将所有的保单看成一个整体，以每一次理赔为基本对象来考虑问题，按照理赔发生的时间顺序将所有理赔量累加起来。若用来表示对某类保单的第次理赔，表示在单位时间比如一个会计年度内所有这类保单发生理赔的次数，记这一年中对这类保单的理赔总量为，则有：

式中为理赔次数，是与理赔发生频率有关的随机变量；则是测量每个独立理赔量额度大小的随机变量。为了使该模型在理论上具有可操作性，通常对其中的随机变量给予以下假设：

①随机变量是相互独立的。

②是具有相同分布的随机变量，即中的风险都为同质风险。

关于独立性假设是较为普遍的假设，是对实际问题的简化，关于理赔额同分布的假设显然只能适用于具有同质风险的同类保单，对于不同的保单类型，可以用独立随机变量和分布的方法来达到目的。

研究聚合风险模型的第一步就是研究如何用的分布和的共同分布来表示的分布，那么显然只有明确了的分布与的分布才能研究，所以首先寻求的是和的分布。对于，通常是泊松分布或负二项分布等离散型分布：对于，通常用正态分布、伽马分布或其他分布。

要计算在某个时间段内理赔总额的分布函数，但要把风险组合理解为在随机时间点上产生的理赔全体。记：

式中为理赔次数；为第个理赔额。此外按习惯约定当时。上式中的各项对应着实际的理赔；理赔次数是一个随机变量，并且假设个体理赔额是独立同分布的。假设和所有独立。特别情况下，当服从泊松分布时，具有复合泊松分布。当服从（负）二项分布时，具有复合（负）二项分布。

聚合风险模型忽略了一些保单信心。如果一个保单组合只含有一个可能产生高理赔的保单，那么该项在个体风险模型中至多会出现一次，而在聚合风险模型中它可以出现若干次。此外，在聚合模型中我们要求理赔次数N和理赔额之间相互独立。这对汽车保险行业来说多少有些不妥了，例如恶劣的天气条件会导致大量的小理赔。不过，在实际中这些影响是很小的。聚合风险模型的主要优点是在计算上它是一个很有效的模型，该模型也非常接近实际。