Estadística Bayesiana y Riesgos -...
Transcript of Estadística Bayesiana y Riesgos -...
![Page 1: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/1.jpg)
Estadística Bayesiana y Riesgos
Manuel Mendoza RamírezInstituto Tecnológico Autónomo de México
Seminario Aleatorio. Contribuciones Recientes de la Estadística a la Actuaría en México.ITAM. México, D.F. Noviembre 23, 2007.
![Page 2: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/2.jpg)
Estadística Bayesiana y Solvencia
Manuel Mendoza RamírezInstituto Tecnológico Autónomo de México
Seminario Aleatorio. Contribuciones Recientes de la Estadística a la Actuaría en México.ITAM. México, D.F. Noviembre 23, 2007.
![Page 3: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/3.jpg)
Introducción
Condición de solvencia
Formulación estadística
Alternativa Bayesiana
Ejemplos
Consideraciones finales
Contenido
![Page 4: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/4.jpg)
La incertidumbre está implícita y es inevitable en el origen de las CienciasActuariales
Una parte de la Actuaría se ocupa del estudio de los fenómenos (aleatorios)que pueden producir las llamadas pérdidas contingentes
La información disponible se utiliza para pronosticar el comportamiento futurode las pérdidas
Introducción
Actuaría y Riesgos Financieros
![Page 5: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/5.jpg)
Una componente fundamental es la distribución de pérdidas
0-4 -2 0 2 4
0-4 -2 0 2 4
Pérdida Esperada
Introducción
Modelos
![Page 6: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/6.jpg)
Una componente fundamental es la distribución de pérdidas
0-4 -2 0 2 4
0-4 -2 0 2 4
Pérdida Esperada
Introducción
Modelos
![Page 7: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/7.jpg)
En forma natural se incorporan supuestos en el proceso de modelado. Porejemplo, la hipótesis de independencia entre frecuencia y severidad de laspérdidas
0.0-3
0.0-3
Frecuencia Severidad
Introducción
Supuestos
![Page 8: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/8.jpg)
En forma natural se incorporan supuestos en el proceso de modelado. Porejemplo, la hipótesis de independencia entre frecuencia y severidad de laspérdidas
L = S F E(L ) = E(S) E(F)
Introducción
Supuestos
![Page 9: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/9.jpg)
Un análisis estadístico debe incluir una descripción completa de la distribuciónde interés. En Actuaría, en particular, es conveniente describir las pérdidasextremas
0-4 -2 0 2 4
0-4 -2 0 2 4
Siniestralidad Extrema
Solvencia
Pérdidas Extremas
![Page 10: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/10.jpg)
Para las agencias reguladoras es importante establecer un margen desolvencia.
0-4 -2 0 2 4
0-4 -2 0 2 4
Margen de
Solvencia
Solvencia
Pérdidas Extremas
![Page 11: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/11.jpg)
Para las agencias reguladoras es importante establecer un margen desolvencia.
0-4 -2 0 2 4
0-4 -2 0 2 4
E(L)
Cuantil (1-
Solvencia
Pérdidas Extremas
![Page 12: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/12.jpg)
Un sistema de seguros es solvente si cuenta con recursos suficientes parahacer frente a sus obligaciones.
0-4 -2 0 2 4
0-4 -2 0 2 4
E(L)
Un sistema es (1 – )-solvente si cuenta con recursos para hacer frente a susobligaciones con probabilidad 1 - .
Solvencia
Condición de Solvencia
![Page 13: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/13.jpg)
Dos series históricas:
• X1, X2, ... , XT (primas)
• Y1, Y2, ... , YT (reclamaciones)
Objetivo:
11,TYq• Determinar el valor
)( 11,1 TYT qYPtal que
Formulación Estadística
![Page 14: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/14.jpg)
La serie de siniestralidad relativa
• W1, W2, ... , WT dondei
ii X
YW ( i = 1,...,T )
• W1, W2, ... , WT se suelen considerar i.i.d. (estabilidad)
• El interés se concentra en el valor 1Wq tal que
)( 1WqWP
Formulación Estadística
![Page 15: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/15.jpg)
Entonces, para la siguiente observación,
• )( 1
1 WT qWP
)( 1
1
1W
T
T qXYP
De manera que
•
)))((( 11
1 TWT XqYP ))(( 111
1,
TWTY Xqq
Formulación Estadística
![Page 16: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/16.jpg)
Datos históricos
0%
30%
60%
90%
120%
150%
180%
1980 1985 1990 1995 2000
Accidentes y enfermedades
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Agrícola y animales
Formulación Estadística
![Page 17: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/17.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Automóviles
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Responsabilidad Civil
Datos históricos
Formulación Estadística
![Page 18: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/18.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Marítimo y transportes
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Incendio
Datos históricos
Formulación Estadística
![Page 19: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/19.jpg)
Problema estadístico• Estimar los cuantiles de la distribución de W
Normalidad como primera aproximación
• Los datos históricos no son compatibles con el supuesto
)ˆˆ( )1(1 zq WWW • El cálculo es extremadamente simple
Distribución para W
Formulación Estadística
![Page 20: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/20.jpg)
Aproximar la densidad de W con mezclas de normales
T
iiT wwNwf
1
21 ),|()(
w1,...,wT valores observados; 2 se determina con un criterio de ajuste.
Distribución para W
Formulación Estadística
![Page 21: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/21.jpg)
40 60 80 100
0.00
0.02
0.04
0.06
0.08
Accidentes y enfermedades
Distribución para W
Formulación Estadística
![Page 22: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/22.jpg)
40 60 80 100 120 140 160
0.00
0.01
0.02
0.03
0.04
0.05 Automóviles
Distribución para W
Formulación Estadística
![Page 23: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/23.jpg)
La mezcla captura el patrón de asimetría
No incorpora el efecto de estimación de los parámetros
Distribución para W
Formulación Estadística
![Page 24: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/24.jpg)
En cada periodo de tiempo: ( i = 1,.... )
Xi = primas emitidas
Wi = tasa de siniestralidad relativa
Yi = siniestralidad
Modelo Condicional
Formulación Estadística
![Page 25: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/25.jpg)
{ X1, X2, .... } una serie de observaciones correlacionadas
{ W1, W2, .... } realizaciones i.i.d. de un modelo P(W | )
{ Y1, Y2, .... } debe su aleatoriedad a { Xi }, { Wi } y soncorrelacionadas como resultado de la correlación en { Xi }
Distribución para W
Formulación Estadística
![Page 26: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/26.jpg)
La distribución de YT+1, dado XT+1 = x, está totalmentedeterminada por la de WT+1.
Basta entonces• Asignar una distribución P( WT+1 | )
• Estimar el cuantil de interés para W
• Estimar del cuantil condicional de YT+1
Distribución para W
Formulación Estadística
![Page 27: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/27.jpg)
Fundado sobre una base axiomática
Inferencia problema de decisión
Proceso de aprendizaje basado en la fórmula de Bayes
Final Verosimilitud Inicial
Características Generales
Alternativa Bayesiana
![Page 28: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/28.jpg)
Mecanismo general para la producción de pronósticos
Distribución Predictiva
Fórmula de Bayes
p( | datos ) p( datos | ) p( )
p( X | datos ) = p( X | ) p( | datos ) d
Alternativa Bayesiana
Características Generales
![Page 29: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/29.jpg)
Dado XT+1 = x, el comportamiento de YT+1, está determinadopor WT+1 :
Algoritmo, si se adopta un modelo P( WT+1 | )
• Asignar una inicial para y combinarla con la informaciónhistórica para obtener la final para ,
• Determinar la distribución predictiva para WT+1
• Calcular el cuantil predictivo condicional para YT+1, dado XT+1
Análisis Predictivo
Alternativa Bayesiana
![Page 30: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/30.jpg)
La selección del modelo P( W | ) constituye un reto
interesante.
La Normal no es, en general, una buena elección.
(Asimetría, valores positivos)
Una mezcla de Normales también presenta inconvenientes.
Alternativa Bayesiana
Distribución para W
![Page 31: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/31.jpg)
Una posibilidad es suponer que una transformación de Wes Normal.
(Transformación de Box-Cox)
La introducción de da lugar a otro problema de decisión(la selección de un valor concreto para ).
Alternativa Bayesiana
Distribución para W
![Page 32: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/32.jpg)
Con propósitos de ilustración
iii XWY )()()( iii XlnWlnYln
iii cUV
)( ii YlnV )( ii WlnU )( ii Xlnc , ,
Alternativa Bayesiana
Distribución para W
![Page 33: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/33.jpg)
En particular, 111 TTT cUV
Dado un valor fijo de XT+1 (cT+1 constante),
predictiva para UT+1 predictiva para VT+1
predictiva para YT+1
Alternativa Bayesiana
Distribución para W
![Page 34: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/34.jpg)
El problema en estos términos es muy simple
• Datos: D = { U1, U2, ..., UT } i.i.d. N(,) (-1 = 2 )
• = (, ); Distribución inicial de referencia: P(, ) -1
Distribución Final: P( | D ) = Normal - Gamma
Distribución Predictiva Final: P( UT+1 | D ) = Student
Alternativa Bayesiana
![Page 35: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/35.jpg)
• Predictiva Final: P( UT+1 | D ) = Student , UT+1 = ln(WT+1)
VT+1 = UT+1 + cT+1, cT+1 = ln(XT+1)
• Predictiva Final: P( VT+1 | D ) = Student , VT+1 = ln(YT+1)
• Predictiva Final: P( YT+1 | D ) = log - Student
(dado XT+1)
Análisis Predictivo
Alternativa Bayesiana
![Page 36: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/36.jpg)
)] S T) / 1 [(1 t exp( w X Y 2 / 1 2U
)α - (11-T
T
1 i
T / 1 i 1T
)α - (11T
~
El cuantil de orden (1-) de la distribución predictiva de YT+1, dado XT+1,resulta:
donde
2
i1T12
U )u(uS~) - (11-Tt es el cuantil de una Student con T-1 g. de l. y
Análisis Predictivo
Alternativa Bayesiana
![Page 37: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/37.jpg)
),( N ~ U1
Una alternativa al supuesto de independencia es un modelo auto regresivoestacionario de primer orden:
mientras que para i = 2,..., T+1:
))1(/),(( 2 U N ~ U | U 1-i1-ii
Para i = 1:
Alternativa Bayesiana
El supuesto de independencia
![Page 38: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/38.jpg)
El modelo es estacionario
),( N ~ U i para i = 1, 2,..., T+1
La distribución conjunta de U1, U2, ..., UT+1 está determinada por losparámetros , y . El modelo de independencia se recupera con = 0.
))1(/),(( 2 U N ~ U | U 1-i1-ii
Alternativa Bayesiana
El supuesto de independencia
![Page 39: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/39.jpg)
El modelo requiere la especificación de una distribución inicial para los tresparámetros , y .
A partir del algoritmo propuesto por Berger & Bernardo (1992) sedeterminó la distribución inicial de referencia para la parametrizaciónordenada { }, { }, { } (invariante ante permutaciones).
)1()1(2
2
) , , P(
2 / 1 1-
Alternativa Bayesiana
Modelo correlación común
![Page 40: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/40.jpg)
La distribución final de , y no tiene una expresión analítica completa.
El efecto se reproduce para la distribución predictiva de UT+1.
Simulación (Gibbs Sampler y Metropolis -Hastings)
Alternativa Bayesiana
Modelo correlación común
![Page 41: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/41.jpg)
El modelo se puede generalizar
),( N ~ U1
mientras que para i = 2,..., T+1:
))1(/),(( U N ~ U | U 2 1i1-i1i1-ii
Para i = 1:
Alternativa Bayesiana
Modelo correlaciones diferentes
![Page 42: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/42.jpg)
El modelo, para las T+1 observaciones, involucra a los parámetros , ,1, 2, ..., T. Para eliminar problemas de estimabilidad se introduce unaestructura parcialmente jerárquica
; ) ρ1 (2θ) θ | ρ P( 1 θ
iθi
-1 < i < 1
y, por simplicidad, ; θ) exp(- ) | θ P( 0 θ
T
1 ii
1- T1 ) θ | ρ P( θ) | ρ ,...,ρ, , μ P(
ττ
en donde
Alternativa Bayesiana
Modelo correlaciones diferentes
![Page 43: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/43.jpg)
De nuevo, la distribución final para , , 1, ..., T no tiene una expresiónanalítica completa.
Asimismo, el efecto se reproduce para la distribución predictiva de UT+1.
Simulación (Gibbs Sampler y Metropolis -Hastings)
Alternativa Bayesiana
Modelo correlaciones diferentes
Mendoza, M. y Nieto-Barajas, L. E. (2006). Bayesian Solvency analysis with auto correlated observations. Applied Stochastic Models in Business and Industry, 22, 169-180.
![Page 44: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/44.jpg)
Una distribución más flexible y general que la Normal
Posibilidad de incorporar patrones de dependencia
Procedimientos más robustospara el cálculo de los factores
Empleo de una herramienta de pronóstico general
Alternativa Bayesiana
Propósito del modelado
![Page 45: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/45.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Automóviles
Severidad relativa
Año
Ejemplos
![Page 46: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/46.jpg)
Ejemplos
![Page 47: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/47.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Automóviles
Severidad relativa
Año
Independencia
Cuantiles 95%
Ejemplos
![Page 48: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/48.jpg)
Ejemplos
![Page 49: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/49.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Automóviles
Severidad relativa
Año
Independencia común
Cuantiles 95%
Ejemplos
![Page 50: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/50.jpg)
Ejemplos
![Page 51: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/51.jpg)
0%
30%
60%
90%
120%
150%
180%
1970 1975 1980 1985 1990 1995 2000
Automóviles
Severidad relativa
Año
Independencia común distintas
Cuantiles 95%
Ejemplos
![Page 52: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/52.jpg)
Ejemplos
![Page 53: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/53.jpg)
Siniestralidad Relativa
Año
0%
30%
60%
90%
120%
150%
180%
1980 1985 1990 1995 2000
Accidentes y enfermedades
Ejemplos
![Page 54: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/54.jpg)
Ejemplos
![Page 55: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/55.jpg)
Siniestralidad Relativa
Año
0%
30%
60%
90%
120%
150%
180%
1980 1985 1990 1995 2000
Accidentes y enfermedades
Independencia
Cuantiles 95%
Ejemplos
![Page 56: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/56.jpg)
Ejemplos
![Page 57: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/57.jpg)
Independencia común
Cuantiles 95%
Siniestralidad Relativa
Año
0%
30%
60%
90%
120%
150%
180%
1980 1985 1990 1995 2000
Accidentes y enfermedades
Ejemplos
![Page 58: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/58.jpg)
Ejemplos
![Page 59: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/59.jpg)
Independencia común distintas
Cuantiles 95%
Siniestralidad Relativa
Año
0%
30%
60%
90%
120%
150%
180%
1980 1985 1990 1995 2000
Accidentes y enfermedades
Ejemplos
![Page 60: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/60.jpg)
Ejemplos
![Page 61: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/61.jpg)
El valor del factor modifica si se cambia el modelo
El modelo se debe seleccionar por su capacidad predictiva
El análisis hace patente el riesgo de modelo
Los modelos se deben evaluar periódicamente
Es conveniente considerar modelos alternativos
Consideraciones finales
![Page 62: Estadística Bayesiana y Riesgos - estadistica.itam.mxestadistica.itam.mx/sites/default/files/u486/178-174m.m.r.pdf · Estadística Bayesiana y Solvencia Manuel Mendoza Ramírez Instituto](https://reader031.fdocuments.net/reader031/viewer/2022021720/5bb9e75509d3f2fb198c7fed/html5/thumbnails/62.jpg)