導入：「生死」の概念を超えて

皆さん、こんにちは！これまでのCM1の学習では、主に「生存」か「死亡」かというシンプルなモデルを扱ってきたと思います。しかし、現実の人生はそれほど単純ではありませんよね？人は病気になり回復し、退職し、あるいは介護のレベルが変わることもあります。

この章ではマルチステート・モデル（多状態モデル）について探求します。これは、個人の人生の旅路を示す「地図」のようなものだと考えてください。特定の「状態」（入院中など）にいることや、状態間を移動する（退職する瞬間など）ことに応じて発生するキャッシュフローをどのように評価するかを学びます。これまでより少し複雑に感じるかもしれませんが、大丈夫です。一つずつ丁寧に紐解いていきましょう！

1. 基礎知識：マルチステート・モデルとは？

ボードゲームを想像してみてください。自分のコマがさまざまなマス目間を移動するゲームです。保険数理の用語では、それらのマス目を状態（State）、移動するためのルールを遷移（Transition）と呼びます。

一般的な例として、健康・疾病モデル（Health-Sickness Model）があります：

  • 状態 0： 健康
  • 状態 1： 疾病（病気）
  • 状態 2： 死亡

このモデルでは、人は健康から疾病へ移り、また健康に戻ることもあれば、どちらの状態からでも死亡状態へ移動することもあります。
重要用語： 一度入ると二度と出られない状態（「死亡」など）を吸収状態（Absorbing State）と呼びます。出入りが可能な状態を推移状態（Transient State）と呼びます。

マルコフ性（Markov Property）

数学的な取り扱いを容易にするために、通常はマルコフ性を仮定します。これは、「未来の状態は現在どこにいるかのみに依存し、そこに至るまでの経緯や滞在期間には依存しない」という便利な性質を指します。
例え： ビデオゲームのセーブポイントのようなものです。セーブポイントにたどり着くまでにモンスターを何体倒したかは関係ありません。ロードした瞬間に、次のレベルへ進むための選択肢は常に同じです。

クイックレビュー：

  • 状態： 生命の現在のステータス（例：就業中、退職後）。
  • 遷移： ある状態から別の状態へ移動すること。
  • マルコフ性： 将来の確率は現在の状態のみによって決まる。

2. 遷移強度（Transition Intensities）：変化の「速度」

キャッシュフローを評価するには、ある状態から別の状態へ移動する確率を知る必要があります。ここで用いるのが、\( \mu_{x+t}^{jk} \) で表される遷移強度です。

これは、年齢 \(x+t\) の人が状態 \(j\) から状態 \(k\) へ移ろうとする力（勢い）を表します。すでに学習した「死力（force of mortality）」と同じ考え方で、それを他のライフイベントにまで拡張したものと考えてください。

その状態に留まる確率
現在状態 \(j\) にいる人が、時間 \(t\) 経過後もまだ状態 \(j\) にいる確率は \( {}_t p_x^{\overline{jj}} \) と表記されます。
数式は少し難しく見えるかもしれませんが、皆さんが知っている生存確率の応用です： \( {}_t p_x^{\overline{jj}} = \exp \left( -\int_{0}^{t} \sum_{k \neq j} \mu_{x+s}^{jk} ds \right) \)

なぜ合計（Σ）をとるのか？ それは、状態 \(j\) に留まり続けるためには、他のあらゆる状態 \(k\) へ抜けてしまう可能性をすべて回避しなければならないからです。

3. 保険金・給付金の評価（キャッシュ・アウトフロー）

保険数理の実務では、給付金の期待現在価値（EPV）を算出する必要があります。マルチステート・モデルにおける給付金は、主に2つのカテゴリーに分類されます。

A. 特定の状態に滞在している間に支払われる給付金（年金型）

例： 被保険者が「疾病」状態にある限り月額1,000ドルが支払われる就業不能保険。
これを評価するには、ある時刻にその状態 \(s\) にいる確率を計算し、現在価値に割り引いて積分します： \( EPV = \int_{0}^{n} e^{-\delta t} \cdot {}_t p_x^{as} \cdot B_t dt \)

ここで：

  • \( e^{-\delta t} \) は割引因子。
  • \( {}_t p_x^{as} \) は現在状態 \(a\) にいる人が、時間 \(t\) に状態 \(s\) にいる確率。
  • \( B_t \) は給付金の支払レート。

B. 遷移の瞬間に支払われる給付金（一時金型）

例： 「健康」から「死亡」へ移った瞬間に支払われる死亡保険金。
これには、時刻 \(t\) に以下の3つの事象が必要です： 1. その人が開始状態 \(j\) にいること。 2. その人がその瞬間に状態 \(k\) へ遷移すること。 3. その支払額を時刻 0 に割り引くこと。

\( EPV = \int_{0}^{n} e^{-\delta t} \cdot {}_t p_x^{aj} \cdot \mu_{x+t}^{jk} \cdot S_t dt \)

ここで \( S_t \) は遷移時に支払われる保険金額です。

重要ポイント： - 年金型（状態への滞在）には \( {}_t p_x^{jk} \) を使う。 - 一時金型（状態間の移動）には \( {}_t p_x^{aj} \cdot \mu_{x+t}^{jk} \) を使う。

4. 保険料の評価（キャッシュ・インフロー）

保険料は通常、被保険者が特定の状態（「就業中」や「健康」など）にある間のみ支払われます。評価方法は上述の年金型と同じです。

等価原理（Equation of Value）：
よりシンプルなモデルと同様に： 保険料のEPV = 給付金のEPV + 諸経費のEPV

よくある間違い： 状態から一度抜けても、再び戻ってくる可能性があることを忘れてしまう学生が多いです。その遷移が「一度限り」なのか、あるいは「回復可能」な状態なのかを必ず確認してください。状態に戻れる場合は、単に滞在し続けるだけでなく、すべての可能な経路を考慮した確率 \( {}_t p_x^{jk} \) を使う必要があります。

5. ステップ・バイ・ステップ：評価問題の解き方

マルチステート評価の問題に直面したら、以下の手順に従いましょう：

ステップ1：状態空間を描く。 箱と矢印を図示します。これにより、どの遷移が可能かを視覚的に把握できます。
ステップ2：キャッシュフローを特定する。 それは状態にいることに対する支払いですか、それとも移動することに対する支払いですか？
ステップ3：確率を書き出す。 各キャッシュフローに必要な正しい \( {}_t p_x \) や強度を特定します。
ステップ4：積分を組み立てる。 割引因子、確率、支払額を組み合わせます。
ステップ5：計算（または簡略化）。 多くの場合、計算を容易にするために強度や利率が一定であると仮定されています。

6. まとめとクイックレビュー

豆知識： マルチステート・モデルは「重大疾病保険」の基盤となっており、特定の診断という状態に応じて保険金が支払われる仕組みになっています！

忘れてはいけないポイント：

  • マルコフ性： 過去の履歴は関係なく、現在の状態のみが重要。
  • 遷移強度（\(\mu\)）： 遷移する「瞬間的」なリスク。
  • 年金型の評価： \( (割引因子) \times (その状態にいる確率) \) を積分する。
  • 一時金型の評価： \( (割引因子) \times (その状態にいる確率) \times (遷移する強度) \) を積分する。

最初は難しく感じるかもしれませんが、大丈夫です！ 表記法が一番の難関です。これらがすでに習得した生命表をより詳細にしたものだと理解できれば、論理的なつながりが見えてくるはずです。まずは図を描く練習から始めましょう。そうすれば、数学的な内容もずっとクリアになりますよ！