L'intérêt de ce sujet en soi-même, au point de vue des mathématiques, du calcul des probabilités et de la statistique — les différents aspects et questions qui peuvent le relier à des applications dans le domaine des assurances — le fait que des discussions à cet égard ont été commencées l'année dernière à Juan-les-Pins avec l'importante contribution de M. Franckx et favorisées ensuite par les notes introductives de M. Beard si riches en indications et suggestions — toutes ces choses auraient dû conduire, sinon à épuiser le sujet dans le présent colloque — à achever une base de discussion suffisamment complète et variée.

Sans doute, cela aurait été un miracle, et c'est loin d'être étonnant si cela ne s'est pas passé. En effet, c'est bien naturel que les communications à un congrès portent aux sujets en programme des contributions fragmentaires concernant des aspects particuliers choisis par chaque auteur d'après ses intérêts et son point de vue. Et ce fait en soi est fécond en ce qui concerne la pluralité des intérêts et des points de vue: seulement il serait souhaitable d'éviter le caractère partiel et fragmentaire du résultat d'ensemble. Je crois que la voie suivie par ASTIN pourrait amener à ce résultat heureux, et qu'il suffirait à ce but de la perfectionner quelque peu davantage: par exemple, en cherchant à favoriser par des contacts préalables, chaque année pour l'année suivante, la préparation (toujours libre et indépendante) d'un ensemble minimum de contributions suffisant pour le recouvrement d'au moins tous les traits essentiels du sujet. Toute suggestion de ce genre, il est bien entendu plus aisée de l'avancer que de la réaliser; mais, si elle n'est pas totalement utopique (et s'il n'y a pas de raison de craindre qu'elle décourage la présentation d'autres contributions), je pense que ASTIN, qui se trouve dans la phase de formation d'une tradition et qui n'a besoin que de perfectionner des procédés déjà spontanément adoptés, est dans les conditions les meilleures pour y réussir.

The theory of extreme values is a special branch of mathematical statistics and was mainly treated by E. J. Gumbel [4]). This theory has only been applied in a few cases to problems in the insurance business. The first practical application to insurance known to the author of the present paper is due to A. Thépaut who has invented a new reinsurance system called ECOMOR [5]. According to this system the reinsurer covers the excess risk for the m largest claims and the ceding company retains an amount equal to the (m + I) largest claim. The credit for having pointed out the importance of the theory of extreme values belongs to R. E. Beard [1]. Recently E. Franckx [3] has found a most remarkable result by disclosing the general form of the distribution for the largest claim occurring in a certain accounting period.

The present paper starts from the consideration that not only is the distribution of major claims, which might be eliminated by means of reinsurance, of interest to an insurer but also the distribution of the remaining total loss after excluding the largest claims. The nature of this distribution is important not only in connection with stability and security, but also for statistical investigations of the observed claim ratio. The credibility of such an investigation might be greatly improved if a suitable number of major claims were excluded. To simplify matters, the present paper considers the case where only the largest claim is excluded.

In practical applications of the collective theory of risk one is very often confronted with the problem of making some kind of assumptions about the form of the distribution functions underlying the frequency as well as the severity of claims. Lundberg's [6] and Cramér's [3] approach are essentially based upon the hypothesis that the number of claims occurring in a certain period obey the Poisson distribution whereas for the conditional distribution of the amount claimed upon occurrence of such a claim the exponential distribution is very often used. Of course, by weighting the Poisson distributions (as e.g. done by Ammeter [1]) one enlarges the class of “frequency of claims” distributions considerably but nevertheless there remains an uneasy feeling about artificial assumptions, which are just made for mathematical convenience but are not necessarily related to the practical problems to which the theory of risk is applied.

It seems to me that, before applying the general model of the theory of risk, one should always ask the question: “How much information do we want from the mathematical model which describes the risk process?” The answer will be that in many practical cases it is sufficient to determine the mean and the variance of this process. Let me only mention the rate making, the experience control, the refund problems and the detection of secular trends in a certain risk category. In all these cases the practical solutions seem to be sufficiently determined by mean and variance.

Let us therefore attack the problem of determining mean and variance of the risk process while trying to make as few assumptions as possible about the type of the underlying probability distributions. This approach is not original. De Finetti [5] has already proposed an approach to risk theory only based upon the knowledge of mean and variance. It is along his lines of thought, although in different mathematical form, that I wish to proceed.

En matière de détermination de la prime de réassurance en “excédent de sinistres”, nous nous trouvons devant le problème de la distribution des valeurs extrêmes, duquel nous avons déjà une littérature vaste et bien connue, plus particulièrement en ce qui concerne l'allure asymptotique de la distribution qui nous intéresse. Dans cette note on veut indiquer, dans ses grandes lignes, un procédé largement dégagé des résultats de la théorie mentionnée, qui permet un examen de l'influence réciproque entre les hypothèses et la signification des résultats expérimentaux qui est dans l'esprit du procédé par induction.

Pour fixer l'attention sur l'allure asymptotique de la distribution, sans nous occuper de sa forme d'ensemble, nous n'examinerons que la distribution des sinistres qui dépassent une certaine valeur ξ. En particulier, nous pouvons choisir pour cette valeur la limite assignée pour une certaine forme de réassurance; d'ailleurs, on peut penser à un choix arbitraire, ce qui se fera également dans cette note, où elle sera supposée indéterminée à priori, afin que l'on puisse la choisir sur la base des résultats obtenus.

Soit done ξ l'extrême inferieur des sinistres, exprimés en termes monétaires, dont la distribution est à l'étude; et soit F(x;ξ = P(X ≤ x | X ˃ ξ) la fonction de répartition correspondante. En pratique, nous pourrons assumer comme F(x;ξ) une fonction, opportunément simple, qui respecce nos hypothèses dans un voisinage droit suffisamment grand de ξ. Cette précision sera sousentendu par la suite, de sorte que, lorsque nous considérerons le simple exemple concret exposé plus bas, nous devrons tenir compte du fait que la foncion F(x; ξ) considérée n'est qu'une approximation, valide dans un voisinage droit de ξ, de la distribution effective.

Soit x1 ≤ x2, ≤ … ≤ xn—m + 1 ≤… ≤xn—p+1≤…≤ xn un échantillon ordonné de taille n d'une distribution dont F(x) et T(x) sont respectivement la fonction de répartition et la fonction de densité.

Nous appelons xn—m+1 la valeur de rang m de l'échantillon (x1, x2,…xn).

Pour simplifier l'écriture nous remplacerons partout l'indice n — m + I par m.

Avec cette convention nous notons la valeur caractéristique de rang m et l'intensité de rang m respectivement par um et αm [I].

Par définition on a:

Notons enfin par Fm (x) et Tm (x) la fonction de répartition et la fonction de densité de xm pour n → ∞ et m fixe.

2.1. Avant de résumer les différents points traités dans cette note, rappelons les particularités qui caractérisent la distribution asymptotique de la plus grande valeur x1 d'un échantillon. On sait que cette distribution existe si et seulement si la fonction de répartition F(x) appartient à un des trois types suivants [2]:

a) Type I: F(x) est du type exponentiel.

Le domaine de x est illimité vers la droite et F(x) tend vers I pour x → + ∞ au moins aussi rapidement qu'une fonction exponentielle.

Tous les moments de F(x) existent.

b) Type II: F(x) est du type de Cauchy.

Le domaine de x est illiminté vers la droite.

I. Suppose that the claims experienced by a portfolio could be represented as independent random variables with a distribution function F(x). The net premium per claim for an excess loss cover above an amount of L is then

If we have no information about F(x) except a number M of independent claims, we might compute the observed “staircase” distribution function SM (x) which is for every x an unbiased estimate of F(x), and could thus compute an unbiased estimate for P(L) with the variance [7])

2. In real life we have some qualitative knowledge of F(x) and very limited information about the claims. In his introduction to this subject Beard treats the case where the only information about F(x) consists of the largest claim xi and the number of claims ni (i = 1, 2, …, N) observed during N periods (Reference No 2). It is known from the theory of extreme values [3] that for large ni the distribution of xi depends mainly on the parameters uni and αni( defined by

Beard further assumes that F(x) belongs to what is called by Gumbel “the exponential type” of distribution functions, which have an unlimited tail and finite moments. This class is strictly defined by Gnedenko's necessary and sufficient condition [4, p. 68]: