在模擬的4個基本步驟中，（1）、（2）和（4）是依賴於特定問題的，而第（3）步中隨機數的生成則是任何模型的基本要素。實際問題中，由於影響係統的因素很多，在建立係統模型時常作某些假設，而對某些因素則需要忽略不計或將幾個因素合並考慮。為了使分析結果更加切合實際，還要進行靈敏度分析，即在固定其他因素不變的條件下分別對感興趣的因素作變動，並觀察其對最後結果的影響。這樣就能對真實結果與分析結果的偏離有所認知並預先采取相應對策。
（三）短期風險模型概述
短期風險模型主要有短期聚合風險模型與短期個別風險模型兩種，兩者的最大區別在於前者中的損失次數變量是一個隨機變量，而後者是一個普通常量。因此，在討論短期聚合風險模型之前，有必要先介紹一下短期個別風險模型，這對於認識聚合風險模型是非常有必要的。
1.短期個別風險模型。假設保險人在某個時間段內，比如一個會計年度內已售出n張保單，保單持有者若遭遇損失則可以根據投保內容向保險人索賠，保險人則按保單的承諾賠付被保險人，即理賠。對第i張保單來說，在這段時間內可能發生索賠也可能不發生，若發生索賠，則賠付額可能是一個確定的數目也可能按損失程度大小和保單承諾的具體條款而定，假定第i張保單可能發生的理賠（或理解為保險人的賠付）為Xi，則Xi應視作隨機變量，在所考慮時間段內的理賠或賠付總量為，個別風險就是要研究隨機變量S的分布情況。但在一般情況下要獲得S的分布是十分複雜的，隻能在一些特殊假設下討論S的分布。個別風險模型通常作如下假設：
（1）每張保單是否發生理賠以及理賠額大小是相互獨立的、互不影響的，即X1，X2，…，Xn是一列相互獨立的隨機變量。
（2）每張保單至多發生一次理賠。若用隨機變量I表示一張保單可能發生的理賠次數，則I的取值範圍為0或1，亦即I服從0－1分布或貝努利分布。
（3）保單組合中的風險都為同質風險，理解為同類保單，數學上則反映為每張保單的理賠具有相同的分布。
（4）所考慮的保單總數是一個確定的正整數，又稱所考慮的個別風險模型為封閉模型。
以上假設都是對實際情況的簡化和理想化，精算學並不試圖用一個模型來概括全部真實和適應各種類型的實際問題。獨立性假設（1）是保險學能應用大數法則作為其基本原理的前提，可以看成一條最基本的假設，盡管它並不概括所有的情況如水災保險和傳染病保險等等；假設（2）在某些壽險和非壽險問題中可能具有一定的代表性，但顯然不是每一種保單都隻允許索賠一次，如汽車保險、健康保險等；假設（3）和（4）似乎離實際情況更遠，幾乎是為了數學處理上的方便而設置的，但可以把它們看成是研究實際問題的基礎，實際的保單組合可能包含一係列保單子類，而某些保單子類可能滿足假設（3）和（4）兩種情況。事實上，個別風險模型的局限性正是導致風險理論發展的動力。
卷積方法和矩母函數法都可以用於獲得獨立隨機變量和的精確分布，但對於數目較大的保單組合來說，更實用的方法則是尋求組合理賠量的近似分布。從概率論還知道，在一定條件下獨立隨機變量係列不斷累加後，和的分布將趨於正態，這正是經典概率論的中心內容——中心極限定理。
2.短期聚合風險模型。若用Ci來表示對某類保單的第i次理賠，N表示在單位時間比如一個會計年度內所有這類保單發生理賠的次數，記這一年中對這類保單的理賠總量為S。
為理賠次數，與短期個別風險模型不同，是與理賠發生頻率有關的一個隨機變量；Ci是測量每個獨立理賠量額度大小的隨機變量。為了使該模型在理論上具有可操作性，通常對其中的隨機變量給予以下假設：
（1）隨機變量N，C1，C2，…，CN是相互獨立的。
（2）C1，C2，…，CN是具有相同分布的隨機變量，即Ci中的風險都為同質風險。
關於獨立性假設是較為普遍的假設，是對實際問題的簡單化，關於理賠同分布的假設顯然隻能適應於具有同質風險的同類保單，對於不同的保單類型，可以結合上一章中介紹的求獨立變量和分布的方法來達到目的。
不難看出，研究聚合風險模型的第一步就是研究如何用N的分布和獨立理賠量的分布Ci來表示的分布，那麼顯然隻有明確了N的分布與的分布，才能研究，所以首先要尋求的是N和Ci的分布。對於N，通常我們會選擇泊鬆分布或負二項分布等離散型分布；對於Ci，通常用正態分布、伽瑪分布或者其他分布。