Fungsi Permintaan Hukum Pangkat

Untuk turunan kedua kk H  saat k k  . Syarat batasnya adalah 0, 0 , 0. T Q x q m T    Untuk menentukan kontrol optimum k , hanya perlu memecahkan masalah nilai awal yang terdiri dari persamaan adjoin 23 dan syarat batas. Persamaan adjoin yang kedua bebas terhadap pilihan fungsi permintaan G. Dari persamaan 19 dan 20 didapat 2 2 , t Q Hm e         24 dengan syarat batas 2 T   . Persamaan ini kemudian diintegralkan sehingga diperoleh 2 1 , t t T e e            25 Bukti lihat Lampiran 6 Akibatnya untuk t T   maka 2   .

3.4.1 Fungsi Permintaan Hukum Pangkat

Fungsi permintaan G merupakan fungsi tak naik tak negatif dari harga relatif premi. Oleh karena itu terdapat parameter yang sesuai yang didefinisikan untuk semua premi positif dengan bentuk 1 1 , a G b k   26 dengan 1 1 , a b  : 1 a konstan dan satuan 1 b adalah per unit waktu. Walaupun G didefinisikan untuk semua k  , persamaan 26 akan menjadi parameter yang tidak realistik karena k menjadi besar. Jika strategi optimum tergantung pada generasi new bussiness untuk tarif premi relatif besar maka hal ini bukan model yang baik untuk fungsi permintaan Emss Haberman 2005. Hamiltonian untuk fungsi permintaan ini adalah 1 1 1 1 1 1 2 1 1 1 1 2 1 . a a t Q p p Q a a t Q p p Q H F f e m qm q b k qkb k m m e m qm q b k qb k m m                                 Dengan melakukan turunan pertama dan kedua fungsi H diperoleh 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 2 1 1 1 1 1 1 1 1 . a a k p a p a a kk p a a p a p H a q b k a q b k m q b k a k m a H a a q b k a a q b k m a a q b k a a q b k m a q b k a a k m                                               Misalkan ekstremum dari H pada titik interior i k , dengan 0, i k   . Oleh karena itu strategi optimum diberikan oleh k H  : 1 1 1 1 2 1 1 1 2 1 1 1 1 1 2 1 1 27 1 a p p i p qb k a km a a k m a a k a m                yang memberikan hasil maksimum jika kk H  1 1 1 1 2 1 1 1 1 1 2 2 1 1 1 1 1 1 1 2 1 2 2 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 a kk p i a p i p a i a i H a qb k a a km a a qb k a a m a m a qb k a a a qb k                               Akibatnya terdapat maksimum interior dari H jika 1   dan i k  . Selanjutnya dari 25 dan 27 maka 1 1 a  . Pengali Lagrange ditentukan oleh 1 1 2 1 1 1 1 1 1 1 1 1 1 p a t p a m m e b a a               28 Bukti lihat Lampiran 7 menggunakan persamaan 25 dengan syarat batas 1 T   . Hal ini mirip dengan persamaan Bernoulli tetapi tak homogen sehingga secara umum tidak mempunyai solusi analitik. Kemudian dilakukan penondimensionalan pada premi rata-rata pasar untuk penyederhanaan persamaan sehingga diperoleh solusi numerik dengan menggunakan nilai awal. Skala yang digunakan adalah 1 2 1 1 1 1 1 ˆ 1 p b b p t T s T K b b T m p M s                  Substitusikan skala tersebut ke dalam persamaan 28 sehingga diperoleh persamaan adjoint nondimensional yaitu 1 ˆ 1 1 1 1 1 1 [ ]. 1 a s a M s d M s e K ds a a                29 Bukti lihat Lampiran 8. Dari persamaan 25 diperoleh ˆ 1 ˆ 1 ˆ K s s e e K            Bukti lihat Lampiran 9. dan strategi optimum 1 1 1 2 1 1 1 1 i p a k a m a p a p M s         1 1 30 1 i a k a M s     Saat 0, s      sehingga i k tidak terdefinisi. Dalam hal ini hanya bisa ditemukan sifat batas secara numerik dengan mensubstitusikan ekspansi deret Taylor untuk dan ω saat s  sehingga persamaan aljabarnya ˆ . M e       Bukti lihat Lampiran 10. Diberikan akar numerik dari persamaan ini, kemudian dapat diintegralkan persamaan 29 secara numerik dengan nilai awal . s s      Jika dimisalkan 1   maka orde utama ˆ 1 s e K     dan persamaan aljabar untuk : 1 ˆ 1 ˆ 1 1 1 1 1 1 0. 1 s a s a M s e M s e K a a K                31 Secara umum, solusi persamaan ini hanya bisa ditentukan secara numerik. Untuk lebih sederhana, dimisalkan p adalah konstan sehingga 1 M  . Untuk menetapkan bentuk parameter, dimisalkan bahwa asuransi menetapkan preminya 80 terhadap premi pasar sehingga exposure asuransi akan meningkat sebesar 40 setelah satu tahun. Jadi, dipilih 1 2 a  dan diperoleh 1 0.256 b  dari persamaan 26. Lama rata- rata polis ditetapkan selama satu tahun dan perencanaan horizon selama 10 tahun. Excess return diambil sebesar 6 dan rasio premi sebesar 0.67. Tabel 1 Nilai Parameter Fungsi Permintaan Hukum Pangkat Waktu Horizon T 10 tahun Pertumbuhan permintaan a 1 2 Parameter Permintaan b 1 0.256 per tahun Penurunan Kekayaan α 0.06 per tahun Rasio break-even terhadap premi rata- rata γ 0.67 Lama rata-rata polis τ = -1 1 per tahun Berikut diberikan hasil simulasi untuk fungsi permintaan hukum pangkat dengan menggunakan parameter pada Tabel 1. 0.2 0.4 0.6 0.8 1.0  1.0  0.8  0.6  0.4  0.2 0.0 s i 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 s ii Gambar 4 Strategi optimum untuk fungsi permintaan hukum pangkat G dengan parameter pada Tabel 1 Gambar 4 menunjukkan solusi numerik dari persamaan 29 dan 31 untuk perbandingan dengan data pada Tabel 1. Strategi dimulai dari 1 s  bersesuaian dengan t  sampai s  bersesuaian dengan t T  . Dari persamaan 15, persamaan state untuk exposure adalah 1 1 1 1 1 . 32 a a dq n q dt q G k q dt q b k K b q dt dq q b k K dt             Hal ini bisa dilihat Gambar 4 ii bahwa strategi optimum i k selalu di atas 1 1 a K  sehingga exposure menurun secara eksponensial dengan waktu t meningkat. Jadi parameter ini menetapkan strategi optimum yang menjelaskan strategi keluar dari pasar. numerik pendekatan numerik pendekatan 1 1 a K  0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 s ki  i 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 s ki  ii 0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.5 1.0 1.5 2.0 2.5 3.0 s ki  iii Gambar 5 Sensitifitas strategi optimum terhadap model parameter untuk fungsi permintaan hukum pangkat G Kontrol optimum adalah fungsi dari parameter γ, K, a 1 , ε, dan ˆ  . Gambar 5 menunjukkan kontrol optimum yang berbeda jika salah satu parameter bervariasi sedangkan sisanya diambil dari Tabel 1. Kontrol optimum menunjukkan untuk γ = 0.1 sampai dengan 0.9 dengan langkah 0.2 pada Gambar 5 i, K = 1 sampai dengan 4 dengan langkah 1 pada Gambar 5 ii, dan a 1 = 2 sampai dengan 10 dengan langkah 2 pada Gambar 5 iii. Dengan meningkatkan γ, premi relatif optimum meningkat dan perusahaan asuransi melakukan repricing. Untuk K, strategi optimum tidak terpengaruh oleh K. Jika K cukup kecil sesuai dengan lama polis maka persamaan 32 menunjukkan bahwa exposure bisa tumbuh secara eksponensial tetapi premi relatif optimum masih besar dibandingkan premi rata-rata pasar. Pada saat lama rata-rata waktu polis lebih panjang dari perencanaan horizon T maka sangat sedikit pemegang polis meninggalkan asuransi dengan premi berapapun yang ditetapkan: nasabah terus membayar tingkat premi yang ditetapkan saat awal polis. Keterbatasan model ini adalah lama rata-rata waktu polis bebas terhadap tingkat premi. Dari Gambar 5 iii bisa dilihat bahwa parameter pertumbuhan permintaan 1 a meningkat, premi optimum menurun di bawah premi rata-rata pasar. Untuk kisaran parameter dikaji pada premi relatif optimum di atas 1 1 0.5 a K   sehingga strategi premi menuju ke penarikan dari pasar. Hal ini jelas bahwa strategi premi sangat bergantung pada parameter permintaan. Diketahui bahwa untuk parameter yang dipilih menetapkan premi relatif optimum i k   , yang berarti bahwa p   sehingga tidak ada strategi yang loss- leading.

3.4.2 Fungsi Permintaan Linear