On the use of Lehmann’s alternative to capture extreme losses in actuarial science

Abstract

This paper studies properties and applications related to the mixture of the class of distributions built by the Lehmann’s alternative (also referred to in the statistical literature as max-stable or exponentiated distribution) of the form (Formula presented.), where (Formula presented.) and (Formula presented.) is a continuous cumulative distribution function. This mixture can be useful in economics, financial, and actuarial fields, where extreme and long tails appear in the empirical data. The special case in which (Formula presented.) is the Stoppa cumulative distribution function, which is a good description of the random behaviour of large losses, is studied in detail. We provide properties of this mixture, mainly related to the analysis of the tail of the distribution that makes it a candidate for fitting actuarial data with extreme observations. Inference procedures are discussed and applications to three well-known datasets are shown.

En este artículo se estudian las propiedades y aplicaciones relacionadas con la mezcla de la clase de distribuciones construidas por la alternativa de Lehmann (también denominada en la literatura estadística como distribución máxima-estable o exponencial) de la forma[ 𝐺 ( · ) ]𝜆 , dónde𝜆 > 0 y𝐺 ( · ) es una función de distribución acumulativa continua. Esta combinación puede ser útil en los campos económico, financiero y actuarial, donde aparecen colas largas y extremas en los datos empíricos. El caso especial en el que𝐺 ( · ) Se estudia en detalle la función de distribución acumulativa de Stoppa, que constituye una buena descripción del comportamiento aleatorio de las grandes pérdidas. Se proporcionan propiedades de esta mezcla, principalmente relacionadas con el análisis de la cola de la distribución que la convierte en candidata para ajustar datos actuariales con observaciones extremas. Se discuten los procedimientos de inferencia y se muestran las aplicaciones a tres conjuntos de datos conocidos.