損失頻度分布

損失頻度分布とは、保険契約における一定期間内に発生する損害件数を確率的に表した統計モデルである。

概要

保険業務では、支払うべき保険金の総額は「損失頻度」と「損失額」の二重構造によって決定される。損失頻度分布はその前半を担い、契約者数に対してどれだけの件数が発生するかを推計する。初期には単純なポアソン分布や負の二項分布で表現されたが、実務では事故の性質（自賠責保険・地震保険など）や契約形態（終身保険・養老保険）に応じて階層化モデルや混合分布へ拡張される。大数の法則に基づき、サンプルが増えるほど推定精度は向上するため、再保険プールでの損失予測やソルベンシーマージン計算に不可欠である。

役割と機能

損失頻度分布は以下の場面で重要な機能を果たす。
1. 資本充足率（ソルベンシー）：保険会社が保有する自己資本に対して必要な準備金額を算定する際、損失頻度予測が基礎となる。
2. 再保険契約の設計：コンバインドレシオや再保険プールでのリスク分散策略は、頻度分布により引き出される期待値とばらつきを前提としている。
3. 商品価格設定：終身保険・養老保険などの保険料計算では、損失頻度を正確に把握することで適正なプレミアムが決定できる。
4. リスク管理と監査：実際のクレーム件数と予測分布との乖離は、内部統制や外部規制（保険業法）への対応指標となる。

特徴

• 確率的表現：頻度分布は「件数」と「期間」をパラメータに持ち、例えばポアソン分布では平均件数λが唯一のパラメータである。
• 階層構造：個別契約レベルから保険会社全体へと多段階的に集計されるため、上位モデルは下位データの不確実性を吸収する。
• 非対称性への対応：事故発生率が時間や地域で大きく異なる場合、混合分布やベイズ推定を用いて調整が行われる。
• 再保険との連携：頻度予測は再保険契約の上限（スロット）設定に直結し、リスク転移戦略を最適化する。

現在の位置づけ

近年のデジタル化とビッグデータ解析の進展により、損失頻度分布は機械学習モデルへ置き換えられるケースも増えているが、規制上は統計的根拠を持つ伝統的手法が優先される。特に自賠責保険や地震保険では、公的データとプライベートデータの融合によって頻度予測精度が向上し、ソルベンシーマージン計算への影響が顕著となっている。また、再保険市場においては、複数の損失頻度分布を組み合わせた「サブリミナルモデル」が主流化しており、投資型保険商品やアセット・ライフ連動保険（ALM）での活用が進む。金融機関と協業することで、損失頻度情報は信用評価やデリバティブ価格設定にも応用されるようになっている。

bot-trap