
El apoyo a funciones de sobrevivencia simples ha declinado en a˜ nos recientes. Muchos opinan que la creencia en leyes de mortalidad universales es ingenua. Sin embargo, algunas investigaciones recientes han reiterado los argumentos biol´ogicos para leyes de mortalidad anal´ıticas. El Cuadro 3.2 presenta tres leyes de mortalidad.
3.8.
1
Tablas Selectas
Existen situaciones con informaci´on adicional disponible acerca de (x) que har´ıa que la funci´on de sobrevivencia original fuera inapropiada para evaluar probabilidades acerca del tiempo de vida futuro de ( x). Ejemplos:
Figura 3.1: Funciones de Probabilidad para Supuestos de Edades Fraccionales, (Actuarial Mathematics, p. 75 [1])
2. Una persona est´a discapacitada a la edad x. Esta informaci´on nos llevar´ıa a creer que el tiempo de vida futuro de ( x) tiene una distribuci´on distinta de los que no est´an discapacitados a edad x. La informaci´on adicional nos conduce a que el modelo completo para esos vivos es un conjunto de funciones de sobrevivencia, una para cada edad en la que la informaci´ on est´a disponible, por ejemplo, la emisi´on del seguro o la declaraci´on de discapacidad. Este conjunto de funciones de sobrevivencia puede ser pensado como una funci´on de dos variables: una variable es la edad a la selecci´on (por ejemplo, la emisi´on de la p´oliza o la declaraci´on de discapacidad), [x], y la segunda variable es la duraci´on desde la edad a la selecci´on, t. En actuar´ıa, tal tabla de vida de dos dimensiones es llamada Tabla de Vida Selecta ( select life table ).
El impacto de la selecci´on en la distribuci´on del tiempo futuro de vida T (x) puede disminuir despu´es de la selecci´on. M´ as all´a de un periodo r (llamado per´ıodo 1. Una persona de edad x tiene un seguro de vida. Esta informaci´on podr´ıa hacer creer que la distribuci´on del tiempo futuro de vida de ( x) fuera diferente de selecto) las q’s de las edades alcanzadas pueden ser casi iguales sin observar el tiempo de selecci´on, es decir: la funci´on de sobrevivencia de las personas no aseguradas. 1
m = B/ ln(c), u = k/(n + 1)
q[x−j]+r+j
≈ q[x]+r , j > 0
(3.14)
Creador De Moivre (1729) Gompertz (1825) Makeham (1860) Weibull (1939)
Cuadro 3.2: Funciones de Sobrevivencia bajo varias Leyes µ(x) s(x) Restricciones (x
− ω)−1
Bc x A + Bc x kxn
1
− ωx
exp[ m(cx
− 1)] exp[−Ax − m(cx − 1)] exp[−uxn+1] −
0
≤x≤ω
B > 0, c > 1, x
≥0
B > 0, A
≥ −B,c > 1, x ≥ 0 k > 0, n > 0, x ≥ 0
Una tabla de vida en la cual las funciones dep enden solamente de edades alcanzadas se llama tabla agregada (aggregate table ). Figura 3.2: Estructura de una Tabla Agregada
Figura 3.3: Estructura de una Tabla de Vida Selecta
Cap´ıtulo 4
´ Primas Netas Unicas de Seguros de Vida Este cap´ıtulo esta basado en el Cap´ıtulo 4 de [1].
4.1.1.
Seguros con Beneficio Nivelado
En este tema desarrollamos modelos para los seguros de vida cuyo fin es reducir Un seguro de vida temporal n a˜ nos (n-year term life insurance ) provee un pago el impacto financiero del evento muerte. Debido que la mayor parte de estos seguros solo si el asegurado muere dentro de un plazo de n a˜ nos que comienza a partir son a largo plazo, el monto de las ganancias de las inversiones hasta el momento de la emisi´o n de la p´oliza. Si una unidad monetaria es pagable al momento de la del pago provee un elemento significativo de incertidumbre cuyas causas son la muerte de (x), entonces: tasa desconocida de rendimientos y el periodo de inversi´ on. En este curso se usa una distribuci´on de probabilidad para modelar el periodo de inversi´on pero se usa un modelo determinista para los rendimientos desconocidos, dicho de otra manera, 1 t n nuestro modelo ser´a construido en funci´on de T (x), la variable aleatoria tiempo de bt = 0 t> n vida futuro del asegurado.
•
Nuestro modelo ser´a u ´ til en cualquier situaci´on donde el monto y el momento del impacto financiero puedan ser expresados ´unicamente en t´erminos del tiempo a la ocurrencia del evento aleatorio.
4.1.
Seguros Pagables al Momento de la Muerte
• bt: monto del beneficio al tiempo de muerte t. • vt: factor de descuento desde la emisi´on de la p´oliza hasta el tiempo de muerte t, es determinista, i.e., no tiene una distribuci´on de probabilidad.
• vt = vt = exp[−tδ] 2 •
x:n|
v T 0
T n T >n
≤
0
0
El j-´esimo momento de la distribuci´on de Z es: E [Z j ] =
pago del beneficio.
n
0
• Z T = bT vT : variable aleatoria que representa el valor1presente al momento de
=
la emisi´on de la p´oliza (t = 0) del pago del beneficio.
T = T (x)
Z =
≤
La esperanza de la variable aleatoria valor presente, Z , es llamada valor presente actuarial: ∞ n E [Z ] = A¯ 1 ¯ = zt f T (t)dt = v t t pxµx(t)dt (4.1)
• zt = btvt: valor presente al momento de la emisi´on de la p´oliza (t = 0) del 1
0
2
n
(v t )j f T (t)dt =
n
(e−δt )j t px µx (t)dt
0
(4.2)
e−(δj)t t pxµx(t)dt = j A¯x: 1 ¯ n|
A menos que se diga lo contrario, se asume que la fuerza de inter´ es δ es constante y positiva
Cuando usamos una f uerza de inter´es constante δ, calcular el j-´esimo momento de la distribuci´on de Z , es equivalente a calcular el valor presente actuarial de Z con una fuerza de inter´es δ = jδ. Un seguro de vida vitalicio (whole life insurance ) otorga un pago a la muerte del asegurado en cualquier momento del futuro. Si el pago es por una unidad monetaria al momento de la muerte de ( x), entonces:
• bt = 1, t ≥ 0 • vt = vt = exp [−tδ] • Z = vT , T ≥ 0
• bt = 1, t ≥ 0 • •
vt =
Z =
vt vn
t n t> n
v T vn
T n T >n
≤
≤
Este seguro puede ser visto como la combinaci´on de un seguro de vida temporal n a˜ nos y un dotal puro temporal n a˜nos, cada uno con un pago de una unidad monetaria, y sean Z 1 y Z 2 sus respectivas variables aleatorias valor presente. Sea Z 3 = Z 1 + Z 2 , por lo tanto:
y su valor presente actuarial es: E [Z ] = A¯x =
∞
∞
t
v f T (t)dt =
0
t
v t px µx (t)dt
Z 1 =
(4.3)
0
Z 2 =
La relaci´on con el seguro temporal n a˜ nos es l´ım n→∞ A¯ 1
¯ x:n|
bt =
• vt = vt = exp [−tδ], t ≥ 0 •
0 1
v T 0
T n T >n
0 vn
T n T >n
Z 3 = Z 1 + Z 2 =
Un dotal puro temporal n a˜ nos(n-year pure endowment ) otorga un pago al final de los n a˜ nos, si y solo si, el asegurado sobrevive al menos n a˜nos desde el tiempo de la emisi´on de la p´oliza. Si el monto pagable es una unidad monetaria, entonces:
•
≤
≤
vT vn
T n T >n
≤
¯1 A¯x:n| ¯ = E [Z 3 ] = E [Z 1 ] + E [Z 2 ] = A
¯ x:n|
+A
≤
Z =
0 vn
(4.5)
V ar(Z 3 ) = V ar(Z 1 ) + V ar(Z 2 ) + 2Cov(Z 1 , Z 2) Cov(Z 1 , Z 2 ) = E [Z 1 Z 2 ] E [Z 1 ]E [Z 2 ] pero Z 1 Z 2 = 0 Cov(Z 1 , Z 2 ) = E [Z 1 ]E [Z 2 ] = A¯x: 1 ¯A 1 n|
t n t> n
−
⇒ − − ¯ x:n| ¯ ⇒ V ar(Z 3) = V ar(Z 1) + V ar(Z 2) − 2Ax:n|¯ Ax:n|¯ 1
1
¯ x:n|
T n T >n
≤
Su valor presente actuarial es:
1
Un seguro diferido m a˜ nos (m-year deferred insurance ) otorga un beneficio a la muerte del asegurado solo si este u ´ ltimo muere m a˜ nos despu´es de la emisi´on de la (4.4) p´oliza. El beneficio y el plazo del seguro puede ser alguno de los ya discutidos, por E [Z ] = A 1 = vn f T (t)dt = v n f T (t)dt = v n n px = n E x ¯ x:n| n n ejemplo, un seguro de vida vitalicio diferido m a˜ nos con un pago de una unidad N´ otesen las diferencias con la notaci´on del seguro de vida temporal n a˜ nos. monetaria al momento de la muerte tiene: ∞
∞
Un seguro dotal mixto n a˜ nos (n-year endowment insurance ) provee un pago si ocurre la muerte del asegurado o si el asegurado sobrevive al final del plazo de n a˜nos, cualquiera que ocurra primero. Si el seguro es por una unidad monetaria, entonces:
•
bt =
1 0
t> m t m
≤
• vt = vt = exp [−δt] •
Z =
vT 0
,t ≥ 0 • bt = tm+1 m • vt = vt, t ≥ 0 • Z = Tmm+1 vT , T ≥ 0
T >m T m
≤
y su valor presente actuarial es:
El valor presente actuarial es: E [Z ] =
¯ m| Ax =
∞
v t f T (t)dt =
m
4.1.2.
∞
vt t px µx (t)dt
(4.6)
m
∞
tm + 1 vtt pxµx(t)dt
m
0
(4.8)
El caso l´ımite, cuando m , en el seguro de vida vitalicio con incrementos cada m-´esima parte de a˜no, es un seguro que paga t al momento de la muerte t. Sus funciones son:
→∞
Seguros con Beneficio Variable
El modelo general Z = bT vT puede ser usado para una gran variedad de situaciones. Ya hemos visto modelos donde el beneficio es constante (una unidad monetaria). El mo delo tambi´en puede ser aplicado donde el monto del b eneficio por muerte se incrementa o disminuye en progresi´on aritm´etica sobre to do o parte del plazo del seguro. Un seguro de vida vitalicio con incrementos anuales (anually i ncreasing whole life insurance) provee un monto de 1 al momento de la muerte si esta ocurre en el primer a˜ no, un monto de 2 si la muerte ocurre en el segundo a˜no, y as´ı sucesivamente:
• bt = t, t ≥ 0 • vt = vt, t ≥ 0 • Z = T vT , T ≥ 0 y su valor presente actuarial es: ¯A) ¯x= E [Z ] = (I
∞
tvt t px µx (t)dt
(4.9)
0
El seguro de vida temporal a n a˜nos con pagos anuales decrecientes (anually decreasing n-year term life insurance ), otorgando n unidades monetarias cuando la muerte ocurre durante el primer a˜no, n 1 si la muerte ocurre durante el segundo a˜ no, y as´ı sucesivamente, con cobertura terminando al final del n-´esimo a˜ no. Tal seguro tiene las siguientes funciones:
• bt = t + 1, t ≥ 0 • vt = vt, t ≥ 0 • Z = T + 1vT , T ≥ 0
−
La funci´on se llama m´aximo entero menor o igual a y puede interpretarse como un truncamiento, por ejemplo, 1.01 =1, 1.99 =1, 1.50 =1 (solo queda la parte entera del n´umero). El valor presente actuarial del seguro en cuesti´on es:
·
¯ = E [Z ] = (I (m) A) x
¯ = E [Z ] = (I A) x
∞
0
t
·
t + 1 v t px µx (t)dt
(4.7)
• • vt = vt, t ≥ 0 •
bt =
n 0
(n 0
− T )vT
Z =
Los incrementos en el beneficio del seguro pueden ocurrir m´as de una vez al a˜no. Para un seguro de vida vitalicio con incrementos cada m-´esima parte de a˜no El valor presente actuarial es: (m-thly increasing whole life insurance ), el b eneficio ser´ıa 1 /m si la muerte ocurre durante la primera m-´esima parte del primer a˜no, 2/m si la muerte ocurre durante ¯ 1 = E [Z ] = (DA) ¯ x:n| la segunda m-´esima parte del primer a˜no, y as´ı sucesivamente:
− t
n
0
(n
t n t> n
≤
T n T >n
≤
− t)vtt pxµx(t)dt
(4.10)
4.2.
Seguros Pagables al Final del A˜ no de la 4.3. Muerte
En la pr´actica, la mayor´ıa de los beneficios son considerados pagables al momento de la muerte y ganan inter´ es hasta que el pago realmente es hecho. No se pagan exactamente al momento en que muere el asegurado ya que la aseguradora tiene que comprobar que la muerte ocurri´o y adem´as bajo las condiciones de la p´oliza. En la mayor´ıa de las aplicaciones de seguro de vida, la mejor informaci´on disponible de la distribuci´on de probabilidad de T est´ a en la forma de una tabla de vida. Esta es la distribuci´on de probabilidad de K , el tiempo de vida futuro truncado del asegurado al momento de la emisi´on de la p´oliza, una funci´on de T . En este tema construiremos modelos para seguros de vida en los cuales el monto y el tiempo del pago de los beneficios por muerte dependen solamente del n´u mero de a˜nos enteros vividos por el asegurado desde la emisi´ o n de la p´oliza hasta el tiempo de muerte. Nos referimos a estos seguros simplemente como pagaderos al final del a˜no de muerte (payable at the end of the year of death ).
Relaciones entre Seguros Pagaderos al Momento de la Muerte y los que se Pagan al Final del A˜ no de Muerte
• T (x) = T : variable aleatoria tiempo de vida futuro • K (x) = K : variable aleatoria tiempo de vida futuro truncado • S : variable aleatoria que representa la parte fraccional del a˜no vivida durante el a˜ no de muerte, S ∈ [0, 1] Ejemplo: (x) muri´o a la edad x+40.32, entonces, T =40.32, K = 40 y S =0.32, T = K + S =40+0.32
El evento (K = k S s) es igual al evento (k < T k + s), por lo tanto, P r(K = k S s) = P r(k < T k + s) = (k px )(s qx+k ). Si suponemos una distribuci´on uniforme de las muertes a lo largo del a˜no, entonces, k+1 La funci´on de beneficio, bk+1 , y la funci´on de descuento, v son respectivamen- s qx+k = sqx+k , s (0, 1). te, el monto del beneficio y el factor de descuento cuando el tiempo de vida futuro P r[(K = k) (S s)] = k px s qx+k = k px sqx+k truncado es k, esto es, cuando el asegurado muere en el a˜no k + 1. La variable = qx+k s = k| qx s = P r[K = k]P r[S s] k px aleatoria valor presente ser´ıa Z = bK+1 vK+1 . donde S U (0, 1) Para un seguro temporal n a˜ nos que provee un pago de una unidad monetaria Por lo tanto, K S , y adem´as S tiene una distribuci´on uniforme en (0, 1) al final del a˜no de muerte, tenemos:
∩ ≤ ∩ ≤
≤
≤
∈
⇒
∩ ≤ ×
×
× ∼
×
×
≤
⊥
• • vk+1 = v •
bk+1 = k+1
,t
1 0
k = 0, 1, . . . , n en otro caso
Ahora vamos a demostrar que si S Dem.
−1
P r[R r] = P r[1 S r] = P r[S 1 r] = 1 P r[S < 1 r] = 1 (1 r) = r Por lo tanto R = 1 S U (0, 1)
≤ −
≥0 Z =
v K+1 0
K = 0, 1, . . . , n en otro caso
−1
En clases de Probabilidad se E [g(X )]E [h(Y )].
n−1 ¯ x:n|
=
v k+1 k px qx+k
(4.11)
Z = bT vT
k=0
Si queremos obtener el j-´esimo momento de Z : E [Z j ] = El resto de los seguros se presentan en la Figura 4.1.
− ≤ ≥ − − − − − ∼ prueba que si X ⊥ Y ⇒
E [g(X )h(Y )] =
Recordemos que el modelo general para un seguro que se paga al momento de la muerte es
El valor presente actuarial para este seguro es: E [Z ] = A 1
∼ U (0, 1) entonces R = 1 − S ∼ U (0, 1)
n−1 k+1 j ) k px qx+k k=0 (v
que para este tema lo vamos a restringir a:
• vT = vT
solo depende de la parte entera de T , es decir, K , por esta • bT : funci´on que ∗ raz´ on, bT = bK+1 es una mejor notaci´on
Adem´ as, recordemos que T = K + S, S
∼ U (0, 1)
⇒ Z = bT vT = b∗K+1vT = b∗K+1vK+1(1 + i)1−S
E [Z ] = E [b∗K+1 v K+1 (1 + i)1−S ] = E [b∗K+1 v K+1 ]E [(1 + i)1−S ] Calculemos la esperanza: E [(1 + i)1−S ] =
1
(1 + i)1−s (1)ds =
0 (1−s) ln(1+i)
=
1
e(1−s) ln(1+i) ds
0
ln(1+i)
e − e ln(1 + i) |10 = − ln(11+ i) + ln(1 + i) =
1+i i − ln(11+ i) + ln(1 = + i) δ
Por lo tanto, E [Z ] =
i E [b∗K+1 v K+1 ] δ
(4.12)
Ejemplos: 1. La distribuci´ on de las muertes a lo largo del a˜no es uniforme. Usted conoce el valor de Ax . Calcular A¯x . El beneficio depende de K , es decir, bT = 1 = b∗K+1 (la funci´on constante), A¯x = (i/δ)Ax
⇒
2. La distribuci´ on de las muertes a lo largo del a˜no es uniforme. Usted conoce el ¯ 1 . valor de (IA) 1 ¯ . Calcular (I A) ¯ x:n|
x:n|
El beneficio depende de K , es decir, bT = K + 1,
¯ ⇒ (I A) ¯ = (i/δ)(IA)x:n| ¯ x:n| 1
1
Figura 4.1: Resumen de Seguros Pagables al Final del A˜no de Muerte (Actuarial Mathematics, p. 118 [1])
Cap´ıtulo 5
´ Primas Netas Unicas de Anualidades Este cap´ıtulo esta basado en el Cap´ıtulo 5 de [1].
La funci´on de densidad de probabilidades se obtiene de la siguiente manera:
d d ln(1 δy) Una anualidad de vida es una serie de pagos hechos continuamente o cada igual f Y (y) = F Y (y) = F T ( ) intervalo de tiempo (tales como meses, cuatrimestres o a˜nos) mientras una persody dy δ na determinada sobrevive. Puede ser temporal o de por vida. Los pagos pueden f T ( − ln(1−δy) ) 1 comenzar inmediatamente o ser diferidos. Los pagos pueden ser al inicio del inδ = ,0
−
−
−
A menos que se diga otra cosa, asumimos una tasa de inter´ es efectiva anual constante i (o su equivalente fuerza de inter´es constante δ), dicho de otra manera, el inter´es no es aleatorio.
(5.2)
∞
a ¯x = E [Y ] =
0
a ¯t|¯ t pxµ(x + t)dt
(5.3)
Usando integraci´on por partes se obtiene que: ∞
a ¯x =
5.1.
0
Anualidades de Vida Continuas
Iniciamos con anualidades que se pagan continuamente a una tasa de 1 por a˜no que no son comunes en la pr´actica. Una anualidad vitalicia continua (whole life annuity ) da pagos hasta la muerte. Por lo tanto, la variable aleatoria valor presente de los pagos es Y = ¯aT | 0 donde T es el tiempo futuro de vida ¯ para T (x). La distribuci´on de Y puede ser obtenida de la de T como sigue:
≥
≤ y) = P r(¯aT |¯ ≤ y) = P r(1 − vT ≤ δy) − ln(1 − δy) ] = P r(v T ≥ 1 − δy) = P r[T ≤ δ ln(1 − δy) 1 − = F T ( ), 0 < y <
F Y (y) = P r(Y
δ
δ
v tt px dt =
∞
t E x dt
(5.4)
0
Esta es la “forma de pago actual” ( current payment form ) del valor presente actuarial de la anualidad vitalicia continua. En general, la t´ecnica de pago actual para determinar un valor presente actuarial para una anualidad es: 1 ∞
AP V =
v tP r[pagos sean hechos al tiempo t]
0
× [monto del pago al tiempo t]
(5.5) Por lo general, es m´a s f´ acil calcular un valor presente actuarial de anualidad con la t´ecnica de pago actual. N´ otese que la siguiente relaci´on es v´ alida para todos los valores de t:
(5.1)
T 1 = δ¯aT | ¯ +v 1
APV: actuarial present value
(5.6)
n La variable aleatoria Y tiene un m´aximo de l´ımT →∞ Y = 1/δ a ¯n| ¯ = v /δ y la probabilidad de que tome un valor de cero es P r[Y = 0] = P r[T n] = n qx . Su (5.7) valor presente actuarial es:
Tomando esperanzas de ambos lados de ( 5.6):
−
1 = δ¯ ax + A¯x Una forma de obtener la varianza de Y es: V ar(¯ aT | ¯ ) = V ar(
1
− vT ) = V ar(vT ) = 2A¯x − (A¯x)2 δ2
δ
δ2
∞
(5.8)
¯x = E [Y ] = 0 n| a
∞
=
El valor presente de una anualidad de vida temporal n a˜ nos (n-year temporary life annuity ) de 1 por a˜no, pagable continuamente mientras (x) sobreviva durante los pr´ oximos n a˜ nos es: a ¯T | 0 T
× nqx +
0
n
v n ¯as|¯
×
vn ¯at−n| ¯
n+s px µ(x
× t pxµ(x + t)dt + n + s)ds
(5.13)
∞
n
= v n px
≤ ≥
≤
a ¯s| ¯
0
× s px+nµ(x + n + s)ds
= n E x ¯ax+n
La distribuci´on de Y es mixta. El m´aximo valor de Y esta limitado a ¯an| ¯ , y hay Se puede demostrar que: una probabilidad positiva asociada con ¯an| n) = n px . El valor presente ¯ de P r(T ¯x = ¯ax a ¯x:n| (5.14) ¯ n| a actuarial es: n a ¯x:n| ¯at|¯ t px µ(x + t)dt + ¯an| (5.9) Integrando por partes obtenemos la forma de pago actual de este valor presente ¯ = E [Y ] = ¯ n px actuarial: 0 ∞ ∞ Integrando por partes se encuentra la forma de pago actual: a ¯ = vt p dt = E dt (5.15)
≥
−
n
¯ax:n| ¯ =
v t pxdt
(5.10)
0
Z =
v T vn
0 T
≤ T
E [Y ] = a ¯x:n| ¯ = E [ y
1
− Z ] = δ
− A¯x:n|¯ δ
2 ¯ 2 Ax:n| (A¯x:n| ¯ ¯) V ar(Z ) V ar(Y ) = = δ2 δ2
−
Y =
0 = ¯aT | a ¯T | ¯ ¯ v n ¯aT −n| = ¯aT | ¯ ¯
−
− a¯n|¯
¯n| a ¯ ¯aT | ¯
T n T >n
≤
n
a ¯x:¯n| ¯ = E [Y ] =
0 T
≤ T
0
∞
a ¯n| ¯ t px µ(x + t)dt + ∞
= n qx ¯an| ¯ +
(5.11)
n
n
a ¯t|¯ t px µ(x + t)dt (5.16)
a ¯t|¯ t pxµ(x + t)dt
La notaci´on x :¯n¯ indica que los pagos continuan hasta m´ax[T (x), n]. La forma de (5.12) pago actual se obtiene integrando por partes:
|
∞
a ¯x:¯n| an| ¯ + ¯ =¯
Una anualidad vitalicia diferida n a˜ nos (n-year deferred whole life annuity ) tiene la siguiente variable aleatoria valor presente: Y =
x
El valor presente actuarial es:
es decir, Z es la variable aleatoria valor presente de un seguro dotal mixto temporal n a˜ nos, por lo tanto: 1
t
n
Una anualidad de vida cierta por n a˜ nos (n-year certain and life annuity ) es una anualidad vitalicia con una garant´ıa de pagos por los primeros n a˜nos. La variable aleatoria valor presente es:
≤ ≥
t x
n
t
Otra forma de calcular el valor presente actuarial de una anualidad de vida temporal n a˜ nos es: 1−Z a ¯T | 0 T
n| x
v t t px dt
(5.17)
n
Se puede demostrar que: ¯ax:¯n| an| ¯x ¯ + n| a ¯ =¯
(5.18)
5.2.
Anualidades de Vida Discretas
•
Y =
¨K+1| a ¯ a ¨n| ¯
0 K
≤ ≥
La teor´ıa de las anualidades de vida discretas es an´aloga a la teor´ıa de las anualidades continuas, con integrales reemplazadas por sumas, integrandos por sumandos y diferenciales por diferencias. Para las anualidades continuas no hab´ıa distinci´on Su valor presente actuarial es: entre pagos al inicio o al final del intervalo de pago (anticipadas o vencidas) mienn−1 tras que para las anualidades discretas la distinci´on si tiene significado. E [Y ] = ¨a ¯ = a ¨
x:n|
∞
¯ k px qx+k k+1|
+
k=0
Una anualidad anticipada vitalicia (whole life annuity-due) paga un monto de una unidad monetaria al inicio de cada a˜no por cada a˜no que (x) sobrevive.
n−1
=
a ¨n| ¯ k px qx+k
k=n
(5.23)
¨ak+1| an| ¯ k px qx+k + ¨ ¯ n px
k=0
• Y : variable aleatoria valor presente de una anualidad anticipada vitalicia = 1−vd = 1−vi (1+i), donde K es la variable aleatoria tiempo • Y = ¨aK+1| ¯ K +1
El valor presente actuarial en la forma de pago actual es:
K +1
futuro de vida truncado y d =
i 1+i
n−1
¨ax:n| ¯ =
(tasa de descuento)
v k k px
(5.24)
k=0
El valor presente actuarial de Y es (por definici´on de esperanza): ∞
E [Y ] = a ¨x =
Otra forma de encontrar el valor presente actuarial es:
∞
a ¨K+1| ¯ P r[K = k] =
k=0
a ¨K+1| ¯ k px qx+k
Y =
(5.19)
k=0
donde:
El valor presente actuarial tambi´ en se puede expresar como en la forma de pago actual2:
Z =
∞
¨ax =
v k k px
a ¨x:n| ¯ = E [
1
¨ax = E [
La varianza es: V ar(
− vK+1 ] = 1 − Ax d
(5.21)
d
1
− vK+1 ) = 2Ax − (Ax)2 d
d2
0 K
≤ ≥
d 1
− Z ) = d
(5.22) Y =
0 n
|¨aK+1−n| ¯
La variable aleatoria valor presente de una anualidad anticipada de vida Su valor presente actuarial es: temporal n a˜ n os (n-year temporary lif e annuity-due ) de una unidad monetaria por a˜ no es: E [Y ] = n| a ¨x = n E x ¨ax+n = ¨ax 2
Se prueba realizando una sumatoria por partes
d E [Z 2 ]
(5.25)
− E [Z ]
2
d2
(5.26)
Para una anualidad anticipada vitalicia diferida n a˜ n os (n-year deferred whole life annuityˆ adue) de una unidad monetaria pagable al inicio de cada a˜no mientras (x) sobrevive de la edad x + n en adelante, la variable aleatoria es:
La varianza de Y se puede encontrar como: V ar(¨aK+1| ¯ ) = V ar(
d
− Z ] = 1 − Ax:n|¯
Una forma m´as de obtener el valor presente actuarial es: 1
− Z
v K+1 vn
(5.20)
k=0
1
0 K
≤ ≥
∞
− a¨x:n|¯ =
k=n
v k k px
(5.27)
Una anualidad anticipada de vida y cierta por n a˜ n os (n-year certain and life annuity-due) tiene una garant´ıa de pagos por al menos n a˜ nos. Su variable aleatoria Figura 5.1: Resumen de Anualidades de Vida Discretas [Anualidad de 1 por a˜no pagable al inicio de cada a˜no (anualidad anticipada) o al final del a˜no (anualidad valor presente es: vencida)] (Actuarial Mathematics, p.148 [1]) a ¨n| 0 K
≤ ≥
Su valor presente actuarial es: E [Y ] = a ¨x:¯n| ¯ n−1
=
∞
a ¨n| ¯ P r[K = k] +
k=0
= ¨an| ¯ n qx +
a ¨k+1| ¯ k px qx+k
k=n ∞
(5.28)
a ¨k+1| ¯ k px qx+k
k=n
y en la forma de pago actual: ∞
a ¨x:¯n| an| ¯ + ¯ =¨
vk k px = ¨an| ax ¯ + n| ¨
(5.29)
k=n
Para las anualidades vencidas el desarrollo es muy similar. En la Figura 5.1 se encuentra una tabla resumen de anualidades anticipadas y vencidas.
5.3.
Anualidades de Vida con Pagos cada m-´esimo de A˜ no
5.3.1.
Antecedentes
Analicemos un seguro vitalicio que paga 1 unidad monetaria al final de la m´esima parte del a˜no en que ocurri´o la muerte. Definamos:
• K : Variable aleatoria tiempo de vida futuro truncado • J : Variable aleatoria n´umero de m-´esimos completados vividos en el a˜no en que ocurri´ o la muerte
Ejemplo: La persona (25) tiene las X ’s mostradas en el Cuadro 5.1 donde m=10.
ˆ A¿Qu´ e relaci´on tienen las variables aleatorias K y J ? Si asumimos que la dis-
Cuadro 5.1: X K J 37.35 12 3 37 12 0 39.93 14 9
=
1/m−1 1/m + i)1/m × v 1 − v−1/mv × (1 (1 + i)1/m
1 m
1 (1 + i) 1 m (1 + i)1/m 1 i = (m) i =
(m)
Por lo tanto, Ax
tribuci´ on del n´ umero de muertes a lo largo del a˜no es uniforme, entonces:
=
−
×
−
i i E [v K+1 ] = i(m ) Ax i(m)
Para este tema, debemos recordar de Matem´aticas Financieras lo siguiente: P r[K = k
∩ J ≤ j] = P r[k < T ≤ k + ( j + 1)/m]
(m)
= k px j +1 qx+k m
j + 1 = k px qx+k m j + 1 = ( k px )(qx+k ) m = f K (k)f J ( j), j 0, 1, . . . , m
∈{
J tiene una distribuci´on uniforme en los enteros 0, 1, . . . , m
{
−n
(5.30)
(m)
=
− 1} y adem´as J ⊥ K
i A i(m) x
(m)
(m)
− 1}
(m)
n
(m)
(m)
/m 1 1+i • a¨(m) = 1+ii /m = d 1 ¯ = m i /m ∞| −1 1 (1+i) −1 =m = (1+i) , donde n esta en a˜ nos • s(m) ¯ i /m i n| (m)
La variable aleatoria valor presente del seguro vitalicio que paga 1 unidad moneJ +1 taria al final de la m-´esima parte del a˜no en que ocurri´o la muerte es Z = v K+ m . P. D. Ax
(m)
• 1 + i = (1 + i m )m, (1 + i)−1 = v = 1 − d = (1 − dm )m = (1 + i m )−m 1 1−(1+i) • a¨(m) =m (1 + i(m) /m) = 1−v , donde n esta en a˜ nos ¯ i /m d n| (m)
n
(m)
5.3.2.
(m)
n
(m)
Anualidades de Vida con Pagos cada m-´ esimo de A˜ no
Definamos:
• Y : variable aleatoria valor presente de una anualidad vitalicia anticipada con pagos de 1/m cada m-´esimo de a˜no
Demostraci´ on:
A(m) x
= E [v
+1 K+ Jm
E [v
J +1 −1 m
] = E [v
K+1
= E [v
K+1
m−1
]=
j=0
=
v
J +1 −1 m
]E [v
]
J +1 −1 m
]
+1 1 jm v −1 m
1 −1+ m1 v m
durante el a˜ no de muerte
En el Cuadro 5.2 muestra un ejemplo de valores de las variables aleatorias definidas.
m−1
• K : variable aleatoria tiempo de vida futuro truncado • J = (T − K )m variable aleatoria n´umero de m-´esimos completados con vida
vj/m
La variable aleatoria Y se puede escribir como:
j=0
1 1 1 v = v −1+ m m 1 v1/m
−
−
mK+J
Y =
j=0
1 j/m 1 (m) v = ¨aK+(J + ¯ 1)/m| = m
− vK+(J +1)/m d(m)
(5.31)
(m)
Cuadro 5.2: T m K 13.5 10 13 13.53 10 13 14 10 14 13.03 10 13
Ahora vamos a encontrar una relaci´on entre a ¨x y a ¨x : J 5 5 0 0
(m)
a ¨(m) = x = =
d(m) a ¨1| ¨x ¯ a ¨ax (d
(m) + (s1|¯
−
d(m)
(m) ds1| ¯ ¨ax (m) d
d(m)
d(m)
−
−
s1| ¯
(5.32) Es conveniente escribir (5.34) como:
d(m)
de lo anterior podemos obtener la identidad:
(m) (m)
(5.33)
α(m) = s1| a1| ¯ ¨ ¯ (m)
y tambi´ en llegamos a demostrar que 1 = d¨ ax + Ax
β(m) =
d(m)
1 (A(m) − d(m) − Ax ) x (m) − ¨a(m) − Ax) ¯ (Ax ∞| (m)
(m)
=
d , d(m)
(m)
a ¨∞| = ¯
¨(m) n| a x
∈
i (m) − Ax) = a¨∞|¯ ( i(m) Ax − Ax ) = a ¨∞| ¯ (s ¯ Ax − Ax ) = 1| (m) s1| −1 ¯ (m) Por lo tanto, ¨a(m) = ¨a1| ¨x − Ax ¯ a x (m) d (m) a ¨∞| ¯ (Ax
−1
d(m)
id i(m) d(m)
=
i i(m) i(m) d(m)
−
− n E xa¨(m) x+n = [α(m)¨ax − β(m)] − n E x [α(m)¨ax+n − β(m)] = α(m)(¨ax − n E x a ¨x+n ) − β(m)(1 − n E x ) = α(m)¨ax:n| ¯ − β(m)(1 − n E x )
Ahora vamos a simplificar ¨a∞| Ax ) asumiendo que las muertes tienen ¯ (Ax una distribuci´on uniforme en cada a˜no de edad, i.e., t qx = tqx , t [0, 1]
−
s1| ¯
=
a ¨(m) a(m) ¯ =¨ x x:n|
La u ´ltima expresi´ on anterior se encuentra conociendo que ¨a1| ¯ 1 . d(m)
(5.35)
Notar que las funciones α(m) y β(m) dependen ´unicamente de i y m. Para obtener (m) (m) los valores presentes actuariales a ¨x:n| ¨x 3 usaremos las relaciones entre valores ¯ y n| a presentes actuariales que ya obtuvimos:
⇒ 1 = d(m)a¨(m) + A(m) = d¨ ax + Ax x x (m) ⇒ a¨(m) = d¨ax + Ax − Ax d a ¨x d(m) (m) = ¨a1| ¨x ¯ a
− β(m)
donde:
1 = d(m) a ¨(m) + A(m) x x
=
−1
d(m)
a ¨(m) = α(m)¨ ax x
x
(5.34)
−1
(m) (m)
− vK+(J +1)/m ] = 1 − E [vK+(J +1)/m] = 1 − A(m) x
− (s(m) − 1) ¯ 1|
(m) s1| ¯ d(m)
= s1|¯ a ¨1| ¨x ¯ a 1
d(m) 1)d)
(m)
y su valor presente actuarial es:
a ¨(m) = E [ x
− (s(m) − 1)(1 − d¨ax) ¯ 1|
(m)
s1| ¯
−1
d(m)
(m)
= n E x a ¨x+n = n E x [α(m)¨ ax+n β(m)] = α(m)n| a ¨x β(m)n E x
−
Ax
(5.36)
−
(5.37)
Para hallar los valores presentes actuariales de las anualidades vencidas ser´ıa un desarrollo similar. 3
n est´ a en a˜ nos
Cap´ıtulo 6
Primas Netas Peri´ odicas Este cap´ıtulo esta basado en el Cap´ıtulo 6 de [1]. En los temas anteriores discutimos valores presentes actuariales de varios tipos de seguros y anualidades. Estas ideas son combinadas en este tema para determinar el monto de los pagos de una anualidad de vida necesarios para comprar los beneficios de un contrato de anualidad y/o de seguro. Las primas calculadas en este tema solo consideran el pago de los beneficios y NO gastos, ganancias y m´argenes de contingencia que en la vida real tienen las aseguradoras.
k 0 1 2 3 4
v v2 v3 v4 v5
En el primer cap´ıtulo se mencion´ o que la determinaci´on de la prima de seguro requiere de la adopci´on de un principio (Premium principle ). En el siguiente ejercicio se aplican varios principios para calcular una prima: Ejercicio: Un asegurador planea emitir una p´oliza para una persona de edad cero cuyo tiempo de vida futuro truncado K est´ a gobernado por la funci´o n de probabilidad: P r[K = k] = k q0 = 0,2, k = 0, 1, 2, 3, 4. La p´oliza pagar´a una unidad monetaria al final del a˜no de muerte a cambio del pago de una prima P al inicio de cada a˜no si la persona est´a viva en ese momento. Encuentra la prima anual P determinada por:
|
k 0 1 2 3 4
v v2 v3 v4 v5
l(k) P ¨a1| ¯ P ¨a2| ¯ P ¨a3| ¯ P ¨a4| ¯ P ¨a5| ¯
− − − − −
Cuadro 6.1: P r[L = l(k)] 0.20 0.20 0.20 0.20 0.20
P r[L l(k)] 0.20 0.40 0.60 0.80 1.00
≤
Cuadro 6.2: l(k) = 0 P P ¨ a1| 0.94339623 ¯ =0 P ¨ a2|¯ = 0 0.45795933 P ¨ a3|¯ = 0 0.29633001 P ¨ a4|¯ = 0 0.21565235 P ¨ a5|¯ = 0 0.16735509
P r[L > 0] 0.00 0.20 0.40 0.60 0.80
− − − − −
• Principio I: P ser´a la prima anual m´ınima tal que el asegurador tiene probabilidad de una p´erdida financiera a lo m´as de 0.25
• Principio II: P ser´a la prima anual tal que el asegurador, usando una funci´on de utilidad u(x) = x, ser´a indiferente entre aceptar y no aceptar el riesgo.
• Principio III: P ser´a la prima anual tal que el asegurador, usando una funci´on de utilidad u(x) = − exp[−0,1x], ser´a indiferente entre aceptar y no aceptar el riesgo.
Asume que el asegurador usar´a una tasa de inter´ es efectiva anual de i =0.06
Soluci´ on: Para K = k y una prima arbitraria P , el valor presente de la p´erdida financiera es l(k) = v k+1 P ¨ ak+1| = vk+1 P (1 v k+1)/d = (1 + P/d)vk+1 ¯ P/d,k = 0, 1, 2, 3, 4. Su correspondiente variable aleatoria es L = v K+1 P ¨ aK+1| ¯ .
−
−
−
−
−
Principio I: l(k) = (1 + P/d)v k+1 P/d tiene un comportamiento decreciente. Nos piden la prima m´ınima P tal que P r[L > 0] 0,25.
−
Por lo tanto, P = 0.45795933
≤
Principio II: Aplicando el principio de la utilidad esperada, u(w) = E [u(w L)] u(w) = w = E [u(w L)] = E [w L] = E [w] E [L] = w w = w E [L] E [L] = 0
−
E [L] = E [(1 + P/d)v
K+1
− ⇒
−
−
Las primas basadas en el Principio III, usando una funci´on de utilidad exponencial, son conocidas como primas exponenciales (exponential premiums). El principio que adoptaremos en adelante es el de equivalencia.
− E [L]
− − P/d] = (1 + P/d)E [vK+1] − P/d = 0,
6.1.
E [v K+1 ] = A0 = 0,842472757 (1 + P/d)A0 P/d = (P/d)(A0 1) + A0 = 0 A0 d por lo tanto, P = = 0.302723112 A0 1
−
−
−
Primas Totalmente Continuas
La variable aleatoria p´erdida es: bT vT
−
− P¯Y = Z − P¯Y
(6.3)
donde:
Principio III: Aplicando el principio de la utilidad esperada,
E [u(w
• bT y vT son el monto del beneficio y el factor de descuento al tiempo
u(w) = E [u(w L)] u(w) = exp[ 0,1w], L)] = E [ exp[ 0,1(w L)]] = exp[ 0,1w]E [ exp[0,1L]],
− − − − − 0,1L u(w) = E [u(w − L)] ⇒ 1 = E [e ] ⇒ P = 0.30628
−
−
• P ¯ es la prima anual totalmente continua (es una constante desconocida) • Y es la variable aleatoria valor presente de anualidad de vida continua • Z es la variable aleatoria valor presente del beneficio
Las primas definidas por el Principio I son conocidas como Primas de Percentiles (percentile premiums ). Aunque el principio es atractivo se puede llegar a primas insatisfactorias. El Principio II tiene muchas aplicaciones en la pr´actica. Para formalizar sus conceptos, definimos la p´erdida del asegurador, L, como la variable aleatoria valor presente de los beneficios a ser pagados por el asegurador menos la anualidad de primas pagadas por el asegurado. Este principio es llamado Principio de Equivalencia (equivalence principle) y tiene el requisito de que: E [L] = 0
T ,
respectivamente
− −
Aplicamos el Principio de Equivalencia: E [bT vT
− P¯Y ] = 0 ⇒ P ¯ = E E [b[T Y ]vT ]
(6.4)
Ejemplo: Consideraremos el caso de la prima nivelada anual continua para un seguro vitalicio de una unidad monetaria pagadera al momento de la muerte de ¯ considera: (x). Para cualquier prima pagadera continuamente, P , l(t) = v t
¯a¯ − P ¯ t|
(6.5)
(6.1)
La funci´on l(t) es una funci´ on decreciente de t con l(0) = 1 y adem´as l´ımt→∞ l(t) = P¯ /δ. Si t0 es el tiempo cuando l(t) = 0, la muerte antes de t0 Cuando hablamos de primas niveladas (benefit premiums ) nos referimos a aque- resulta en una p´erdida positiva, mientras que la muerte despu´es de t0 produce una llas que satisfacen E [L] = 0, i. e., las primas niveladas ser´an aquellas que satisfacen: p´erdida negativa, es decir, una ganancia. Ahora consideremos la variable aleatoria
−
E [valor presente de los beneficios] = E [valor presente de las primas niveladas] (6.2) Cuando el principio de equivalencia se usa para determinar una sola prima a la emisi´ on de la p´oliza para un seguro o anualidad, la prima es igual al valor presente actuarial del pago de beneficios y se llama prima neta ´unica.
L = l(T ) = v T
¯a ¯ − P ¯ T |
(6.6)
Si el asegurador calcula la prima con el Principio de Equivalencia, la prima es ¯ A¯x ) y satisface: denotada por P ( E [L] = 0
¯ A¯x )¯ax = 0 ⇔ A¯x − P (
(6.7)
Por lo tanto,
¯ ¯ A¯x ) = Ax P ( a ¯x La Figura 6.1 contiene el resto de las primas totalmente continuas.
• bK+1 y vK+1 son el monto del beneficio y el factor de descuento, respectiva(6.8)
mente
• P es la prima anual pagadera al inicio de cada a˜no de aniversario de la p´oliza durante el periodo de pago de la prima y mientras el asegurado este vivo
Figura 6.1: Primas Niveladas Totalmente Continuas (Actuarial Mathematics, p. 173 [1])
• Y es la variable aleatoria valor presente de anualidad anticipada Aplicando el Principio de Equivalencia: E [bK+1vK+1
vK+1] − P Y ] = 0 ⇒ P = E [bK+1 E [Y ]
(6.10)
Ejemplo: Consideraremos el caso de la prima nivelada anual discreta para un seguro vitalicio de una unidad monetaria pagadera al final del a˜no de muerte de (x). Ahora consideremos la variable aleatoria L = v K+1
− P x¨aK+1| ¯
(6.11)
Aplicando el Principio de Equivalencia: E [L] = 0
⇔ Ax − P xa¨x = 0
Por lo tanto, P x =
Ax a ¨x
(6.12)
(6.13)
La Figura 6.2 contiene el resto de las primas totalmente discretas.
6.3.
6.2.
En la pr´actica, los seguros de vida son pagables inmediatamente despu´es de que ocurre la muerte en vez de al final del a˜no de aniversario de p´oliza en que ocurre la muerte. Tales primas, siguiendo el mismo orden que en la Figura 6.2, son denotadas ¯x ) y hP (A¯ ¯ ). El Principio de Equivalencia por P (A¯x), P (A¯ 1 ¯ ), P (A¯x:n| ¯ ), h P (A x:n| x:n| es aplicado para producir f´ormulas similares a las de las Figuras 6.1 y 6.2, por ejemplo, para el seguro vitalicio tenemos:
Primas Totalmente Discretas
La variable aleatoria de p´erdida es: bK+1 vK+1 donde:
− P Y
Primas Niveladas Semicontinuas
(6.9)
P (A¯x ) =
A¯x a ¨x
(6.14)
Figura 6.2: Primas Niveladas Totalmente Discretas (Actuarial Mathematics, p. 183 [1])
Figura 6.3: Primas Niveladas Fraccionales (Actuarial Mathematics, p. 189 [1])
6.4.
Primas que se Pagan cada A˜ no
-´ esima Parte del
m
Si las primas son pagables m veces en el a˜no, en vez de anualmente, sin ajuste en el beneficio de muerte, las primas resultantes son llamadas primas fraccionales (m)
(true fractional premiums ). As´ı, P x denota la prima nivelada anual fraccional, pagable al inicio de cada per´ıodo m-´esimo por un seguro de vida vitalicio pagable al final del a˜no de muerte y donde la suma asegurada es una unidad monetaria. El s´ımbolo P (m) (A¯x ) tiene la misma interpretaci´on excepto porque el seguro es pagable al momento de la muerte. En la pr´actica m es 2, 4 o 12. La Figura 6.3 contiene el resto de las primas.
Cap´ıtulo 7
Reservas Matem´ aticas Este cap´ıtulo esta basado en los Cap´ıtulos 7 y 8 de [1], y Cap´ıtulo 6 de [2]. La reserva matem´atica pura al tiempo t (benefit reserve at time t ) es la esperanza condicional de la diferencia entre el valor presente de beneficios futuros y el valor presente de primas niveladas futuras donde el evento que condiciona es la sobrevivencia del asegurado al tiempo t (t = 0 es el momento de la emisi´on de la p´oliza).
7.1.
Reservas Matem´ a ticas Puras Totalmente Continuas
Si la edad alcanzada fuera la ´unica informaci´o n a la emisi´o n de la p´oliza de seguro en la edad x, o por alguna otra raz´on una tabla de mortalidad agregada es usada para la distribuci´on del tiempo de vida futuro, entonces la distribuci´on de T (x) t es la misma que la de T (x + t), por lo que:
−
¯ ¯
t V (Ax ) =
A¯x+t
¯ A¯x )¯ax+t − P (
(7.3)
En la evaluaci´on de estas esperanzas condicionales, la sobrevivencia de ( x) al tiempo t fue la u ´nica informaci´on nueva incorporada. Un principio de reserva completo requerir´ıa toda la informaci´ on nueva relevante para que estimar las obligaciones de la aseguradora de manera apropiada. La Figura 7.1 contiene el resto de las reservas.
La reserva matem´atica pura para un seguro de vida vitalicio con suma asegurada de 1 pagadero al momento de la muerte emitido para ( x) con una prima nivelada ¯ A¯[x] ) al momento de la emisi´on es cero. La correspondiente reserva para anual de P ( un asegurado sobreviviente t a˜ nos m´as tarde es definida como el valor esperado de la p´erdida prospectiva al tiempo t, dado que (x) ha sobrevivido al tiempo t. M´ as formalmente, para T (x) > t, la p´erdida prospectiva es = vT (x)−t
¯ A¯[x] )¯ aT (x)−t| − P ( ¯
7.2.
Otras F´ ormulas para Reservas de Beneficio Totalmente Continuas
Ya hemos definido la reserva de beneficios como la esperanza condicional de la variable aleatoria p´erdida prospectiva y desarrollado un m´etodo para escribir La reserva, como una esperanza condicional, es calculada usando la distribuci´on f´ormulas de reservas matem´aticas puras totalmente continuas, llamado prospectivo condicional del tiempo de vida futuro en t para una vida seleccionada en x, dado (prospective method ), estableciendo que la reserva de beneficios es la diferencia entre los valores presentes actuariales de beneficios futuros y primas niveladas que ha sobrevivido hasta t, en t´erminos de notaci´on: futuras. A partir de este m´etodo, po demos escribir otras f´ormulas para p´olizas con ¯ ¯ beneficios nivelados y primas niveladas que vamos a ilustrar para un seguro dotal t V (A[x] ) = E [t L T (x) > t] mixto temporal n a˜ nos. T (x)−t ¯ A¯[x] )E [a = E [v T (x) > t] P ( ¯T (x)−t| T (x) > t] (7.2) ¯ ¯ A¯[x] )¯a[x]+t La f´ormula de diferencia de primas (premium-difference formula ) se obtiene al = A¯[x]+t P ( tL
|
−
|
−
(7.1)
|
Una tercera expresi´o n es la f´ormula retrospectiva (retrospective formula ) que Figura 7.1: Reservas Matem´aticas Puras Totalmente Continuas, Edad a la Emisi´on desarrollamos de las siguientes relaciones, donde t < n s: x, Duraci´on t, Una Unidad Monetaria de Beneficio, h < n donde h se mide en a˜nos ¯ 1 (Actuarial Mathematics, p. 212 [1]) A¯x+s:n−s| + t E x+s A¯x+s+t:n−s−t| (7.6) ¯ =A ¯ ¯
−
x+s:t|
a ¯x+s:n−s| ax+s:t|¯ + t E x+s a ¯x+s+t:n−s−t| ¯ =¯ ¯
(7.7)
¯ A¯ ¯ ) obteneSustituyendo estas expresiones en la f´ ormula prospectiva para s V ( x:n| mos: ¯ ¯ ¯)= s V (Ax:n|
¯ A¯ ¯ )¯a A¯x+s:n−s| P ( ¯ ¯ x:n| x+s:n−s| = ( A¯ 1 + t E x+s A¯ ) ¯
−
¯ A¯ ¯ )(¯ ¯x+s+t:n−s−t| ) − P ( ¯ + t E x+s a ¯ x:n| ax+s:t| ¯ A¯ ¯ )¯a ¯ ¯ A¯ ¯ )¯a − P ( − P ( = A¯ ] ¯ + t E x+s [A ¯ ¯ x:n| x+s:t| x+s+t:n−s−t| x:n| x+s+t:n−s−t| ¯ x+s:t| ¯ A¯ ¯ )¯a ¯ A¯ ¯ )] = A¯ − P ( ¯ + t E x+s [s+t V ( x:n| x+s:t| x:n| ¯ x+s:t| x+s+t:n−s−t|
¯ x+s:t| 1
1
la expresi´ on anterior tiene el siguiente significado:1 ¯ ¯
¯) s V (Ax:n|
= (VPA de los beneficios pagables durante [s, t] al inicio de este periodo)
(VPA de las primas pagables durante [s, t] al inicio este periodo) ¯ A¯ ¯ ) al inicio del periodo [s, t]) +(VPA de un dotal puro con beneficio s+t V ( x:n|
−
Reordenando los t´erminos: ¯ ¯
factorizar a ¯x+t:n−t| ormula prospectiva: ¯ de la f´ ¯ ¯
¯ A¯ ¯ )¯a A¯x+t:n−t| P ( ¯ ¯ x:n| x+t:n−t| A¯x+t:n−t| ¯ ¯ A¯ ¯ )]¯a =[ P ( ¯ x:n| x+t:n−t| a ¯x+t:n−t| ¯ ¯ A¯ ¯ A¯ ¯ )]¯a = [ P ( P ( ¯ ) ¯ x+t:n−t| x:n| x+t:n−t|
¯)= t V (Ax:n|
− −
¯)+ s V (Ax:n|
(7.4)
¯ ¯ ¯)+ 0 V (Ax:n|
La f´ormula seguro paid-up (paid-up insurance formula ) se obtiene factorizando el valor presente actuarial de los beneficios futuros de la f´ormula prospectiva:
¯ A¯ ¯ )¯ ¯ 1 + t E x [t V ( ¯ A¯ ¯ )] P ( ¯ =A x:n| ax:t| ¯ x:n| x:t| ¯ A¯ ¯ ) = 1 [P ( ¯ A¯ ¯ )¯ ¯ ] ⇒ tV ( ¯ −A x:n| x:n| ax:t| ¯ x:t| t E x
(7.8)
1
Ahora vamos a definir dos valores actuariales: a ¯x:t|¯ = s¯x:t|¯ (t E x )
¯ A¯ ¯ )¯ − P ( ¯ x:n| ax+t:n−t|
a ¯ ¯ ¯ A¯ ¯ ) x+t:n−t| ]A¯ − P ( ¯ x:n| ¯ x+t:n−t| Ax+t:n−t| ¯ ¯ A¯ ¯ )/P ( ¯ A¯ ¯ = [1 − P ( ¯ )]A ¯ x:n| x+t:n−t| x+t:n−t| = [1
¯ A¯ ¯ )] + t E x+s [s+t V ( x:n|
¯ A¯ ¯ ) = 0 La f´ormula retrospectiva se obtiene al establecer s = 0, notando que 0 V ( x:n| ¯ ¯ por el Principio de Equivalencia, y resolviendo para t V (Ax:n| ¯ ):
que exhibe la reserva de beneficio como el valor presente actuarial de una diferencia de primas pagable sobre el resto del plazo de pago de la prima “original”.
A¯x+t:n−t| ¯
1
¯ x+s:t|
(Recursos de la Aseguradora) = (Obligaciones de la Aseguradora)
−
¯ ¯ ¯)= t V (Ax:n|
¯ A¯ ¯ )¯ ¯ P ( ¯ =A x:n| ax+s:t|
A¯ 1
(7.5)
¯ x:t|
1
VPA: Valor Presente Actuarial
= tk¯x (t E x )
¯ x:t| ⇒ s¯x:t|¯ = a¯tE x
⇒ tk¯x =
(7.9)
A¯ 1
¯ x:t|
t E x
(7.10)
La ecuaci´on (7.10) es conocida como costo acumulado del seguro ( accumulated cost Figura 7.2: Reservas Matem´aticas Puras Totalmente Discretas, Edad a la Emisi´on of insurance) y tambi´en se puede expresar como: x, Duraci´on k, Una Unidad Monetaria de Beneficio (Actuarial Mathematics, p. 216 [1]) t s t v s px µ(x + s)ds 1 t−s ¯ = (1 + i) l µ (s)ds (7.11) t kx = x+s x v t t px lx+t 0 0
Por lo tanto: ¯ ¯
¯)= t V (Ax:n|
¯ A¯ ¯ )¯s ¯ P ( x:n| x:t|
− tk¯x
= (primas niveladas acumuladas con inter´ es y compartidas solamente entre los sobrevivientes a la edad x + t) (costo acumulado del seguro)
(7.12)
−
Por u ´ltimo, aunque las reservas de beneficios son no negativas en la mayor´ıa de las aplicaciones, no hay teorema que garantice esta propiedad.
7.3.
Reservas Matem´ a ticas Puras Totalmente Discretas
Las reservas matem´ aricas puras totalmente discretas son para seguros que tienen pagos de prima anual y pagos de beneficio al final del a˜no de muerte. Analizaremos el seguro de vida vitalicio emitido para (x) con prima nivelada P x . Para un asegurado que sobrevive k a˜ nos m´as tarde, definimos la reserva de beneficios, denotada por k V x como la esperanza condicional de la variable aleatoria p´erdida prospectiva on k: k L, a la duraci´ kL
= v (K(x)−k)+1
− P x¨a(K(x)−k)+1| ¯ V = E [ L K ( x) = k, k + 1, . . . ] = E [k L|K (x) ≥ k] | k x k
(7.14)
−
= Ax+k
− P xa¨x+k
¯ k V x:n|
(7.13)
La f´ormula prospectiva para la reserva matem´atica pura, considerando que K (x) k tiene la misma distribuci´on que K (x + k): k V x
• Premium difference formula :
Podemos desarrollar otras f´ormulas para la reserva matem´atica pura a partir de la f´ ormula prospectiva que ejemplificamos con un seguro dotal mixto:
− P x:n|¯ a¨x+k:n−k| ¯ Ax+k:n−k| ¯ =[ − P x:n|¯ ]¨ax+k:n−k| ¯ ¨ax+k:n−k| ¯ = [P x+k:n−k| ax+k:n−k| ¯ − P x:n| ¯ ]¨ ¯
(7.16)
• Paid-up insurance formula : ¯ k V x:n|
= Ax+k:n−k| ¯ = [1
P x:n| ¨x+k:n−k| ¯a ¯ ¨ax+k:n−k| ¯ P x:n| ]Ax+k:n−k| ¯ ¯ Ax+k:n−k| ¯
−
− = [1 − P x:n| ¯ /P x+k:n−k| ¯ ]Ax+k:n−k| ¯
(7.15)
La Figura 7.2 contiene el resto de las reservas.
= Ax+k:n−k| ¯
(7.17)
• Retrospective formula ¯ h V x:n|
= P x:n| ¯ sx:h| ¯
− hkx
(7.18)
donde sx:h| ax:h| ¯ =¨ ¯ /h E x y h kx = A 1
¯ x:h|
7.4.
/h E x
2) Seguro Dotal Mixto Temporal n a˜ nos
h (m) ¯ (Ax:n| ¯)= k V
Reservas Matem´ aticas Puras Semicontinuas
A¯x+k:n−k| ¯ A¯x+k:n−k| ¯ 1
3
− hP (m)(A¯x:n|¯ )¨a(m) ¯ x+k:h−k|
k
≤
En la pr´actica, es m´as com´ un pagar primas como P (A¯x), P (A¯1 ¯ ), P (A¯x:n| ¯ ), donde: x:n| ¯ ¯ ¯ ). Para aquellos casos, la reserva de beneficios es obtenida reah P (Ax ) y h P (Ax:n| ¯ P por P (A) ¯ y V por V (A) ¯ en la Figura 7.2. lizando los cambios A por A, Si la distribuci´on de las muertes a lo largo del a˜no es uniforme A¯x+k:n−k| = ¯ i + n−k E x+k δA 1 ¯
•
x+k:n−k|
7.5.
Reservas Matem´ aticas Puras basadas en primas niveladas que se Pagan cada m-´ esimo de a˜ no
Vamos a revisar dos ejemplos, asumiendo que el n´umero de muertes a lo largo del a˜ no [x, x + 1] tiene una distribuci´on uniforme: 1) Seguro Dotal Mixto Temporal n a˜ nos2
h (m) ¯ k V x:n|
=
donde:
Ax+k:n−k| ¯ Ax+k:n−k| ¯ 1
− hP x:(m)n|¯ ¨a(m) ¯ x+k:h−k|
k
≤
1
(m) (m) ax+k:h−k| a1| = • a¨(m) ¯ − β(m)(1 − h−k E x+k ), donde α(m) = s ¯ ¨ ¯ = α(m)¨ ¯ 1| x+k:h−k| (m)
s1| ¯ −1 d(m)
=
i−i(m) i(m) d(m)
• hP x:(m)n|¯ = Ax:n|¯ /¨a(m) ¯ x:h| • Lo que(m)se paga al inicio de cada m-´esimo de a n˜o si esta vivo el asegurado es 1 ¯ m h P x:n|
2
h < n, h esta en a˜ nos
7.6.
An´ alisis de Reservas Matem´aticas
Los resultados de este tema aplican para las reservas matem´aticas donde el beneficio y la prima pueden variar, y en particular, cuando son constantes como en las reservas ya vistas.
7.6.1.
Reservas Matem´ aticas Puras para Seguros Generales
Considera un seguro totalmente discreto y general en el cual:
+ n−k E x+k • Ax+k:n−k| ¯ =A ¯ x+k:n−k|
id , β(m) = i(m) d(m)
• hP (m)(A¯x:n|¯ ) = A¯x:n|¯ /¨a(m) ¯ x:h|
• El beneficio por muerte es pagable al final del a˜no de muerte. • Las primas se pagan anualmente, al inicio del . an˜o p´oliza”. • El beneficio por muerte en el j-´esimo a˜no despu´es de la emisi´on de la p´oliza es bj , j = 1, 2, . . .
• El pago de la prima en el j-´esimo a˜no de p´oliza es πj−1, j = 1, 2, . . . Notar que los sub´ındices de b y π coinciden con los tiempos en que se pueden pagar. 3
Aqu´ ı el beneficio es pagado al momento de la muerte; h < n, h esta en a˜ nos
Para h Z+ , la p´erdida prospectiva, h L es el valor presente en h de los beneficios futuros menos el valor presente en h de las primas futuras, como funci´on de K (x) es igual a:
∈
hL
=
0 bK(x)+1v K(x)+1−h
−
La reserva de beneficios para este caso general es: ¯ = E [t L T (x) > t]
t V
T (x)
= E [bT (x) v T (x)−t
K (x) = 0, 1, . . . , h 1 K (x) = h, h + 1, . . .
−
K(x) j−h j=h πj v
|
−
|
T (x)−t
−
= E [b(T (x)−t)+t v T (x)−t
= E [h L K (x)
|
≥ h]
= E [bK(x)+1 vK(x)+1−h
πj vj−h K (x)
|
j=h
= E [b(K(x)−h)+h+1 v
|
Si la distribuci´on de T no es selecta, entonces la distribuci´on de T (x) t dado que T (x) > t es la misma distribuci´on que la de la variable aleatoria T (x + t) y se sigue que:
−
K(x)
−
(7.21)
πt+r vr dr T (x) > t]
0
La reserva de beneficios en h est´ a definida como: h V
πu v u−t du T (x) > t]
t
≥ h]
(7.19)
K(x)−h
(K(x)−h)+1
−
πj+hv
j=0
j
¯ = E [bT (x+t)+t v T (x+t)
t V
| K (x) ≥ h]
∞
=
0
Bajo la suposici´ on de que la distribuci´on condicional de K (x) h, dado que K (x) = h, h + 1, . . . es igual a la distribuci´o n de K (x + h) (esto sucede cuando usamos una tabla de mortalidad agregada) podemos reescribir hV como:
−
=
0
∞
(bt+u v u
u
−
T (x+t)
−
πt+r vr dr]
0
πt+r v r dr)u px+t
0
bt+u v u u px+t
µx (t + u)du
× −
∞
× µx(t + u)du
(7.22)
πt+r v r r px+t dr
0
K(x+h) K(x+h)+1 h V = E [bK(x+h)+h+1 v j
∞
=
(bh+j+1 v j+1
j=0 ∞
=
−
−
j=0
πh+k vk )j px+h
k=0
bh+j+1v j+1 j px+h
j=0
7.6.2.
πj+hv j ]
× qx+h+j
× qx+h+j
(7.20)
∞
−
Relaciones Recursivas para Reservas Matem´ aticas Puras Totalmente Discretas
πh+j vj j px+h
Figura 7.3: Flujos de Efectivo de una Aseguradora bajo un Seguro Totalmente Discreto General
j=0
Ahora consideremos un seguro totalmente continuo y general para:
• El beneficio pagable por muerte al momento de la muerte, t, es bt • Las primas son pagables continuamente en t a la tasa anual, πt La p´erdida prospectiva para una vida asegurada a edad x y que sigue viva t a˜nos despu´es de la emisi´on de la p´oliza, es el valor presente en t de los beneficios futuros menos el valor presente en t de las primas futuras: tL
=
0 bT (x) vT (x)−t
−
T (x) πu v u−t du t
T (x) t T (x) > t
≤
Sea ch el valor presente en h de la p´ erdida neta de efectivo durante el a˜no (h, h + 1) 1. Si (h, h + 1) es antes de la muerte, es decir, h < K (x), negativa es ganancia) 2. Si (h, h + 1) es el a˜no de muerte, es decir, h = K (x),
⇒ ch = −πh (p´erdida
⇒ ch = vbK(x)+1 − πh
3. Si (h, h + 1) es despu´es del a n ˜ o de muerte, ch = 0
Una relaci´on recursiva para la reserva de beneficios puede ser obtenida como: E [h L K (x)
|
Dicho de otra manera: ch =
−
0 vb h+1 πh
K (x) = 0, 1, . . . , h 1 K (x) = h K (x) = h + 1, h + 2, . . .
−
− πh
ch = vb h+1 I
I =
1 0
≥ h, observamos que:
− πh
(7.23)
con probabilidad qx+h con probabilidad px+h
7.6.3. (7.24)
E [ch ] = E [ch K (x) h]P r[K (x) h] + E [ch K (x) < h]P r[K (x) < h] = (vb h+1 qx+h πh )h px + 0 (1 h px ) = (vb h+1 qx+h πh)h px
(7.25)
×
≥
−
≥
−
× −
|
∞
=
= E [m L K (x)
|
(7.27) (7.28)
Reservas Matem´ aticas Puras en Duraciones “Fraccionales”
Considera un seguro totalmente discreto con beneficios bj+1 pagable al final del a˜ no de muerte que se compra con primas anuales de πj donde j = 0, 1, 2, . . . . En este tema buscamos una expresi´on para la “Reserva de Beneficios Interina”, (Interim Benefit Reserve ) que es la reserva matem´atica pura en alg´un punto del tiempo entre aniversarios de p´oliza. La notaci´on para esta reserva es: h+s V
Sea h L el valor presente en h de los gastos menos los ingresos del asegurador hL
m V
Para trabajar con las relaciones recursivas, se necesitan valores iniciales.
⇒ E [ch|K (x) ≥ h] = (vbh+1 × 1 − πh)qx+h + (vbh+1 × 0 − πh) px+h = vb h+1 × qx+h − πh × qx+h − πh × px+h = vb h+1 × qx+h − πh |
≥ m], m ∈ Z+ ∪ {0} h V = vb h+1 × qx+h − πh + vpx+h × h+1 V -Backward1 (h V − vb h+1 qx+h + πh) -Forwardh+1 V = vp x+h
y recordando que
Para la distribuci´on condicional de ch, dado que K (x)
donde:
≥ h] = E [ch + v × h+1L|K (x) ≥ h] = E [ch |K (x) ≥ h] + vE [h+1 L|K (x) ≥ h] = vb h+1 × qx+h − πh + vE [h+1L|K (x) ≥ h] = vb h+1 × qx+h − πh + vpx+h E [h+1 L|K (x) ≥ h + 1]
para h = 0, 1, 2, . . . y 0 < s < 1
as´ı, s representa una fracci´on de un a˜no. Figura 7.4: Reserva de Beneficios Interina
v j−h cj
j=h ∞
v j−h cj
= ch +
(7.26)
j=h+1 ∞
= ch + v
v j−h−1 cj
j=h+1
= ch + v
× h+1L (relaci´on recursiva)
Se puede demostrar que para h < K (x), h L = v K(x)+1−hbK(x)+1
−
K(x) j=1
vj−h πj
Para reservas matem´ aticas en a˜ nos fraccionales (reservas a los tiempos h + s donde 0 < s < 1) queremos escribir una f´ormula que relacione h+sV con h+1 V .
Recordemos que la f´ormula recursiva para h V es: h V
+ πh = vb h+1qx+h + vp x+h
× h+1V
Para h+s V , estamos parados en el tiempo h + s as´ı que πh esta en el pasado y no estar´a en la f´ormula. Adem´as, todo lo descontaremos por un periodo de 1 s a˜nos en vez de 1 a˜no. Finalmente, cualquier funci´on de sobrevivencia comenzar´a a la edad x + h + s e involucrar´ a una sobrevivencia por 1 s a˜ nos. El resultado es:
−
−
h+s V
= v 1−s bh+1
× 1−sqx+h+s + v1−s1−s px+h+s × h+1V
(7.29)
La ecuaci´on anterior significa que la reserva al tiempo h + s debe ser suficiente para proveer el beneficio bh+1 para aquellos que mueran en los pr´oximos 1 s a˜ nos y tambi´en para proveer h+1 V al final del a˜no para aquellos quienes sobreviven los pr´ oximos 1 s a˜ nos.
−
−
Notar que en (7.29) los t´erminos 1−s qx+h+s y 1−s px+h+s dependen de la distribuci´ on de las muertes en el a˜no, por ejemplo, distribuci´on uniforme de las muertes, fuerza constante de mortalidad o Balducci.
7.7.
Terminolog´ıa
El a˜ no p´oliza (policy year ) desde el tiempo t = h al tiempo t = h + 1 es llamado “a˜no p´oliza h + 1”. Para el a˜no p´oliza h + 1, la siguiente terminolog´ıa aplica: h V
+ πh : reserva inicial para el a˜ no p´oliza h + 1 (initial benefit reserve ) (7.30) no h (terminal benefit reserve ) (7.31) h V : reserva final para el a˜ no h + 1 (7.32) h+1 V : reserva terminal para el a˜
El monto neto en riesgo (net amount at risk ) se refiere al monto de dinero que la aseguradora podr´ıa pagar al asegurado por encima de la reserva matem´atica pura, en otras palabras, el monto neto en riesgo para el a˜no p´oliza h + 1 es: bh+1
− h+1V
(7.33)
En el negocio de los seguros esta es una cantidad importante pues representa el monto que la aseguradora tendr´a que obtener de fuentes distintas de la reserva matem´ atica pura del asegurado si el asegurado muere en el a˜no p´oliza h + 1.
Cap´ıtulo 8
Prima de Tarifa Este cap´ıtulo esta basado en el Cap´ıtulo 10 de [2]. Habr´ a dos temas principales en esta parte del curso:
• i =6% • Una persona (40) comprar´a un seguro de vida vitalicio totalmente discreto con beneficio a la muerte de 1000.
1. Gastos: El punto principal de los gastos es finalmente enfrentar el hecho de que todas las primas y reservas de las que hemos hablado en el curso son solamente para cubrir beneficios (como si esa fuera la ´unica obligaci´on de la aseguradora). As´ı, ´estas no han cubierto otras demandas de efectivo a las que se enfrenta la aseguradora. 2. Asset Shares que requerir´ a nueva notaci´on y explicaciones. Un punto importante de los Asset Shares es que prop orcionan un m´ etodo para asignar activos de la compa˜ n´ıa a los diferentes asegurados en el evento de que la aseguradora enfrente una bancarrota.
• Los gastos incluyen 10% de la Gross Premium m´as 5 por a˜no, ambos pagables al inicio de cada a˜no.
1. Encuentra la Gross Premium necesaria para fondear todos los beneficios y gastos. 2. Encuentra el monto de prima necesario para cubrir gastos (esta es llamada la prima de gastos (expense premium ) y es definida como la Gross Premium menos la prima de beneficios). 3. Encuentra la reserva de beneficios y la reserva de gastos (la porci´o n de la reserva total necesaria para pagar gastos futuros) al tiempo t = 10
8.1.
Modelos Aumentados con los Gastos Soluciones:
Los gastos no son dif´ıciles de tratar en tanto se traten como otros b eneficios que la aseguradora debe proveer (pero no necesariamente al asegurado sino a agentes de seguros, empleados, etc.), entonces, cuando calculamos la prima cargada con los gastos o prima de tarifa G (G es por Gross Premium ) solo necesitamos incluir los gastos en la ecuaci´on del principio de equivalencia.
1. Primero establecemos la ecuaci´on del Principio de Equivalencia: (Valor Presente Actuarial de Primas) = (Valor Presente Actuarial de Beneficios y Gastos)
Ejemplo 1: Dado que:
G¨ a40 = 0.10G¨a40 + 5¨a40 + 1000A40
• La mortalidad sigue la Tabla de Vida Ilustrativa.1 1
Actuarial Mathematics,
p. 675 [1]
G¨ a40 (1
− 0.10) = 5¨a40 + 1000A40 + 1000A40 ⇒ G = 5¨a400.90¨ a40
2. La prima de beneficios es P =
• La mortalidad sigue la Tabla Ilustrativa de Vida. • i=6 % • Una persona (40) comprar´a un seguro de vida vitalicio totalmente discreto
1000A40 a ¨40
Por lo que la prima de gastos es E = G
− P
3. La reserva de beneficios es A50 P ¨ a50 . La reserva de gastos es (0.10G+5)¨ a50 E a ¨50 .
−
con beneficio a la muerte de F .
−
Para este ejemplo, la prima de gastos financia exactamente los gastos del a˜no, y la reserva es cero en todos los a˜nos. Los resultados se muestran en la Figura 8.1 Figura 8.1: Ejemplo 1
• Los gastos incluyen 10 % de la Gross Premium pagable al inicio de cada a˜no. Adem´ as, hay un gasto inicial de 20 al momento de la emisi´on de la p´oliza y un gasto final de 80 al momento en que el beneficio por muerte es pagado.
• Gross Premium (G) es igual a 30. 1. Encuentra F 2. Encuentra la reserva de gastos en t = 10 Soluciones: 1. Establecemos la ecuaci´on del principio de equivalencia: G¨ a40 = F A40 + 0.10G¨ a40 + 20 + 80A40 , donde G = 30 30¨ a40 (0.90) 20 80A40 F = A40
− −
2. Para calcular la reserva de gastos, primero calculamos la prima de gastos ( E ) E = 30
− Fa¨A4040
La reserva de gastos en t = 10 es 0.10G¨a50 + 80A50 E ¨a50 Los resultados ˆ num´ ericos se muestran en la Figura 8.2. A¡La reserva de gastos es negativa! Esto se debe al hecho de que el cargo inicial fue grande en valor presente relativo al cargo final al momento de la emisi´o n y es muestra de que las reservas matem´ aticas pueden ser negativas. Este fen´omeno se revertir´a a˜nos m´as tarde.
−
8.2.
Gastos
• Gastos por inversiones: Costos de an´alisis, compra, venta y servicio de Ejemplo 2: Dado que:
las inversiones de las reservas de la aseguradora. Los gastos de inversi´on son tomados en cuenta, usualmente, reduciendo la tasa de inter´ es asumida durante la vida de la p´oliza.
Figura 8.2: Ejemplo 2
por ejemplo, investigaci´on, servicios actuariales y legales, contabilidad, requisitos legales. 4. Gastos de pago del beneficio: Gastos asociados con validar y pagar un reclamo: investigaci´on de reclamos, defensa legal, costos administrativos de pagar beneficios. Ejemplo 3 Para un seguro dotal mixto temporal 10 a˜nos, totalmente discreto para (50), te han dado lo siguiente:
• Los porcentajes de gastos de primas por comisiones es igual al 50% de la
Gross Premium en el primer a˜ no seguido por 5 % de la Gross Premium desde el segundo a˜n o y hasta el ´ultimo (estas comisiones son para el agente de seguros).
• Los gastos de adquisici´on son de 20, gastos por pago de beneficio son igual
a 10 por cada 1000 de suma asegurada, m´as 80; y gastos de mantenimiento anual igual a 5 m´as 2 por cada 1000 de suma asegurada.
• Los gastos de adquisici´on son pagados a la emisi´on de la p´oliza, los gastos por pago de beneficios son pagados cuando el beneficio es pagado, y los gastos de mantenimiento son pagados cuando la prima anual es pagada.
Si la suma asegurada de la p´oliza es b, encuentra la Gross Premium en t´erminos de b y valores presentes actuariales de seguros y anualidades. Soluci´ on: G¨ a50:10| a51:9| ¯ = 0.50G + p50 v(0.05G¨ ¯ ) + 20 + (10b/1000 + 80)A50:10| ¯ + (5 + 2b/1000)¨ a50:10| ¯ + bA50:10| ¯ G[¨a50:10| ¯
− 0.50 − p50v(0.05¨a51:9|¯ )] = 20 + (0.010b + 80)A50:10|¯
+ (5 + 0.002b)¨a50:10| ¯ + bA50:10| ¯
G=
• Gastos del seguro: 1. Gastos de adquisici´ on: Son los costos asociados con vender el seguro. Pueden incluir comisiones, costos de aseguramiento y publicidad.
=
2. Gastos de mantenimiento: Son los gastos que ocurren regularmente como recolecci´ on de las primas, cambios en las p´olizas y correspondencia a los asegurados.
=
3. Gastos generales: Gastos que no son f´aciles de repartir a cada p´oliza,
=
20 + (1.010b + 80)A50:10| a50:10| ¯ + (5 + 0.002b)¨ ¯ a ¨50:10| ¯
− 0.45 − 0.05 − p50v(0.05¨a51:9|¯ )
20 + (1.010b + 80)A50:10| a50:10| ¯ + (5 + 0.002b)¨ ¯ a ¨50:10| ¯
− 0.45 − 0.05(1 + p50v(¨a51:9|¯ ))
20 + (1.010b + 80)A50:10| a50:10| ¯ + (5 + 0.002b)¨ ¯ a ¨50:10| ¯
− 0.45 − 0.05¨a50:10|¯
20 + (1.010b + 80)A50:10| a50:10| ¯ + (5 + 0.002b)¨ ¯ 0.95¨ a50:10| ¯
− 0.45
Los resultados num´ ericos se muestran en la Figura 8.3, d´andole el valor de 1000 a b. Figura 8.3: Ejemplo 3
• G: prima de tarifa anual ( Gross Premium ) • k AS : asset share asignado a la p´oliza al tiempo t = k • ck : porcentaje de la prima de tarifa destinada a gastos al tiempo k (en otras palabras, ck G, es el monto de la prima de tarifa destinada a gastos)
• ek : gastos pagados por p´oliza al tiempo t = k (1) : probabilidad de muerte antes de la edad • qx+k
x + k + 1 para un asegurado
que tiene una edad de x + k
(2) : probabilidad de cancelaci´on de la p´oliza antes de la edad x + k +1 para • qx+k
un asegurado de edad de x + k
• k CV : el monto de efectivo pagado al asegurado como un beneficio en el evento
de que el asegurado haya cancelado la p´oliza (CV es por cash value ), este monto lo define la aseguradora, y puede ser la reserva de beneficios, la ´ultima prima pagada menos gastos, etc.
• bk : beneficio por muerte pagadero al tiempo
t = k para una muerte en el
k-´esimo a˜no de p´oliza
La definici´on del k-´esimo Asset Share (k AS ) es el valor acumulado actuarialmente al tiempo k de todas las primas pasadas, menos los gastos, beneficios por muerte y beneficios por cancelaciones. Si el asset share inicial es 0AS (el cual puede ser o no igual a cero), entonces, 1 AS debe satisfacer: (8.1) − c0) − e0](1 + i) = qx(1)b1 + qx(2)1CV + p(τ ) x 1 AS (τ ) (τ ) (1) (2) donde px = 1 − qx = 1 − (qx + qx ) (la Teor´ıa de los Decrementos M´ultiples [0 AS + G(1
se estudia en Matem´aticas Actuariales del Seguro de Personas II).
8.3.
Asset Shares
Recordemos la f´ormula recursiva para la reserva matem´atica pura: 0 V = vb 1 qx − π0 + vpx × 1 V ⇔ 0V (1 + i) = b1qx − π0(1 + i) + px × 1V ⇔ (0V + π0)(1 + i) = qxb1 + px × 1V
Los Asset Shares son una herramienta usada para: 1. Proyectar la acumulaci´on de activos que financian un bloque de p´olizas de seguro
Las diferencias son:
2. Asignar estos activos a cada p´ oliza Terminolog´ıa:
• Estamos usando primas de tarifa (Gross Premium ), gastos y beneficios por cancelaciones de la p´oliza.
t 0 1 2 3
t 0 1 2 3
Cuadro 8.1: (1) (2) q80+t q80+t 0.10 0.30 0.15 0.25 0.20 0.10 0.25 0.10
pura inicial es cero 0 V = 0, por definici´on, ya que la prima fue calculada por el principio de equivalencia.
• El Asset Share final puede no ser cero. La f´ormula general de recursi´on es: (1) (2) (τ ) bk+1 + qx+k (k+1 CV ) + px+k × k+1 AS (8.2) − ck ) − ek ](1 + i) = qx+k
Ejemplo 4 Para un seguro de vida vitalicio totalmente discreto en (80), te han dado que:
• La suma asegurada es 1000, y la prima de tarifa es 200. • Los gastos incluyen 10% de la prima de tarifa m´as 20 en todos los a˜nos. • El cash value durante cualquier a˜no es 50 % de todas las primas pagadas hasta ese momento.
• i =6 % • Las probabilidades de muerte y cancelaciones est´an dadas en el Cuadro 8.1. Asumiendo que el asset share inicial para esta p´oliza es 15, encuentra los montos de los asset shares en los tiempos t = 1, 2, 3 Soluci´ on: Aplicando la ecuaci´on (8.1):
(1)
(2)
(τ )
[0 AS + G(1 c0 ) e0 ](1 + i) = q80 b1 + q80 1 CV + p80 1 AS [15 + 200(1 0.10) 20](1.06) = 0.10(1000) + 0.30(100) + (1 1 AS = 92.5
− − − − ⇒
15 92.4 112.8 84.5
Cuadro 8.2: Resultados
• El Asset Share inicial puede no ser cero mientras que la reserva matem´atica
[k AS + G(1
t AS
− (0.10+0.30))1AS
Aplicando la ecuaci´on (8.2), se obtiene los valores del Cuadro (8.2)