Rendite vitalizie - LogicaPrevidenziale.it
Transcript
Rendite vitalizie - LogicaPrevidenziale.it
Rendite vitalizie Matematica finanziaria – seconda parte Prof. Massimo Angrisani a.a. 2012/2013 1 Cos’è una rendita vitalizia 2 Un individuo di età x si “assicura”, a partire da tale età, il pagamento di un importo (rata) unitario alla fine di ciascun anno finché rimane in vita. L’assicuratore richiede un compenso, detto “premio”. Struttura tradizionale: sono fissate le somme assicurate. Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Cos’è una rendita 3 Supponiamo che all’epoca 0 l’assicurato di età x (intera, esatta) paghi un premio unico U. Se con certezza, a partire da tale epoca, l’assicurato percepisce le prime n rate unitarie alla fine di ciascun anno, si deve tener conto solo dell’aspetto finanziario di tale operazione. Sia i il tasso annuo effettivo di interesse considerato in regime di capitalizzazione composta. Il valore attuale della prima rata unitaria di rendita calcolato all’inizio del primo anno (epoca 0) è v = 1 1+ i v è il fattore di sconto. Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Rendita finanziaria 4 U 1 0 1 1 2 1 … 3 v v2 v3 . . . vn Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 1 n Rendita finanziaria 5 In tale caso U= n −1 n ∑ 1⋅ v h = v ∑ vh h 1= h 0 = Somma di n-1 termini in progressione geometrica 1 − vn 1 − vn = U v= 1− v i Operazione finanziaria certa. U (valore attuale) dipende da n e da i (tasso di attualizzazione). Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempio 6 Valore attuale rendita certa posticipata i 0% 1% 2% n 1 1 0,990099 0,980584 2 2 1,970395 1,942317 3 3 2,940985 2,885741 4 4 3,901966 3,811382 5 5 4,853431 4,719745 6 6 5,795476 5,61132 7 7 6,728195 6,486579 8 8 7,651678 7,345977 9 9 8,566018 8,189954 10 10 9,471305 9,018936 … … … … 15 15 13,86505 12,95283 20 20 18,04555 16,56802 25 25 22,02316 19,90398 30 30 25,80771 22,99432 … … … … 40 40 32,83469 28,54899 3% 4% 5% 0,971431 1,915636 2,833873 3,727328 4,597112 5,444274 6,269799 7,074617 7,859607 8,625595 … 12,19645 15,3934 18,28066 20,90827 … 25,53485 0,962616 1,890237 2,785045 3,649039 4,484057 5,291787 6,073782 6,83148 7,566204 8,279184 … 11,55504 14,42818 16,98144 19,27543 … 23,25686 0,95412 1,86602 2,738965 3,575876 4,379376 5,151827 5,895361 6,611909 7,303227 7,970909 … 11,00169 13,61582 15,90967 17,95045 … 21,45457 La base finanziaria 7 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 BASE DEMOGRAFICA OSSERVAZIONI Notazioni attuariali (1) 9 x variabile età generalmente si considerano solo le età intere con ω“età estrema” t t qx Probabilità di decesso entro t anni all’età x ω px = 1 − t qx qx t / u= x = 0,1, 2,...ω t Probabilità di sopravvivenza per t anni all’età x px × u qx +t Probabilità di decesso tra le età x+t e x+t+u valutata all’età x ; risulta pari al prodotto della probabilità di sopravvivenza per t anni per la probabilità di decesso entro u anni all’età x +t Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Probabilità di decesso e di sopravvivenza (2) 10 In particolare, se t =1 Probabilità di decesso entro un anno all’età x qx (“tasso annuo di decesso”) px = 1 − qx Probabilità di sopravvivenza per un anno all’età x (“tasso annuo di sopravvivenza ”) Risulta anche t /1 q x = t/ qx Probabilità differita di decesso tra l’età x+t e x+t+1 ; probabilità che la durata (residua troncata) di vita all’età x sia uguale a t, con x e t valori interi Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Probabilità di decesso e di sopravvivenza (3) 11 In particolare, se x =0 t /1 q0 Probabilità “differita” di decesso entro un anno all’età t (valutata alla nascita), con ω −1 ∑ t /1 q0 =1 t =0 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Curva dei decessi 12 t/1q0 popolazione italiana maschi 2006 (fonte HMD) 0,045000 0,040000 0,035000 0,030000 0,025000 0,020000 0,015000 0,010000 0,005000 0,000000 0 20 40 60 80 Age Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 100 120 Probabilità annua di decesso 13 qx popolazione italiana maschi 2006 (fonte HMD) 0,6 0,5 0,4 0,3 0,2 0,1 0 0 20 40 60 Age Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 80 100 120 Valori sintetici della durata di vita 14 Vita attesa incompleta +∞ ex = ∑ h px h =1 Vita attesa completa o e= x ex + 1 2 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Tavola di sopravvivenza (da HMD) Life table - Italy 2006 - Males (period 1x1). Last modified: 06-Feb-2009, MPv5 (May07) 15 Age 0 1 2 3 4 5 … 50 51 52 53 54 55 … 57 58 59 lx 100000 99614 99587 99574 99561 99547 … 95895 95615 95298 94945 94562 94143 … 93150 92590 91956 dx 386 27 13 13 13 10 … 281 316 353 383 419 477 … 560 634 684 qx 0,00386 0,00027 0,00013 0,00013 0,00013 0,0001 … 0,00293 0,00331 0,0037 0,00403 0,00443 0,00507 … 0,00601 0,00685 0,00744 Age 60 61 62 63 64 65 … 70 71 72 73 74 75 … 108 109 110+ Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 lx 91271 90514 89697 88794 87805 86775 … 80100 78415 76600 74503 72331 70017 … 10 5 2 dx 757 817 903 989 1030 1143 … 1685 1815 2097 2172 2313 2578 … 5 3 2 qx 0,0083 0,00903 0,01007 0,01113 0,01173 0,01318 … 0,02103 0,02315 0,02738 0,02915 0,03198 0,03683 … 0,5049 0,51926 1,000 Tavola di sopravvivenza (mortalità) 16 E’ una rappresentazione tabulare della mortalità . La determinazione delle probabilità di morte esprimenti il rischio che una persona di età x muoia prima del compimento del compleanno x+n, consente la determinazione delle ulteriori funzioni biometriche contenute nella tavola di mortalità. l0 degli individui in vita all’età 0 (generalmente l0 =100000) – radice della tavola Numero (atteso) degli individui in vita all’età x : lx+1=lx*(1-qx) Numero (atteso) dei decessi tra l’età x e x+1: dx=lx*qx=lx-lx+1 Numero (atteso) dei decessi tra l’età x e x+n: ndx=lx-lx+n Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 lx popolazione italiana maschi 2006 (fonte HMD) 17 100000 90000 80000 Size of population 70000 60000 50000 40000 30000 20000 10000 0 0 20 40 60 Age Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 80 100 120 18 dx popolazione italiana maschi 2006 (fonte HMD) 5000 4000 Size of population 3000 2000 1000 0 0 10 20 30 40 50 60 70 Age -1000 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 80 90 100 110 Mortalità maschile e femminile 19 dx popolazione italiana 2006 (fonte HMD) 5000 Size of population 4000 3000 maschi 2000 femmine 1000 0 0 10 20 30 40 50 60 70 Age -1000 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 80 90 100 110 Probabilità di decesso e di sopravvivenza 20 lx − lx + n = lx n qx n n dx lx px = lx + n = 1 − n qx lx qx = dx lx Probabilità di decesso entro n anni all’età x Probabilità di sopravvivenza per n anni all’età x Probabilità di decesso entro un anno all’età x (“tasso annuo di decesso”) l x +1 px = 1 − qx = lx Probabilità di sopravvivenza per un anno all’età x (“tasso annuo di sopravvivenza ”) Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempi 21 d50 l50 − l51 281 = = = 0,002930288 q= 50 l50 l50 95895 d59 684 = = = 0,007132801 9/1 q 50 l50 95895 l65 86775 = = 0,90489598 15 p= 50 l50 95895 o e0 o 78,62 = e65 17,82 Tavola di mortalità di riferimento: Life table HMD - Italy 2006 - Males Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Evoluzione nel tempo 22 lx popolazione italiana maschi (fonte HMD) 100000 Size of population 80000 60000 2006 1996 1986 40000 1966 1946 1926 20000 1906 0 0 -20000 10 20 30 40 50 60 70 80 Age Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 90 100 110 120 Evoluzione nel tempo 23 dx popolazione italiana maschi (fonte HMD) 5000 86; 4267 Size of population 4000 3000 2006 1996 1986 72; 2158 2000 1966 1946 1926 1906 1000 0 0 -1000 10 20 30 40 50 60 70 Age Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 80 90 100 110 Evoluzione nel tempo 24 aspettativa di vita popolazione italiana maschi (fonte HMD) 85 80 75 70 65 60 Age 55 50 età 0 45 età 60 40 35 30 25 20 15 10 1906 1926 1946 Year 1966 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 1986 2006 Mortalità dinamica 25 tempo età 0 … t-1 t t+1 … q0(t-1) q0(t) q0(t+1) q1(t-1) q1(t-1) q1(t-1) 1 …. x x+1 …. … …. …. …. …. qx(t-1) qx(t-1) qx(t-1) qx+1(t-1) qx+1(t-1) qx+1(t-1) …. …. …. Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 …. …. …. …. Tavola di sopravvivenza RG48 26 x 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 Maschi lx 96406,3620 96217,8875 96019,0052 95807,8594 95582,0402 95338,8795 95072,312 94778,1583 94455,0595 94103,8756 93728,6835 93320,6825 92873,0232 92380,4247 91836,2116 91233,7661 90565,7524 89824,0189 88998,5362 88077,1343 87046,3676 85891,2623 84595,335 83139,8722 81504,5941 79668,1326 77603,7719 75290,0155 72715,0969 69873,0274 Femmine lx 97475,6339 97375,3314 97272,6005 97167,157 97058,5241 96946,5186 96830,4736 96710,1133 96584,4869 96452,5524 96313,7572 96164,5672 96003,5877 95828,8612 95637,8743 95427,6622 95194,9142 94935,6984 94647,4736 94325,7669 93964,2162 93554,3443 93085,5435 92545,6473 91919,6686 91189,6426 90334,2837 89327,5081 88139,9882 86739,6201 x 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 Maschi lx 66765,14 63386,56 59729,47 55802,2 51623,01 47221,22 42633,68 37911,65 33139,79 28427,98 23902,95 19702,56 15853,72 12441,02 9510,935 7075,241 5115,683 3590,324 2442,598 1608,4 1023,499 628,2848 373,4399 214,6906 119,2435 63,90734 33,00559 16,40312 7,832488 3,587436 1,573234 Femmine lx 85091,65 83157,95 80888,9 78231,7 75132,31 71542,12 67427,16 62773,74 57596,29 51947,01 45924,38 39747,73 33492,36 27444,98 21844,88 16867,75 12618,15 9131,328 6382,451 4301,485 2790,137 1738,339 1042,517 600,918 332,3684 176,0858 89,18427 43,09134 19,81607 8,650746 3,57486 Age –shifting 27 MASCHI FEMMINE Correzione Anno di nascita Correzione Anno di nascita dell’età dell’età Fino al 1941 +1 Fino al 1943 +1 Dal 1942 al 1951 0 Dal 1944 al 1950 0 Dal 1952 al 1965 -1 Dal 1951 al 1964 -1 Oltre il 1966 -2 Oltre il 1965 -2 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 lx popolazione italiana maschi (fonte HMD e RG48) 28 100000 90000 Size of population 80000 70000 60000 50000 40000 30000 20000 10000 0 40 50 60 70 80 90 Age 2006 1986 1966 RG48 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 100 110 RENDITE VITALIZIE Cos’è una rendita vitalizia definizione del concetto di valore attuariale 30 Le rate unitarie sono percepite dall’assicurato finché questo è in vita (incertezza). P se in vita v altrimenti 0 se in vita v 2 altrimenti 0 x 1 x+1 1 1 x+2 … x+3 se in vita v3 altrimenti. 0 . . se in vita v n altrimenti 0 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 1 x+n … Cos’è una rendita vitalizia definizione del concetto di valore attuariale 31 Si tratta di un’operazione finanziaria aleatoria di cui sono note le determinazioni possibili degli importi. Non è nota la durata di vita all’età x dell’assicurato, l’importo da erogare a ciascuna epoca è dipendente dall’evento “essere in vita” a tale epoca. Problema: quantificare l’incertezza assegnare la probabilità alle determinazioni possibili dei diversi importi Esempio: con quale probabilità l’assicurato di età 65 percepirà 1 euro di rendita all’età 75? Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Cos’è una rendita vitalizia definizione del concetto di valore attuariale 32 Consideriamo ogni singola rata a partire dalla prima. U1 se in vita v altrimenti 0 x 1 x+1 x+2 x+3 x+n Il valore attuale Y di un euro di rendita percepibile dopo un anno è aleatorio e risulta pari a v se l'assicurato è in vita all'età x + 1 Y = altrimenti 0 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Cos’è una rendita vitalizia definizione del concetto di valore attuariale 33 Sia p la probabilità che l’assicurato di età x sia in vita all’età x+1. Il valore atteso di Y (valore attuariale o valore attuale atteso) è E (Y ) = v p + 0 (1 − p ) = v p Il valore attuariale dipende dal tasso di attualizzazione i e dalla probabilità p. (i,p) base della valutazione Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Fattore di sconto demografico finanziario 34 Il valore attuariale di un euro di rendita percepibile dopo 1anno da un individuo di età x se in vita si indica con 1 1 Ex = v 1 px px Probabilità di sopravvivenza per un anno per un individuo di età x Il valore attuariale di un euro di rendita percepibile dopo n anni da un individuo di età x se in vita si indica con n n Ex = v n n px px Probabilità di sopravvivenza per n anni per un individuo di età x Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Cos’è una rendita vitalizia definizione del concetto di valore attuariale 35 Consideriamo tutte le ulteriori possibili rate U 1 x x+1 1 1 x+2 … 1 x+3 x+h v 1 px v 2 2 px v 3 3 px vh . . . h = ax px +∞ ∑ = h Ex +∞ ∑ vh = h 1= h 1 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 h px … Esempi numerici 36 n i vn Tavola 10 3% 0,7440939 Italia Maschi 2006 HMD età 30 40 50 60 70 80 nEx 0,737782 0,730190 0,708214 0,653021 0,513100 0,243945 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempi numerici 37 Rendita vitalizia posticipata – Tavola IT maschi 1992 i= età 3% ax età 0 28,865 30 45,212 50 1 29,000 31 2 28,884 3 ax età ax età ax 17,4214 60 13,295 70 9,206 44,292 51 17,0218 61 12,877 71 8,811 32 43,366 52 16,6200 62 12,462 72 8,408 28,761 33 42,433 53 16,2127 63 12,047 73 8,049 4 28,631 34 41,504 54 15,8026 64 11,629 74 7,635 5 … 28,496 … 35 … 40,571 55 … … 15,3918 65 11,221 … … … 75 … 7,256 … Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 età ax Cos’è una rendita vitalizia definizione del concetto di valore attuariale 38 Per la valutazione attuariale di una rendita vitalizia due concetti fondamentali 1. Attualizzazione delle somme future – aspetto puramente finanziario 2. Quantificazione dell’incertezza - aspetto probabilistico Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Il principio per il calcolo del premio 39 Sia Y il valore attuale aleatorio delle prestazioni fornite dall’assicuratore ed U il premio unico (certo) richiesto dall’assicuratore. Per l’assicuratore la perdita è aleatoria pari a L=Y-U . Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Il principio per il calcolo del premio 40 Principio di equità E ( L ) = E (Y − U ) = 0 Valore atteso della perdita dell’assicuratore e quindi U = E (Y ) Premio equo (unico puro) Valore attuariale delle prestazioni Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Calcolo del premio 41 U x 1 x+1 v 1 px Pertanto il premio unico per un euro di capitale . percepibile dopo un anno da un individuo di età x . . se in vita è pari a = U 1= Ex v 1 px Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Calcolo del premio 42 U x 1 x+1 1 1 x+2 … x+3 1 x+n v 1 px v 2 2 px v 3 3 px vn . . . n px Il premio unico per la rendita vitalizia unitaria immediata posticipata per un individuo di età x è pari a U =a x Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Osservazioni sulla probabilità di sopravvivenza e sul tasso tecnico 43 U 1 x vn n x+n px Il premio relativo alla generica n-sima rata unitaria . di rendita è. pari a . = U n= Ex v n n px Per tale valutazione sono stati fissati il tasso di interesse i e la probabilità di sopravvivenza n px Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Osservazioni sulla probabilità di sopravvivenza e sul tasso tecnico 44 Siano * i e * n px tali che i >i e * Risulta ( px < n px * n ) ( ) U i , n px < U i, n px < U ( i, n p x ) * * * Il premio risulta funzione decrescente del tasso di interesse e funzione crescente della probabilità di sopravvivenza . Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempi numerici 45 Sia i tale che i > i. * * Si considera la tavola di sopravvivenza Italia Maschi 1992. n tasso età x 40 50 60 70 10 3% 10Ex 0,723384 0,689551 0,600773 0,439933 5% 10Ex 0,596827 0,568913 0,495667 0,362966 Il premio calcolato con la base (3%,1992) è più favorevole all’assicuratore rispetto a quello calcolato con la base (5%,1992). Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempi numerici 46 n i vn 10 3% 0,7440939 1992 Tavole Italia maschi 1995 2000 HMD 2002 2006 età nEx nEx nEx nEx nEx 30 40 50 60 70 80 0,732086 0,723384 0,689551 0,600773 0,439933 0,183008 0,731148 0,724987 0,694283 0,610678 0,449614 0,191969 0,735474 0,727557 0,700603 0,632324 0,473437 0,213057 0,736145 0,727977 0,703295 0,639885 0,483657 0,222448 0,737782 0,730190 0,708214 0,653021 0,513100 0,243945 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Esempi numerici 47 Siano i* e p* tali che i* > i e p* < p (i*, p*)=(5%, IT maschi 1992) n tasso tavola età 40 50 60 70 (i, p)=(3%, IT maschi 2006) 10 5% 1992 3% 1992 3% 2006 10Ex 10Ex 10Ex 0,596827 0,568913 0,495667 0,362966 0,723384 0,689551 0,600773 0,439933 0,730190 0,708214 0,653021 0,513100 Il premio calcolato con la base (3%,2006) è più favorevole all’assicuratore rispetto a quello calcolato con la base (5%,1992) Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Rendite vitalizie 48 Sapendo che per un individuo di età x una rendita unitaria immediata e posticipata (a rate di importo unitario) al tasso tecnico i ha un costo (premio unico) pari a +∞ U = a= x ∑ v h h p x ⋅1 h =1 quanto costa una rendita di rata R? Si ha +∞ = UR ∑ +∞ v h h= px ⋅ R R ∑ = h 1= h 1 Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 = v h h px R ax Rendite vitalizie 49 Un individuo di età x ha disponibile un capitale (montante) M. Qual è la rata della rendita vitalizia immediata che può comprare con tale somma (premio unico) ? La risposta si ottiene risolvendo l’equazione che uguaglia la disponibilità economica M al costo della rendita di rata R, cioè da si ottiene M = R ax 1 R=M ax Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Coefficiente di conversione 50 1 cx = ax Si definisce coefficiente di conversione e fornisce l’importo della rata di rendita vitalizia unitaria immediata posticipata che si acquisisce con un montante unitario, come risulta dalla relazione ponendo M=1. 1 R=M ax Prof. Massimo Angrisani – Matematica finanziaria – a.a. 2012/2013 Teoria delle collettività Matematica finanziaria – seconda parte Prof. Massimo Angrisani a.a. 2012/2013 1 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 I) TEORIA DELLA COLLETTIVITA’ Consideriamo le seguenti funzioni della variabile temporale t appartenente all’intervallo [0, T] con T ≤ +∞ relative ad una assegnata popolazione o collettività: P( t ) = numero di individui della popolazione al tempo t ; M ( t ) = numero di individui della popolazione morti tra 0 e t (con M(0)=0); I( t ) = numero di individui della popolazione divenuti invalidi tra 0 e t (con I(0)=0); W ( t ) = numero di individui eliminati dalla popolazione per altre cause tra 0 e t (con W(0)=0); N( t ) = numero di individui “entrati” nella popolazione tra 0 e t (con N(0)=0). Definiamo inoltre le intensità di variazione: P ′( t ) = p( t ) M ′( t ) = m( t ) I′( t ) = i( t ) W ′( t ) = w ( t ) N ′( t ) = n ( t ) e definiamo i seguenti tassi istantanei: m(t) = α(t) tasso istantaneo di mortalità, P(t) i(t) = β(t) tasso istantaneo di invalidità; P(t) w(t) = γ(t) tasso istantaneo di uscita della popolazione per altre cause; P(t) n(t) = ν (t) tasso istantaneo di ingresso nella popolazione. P(t) 1 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 I.I) POPOLAZIONE SOGGETTA ALLA SOLA CAUSA DI ELIMINAZIONE PER MORTE Consideriamo una popolazione soggetta alla sola causa di eliminazione per morte. L’equazione di evoluzione della popolazione chiusa (non soggetta ad ingressi) è la seguente: P(r ) = P(0) − M ( r ) M (0) = 0 , 0 ≤ r ≤ T. Supposte derivabili le funzioni P(r) e M(r), nel generico istante r, risulta: P ′(r ) = −M ′(r ); da cui: P ′(r) M ′(r) =− = −α(r) . P(r) P(r) Considerata quindi assegnata la funzione α(r) , 0≤r≤T, che fornisce il tasso istantaneo di mortalità, funzione che supponiamo continua, possiamo considerare l’equazione differenziale lineare omogenea del primo ordine: P ′(r) = −α(r) , P(r) 0 ≤r≤T, (1) ovvero cercare una funzione P(r), il cui tasso istantaneo di variazione in ogni istante r, cioè sia pari (a meno del segno) a quello di mortalità. 2 P ′( r ) , P(r ) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Tale equazione differenziale, assegnata la condizione iniziale P(0) , ammette come soluzione la seguente funzione della variabile temporale (che indichiamo con t): P(t) = P(0) ⋅ e t − ∫ α(r)dr 0 . (2) L’equazione differenziale lineare omogenea del primo ordine: P ′(r) = −α(r) P(r) con assegnata la condizione iniziale P(0) , si risolve facilmente per integrazione: t ∫ 0 P ′(r) dr = − α(r)dr P(r) 0 t ∫ [logP(r)] t 0 t ∫ = − α(r)dr 0 t P(t) = − α(r)dr log P(0) 0 ∫ P(t) = P(0) ⋅ e t − ∫ α(r)dr 0 . Osservazione importante Se la funzione α(r) definita nell’intervallo 0 ≤ r ≤ T è ivi continua a tratti, cioè presenta al più un numero finito di discontinuità di prima specie (salti) in ogni intervallo finito, allora la funzione α(t) t ∫ risulta comunque integrabile in ogni intervallo limitato e l’integrale − α(r)dr è una funzione 0 continua dell’estremo superiore di integrazione t. 3 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 La funzione definita dalla (2) è derivabile negli intervalli di continuità della α(t) ed è ancora soluzione della equazione differenziale (1) in tali intervalli mentre nei punti di discontinuità della funzione α(r) la funzione espressa dalla (2) è continua ma non derivabile. Sebbene supponiamo, per semplicità di trattazione, che i tassi istantanei siano funzioni definite e continue nell’intervallo 0 ≤ r ≤ T, in effetti tutte le conclusioni che traiamo permangono valide anche nella ipotesi che tali tassi siano forniti da funzioni definite e continue solo a tratti in tale intervallo. In quest’ultimo caso le funzioni espresse mediante tali tassi risultano derivabili nei punti in cui le relative funzioni che forniscono i tassi istantanei sono continue, mentre nei rimanenti punti risultano funzioni solo continue. Dalla (2) si ha, per il rapporto P( t ) , la seguente espressione: P(0) t P(t) =e P(0) − ∫ α(r)dr 0 . Dunque tale rapporto rappresenta la quota della popolazione iniziale P(0) che “sopravvive” al tempo t . Possiamo pertanto interpretare tale rapporto come la probabilità che un individuo presente nella popolazione iniziale al tempo 0 sopravviva al tempo t , cioè esplicitamente possiamo definire la probabilità: p m (0, t) = P(t) =e P(0) 4 t − ∫ α(r)dr 0 . (3) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Evidentemente a tale definizione di probabilità è implicitamente associata l’ipotesi che tutti gli individui presenti nella popolazione al tempo 0, siano esposti nella stessa misura al rischio di eliminazione per morte. Dati due istanti u e v con u ≤ v dalla (2) segue: P(v) =e P(u) v − ∫ α(r)dr u . Pertanto ragionando per gli istanti u e v in modo analogo a quanto già fatto per gli istanti 0 e t , possiamo definire: v p m (u, v) = e − ∫ α(r)dr u (4) e considerare p m (u , v) come la probabilità che un generico individuo presente nella popolazione all’istante u sopravviva all’istante v . Considerati gli istanti u, z, v con 0 ≤ u ≤ z ≤ v risulta: p m (u, v) = e v − ∫ α(r)dr u =e v z − ∫ α(r)dr − ∫ α(r)dr z u =e z − ∫ α(r)dr u ⋅e v − ∫ α(r)dr z da cui la proprietà moltiplicativa per la probabilità di sopravvivenza rispetto alla decomposizione temporale: p m ( u , v ) = p m ( u , z ) ⋅ p m ( z, v ) . 5 (5) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 1 Consideriamo una popolazione esposta al tasso istantaneo annuo di eliminazione costante del 2%. La probabilità che un individuo presente al tempo iniziale 0 sopravviva dopo 3 anni è pari a: 3 p m (0,3) = e − ∫ 0,02dr 0 = e −0,02×3 = e −0,06 = 0,942 . Si osservi che tale probabilità è superiore al 94%. La probabilità che un individuo presente nella popolazione dopo 5 anni, sopravviva al decimo anno è: p m (5,10) = e 10 − ∫ 0,02dr 5 = e −0,1 = 0,905 . 6 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 2 Sia P(0) = 100.000 individui. Supponiamo che dopo 2 anni P(2) = 94.000 e supponiamo che gli individui siano “usciti” dalla popolazione per la sola causa di eliminazione per morte e che tale causa abbia agito con un tasso istantaneo annuo costante. Si vuole calcolare tale tasso. P(2) = P(0) ⋅ e 2 − ∫ αdr 0 da cui: P(2) = P(0) ⋅ e −2α 94.000 = e − 2α 100.000 − 2α = log 94 100 1 94 = 0,0309 ≅ 3,09%. α = − log 2 100 7 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Si supponga ora che il tasso sia stato costante nel primo anno e che nel secondo anno tale tasso sia stato altresì costante ma superiore del 10% rispetto a quello dell'anno precedente. Si vogliano calcolare tali tassi. P(r) = P(0) ⋅ e 2 1 − ∫ αdr + ∫ 1,1αdr 1 0 P(r) = P(0) ⋅ e −α ⋅ e −1 1α , P(r) = P(0) ⋅ e − 2 1α , P(r) , = e − 2 1α P(0) − 2,1αlog α=− 94 100 10 94 = 0,0295 ≅ 2,95%. log 21 100 Il tasso nel primo anno è stato del 2,95% e nel secondo del 3,24%. 8 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 3 Con P( t ) indichiamo la numerosità di una popolazione al variare del tempo t. Sia P(0) = 100.000 individui e dopo 10 anni P(10) = 62.000 . Supponiamo che abbia agito un tasso istantaneo di eliminazione per morte α(r) , costante in ciascun anno e che tale tasso risulti crescente del 10 % ogni anno. Si vuole calcolare tale tasso: α(t) = α 0≤r<1 γ⋅α 1≤r<2 ………………….. ………………….. γ9 ⋅ α 9≤r≤10 dove γ = 1,1 è il fattore di crescita annuale del tasso istantaneo di eliminazione. Si ha: P(t) = P(0) ⋅ e t − ∫ α(r)dr 0 e quindi: 9 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 P(10) = P(0) ⋅ e 10 2 1 − ∫ αdr + ∫ γ⋅αdr +........+ ∫ γ 9 ⋅αdr 9 1 0 da cui: P(10) = P(0) ⋅ e − α + α⋅γ + α⋅γ 2 +.............+ α⋅γ 9 P(10) = P(0) ⋅ e − α (1+ γ + γ P(10) = P(0) ⋅ e − α⋅ γ10 −1 γ −1 2 +...........+ γ 9 ) . Pertanto: − α⋅ P(10) =e P(0) γ10 −1 γ −1 P(10) γ 10 − 1 log = −α ⋅ P(0) γ −1 P(10) P(0) 10 γ −1 γ −1 log α=− 10 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 α= 0,4780 ≅ 3% . 15,9374 Da cui si ricava immediatamente il valore della funzione α(r) per 0 ≤ r ≤ 10 . Dalla (2) , indicata con s la variabile indipendente al posto di t e derivando si ottiene l’espressione: P ′(s) = P(0) ⋅ e s − ∫ α(r)dr 0 ⋅ (− α(s )) . Integrando tra 0 e t si ottiene: t t ∫ ∫ P( t ) − P(0) = P ′(s)ds = −P(0) ⋅ e 0 0 11 s − ∫ α ( r ) dr 0 ⋅ α(s)ds . (6) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Quindi dalla equazione di evoluzione della popolazione, cioè P( t ) = P(0) − M ( t ) , con M(0)=0, nell’intervallo 0 ≤ t ≤ T , segue per il numero M ( t ) di individui eliminati dalla popolazione nell’intervallo [0, t ] , la seguente espressione: t ∫ M(t) = P(0) ⋅ e s − ∫ α(r)dr 0 ⋅ α(s)ds . (7) 1 0 Considerando ancora l’equazione di evoluzione della popolazione, e dalla (2) si ha altresì che: t − ∫ α(r)dr M(t) = P(0) ⋅ 1 − e 0 . (7′) Con riferimento all’osservazione a pag. 4, si ha che nell’ipotesi che la funzione α(r) sia definita e continua solo a tratti nell’intervallo [0, T], la funzione M(t), definita dalla (7), risulta continua nell’intervallo [0,T] e derivabile nei punti in cui la α(r) è continua. 1 Si osservi inoltre che l’integrale (7) può essere approssimato dalla sommatoria ottenuta dividendo l’intervallo [0,t] in n sottointervalli uguali di ampiezza ∆s = n −1 ∑ P(0) ⋅ e i 0 si − ∫ α(r)dr 0 t , s 0 = 0, s1 = ∆s, s 2 = 2∆s, , s n = n∆s = t , cioè n n −1 ∑ n −1 ⋅ α(s )Δs = P(si ) ⋅ α(si )Δs ≅ i =i 0 ∑ ΔM(s n −1 ∑ ) = [ M(si +1 ) − M(si ) ] = M(t) − M(0) = M(t). i +1 =i 0=i 0 12 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 s Si osservi che, in base alla (2) , il prodotto P(0) ⋅ e − ∫ α(r)dr 0 all’interno dell’integrale nella (7) rappresenta la numerosità della popolazione sopravvissuta all’istante s a cui si applica il tasso istantaneo di mortalità α(s) . Dalla (2), derivando sempre rispetto al tempo ed integrando tra due istanti u e v, 0 ≤ u ≤v, otteniamo: s v ∫ P(u) − P(v) = P(u) ⋅ e − ∫ α(r)dr u ⋅ α(s)ds (8) u relazione che utilizziamo per definire la probabilità di eliminazione per morte tra gli istanti u e v: v s − ∫ α(r)dr P(u) − P(v) q m (u, v ) = = e u ⋅ α(s)ds . P(u) u ∫ (9) Risulta ovviamente, in base alle definizioni: q m ( u , v) = P ( v) P ( u ) − P ( v) = 1 − p m ( u , v) . = 1− P(u ) P(u ) Dalla (4) e dalla (9) si ha dunque la relazione tra gli integrali, che può essere altresì verificata direttamente: v ∫u e s − ∫ α(r)dr u ⋅ α(s)ds = 1 − e 13 v − ∫ α(r)dr u . (10) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Si osservi che considerati gli istanti 0 ≤ u ≤ z ≤ v risulta: v − s α(r)dr ∫ q m (u, v) = ∫ e u ⋅ α(s)ds = ∫ e s − ∫ α(r)dr u v − s α(r)dr ∫ ⋅ α(s)ds + ∫ e v − z α(r)dr − s α(r)dr ∫ ∫ u z u ⋅ α(s)ds = z u u = q m (u, z) + ∫ e z v ⋅ α(s)ds = q m (u, z) + ∫ p m (u, z) ⋅ e z s − ∫ α(r)dr z z = q m (u, z) + p m (u, z) ⋅ q m (z, v). Cioè la decomposizione temporale della probabilità di morte: q m ( u , v ) = q m ( u , z ) + p m ( u , z ) ⋅ q m ( z, v ) . 14 (11) ⋅ α(s)ds = Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 4 Sia data una popolazione su cui agisce la sola causa di eliminazione per morte con tasso istantaneo annuo costante α . Si calcoli la probabilità di eliminazione nell’intervallo temporale [u, v]. v q m (u, v) = ∫ e u s − ∫ αdr u e −(s − u )α − ( v − u )α ⋅ αds = ∫ e −(s − u )α ⋅ αds = α − . = 1− e α u u v v P.e. se: u = anno 1, v = anno 6, α = 0,01 q m (1,6) = 1 − e −5⋅0,01 = 1 − e −0,05 = 0,0487 . Si osservi che, in base alla (11), posto z = anno 4, risulta: q m (1,6) = q m (1,4) + p m (1,4) ⋅ q m (4,6) , ovvero: 1 − e−0,05 = 1 − e−0,03 + e−0,03 ⋅ (1 − e−0,02 ) . 15 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 I.II) POPOLAZIONE SOGGETTA A DUE CAUSE DI ELIMINAZIONE: MORTE ED INVALIDITA’ L’equazione di evoluzione della popolazione nell’ipotesi che agiscano due cause indipendenti di eliminazione, morte ed invalidità, è la seguente: P(r ) = P(0) − [M(r ) + I(r )] con M(0)=I(0)=0. Da cui, se le funzioni P(r), M(r) e I(r) sono derivabili, la relazione nel generico istante r tra le derivate: P ′(r ) = −[M ′(r ) + I′(r )]. E quindi la relazione tra la funzione P(r) ed i tassi istantanei di mortalità ed invalidità: [M ′(r) + I′(r)] = −[α(r) + β(r)] P ′(r) =− . P(r) P(r) 16 (12) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Assegnate le funzioni α(r) e β(r) che supponiamo definite e continue per 0≤r≤T, la (12) è una equazione differenziale dello stesso tipo della (1), cioè lineare ed omogenea del primo ordine, la cui soluzione è: P(t) = P(0) ⋅ e t − ∫ [α(r) +β(r) ]dr 0 . (13) Abbiamo quindi, al variare del tempo t, la numerosità della popolazione esposta alle due cause di eliminazione, morte ed invalidità, in funzione dei corrispondenti tassi istantanei. Se le funzioni α(r) e β(r) sono definite in [0, T] e ivi continue solo a tratti valgono le considerazioni già svolte per il caso di una sola causa di eliminazione. Analogamente al caso in cui si abbia una sola causa di eliminazione possiamo definire la probabilità di sopravvivenza alle due cause di eliminazione morte ed invalidità tra l’istante 0 e l’istante t: p m,i (0, t) = e t − ∫ [α(r) +β(r) ]dr 0 , cioè la probabilità che un individuo presente nella popolazione all’istante 0 , sopravvivendo alle due cause di eliminazione, sia ancora presente nella popolazione all’istante t . 17 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Più in generale, dati due istanti u e v , con 0 ≤ u ≤ v , dalla (13) segue: P(v) = P(0) ⋅ e v − ∫ [α(r) +β(r) ]dr 0 = P(0) ⋅ e v u − ∫ (α(r) +β(r) )dr + ∫ (α(r) +β(r) )dr u 0 cioè: P(v) = P(u) ⋅ e v − ∫ (α(r) +β(r) )dr u . (14) Possiamo quindi definire la probabilità: p m,i (u, v) = e v − ∫ [α(r) + β(r) ]dr u (15) che un individuo presente nella popolazione all’istante u , sopravvivendo alle due cause di eliminazione morte ed invalidità, sia ancora presente nella popolazione all’istante v . 18 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Per la probabilità di non eliminazione p m ,i ( u , v) , dalla (15) segue, per le note proprietà dell’integrale e della funzione esponenziale, che: p m,i (u, v) = e v − ∫ [α(r) +β(r) ]dr u =e v − ∫ α(r)dr u ⋅e v − ∫ β(r)dr u = p m (u, v) ⋅ p i (u, v) con p m (u, v) = e p i (u, v) = e v − ∫ α(r)dr u v − ∫ β(r)dr u dove p m (u , v) rappresenta la probabilità assoluta di non eliminazione dalla collettività per morte nell’intervallo [u , v] , cioè la probabilità di non eliminazione per la causa morte in presenza di questa sola causa di eliminazione nella collettività e p i (u , v) rappresenta la probabilità assoluta di non eliminazione dalla collettività per la causa invalidità nell’intervallo [u , v] . La relazione p m ,i ( u , v ) = p m ( u , v ) ⋅ p i ( u , v ) è nota come secondo teorema di Karup. 19 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Dalla (13) , indicata con s al posto di t la variabile temporale e derivando, si ottiene la relazione: P′(s) = − P(0) ⋅ e s − ∫ (α(r) +β(r) )dr 0 ⋅ [α(s) + β(s)] . Integrando quest’ultima relazione tra u e v, con 0 ≤ u ≤ v, si ottiene: v v u u ∫ P′(s)ds = −∫ P(0) ⋅ e s − ∫ (α(r) +β(r) )dr 0 ⋅ [α(s) + β(s)]ds e quindi: v ∫ P(u) − P(v) = P(0) ⋅ e s u − ∫ [α(r) +β(r) ]dr − ∫ [α(r) +β(r) ]dr u 0 ⋅ [α(s) + β(s)]ds , u da cui: v ∫ P(u) − P(v) = P(u) ⋅ e s − ∫ [α(r) +β(r) ]dr u u 20 ⋅ [α(s) + β(s)]ds . (16) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 La (16) fornisce dunque il numero di individui che sono stati eliminati dalla popolazione per morte o per invalidità nell’intervallo [u , v] . Dalla (16) si ottiene: v s − ∫ [α(r) +β(r) ]dr P(u) − P(v) = e u ⋅ [α(s) + β(s) ]ds P(u) u ∫ (17) espressione che fornisce il rapporto tra il numero di individui che sono stati eliminati nell’intervallo [u, v] per una delle due cause, morte o invalidità, e la popolazione al tempo u. Espressione che possiamo interpretare come la probabilità che un individuo presente nella popolazione al tempo u ne sia stato eliminato, per una delle due predette cause, entro il tempo v . Possiamo cioè definire: v ∫ q m,i (u, v) = e s − ∫ [α(r) +β(r) ]dr u ⋅ [α(s) + β(s)]ds . u 21 (18) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Tenendo presente che per l’equazione di evoluzione della popolazione risulta: P(u ) − P( v) = [M ( v) − M (u )] + [I( v) − I(u )] , dalla relazione (16) segue, per la proprietà di linearità dell’integrale: P(u) − P(v) = [M(v) − M(u)] + [I(v) − I(u)] = v = ∫ P(u) ⋅ e s − ∫ [α(r) +β(r) ]dr u v ⋅ α(s)ds + ∫ P(u) ⋅ e u s − ∫ [α(r) +β(r) ]dr u ⋅ β(s)ds; u e quindi possiamo distinguere gli eliminati dalla popolazione in base alla causa di eliminazione, morte o invalidità. Si ha infatti: v ∫ M(v) − M(u) = P(u) ⋅ e s − ∫ [α(r) +β(r) ]dr u ⋅ α(s)ds (19a) u v ∫ I(v) − I(u) = P(u) ⋅ e s − ∫ [α(r) +β(r) ]dr u ⋅ β(s)ds , (19b) u da cui ricaviamo sia la quota di popolazione rispetto a quella presente all’istante u, che è stata eliminata entro l’istante v per morte, sia la quota di popolazione rispetto a quella presente all’istante u, che è stata eliminata entro l’istante v per invalidità, cioè: s v − ∫ [α(r) +β(r) ]dr M(v) − M(u) = e u ⋅ α(s)ds P(u) u ∫ v (20a) s − ∫ [α(r) +β(r) ]dr I(v) − I(u) = e u ⋅ β(s)ds P(u) u ∫ 22 . (20b) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 La (20a) ci fornisce la quota della popolazione presente al tempo u che è stata eliminata per morte, in presenza anche dell’azione dell’altra causa di eliminazione, l’invalidità, nell’intervallo temporale [u, v]. Si osservi che nella (19a), dalla quale deduciamo la (20a), il prodotto: P(u) ⋅ e s − ∫ [α(r) +β(r) ]dr u rappresenta, per la (14), la popolazione residua rispetto a quella presente all’istante u ovvero non eliminata per alcuna delle due cause dall’istante u sino all’istante s, popolazione sulla quale agisce il tasso istantaneo di eliminazione per morte α(s) . Possiamo quindi considerare l’espressione fornita dalla (20a) come la probabilità che un individuo presente nella popolazione al tempo u sia eliminato per morte entro il tempo v in presenza anche dell’altra causa di eliminazione: l’invalidità. Poniamo quindi: v ∫ q im (u, v) = e s − ∫ [α(r) +β(r) ]dr u ⋅ α(s)ds (21) u e definiamo q im (u , v) come la probabilità relativa (dipendente o parziale) di eliminazione per morte nell’intervallo [u , v] in quanto nella sua determinazione si è tenuto anche conto della presenza dell’altra causa di eliminazione: l’invalidità. 23 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Analogamente possiamo definire dalla (20b): v ∫ q (u, v) = e m i s − ∫ [α(r) +β(r) ]dr u ⋅ β(s)ds (22) u come la probabilità relativa di eliminazione per invalidità nell’intervallo [u , v] in quanto nella sua determinazione si tiene conto che sulla popolazione agisce anche la causa di eliminazione per morte. Dalla (18), (21) e (22) segue, per la proprietà di linearità dell’integrale, la relazione: q m ,i (u , v) = q im (u , v) + q im (u , v) che indica la proprietà additiva delle probabilità relative di eliminazione, nota come primo teorema di Karup. 24 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 I.III) POPOLAZIONE SOGGETTA A DUE CAUSE DI ELIMINAZIONE E IN PRESENZA DI TASSI ISTANTANEI COSTANTI Consideriamo ora il caso di una popolazione su cui agiscono due cause indipendenti di eliminazione, morte ed invalidità, con tassi istantanei di eliminazione costanti α e β . Calcoliamo, in tale situazione, le probabilità relative di eliminazione nell’intervallo temporale [u , v] . Risulta: v − s (α +β )dr ∫ q (u, v) = ∫ e i m u v ⋅ αds = ∫ e −(s−u )(α +β ) ⋅ αds = u u v α α = − ⋅ e −(s−u )(α +β ) = ⋅ (1 − e −(v −u )(α +β ) ). α+β u α + β Analogamente risulta: q im (u, v) = ( β ⋅ 1 − e −(v − u )(α +β ) α+β ) Si osservi che: q im (u, v) + q im (u, v) = q m,i (u, v) = 1 − e − ( v − u )(α +β ) . 25 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Dalla (21) e dalla (22), tenuto conto della (20a) e della (20b), seguono le relazioni: α M(v) − M(u) ⋅ 1 − e −( v − u )(α +β ) = α+β P(u) ) ( (*) β I(v) − I(u) ⋅ 1 − e −( v − u )(α +β ) = . α+β P(u) ) ( Dalle (*) sommando membro a membro segue la relazione: 1 − e −(v − u) (α +β ) = P(u) − P(v) P(u) (**) da cui: e −(v − u)(α +β) = P(v) P(u) − (v − u)(α + β) = log P(v) P(u) e quindi: (α + β) = − 1 P(v) ⋅ log . v−u P(u) 26 (***) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Dalla prima delle (*), tenuto conto di (**), segue: α α P(u) − P(v) M(v) − M(u) ⋅ (1 − e − (v − u)(α + β) ) = ⋅ = . α+β α+β P(u) P(u) Dalla seconda uguaglianza, tenendo conto di (***), segue, per il tasso istantaneo di mortalità, l’espressione: α= M(v) − M(u) M(v) − M(u) 1 P(v) ⋅ (α + β) = − ⋅ ⋅ log P(u) − P(v) P(u) − P(v) v − u P(u) ed analogamente si ottiene l’espressione per il tasso istantaneo di invalidità β, cioè β=− P(v) I(v) − I(u) 1 ⋅ log ⋅ . P(u) P(u) − P(v) v − u Queste relazioni, nell’ipotesi che sulla popolazione agiscano le due cause di eliminazione, morte ed invalidità, con tassi di eliminazione costanti, esprimono tali tassi in funzione del numero degli individui che sono morti o diventati invalidi nell’intervallo temporale [u, v] e della numerosità della popolazione agli estremi di tale intervallo. 27 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 II) RELAZIONE TRA PROBABILITA’ ASSOLUTE E RELATIVE DI ELIMINAZIONE Consideriamo una popolazione la cui numerosità sia espressa dalla funzione P(t). Supponiamo che su tale popolazione agisca solo la causa di eliminazione per morte con tasso istantaneo di eliminazione fornito dalla funzione α(t) . Nell’intervallo di tempo [u, v] risulta che il numero degli eliminati per morte si ottiene moltiplicando P(u) per la probabilità assoluta di eliminazione per morte, ossia P(u) ⋅ q m (u , v) . Se su tale popolazione supponiamo che agisca anche la causa di eliminazione per invalidità, in tal caso il numero degli eliminati per morte si ottiene moltiplicando P(u) per la probabilità relativa (relativa all’altra causa di eliminazione invalidità) di eliminazione per morte e risulta pari a: P(u ) ⋅ q im (u , v) . La relazione che intercorre tra il numero degli eliminati per morte nei due casi in oggetto è la seguente: v ∫ P(u) ⋅ q m (u, v) = P(u) ⋅ q (u, v) + P(s) ⋅ β(s) ⋅ q m (s, v)ds i m (23) u ovvero: v ∫ q m (u, v) = q (u, v) + p m,i (u, s) ⋅ β(s) ⋅ q m (s, v)ds . i m u 28 (23′) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 La (23) risulta interpretabile nel seguente modo: consideriamo il numero degli eliminati per morte nell’ipotesi che agisca solo tale causa di eliminazione. Tale numero, nell’ipotesi che sulla popolazione agisca anche la causa di eliminazione per invalidità, è ottenibile dalla somma di due addendi. Il primo P(u ) ⋅ q im (u , v) è dato dal numero degli eliminati per morte in presenza anche della causa di eliminazione per invalidità ed è pari, per quanto già visto, al prodotto della numerosità della popolazione al tempo u, P(u), per la probabilità relativa di eliminazione per morte. v ∫ Per capire il senso della (23) è opportuno osservare che l’integrale P(s) ⋅ β(s) ⋅ q m (s, v)ds può u essere approssimato tanto quanto si vuole al crescere di n (n → ∞ ), nell’ipotesi di continuità, anche solo a tratti, della funzione integranda, dalla seguente sommatoria: n −1 ∑ P u + n (v − u ) ⋅ β u + n (v − u ) ⋅ q k k k =0 m k v−u u + (v − u ), v ⋅ . n n Si osservi altresì che n è il numero di sottointervalli di uguale ampiezza u+ k (v − u ) , k=0,1, ..., n, in cui suddividiamo l’intervallo [u, v] . u 29 v−u , individuati dai punti n Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Ciascun addendo della sommatoria che approssima l’integrale è individuato da un particolare valore di k ed è il prodotto di quattro fattori, dei quali possiamo raggrupparne tre: k k v−u ; P u + (v − u ) ⋅ β u + (v − u ) ⋅ n n n questo prodotto fornisce una approssimazione del “pacchetto” di individui che vengono eliminati dalla popolazione per invalidità nell’intervallo temporale di ampiezza u+ v−u , successivo all’istante n k k ( v − u ) . Moltiplicando tale prodotto per q m u + (v − u ), v , probabilità assoluta di n n k eliminazione per morte nell’intervallo u + ( v − u ), v , otteniamo il numero degli individui di tale n “pacchetto” che sarebbero usciti per morte nell’intervallo di tempo considerato se non fossero usciti per invalidità. Deduciamo ora formalmente la (23). Dalla (12), segue: P ′(s) + P(s) ⋅ α(s) = −P(s) ⋅ β(s) e quindi moltiplicando per q m ( v, s) e sommando e sottraendo P(s) ⋅ α(s) , si ottiene: (P′(s) + P(s) ⋅ α(s) ) ⋅ q m (v, s) − P(s) ⋅ α(s) + P(s) ⋅ α(s) = − P(s) ⋅ β(s) ⋅ q m (v, s) . 30 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Si osservi che risulta: (P′(s) + P(s) ⋅ α(s) ) ⋅ q m (v, s) − P(s) ⋅ α(s) = d P(s) ⋅ q m (v, s) ds Infatti se si tiene presente che: q m (v, s) = 1 − e s − ∫ α(r)dr v e quindi che: d q m (v, s) = −e ds s − ∫ α(r)dr v ⋅ α(s) = −e s − ∫ α(r)dr v ⋅ α(s) + α(s) − α(s) = α(s) ⋅ q m (v, s) − α(s) si ottiene: d (P(s) ⋅ q m (v, s) ) = P′(s) ⋅ q m (v, s) + P(s) ⋅ d q m (v, s) = ds ds = P′(s) ⋅ q m (v, s) + P(s) ⋅ [α(s) ⋅ q m (v, s) − α(s)]. 31 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Risulta pertanto: d (P(s) ⋅ q m (v, s) ) + P(s) ⋅ α(s) = − P(s) ⋅ β(s) ⋅ q m (v, s) . ds Se integriamo tale relazione rispetto ad s tra gli istanti u e v si ottiene: v v v d ∫u ds (P(s) ⋅ q m (v, s) )ds + ∫u P(s) ⋅ α(s)ds = − ∫u P(s) ⋅ β(s) ⋅ q m (v, s)ds e quindi dalla (21) e dalla (14): v P(v) ⋅ q m (v, v) − P(u) ⋅ q m (u, v) + P(u) ⋅ q (u, v) = − ∫ P(s) ⋅ β(s) ⋅ q m (v, s)ds i m u da cui la (23): v P(u) ⋅ q m (u, v) = P(u) ⋅ q (u, v) + ∫ P(s) ⋅ β(s) ⋅ q m (v, s)ds i m (23) u Analoga relazione vale, ovviamente, tra la probabilità assoluta e relativa di invalidità: v P(u) ⋅ q i (u, v) = P(u) ⋅ q (u, v) + ∫ P(s) ⋅ α(s) ⋅ q i (v, s)ds . m i u Relazione quest’ultima che ha valore formale. 32 (24) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 III) PROBABILITA’ DI ELIMINAZIONE PER COLLETTIVITA’ APERTE Consideriamo una popolazione soggetta oltre alle due cause di eliminazione già considerate, morte ed invalidità, ad una ulteriore causa di eliminazione che raggruppa tutte le altre possibili cause di eliminazione differenti da quelle considerate. Consideriamo pertanto le tre funzioni α(r), β(r), γ(r) , non negative, che forniscono i relativi tassi istantanei al variare del tempo r, r ∈ [0, T]. Supponiamo inoltre che in tale popolazione possano entrare “nuovi” individui. Equipariamo tale possibilità ad una causa di eliminazione a tasso istantaneo negativo − ν (r) , ν (r) ≥ 0 . Si parla in tal caso di collettività aperta. L’equazione di evoluzione di tale popolazione è dunque: P(r ) = P(0) − [M(r ) + I(r ) + W (r )] + N(r ) 0≤r≤T con M(0)=I(0)=W(0)=N(0)=0 dove W(r) e N(r) rappresentano rispettivamente il numero di individui eliminati dalla popolazione per cause diverse da mortalità ed invalidità e quello degli individui entrati a far parte della popolazione tra gli istanti 0 ed r. Derivando e dividendo per P(r): P ′(r ) M ′(r ) I′(r ) W ′(r ) N ′(r ) =− − − + P(r ) P(r ) P(r ) P(r ) P(r ) cioè: P ′(r) = −α(r) − β(r) − γ(r) + ν (r) . P(r) 33 (25) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Supposto che le funzioni α(r), β(r), γ(r) e ν (r) siano definite e continue in [0, T], la precedente relazione è una equazione differenziale lineare omogenea del primo ordine, la cui soluzione è: P(t) = P(0) ⋅ e t − ∫ [α(r) +β(r) + γ(r) − ν (r) ]dr 0 . (26) Possiamo anche scrivere la funzione P(t) utilizzando le probabilità assolute di sopravvivenza, cioè: P(t) = P(0) ⋅ p m (0, t) ⋅ p i (0, t) ⋅ p w (0, t) ⋅ e t ∫ ν (r)dr 0 . Dati due istanti u e v, con 0≤u ≤ v, risulta: v P(v) = P(u) ⋅ e − ∫ [α(r) +β(r) + γ(r)−ν (r) ]dr u (27) da cui: P(v) = P(u) ⋅ p m,i,w (u, v) ⋅ e v ∫ ν (r)dr u . p m,i, w (u, v) è la probabilità di sopravvivenza alle tre cause di eliminazione tra gli istanti u e v. Si osservi che tale probabilità è pari al prodotto delle probabilità assolute di eliminazione relative allo stesso intervallo temporale, cioè: p m,i, w (u, v) = p m (u, v) ⋅ p i (u, v) ⋅ p w (u, v) . 34 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Possiamo altresì scrivere: v P(v) = P(u) − ∫ P(s) ⋅ [α(s) + β(s) + γ(s) − ν (s)]ds (28) u da cui, ricavando P(s) dalla (27), risulta: s v P(v) = P(u) − ∫ P(u) ⋅ e − ∫ [α(r) +β(r) + γ(r)−ν (r) ]dr u ⋅ [α(s) + β(s) + γ(s) − ν (s)]ds . (29) u Quindi per la linearità dell’integrale e tenuto conto dell’equazione di evoluzione della popolazione, P(u ) − P( v) = [M ( v) − M (u )] + [I( v) − I(u )] + [W ( v) − W (u )] − [N( v) − N(u )] , si ottiene: v M(v) − M(u) = ∫ P(u) ⋅ e s − ∫ [α(r) +β(r) + γ(r) −ν (r) ]dr u ⋅ α(s)ds (29.1) u s v I(v) − I(u) = ∫ P(u) ⋅ e − ∫ [α(r) +β(r) + γ(r)−ν (r) ]dr u ⋅ β(s)ds (29.2) u v s W(v) − W(u) = ∫ P(u) ⋅ e − ∫ [α(r) +β(r) + γ(r)−ν (r) ]dr u ⋅ γ(s)ds (29.3) u v N(v) − N(u) = ∫ P(u) ⋅ e s − ∫ [α(r) +β(r) + γ(r)−ν (r) ]dr u ⋅ ν(s)ds. (29.4) u Le prime tre relazioni forniscono il numero di individui eliminati dalla popolazione nell’intervallo temporale [u, v] per le cause di morte, invalidità, o di altro tipo e l’ultima il numero dei nuovi entrati nella popolazione nello stesso intervallo. 35 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 III.I) PROBABILITA’ DI ELIMINAZIONE PER COLLETTIVITA’ APERTE IN PRESENZA DI TASSI ISTANTANEI COSTANTI Supponiamo costanti nell’intervallo temporale [u , v] le funzioni che definiscono i tassi istantanei, α(r) = α, β(r) = β, γ(r) = γ , ν (r) = ν . Consideriamo dapprima il caso α + β + γ − ν ≠ 0 (in cui risulta quindi P(u)≠P(v)). In tale caso dalle (29.1)-(29.4) risulta che: [ M(v) − M(u) α = ⋅ 1 − e −(v− u)(α +β + γ −ν ) P(u) α + β + γ −ν [ I(v) − I(u) β = ⋅ 1 − e −(v− u)(α +β + γ −ν ) P(u) α + β + γ −ν ] ] [ W(v) − W(u) γ = ⋅ 1 − e −(v− u)(α +β + γ −ν ) P(u) α + β + γ −ν [ N(v) − N(u) ν = ⋅ 1 − e −(v − u)(α +β + γ −ν ) P(u) α + β + γ −ν (30) ] ] Sommando le prime tre uguaglianze del sistema (30) membro a membro e sottraendo l’ultima si ottiene: P(u) − P(v) = 1 − e −(v − u)(α +β + γ −ν ) . P(u) 36 (◊) Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Da cui si ricava per la somma delle intensità istantanee l’espressione: α + β + γ −ν = − 1 P(v) ⋅ log . v−u P(u) (◊◊) Dalle relazioni (30), utilizzando (◊) e (◊◊), possiamo ricavare i quattro tassi istantanei α, β, γ e ν: α= M(v) − M(u) 1 P(v) ⋅ − ⋅ log P(u) − P(v) v − u P(u) I(v) − I(u) 1 P(v) ⋅ − ⋅ log P(u) P(u) − P(v) v − u β= (31) γ= W(v) − W(u) 1 P(v) ⋅ − ⋅ log P(u) − P(v) v − u P(u) ν= N(v) − N(u) 1 P(v) ⋅ − ⋅ log P(u) − P(v) v − u P(u) 37 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Sempre nell’ipotesi di tassi istantanei costanti, nel caso in cui però si ha α + β + γ − ν = 0 e risulta quindi P(v)=P(u), il valore di tali tassi si ottiene direttamente dalle (29.1) - (29.4) ed è pari a: α= M(v) − M(u) 1 ⋅ P(u) v−u β= I(v) − I(u) 1 ⋅ P(u) v−u (32) γ= W(v) − W(u) 1 ⋅ P(u) v−u ν= N(v) − N(u) 1 ⋅ P(u) v−u 38 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 5 Consideriamo una collettività aperta. Nell’intervallo temporale [u, v], con v−u=1 anno, supponiamo che abbiano agito tre cause di eliminazione, ed una di ingresso, con i seguenti tassi istantanei annui costanti: α=0,3%; β=0,2%; γ=0,1%; ν =0,2%. Supponiamo inoltre che risulti: P(u)=100.000. In base alle relazioni (30) (si osservi che α + β + γ − ν ≠ 0 ) il numero degli eliminati per singola causa e degli “ingressi” nell’intervallo temporale [u, v] è pari a: M(v) − M(u) = P(u) ⋅ I(v) − I(u) = P(u) ⋅ [ ] α ⋅ 1 − e −(v − u )(α +β + γ −ν ) = 299,40 α + β + γ −ν [ ] β ⋅ 1 − e −(v − u )(α +β + γ −ν ) = 199,60 α + β + γ − νν W(v) − W(u) = P(u) ⋅ N(v) − N(u) = P(u) ⋅ [ ] γ ⋅ 1 − e −(v − u )(α +β + γ −ν ) = 99,80 α + β + γ −ν ν α + β + γ −ν [ ] ⋅ 1 − e −( v − u )(α +β + γ −ν ) = 199,60 ed inoltre al tempo v, cioè dopo un anno a partire dal tempo u, la popolazione P(v) è pari a: P(v) = P(u) − [M(v) − M(u)] − [I(v) − I(u)] − [W(v) − W(u)] + [N(v) − N(u)] = 100.000 − 399,2 ≅ 99.600,8 39 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio n. 6 Sia data una collettività aperta di individui esposta alle cause di eliminazione per morte, invalidità e “varie”. Supponiamo siano stati rilevati i seguenti “movimenti” nell’intervallo temporale [u, v] con v-u=2 anni. P(u) = 1.000 P(v) = 960 M(v) − M(u) = 20 I(v) − I(u) = 30 W(v) − W(u) = 40 N(v) − N(u) = 50. Supposti costanti i tassi istantanei annui di eliminazione α, β, γ, ed il tasso istantaneo annuo di ingresso ν, si calcolino tali tassi in base ai dati rilevati. Per la (31) (si osservi che P(u ) ≠ P( v) ) risulta: α= 20 1 960 ⋅ − log = 0,0102 40 2 1.000 β= 30 1 960 ⋅ − log = 0,0153 40 2 1.000 γ= 40 1 960 ⋅ − log = 0,0204 40 2 1.000 ν= 50 1 960 ⋅ − log = 0,0255 . 40 2 1.000 40 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Le precedenti formule (31) e (32) consentono di stimare, a partire dall’analisi di una “popolazione storica”, i tassi istantanei di eliminazione e il tasso istantaneo di entrata nell’ipotesi che, nell’intervallo temporale in considerazione, tali tassi risultino costanti. I tassi così stimati si possono utilizzare per l’analisi previsionale di una popolazione similare. Supponiamo quindi di avere a disposizione una popolazione storica. Tracciamo in un sistema di riferimento cartesiano ortogonale monometrico, le “storie” o traiettorie dei singoli individui della popolazione. In tale sistema di riferimento riportiamo in ascissa il tempo “assoluto” o di calendario riferito al Periodo di Osservazione, P.O., ed in ordinate l’età degli individui (vedi “Figura 1”). La storia di ogni individuo della popolazione è rappresentata quindi da un segmento, inclinato di 45°, il cui punto iniziale ha coordinate che corrispondono al tempo (di calendario) di entrata e all’età di entrata dell’individuo nella popolazione storica ed il cui punto terminale ha coordinate che corrispondono al tempo e all’età di uscita dell’individuo dalla “popolazione storica”. Si osservi che parliamo di punto iniziale e di punto terminale del segmento in quanto lo consideriamo orientato secondo il verso di crescita delle coordinate dei punti (tempo di calendario, età dell’individuo). Definiamo come “pareti temporali” le rette perpendicolari all’asse temporale negli istanti TI e TF , istanti che delimitano il periodo o finestra di osservazione. Consideriamo come traiettorie entranti nel P.O. quelle relative a segmenti che “entrano” nella finestra di osservazione in corrispondenza della “parete temporale” TI (tagliano cioè la relativa retta perpendicolare nell’istante TI ) e come traiettorie uscenti dal P.O. quelle relative a segmenti che “escono” dalla finestra di osservazione in corrispondenza della “parete temporale” TF (tagliano cioè la relativa retta perpendicolare all’asse temporale nell’istante TF ). 41 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Con riferimento alla Figura 1 il segmento r corrisponde ad un individuo che “entra” nella popolazione storica al tempo T1 con una età di poco inferiore a 34 anni e ne esce ad un tempo compreso tra T5 e T6 con una età di poco inferiore a 39 anni per una delle possibili cause di eliminazione. Il segmento s corrisponde ad un individuo che “entra” nel P.O. con una età di poco superiore ai 35 anni, mentre il segmento t corrisponde ad un individuo che esce dal P.O. con una età compresa tra 36 e 37 anni. Definiamo come “piani temporali” le rette orizzontali corrispondenti a valori interi dell’età degli individui. Applichiamo il principio delle “pareti e dei piani temporali sottili”. Supponiamo cioè che una traiettoria non possa avere né punto iniziale né punto finale in corrispondenza delle “pareti temporali” o dei “piani temporali” o “attraversamenti” in corrispondenza delle intersezioni tra pareti e piani. Studiamo la numerosità della popolazione ottenuta dalla popolazione storica “schiacciando” l’asse temporale: indichiamo cioè con P ∗ (u ) , dove u è l’età dell’individuo, il numero di individui della popolazione storica che nel P.O. hanno raggiunto l’età u. Da un punto di vista grafico si tratta di “contare” tutte le traiettorie che intercettano la quota di età u durante il Periodo di Osservazione. Possiamo quindi studiare la numerosità P ∗ (u ) di individui al variare della variabile temporale età u, che è la variabile in funzione della quale verranno valutati i successivi tassi istantanei di entrata e di uscita per le varie cause. In effetti è come se avessimo creato una popolazione fittizia di individui coetanei, “contata” da P ∗ (u ) , per i quali quindi l’evolversi del tempo coincide con l’evolversi della età uguale per tutti. 42 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Si osservi che alle naturali cause di ingresso e di uscita (morte, invalidità, altre) dalla popolazione storica, per la popolazione "contata" da P ∗ (u ) , sono altresì da aggiungere la causa di ingresso relativa alle traiettorie entranti nel P.O. e la causa di uscita relativa alle traiettorie uscenti dal P.O. Studiamo quindi al variare della variabile temporale età la numerosità della popolazione “contata” da P ∗ (u ) considerando in aggiunta alle naturali cause di ingresso e di uscita dalla popolazione queste altre due cause fittizie. 43 Età u 39 38 r 37 s 49 36 t P*(35) = 3 35 34 T = tempo T1 T2 T3 T4 T5 TI T6 T7 T8 T9 TF Figura 1 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Indichiamo con m u , i u , w u , n u , rispettivamente il numero di eliminati per morte, invalidità ed altre cause e gli ingressi nell'intervallo temporale di età (u, u+1), con u età intera. Vale la seguente relazione (per valori interi dell'età u): P ∗ (u + 1) = P ∗ (u) − (m u + i u + w u ) + n u + s u − e u , dove con s u ed e u si indicano rispettivamente gli ingressi e le uscite dal P.O., cioè gli individui che rispettivamente all’inizio ed alla fine del Periodo di Osservazione hanno età nella classe u, cioè compresa tra u e u+1. Per ricorsività si ha inoltre: u −1 u −1 x =a x =a P ∗ (u ) = P ∗ (a ) + ∑ (n x + s x ) − ∑ (m x + i x + w x + e x ) essendo a la "soglia" di età assunta come iniziale per gli individui della popolazione storica. Se supponiamo che, nell’intervallo di età (u, u+1), tutte le cause di ingresso e di uscita dalla popolazione contata da P ∗ (u ) agiscono con intensità costante, comprese le due di ingresso e di uscita dal P.O., allora possiamo applicare a tale popolazione le formule (31) o (32). 50 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 I) Se P ∗ (u + 1) ≠ P ∗ (u ) , si ha per i tassi istantanei: αu = − βu = − mu P ∗ (u) − P ∗ (u + 1) iu P ∗ (u) − P ∗ (u + 1) ⋅ log P ∗ (u + 1) P ∗ (u) ⋅ log P ∗ (u + 1) P ∗ (u) γu P ∗ (u + 1) ⋅ log =− ∗ P (u) − P ∗ (u + 1) P ∗ (u) εu P ∗ (u + 1) =− ∗ ⋅ log P ∗ (u) P (u) − P ∗ (u + 1) νu P ∗ (u + 1) ⋅ log =− ∗ P (u) − P ∗ (u + 1) P ∗ (u) σu P ∗ (u + 1) =− ∗ ⋅ log P ∗ (u) P (u) − P ∗ (u + 1) wu eu nu su dove ε u e σ u indicano i tassi istantanei rispettivamente di ingresso e di uscita dal Periodo di Osservazione. 51 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 II) Se P ∗ (u + 1) = P ∗ (u ), si ha per i tassi istantanei: αu = βu = γu = εu = νu = σu = mu P ∗ (u) iu P ∗ (u) wu P ∗ (u) eu P ∗ (u) nu P ∗ (u) su ∗ P (u) 52 . Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Esempio Consideriamo una “popolazione storica” per la quale in un Periodo di Osservazione siano stati accertati i valori di m u , i u , w u , e u , n u ed s u forniti, al variare di u, dalla seguente matrice: u 18 19 20 21 22 23 24 mu 10 11 12 12 ….. ….. ….. iu 5 4 3 3 ….. ….. ….. wu 2 1 1 0 ….. ….. ….. eu 5 6 4 5 ….. ….. ….. nu 11 12 12 9 ….. ….. ….. su 10 9 10 11 ….. ….. ….. S(u) -1 -1 +2 0 ….. ….. ….. P ∗ (u ) 1000 999 998 1000 ….. ….. ….. P ∗ (u + 1) 999 998 1000 1000 ….. ….. ….. S(u ) = P ∗ (u + 1) − P ∗ (u ) 53 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 Supposto che in ciascuna classe di età le cause di “ingresso” e di “uscita” agiscano con intensità costante si hanno, per ciascuna classe di età, i seguenti tassi istantanei corrispondenti alle singole cause di “entrata” e di “uscita” dalla popolazione: 18 19 20 21 22 23 αu 1% 1,1% 1,2% 1,2% ….. ….. βu 0,5% 0,4% 0,3% 0,3% ….. ….. γu 0,2% 0,1% 0,1% 0,0% ….. ….. εu 0,5% 0,6% 0,4% 0,5% ….. ….. νu 1,1% 1,2% 1,2% 0,9% ….. ….. σu 1,0% 0,9% 1% 1,1% ….. ….. 54 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 TAVOLE DI MORTALITA’ SULLA POPOLAZIONE ITALIANA PRODOTTE DALL’ISTAT. Facendo riferimento a quanto precedentemente detto si considera un Periodo di Osservazione di un anno, l’anno t. Indichiamo con Pt* (u ) gli individui della popolazione italiana che hanno raggiunto l’età u nel corso dell’anno t (dal 1° gennaio al 31 dicembre), con m (ut ) gli individui morti nel corso dell’anno t e con e (ut ) gli individui che al 1° gennaio dell’anno t hanno età compresa nella classe u. Il tasso grezzo di mortalità è fornito dal rapporto: Π (ut ) = ( mu 1 (t) ⋅ e u + Pt∗ (u ) 2 ) Tale tasso si ottiene come rapporto tra il numero di decessi di individui di classe di età u, cioè età compresa nell’intervallo (u,u+1), verificatisi nell’anno t ed il numero di individui esposti al rischio di eliminazione per morte. Vediamo come si determina il “denominatore” del rapporto cioè il numero di individui esposti al rischio di eliminazione per morte. Si suppone l’equidistribuzione nell’anno t degli “ingressi” nella classe di età u e l’equidistribuzione degli individui nella classe di età u al 1° gennaio dell’anno t. In tale caso ciascuno degli individui esposti al rischio di eliminazione per morte, sia se “entra” nella classe di età u nel corso dell’anno t e quindi viene “contata” da Pt* (u ) , sia se appartiene alla classe u all’inizio dell’anno t, e quindi viene contata da e (ut ) , permane mediamente esposto al rischio di eliminazione per morte per “mezzo anno”. Infatti il tempo medio di esposizione al rischio di morte di un individuo appartenente alla prima categoria di individui e cioè quelli contati da Pt* (u ) è fornito da: 1 1 1 1 2 ∫0 1 ⋅ (1 − τ )dτ = τ − 2 τ = 1 − 2 = 2 0 1 dove la funzione 1 è la densità costante della distribuzione di individui entranti nella classe di età u nel corso dell’anno t e 1- τ rappresenta il tempo residuo di permanenza nella classe di età nel Periodo di Osservazione di un individuo entrato al tempo di calendario t+ τ . 55 Dispense Corso di Matematica finanziaria – seconda parte Prof. Angrisani – Anno Accademico 2012/2013 In termini discreti, avendo diviso l’anno in n intervalli di tempo uguali ( τ = k , k = 0,....., n − 1) , n l’integrale è approssimato dalla seguente sommatoria: ∑ 1 ⋅ 1 − ⋅ = 1 − n −1 k =0 k 1 n n 1 n2 n −1 ∑k = 1− k =0 1 n (n − 1) n −1 1 1 1 1 1 1 ⋅ = 1− ⋅ = 1− + = + n → →∞ 2 2 n 2 2 2n 2 2n 2 n Pertanto ciascun individuo è esposto al rischio di eliminazione per morte per 1 anno. 2 Allora anziché considerare Pt∗ (u ) individui esposti al rischio di eliminazione ciascuno mediamente per 1 ∗ 1 anno, si considerano in modo equivalente, Pt (u ) individui esposti al rischio di 2 2 eliminazione per 1 anno. Analogamente si ragiona sugli individui che all’inizio dell’anno t già appartengono alla classe di età u, cioè quelli “contati” da e (ut ) . Per la classe di età 0 si considera come tasso grezzo il rapporto m (0t ) . Pt∗ (0) A tali tassi grezzi di mortalità si applica una doppia perequazione. La prima perequazione è fornita dalla formula: Πu = (t ) ( ) 1 ⋅ Π u(t − 2 ) + 2Π u(t −1) + 3Π u(t ) . 6 Per la seconda perequazione(per le classi di età tra 5 e 86 anni) si adotta la formula: qu = 7 ⋅ Π u + 6 ⋅ (Π u −1 + Π u +1 ) + 3 ⋅ (Π u − 2 + Π u + 2 ) − 2 ⋅ (Π u −3 + Π u +3 ) 21 La prima perequazione “regolarizza” il valore del tasso rispetto alla stessa classe di età u per periodi di osservazione “vicini” a quello in considerazione t, mentre la seconda perequazione “regolarizza” il valore del tasso rispetto a classi di età vicine ad u. 56 Sistema pensionistico Matematica finanziaria – seconda parte Prof. Massimo Angrisani a.a. 2012/2013 1 Sistema pensionistico Definizione Un sistema pensionistico percepisce contributi dall’iscritto durante la fase di attività ed eroga pensioni nella fase di quiescenza. Si stabilisce un “patto” tra l’Ente e il singolo iscritto in relazione alla contribuzione e alla pensione. Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 2 Sistema pensionistico Sistema pensionistico Ciclo vitale dell’iscritto Anno di pensionamento Attivo Maturazione della pensione Tutela dei diritti acquisiti Pensionato Pagamento della pensione t Non modificabilità delle pensioni Principi a tutela dell’iscritto Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 3 Sistema pensionistico Tasso di sostituzione Rappresenta il rapporto tra la prima rata annua di pensione e l’ultima retribuzione (reddito), al momento della cessazione dell’attività lavorativa. Fornisce una misura del mantenimento del tenore di vita raggiunto nell’ultima fase della vita lavorativa, nel periodo successivo del pensionamento . Più esattamente, una misura del livello di adeguatezza delle prestazioni: Prima rata annua di pensione Ultima retribuzione (reddito) Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 4 Sistema pensionistico Classificazione I sistemi pensionistici si distinguono, sulla base delle modalità di gestione finanziaria, in sistemi a ripartizione e sistemi a capitalizzazione, ai quali possono essere associati criteri diversi di determinazione delle prestazioni (metodo retributivo e metodo contributivo). Modalità di gestione finanziaria Modalità di calcolo della pensione Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 5 Sistema pensionistico Modalità di calcolo della pensione Gestione finanziaria Contributiva Retributiva Accumulando Capitalizzazione 1 risorse 2 Contributi correnti 3 4 Parziale 5 Accumulo Capitalizzazione risorse: Riserva 6 Ripartizione Contributi Correnti + differenziale Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 6 Sistema pensionistico Gestione finanziaria a ripartizione Si tratta di una modalità di gestione basata sul pagamento delle prestazioni pensionistiche correnti mediante i contributi correnti. Gestione finanziaria a capitalizzazione Si tratta di una modalità di gestione basata sul pagamento delle prestazioni pensionistiche correnti mediante l’accumulo di risorse. Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 7 Sistema pensionistico Metodo di calcolo retributivo La pensione annuale è pari a una fissata percentuale (coefficiente di rendimento, in termini della retribuzione pensionabile, di un anno di contribuzione) della retribuzione pensionabile moltiplicata per il numero di anni di contribuzione . La retribuzione pensionabile può essere pari a: Ultima retribuzione: Media delle retribuzioni degli ultimi M anni, rivalutate all’inflazione: inflazione costante: con: = retribuzione dell’anno L-j ; = tasso d’inflazione; inflazione non costante: = tasso d’inflazione dell’anno L-k ; per , la produttoria è sostituita dal valore 1. Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 8 Sistema pensionistico Metodo di calcolo contributivo La pensione annuale è pari al prodotto del montante contributivo individuale per il coefficiente di trasformazione relativo all’età di pensionamento: Il montante contributivo individuale, data l’aliquota contributiva costante α, si ottiene rivalutando i contributi versati nel regime della capitalizzazione composta: tasso di rivalutazione r costante: contributi computati posticipati tasso di rivalutazione r k non costante: contributi computati posticipati, per , la produttoria è sostituita dal valore 1 Prof. Massimo Angrisani – Matematica finanziaria – seconda parte – a.a. 2012/2013 9