MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan

dokumen-dokumen yang mirip
MA4181 MODEL RISIKO Enjoy the Risks

MA4181 PENGANTAR PROSES STOKASTIK Bab 5 Proses Poisson

Catatan Kuliah. MA4183 Model Risiko

MA4081 PENGANTAR PROSES STOKASTIK Bab 4 Proses Po

MA4183 MODEL RISIKO Control your Risk!

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4183 MODEL RISIKO Control your Risk!

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA4181 MODEL RISIKO Risk is managed, not avoided

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA4183 Model Risiko

MA4183 MODEL RISIKO Control your Risk!

Catatan Kuliah. MA5181 Proses Stokastik

Catatan Kuliah. MA4183 Model Risiko

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

PROSES POISSON MAJEMUK. 1. Pendahuluan

MA4183 MODEL RISIKO Control your Risk!

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Misalkan X peubah acak dengan fungsi distribusi berikut: + x, 0 x < 1. , 1 x < 2. , 2 x < 3. 1, x 3

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Statistika Matematik(a)

Pengantar Statistika Matematika II

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

PEMODELAN DAN SIMULASI UNTUK MENGETAHUI KEBANGKRUTAN PERUSAHAAN ASURANSI BERDASARKAN UKURAN KLAIM

BAB II LANDASAN TEORI

MA4181 MODEL RISIKO Enjoy the Risks

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

Pemodelan dan Simulasi Peluang Kebangkrutan Perusahaan Asuransi dengan Analisis Nilai Premi dan Ukuran Klaim Berdistribusi Eksponensial

PERSATUAN AKTUARIS INDONESIA

PEMODELAN DAN SIMULASI PELUANG KEBANGKRUTAN PERUSAHAAN ASURANSI DENGAN ANALISIS NILAI PREMI DAN UKURAN KLAIM DIASUMSIKAN BERDISTRIBUSI EKSPONENSIAL

PERSATUAN AKTUARIS INDONESIA

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah MA4181 Pengantar Proses Stokastik Precise and Stochastic. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BAB I PENDAHULUAN 1.1. Latar Belakang

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

UJIAN A70 PERIODE JUNI 2014 SOLUSI UJIAN PAI A70. A70-Pemodelan dan Teori Risiko 9/14/2014

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

MA5181 PROSES STOKASTIK Bab 3 Proses Renewal

MA6281 Analisis Data dengan Copula Bab 1: Fungsi distribus. Bab 2: Data dan volatilitas Bab 3: Konsep Copula

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA5181 PROSES STOKASTIK

ESTIMASI TOTAL DAYA LISTRIK YANG HILANG MELALUI PROSES POISSON TERPANCUNG MAJEMUK

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

Pengantar Proses Stokastik

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Uji Hipotesis dan Aturan Keputusan

BAB I PENDAHULUAN. ilmu statistika beberapa waktu belakangan ini. Konsep keterbagian tak hingga

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II

III PEMBAHASAN. dengan kendala. Solusi dari permasalahan di atas diberikan oleh Teorema 1 berikut. Teorema 1 R = R (X) didefinisikan oleh

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4283 Teori Risiko dan Kredibilitas Forecasting Risk: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016

Pengantar Proses Stokastik

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

STATISTIK PERTEMUAN VI

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

MA5181 PROSES STOKASTIK

Pengantar Statistika Matematika II

UKURAN RISIKO BERDASARKAN PRINSIP PENENTUAN PREMI : PROPORTIONAL HAZARD TRANSFORM. Aprida Siska Lestia

Pengantar Statistika Matematika II

BAB II LANDASAN TEORI

Peubah Acak dan Distribusi

BAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR

Catatan Kuliah. AK5161 Matematika Keuangan Aktuaria Insure and Invest. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BAB 2 LANDASAN TEORI

Pengantar Proses Stokastik

Prosiding Statistika ISSN:

DISTRIBUSI DISKRIT KHUSUS

MINGGU KE-9 MACAM-MACAM KONVERGENSI

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Proses Stokastik

Peubah Acak (Lanjutan)

Pengantar Proses Stokastik

BAB II TINJAUAN PUSTAKA

P (A c B c ) = P [(A B) c ] = 1 P (A B) = 1 P (A) P (B) + P (AB)

Pengantar Proses Stokastik

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

4. Misalkan peubah acak X memiliki fungsi distribusi:

MA5181 PROSES STOKASTIK

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BAB III PROSES POISSON MAJEMUK

GENERALIZED LINEAR MODELS (GLM) UNTUK DATA ASURANSI DALAM MENENTUKAN HARGA PREMI

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

MA5181 PROSES STOKASTIK

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Transkripsi:

MA4183 MODEL RISIKO Bab 5 Teori Kebangkrutan Control your risk!

Konsep Surplus 1 Perusahaan asuransi memiliki modal awal atau initial surplus 2 Perusahaan menerima premi dan membayarkan klaim 3 Premi bersifat konstan sedangkan klaim/kerugian bersifat acak dan tidak pasti 4 Net surplus adalah modal awal + premi - klaim 5 Jika net surplus kurang dari atau sama dengan nol = Bangkrut atau Ruin

Fungsi surplus Misalkan perusahaan asuransi memiliki modal u saat waktu t = 0. Modal ini disebut initial surplus. Perusahaan menerima presmi setiap waktu (secara reguler). Klaim kerugian sebesar X i dibayarkan setiap akhir periode i, i = 1, 2,.... Asumsikan {X i } saling bebas dan berdistribusi identik.

Model yang merepresentasikan surplus pada waktu n dengan modal awal u adalah untuk n = 1, 2,.... U(n; u) = u + n n X i, i=1

Konsep Bangkrut Definisi Kebangkrutan akan terjadi pada waktu n jika U(n; u) 0 untuk pertama kali pada waktu n, n 1.

Waktu Bangkrut atau Time of Ruin Definisi Peubah acak T (u) yang menyatakan waktu bangkrut atau time of ruin adalah T (u) = min{n 1 : U(n; u) 0}

Definisi Diberikan suatu initial surplus u, peluang ultimate ruin adalah ψ(u) = P(T (u) < )

Definisi Diberikan suatu initial surplus u, peluang bangkrut pada waktu t adalah ψ(t; u) = P(T (u) < t) untuk t = 1, 2,...

Peluang Bangkrut Pandang kasus ψ(0) atau peluang bangkrut saat initial surplus u = 0: P(bangkrut saatu = 0) = ψ(0) = P(bangkrut saat u = 0 tidak ada klaim saat t = 1)P(tidak ada klaim s + P(bangkrut saat u = 0 ada 1 klaim saat t = 1)P(ada 1 klaim saat t + P(bangkrut saat u = 0 ada 2 klaim saat t = 1)P(ada 2 klaim saat t = ψ(1) f X (0) + 1 f X (1) + 1 f X (2) + = ψ(1) f X (0) + S X (0)

Untuk u = 1, ψ(1) = f X (0) ψ(2) + f X (1) ψ(1) + S X (1).

Untuk u 1, modelnya adalah atau ψ(u) = f X (0) ψ(u + 1) + ψ(u + 1) = 1 f X (0) ψ(u) u f X (j) ψ(u + 1 j) + S X (u) j=1 u f X (j) ψ(u + 1 j) S X (u). j=1

Ketaksamaan Lundberg Teorema Untuk fungsi surplus waktu diskrit, peluang ultimate ruin memenuhi ketaksamaan Lundberg: ψ(u) exp( r u), dimana r adalah adjustment coefficient, yaitu nilai r > 0 yang memenuhi persamaan E(e r(x 1) ) = 1.

Diskusi: Dapatkah anda menunjukkan bahwa log M X (r) = r?

Contoh. Misalkan klaim X setiap saat mengikuti distribusi Bernoulli dengan parameter θ. Peluang ultimate ruin saat u = 0, ψ(0) = ψ(1) f X (0) + S X (0) = ψ(1) (1 θ) + θ = θ = E(X ),

Sedangkan ψ(1) dapat dihitung dengan mudah dari persamaan diatas yaitu ψ(1) = 0. Dapatkah kita menghitung ψ(2)?

Latihan Pendahuluan 1 Tunjukkan bahwa untuk model surplus diskrit, ψ(0) = E(X ) 2 Diketahui p.a klaim X memiliki fungsi peluang: f X (0) = 0.5; f X (1) = f X (2) = 0.2; f X (3) = 0.1 Hitung peluang ψ(u) untuk u 0.

Kebangkrutan Pada Waktu Hingga Diberikan initial surplus u = 0. Pada saat t = 1, kebangkrutan akan terjadi dengan peluang ψ(1; 0) = P(T (0) 1) = P(X 1 = 1) + P(X 1 = 2) + = S X (0) dimana X 1 menyatakan banyaknya klaim pada waktu t = 1.

Misalkan u = 1. Kebangkrutan pada saat t = 1 terjadi dengan peluang ψ(1; 1) = P(T (1) 1) = P(X 1 = 2) + P(X 1 = 3) + = S X (1)

Kita pandang kasus kebangkrutan saat t = 2, diberikan initial surplus u = 0. Kebangkrutan pada saat atau sebelum (at or before time) t = 2 akan terjadi karena Bangkrut saat t = 1 Rugi sebesar j saat t = 1 untuk j = 0, 1,..., u yang kemudian diikuti oleh kebangkrutan pada saat/periode t 1 sesudahnya

Kebangkrutan saat t, diberikan initial surplus u: u ψ(t; u) = ψ(1; u) + f X (j) ψ(t 1; u + 1 j) j=0

Latihan Pendahuluan 1 Misalkan p.a X yang menyatakan klaim memiliki fungsi peluang f X (0) = 0.5; f X (1) = f X (2) = 0.2; f X (3) = 0.1. Hitung peluang kebangkrutan saat atau sebelum waktu t = 1, 2, diberikan u = 0, 1. 2 Claim severity setiap periode berdistribusi geometrik dengan parameter 0.6. Hitung peluang bangkrut saat atau sebelum t = 2, diberikan initial surplus u = 2.

Model Surplus Kontinu Pandang model yang merepresentasikan surplus pada waktu t dengan modal awal u adalah U(t; u) = u + c t S(t),

dimana S(t) = X 1 + X 2 + + X N(t) atau dengan kata lain total kerugian atau aggregate loss. Jika N(t) = 0 maka S(t) = 0. Kita akan memandang khusus saat N(t) adalah proses Poisson.

Proses Poisson Definisi N(t) adalah suatu proses Poisson dengan parameter λ, yaitu laju terjadinya events setiap unit waktu, jika (a) N(t 2 ) N(t 1 ) POI (λ (t 2 t 1 )) (b) N(t) memenuhi independent increments

Diskusi: S(t) merupakan compound Poisson process U(t; u) merupakan compound Poisson surplus process E(S(1)) = E(N(1))E(X ) = λ µ X c = (1 + θ)e(s(1)), dimana θ > 0 adalah loading factor

Latihan: 1 Misalkan p.a X yang menyatakan klaim memiliki fungsi peluang f X (0) = 0.5; f X (1) = f X (2) = 0.2; f X (3) = 0.1. Hitung r. Hitung ketaksamaan Lundberg untuk u = 0, 1. 2 Dapatkah anda menentukan ketaksamaan Lundberg untuk kasus waktu kontinu?