第五章_风险评估(二)：风险估测

5.1风险估测概述5.2损失资料的收集与整理5.3损失分布5.4损失概率与损失幅度的估测5.5回归分析在风险估测中的应用5.6风险估测与大数法则5.1.1风险估测的概念风险估测是在对过去损失资料分析的基础上，运用概率和数理统计的方法对某一个（或某几个）特定风险的事故发生概率（或频数）和风险事故发生后可能造成损失的严重程度作一定量分析5.1.2风险估测的内容一、损失概率1、损失概率的定义：A.损失概率的空间性说法设有n个独立的相似风险单位，在一定时期内（如1年）有m个单位遭受损失，则损失频率为P=m/nB.损失概率的时间性说法设某风险单位，在n个单位时间内（如n年）有m次遭受损失，则损失频率为P=m/n2、损失概率估测的内容A.风险单位遭受单一风险事故所致单一损失形态的损失概率B.一个风险单位同时遭受多种风险事故所致单一损失形态的损失概率C.一个风险单位，不同时遭受多种风险事故所致单一损失形态的损失概率D.一个风险单位，遭受单一风险事故所致多种损失形态的损失概率E.多个风险单位，遭受单一风险事故所致单一损失形态的损失概率【举例】假设某单位有四栋仓库，互相独立，每栋仓库遭受火灾的概率均为1/20，遭受水灾的概率均为1/10，遭受地震的概率均为1/50。计算：（1）某栋仓库同时遭受火灾和地震的概率。（2）某栋仓库一年内遭受火灾或水灾损失的概率。（3）至少有一栋仓库发生火灾的概率。二、损失幅度1、损失幅度的定义损失幅度是衡量损失严重程度的一个量，指在一定时期内某一次事故发生时，可能造成的最大损失数值。2、损失幅度估测需考虑的几个问题A.同一风险事故所致的各种损失形态不仅要考虑潜在的直接损失，还要考虑潜在的间接损失不仅要考虑潜在的财产损失，还要考虑潜在的责任损失和潜在的人身伤亡损失B.一个风险事故涉及的风险单位数目C.考虑损失和总损失的时间效应3、损失幅度估测的途径A.一个风险单位在某一风险事故中的最大潜在损失。◇最大可能损失（MaximumPossibleLoss）：指某一风险单位在其整个生存期间，由单一事故引起的可能的最坏情况下的损失。◇最大可信损失(MaximumProbableLoss)：指某一风险单位，在一定时期内（不是企业的生命生存期），由单一事故所引起的可能遭受的最大损失。◇年度预期损失(AnnualExpectedLoss)：指在客观条件不变的情况下，经过长期观察而计算的年平均损失。等于年平均事故发生次数乘以每次事故所造成的平均损失。B.一个风险单位遭受单一风险事故所致实质性损失AlanFriedlander认为，在其他条件相同而防护设施不同的情况下，一次事故所造成的最大损失是不同的。以火灾为例，根据建筑物防护设施情况，损失幅度可分为四种：◇正常损失预期值(NormalLossExpectancy)：指建筑物在最佳防护系统下，一次火灾发生的最大损失。最佳防护系统是指当火灾发生时，建筑物自身和外部的消防系统和消防设施都能正常操作，且都能发挥预期功能。◇可能最大损失(ProbableMaximumLoss)：指建筑物自身和外部环境虽然都有良好的消防系统和消防设施，但当发生火灾时，建筑物自身或外部的防护设备有部分因供水不足，或其他原因所致，而无法发挥其预期功能。这种情况下所造成的最大损失为可能最大损失。◇最大可预期损失(MaximumForeseeableLoss)：指当火灾发生时，建筑物自身的消防设施无法发挥其预期功能，致使火灾蔓延，直烧至防火墙才隔绝了火势；或将所有可燃物燃尽；或者直至公共消防队至现场进行灭火，把火熄灭为止。其所造成的最大损失，称为最大可预期损失。◇最大可能潜在损失(MaximumPossibleLoss)：指建筑物自身和外部的消防设施和防护系统，在火灾发生时，均无法正常操作，从而失去了其预期功能的情况下的最大损失。四种损失发生的概率一次递减，而损失金额却一次递增。C.一年内，一个或多个风险单位遭受一种或多种风险事故所致总损失额年度最大可能总损失(MaximumProbableYearlyAggregateLoss)指在一特定年度中，单一或多个风险单位可能遭受一种或多种风险事故，其所造成的最大总损失。5.1.3风险估测的意义通过估测，计算较为准确的损失概率和损失严重程度，减少损失发生的不确定性，也就是降低了企业的风险。对损失幅度较精确的预测，使风险管理者有可能分辨出哪些风险事故一旦发生，就会给企业带来灾难性后果，从而提醒风险管理者集中主要精力应对这些风险。损失概率分布的建立，为风险管理者进行决策提供了依据。损失概率和损失期望值的预测值，为风险定量评价提供了依据，也最终为风险决策提供了依据。5.2.1损失资料的收集5.2.2损失资料的整理5.2.3损失资料统计图5.2.4损失资料的计量5.2损失资料的收集与整理5.2.1损失资料的收集一、完整性即收集到的数据尽可能充分、完整，这种完整不仅要求有足够的损失数据，而且要求收集与这些数据有关的外部信息。二、统一性损失数据必须至少从两个方面保持一致：第一，所有记录在案的损失数据必须在统一的基础上收集。在衡量未来损失时，损失数据中包含着有用的模型，如果从不同的来源以不同的技术收集，可能会影响预测结果的准确性和有效性。第二，必须对价格水平差异进行调整，所有损失价值必须用同种货币来表示。调整的方法是确定某一时期为标准时期，以此时期的数据按标准时期的价格水平来调整。如果某一时期的价格水平较标准时期低，则损失数据应相应调高，反之则应调低。三、相关性过去损失金额的确定必须以与风险管理相关性最大为基础。对于财产损失而言，应以修复或重置财产的费用而不是财产的原始账面价值作为损失值。对责任损失来说，损失不仅包括各种责任赔偿，还包括在努力恢复营业至正常状态下的许多额外费用。四、系统性收集到的各种数据，还不能直接使用，必须根据风险管理的目标与要求，按一定的方法进行整理，使之系统化，以提供有用的信息，成为预测损失的一个重要基础。5.2.2损失资料的整理损失资料的整理指根据研究任务的需要，按自己设计的整理方案之要求，将收集来的所有资料进行加工、综合，使之条理化、系统化，成为能够反映事物总体特征的综合资料的过程。一、按损失金额递增或递减的顺序整理二、分组频数分布把数据按不同规模档次分组，每组中所观测到的数据个数叫做频数。这种分布叫分组频数分布，频数与总个数之比，即为频率。在分组频数分布中，用变量变动的一定范围代表一个组，每个组的最大值为组的上限，最小值为组的下限。每组上、下限之间的间距叫组距。组距=上限-下限组中值=（上限+下限）/2绝对频数、相对频数分布与累积频数分布表一：某公司1970－1989年间的火灾损失（元）99017007501995400010202700298039001503300750495023001300210970100260012005200350125200105020003800110055529002000500110025003965表二：某公司1970－1989年间的火灾损失按递增顺序排列（元）10012515020021035050055575075097099010201050110011001200130017001995200020002300250026002700290029803300380039003965400049505200表三：某公司1970－1989年间的火灾损失分组频数分布序号分组频数频率1100－11001645.7%21101－2100617.1%32101－3100617.1%43101－4100514.3%54101－520025.8%合计35100%5.2.3损失资料统计图一、条形图（柱状图）二、圆形图三、直方图：直方图是一个在条形之间没有间隔的条形图。直方图的一个重要特征是每个长方形的面积与相应组的频数成比例。四、频数多边形：频数多边形是在直方图的每个长方形的顶端的中点（即组中值）放一个小圆点，然后联结这些小圆点而成，形成频数分布线。5.2.4损失资料的计量一、位置计量1．平均数算术平均数和几何平均数算术平均数=观察值的总和/观察值的项数（个数）2．中位数处于顺序数列中最中间的那个数。假设数据资料已经按递增顺序排列，而观察值的个数是奇数时，则中位数是位于正中间的观察值。如果观察值的项数是偶数，则中位数应当是两个中间观察值之间的中点数值。3．众数一个样本中的众数是指样本中出现次数最多的观察值。二、衡量数据的离散性1、全距对于一个样本，全距等于最大观察值与最小观察值之差2、标准差和变异系数A.标准差描述随机损失中期望损失的差异程度。标准差越大，表明随机损失对期望损失的偏离程度越大，风险也就越大。反之，风险越小。B.变异系数。标准差的大小反映了随机损失对期望损失的偏离程度。以标准差的大小作为风险大小衡量的标准，其缺陷是在风险衡量中没有反应风险所致期望损失的大小。基于标准差在衡量风险大小时没有考虑期望损失值的大小，统计学提出用变异系数衡量风险的大小。变异系数是由标准差除以期望值得到的三、偏态如果曲线的尾部朝向较大的值时，称为正偏态或右偏态；如果曲线的尾部朝向较小的值时，称为负偏态或左偏态。5.3.1常用的损失分布及性质5.3.2获得损失分布的一般过程5.3损失分布一、二项分布二项分布是一种常用的离散型概率分布，其模型为：假设在n次独立的重复试验中，每次试验只可能有两种结果（1或0），设在每一次试验中1出现的概率都是p。令X为n次试验中1出现的次数，则随机变量X的概率分布为因为它正好是按二项式展开中的一项，所以称为二项分布，记为B（n，p）。二项式的均值和方差：,0,1...;1kknknPXkCpqknqp()npq()EXnp()VarXnpq二、几何分布考虑只有两个结果的独立重复随机试验序列，指定结果发生的概率为P，则首次出现指定结果所需的试验次数X的概率分布为这是一个几何数列，故称为几何分布，记为Geo(P),0P1，其均值和方差为：(1),1,2...1kPXkppkqp；()qEXp2()qVarxp三、泊松分布如果随机变量X的取值为0，1，2…，则概率分布称为泊松分布，记为泊松分布的均值和方差四、负二项分布只有两个结果的独立重复随机试验序列，指定结果发生的概率为P，则指定结果第k次恰好出现在第x+k次试验的概率为负二项分布：,0,1,2...!kPXkekk()p()EX()Varx11,,1,...1rrkrkPXkCpqkrrp；q()kqEXp2()kqVarxp五、正态分布正态分布是一种常用的连续型分布，风险事故造成的损失金额较好地服从正态分布。若为两个实数，则由下列密度函数确定的随机变量X的分布称为正态分布，记为正态分布的均值，方差。特别地，当称为标准正态分布，相应的密度函数和分布函数采用专门记号分别为,021()21(),2xfxex2(,)N2(,)N()EX2()Varx0,1()x()x一、经典统计方法基于总体信息和样本信息进行的统计推断被称为经典统计方法。其基本思想是把数据（样本）看做是来自具有一定概率分布的总体，所研究的对象是这个总体，而并不局限于数据本身。过程如下：1、获得损失分布的大体轮廓从小到大排列，分组后做成频率直方图。将每个直方柱的上端中点连接起来，做成概率折线。频率直方图和概率折线都是密度函数的近似，通过光滑过程可以得到概率密度函数曲线。2、选择分布类型概率密度函数曲线非常直观，判断属于的分布族。3、估计参数，确定概率分布参数估计可以用矩法或极大似然法。4、对分布及参数进行检验卡方检验。先把观测数据排序，然后分组，组数记为n。计算每一组的数据个数，再