采取哪种思路来度量风险？

一般地,我们可以采取两种思路来度量风险,一是基于先验信息的演绎推理,二是基于统计分析的归纳推理。
　　演绎推理要求能够事先确定风险的各种可能结果及相应的概率或几率(其不确定性相当于层次1),从而可以度量损失的概率,抛硬币、掷骰子都属于此类情形。但是,如果试验次数或样本容量太少,实际结果可能偏离预期结果。比如,抛10次均匀的硬币,得到三次正面朝上,7次正面朝下的结果,不同于预期50—50的几率。随着试验次数或样本容量的不断增加,实际结果将逐渐接近预期50—50的几率。
　　当然,演绎推理不适用于保险业务的损失概率。上文提及的小李可能在未来一年中死亡或生存,由此推出有50％的概率死亡是非常荒谬的。事实上,保险公司是基于统计分析,采用归纳推理来度量风险的。假设某保险公司观察某城市10000家独立的、砖混结构的居民住房,发现在过去一年中有10家发生了火灾,该保险公司由此可以推断,该地区砖混结构居民住房发生火灾损失的概率约为1％o,并以此作为计算预期损失和厘定保险费率的重要依据。当然,如果只考察了10家居民住房,发现没有一家发生火灾或发现一家发生火灾,并由此推断没有发生火灾的概率或发生火灾的概率为10％,那绝对是不可靠和不可取的。为确保损失估计的准确性和费率厘定的可靠性,保险公司必须积累相当的经验数据。作为分析基础的统计总体或样本总体必须同时具备以下两个特征：足够大的样本量和同质性。
　　(一)足够大的样本量
　　用于度量概率的统计总体或样本总体必须具有足够大的样本量。以抛掷均匀的硬币为例,如果只抛几次,我们无法根据得到的频率发现或揭示正面朝上的真实概率；随着抛的次数不断增加,正面朝上的频率越来越接近真实概率,即50％。为了证实这一点,历史上曾有不少人做过试验,其结果如表l—2所示。就是大数法则的思想,简单地说,验将趋向真实的概率。
　　(二)同质性
　　除样本量的要求外,用于度量概率的统计总体或样本总体还必须具有同质性,即每一个样本单位或被观察对象必须具有相似的特征。比如,在前面提及的火灾发生概率为1％。的例子中,样本单位或保险标的具有很好的同质性：独立的居民住房、砖混结构、同一城市。如果,统计总体或样本总体缺乏同质性,那么由此得出的估计结果是非常不准确的,当然也是不可靠的。