はじめに：人間は単なる「数字」ではない理由

アクチュアリーの世界では、よく「人口」や「集団」という言葉を使いますが、現実には誰一人として同じ人間はいません。もしあなたが生命保険の価格設定（プライシング）を任されたとしたら、20歳のオリンピック選手と、80歳のヘビースモーカーに対して、同じ保険料を提示することはありませんよね？この章では、異質性（heterogeneity：人々の間の違い）、選択（selection：特定のグループがどのようにデータに現れるか）、そしてこれらの要因がモデルで使用する死亡率や罹患率の前提条件にどのような影響を与えるかについて探っていきます。

これらの概念を理解することは非常に重要です。なぜなら、前提条件が間違っていれば価格設定も誤り、会社が損失を被ったり、ステークホルダーへの義務を果たせなくなったりする可能性があるからです。

異質性：鍋の中の混ざり具合

異質性（Heterogeneity）とは、「多様性」や「違い」を専門的に表現した言葉です。アクチュアリーの文脈では、ある集団がそれぞれ異なるリスクレベルを持つ多くのサブグループから構成されていることを意味します。

なぜ異質性が重要なのか

多様なグループを「平均的」な一つの集団として扱ってしまうと、問題が生じます。例えば、喫煙者と非喫煙者の両方に同じ死亡率を適用したとしましょう。すると、その数値は非喫煙者にとっては高すぎ（彼らはより安い他社へ流れてしまいます）、喫煙者にとっては低すぎる（リスクが過小評価されているため、彼らが殺到します）ことになります。これが、アクチュアリーが同質性（homogeneity）、つまり似たようなリスクをグループ化することを目指す理由です。

変動をもたらす要因

集団全体で死亡率や罹患率を変化させる要因には、以下のようなものがあります。

  • 地域： 住んでいる場所の気候、現地の汚染レベル、あるいは医療システムの質が健康に影響を与えます。
  • 社会経済環境： 収入、教育、職業などが含まれます。一般的に、社会経済的地位の高いグループは、食生活が良好でストレスが少なく、医療へのアクセスも良いため、健康状態が良い傾向にあります。
  • ライフスタイル： 喫煙、飲酒、運動量などの習慣です。

ワンポイント・アドバイス：前提条件を設定する際、アクチュアリーは何個の「バケツ（区分）」を作るべきか判断しなければなりません。バケツが多すぎると各グループのデータが少なすぎて信頼性に欠け、少なすぎると不公平な価格設定につながります。

選択：グループを分けるプロセス

選択（Selection）は、特定のグループに含まれる人々が一般人口を代表していない場合に起こります。CP1では、特に以下のようないくつかのタイプの選択に焦点を当てます。

1. 一時的初期選択 (Temporary Initial Selection: TIS)

これは、人々が最初に保険に加入する時に起こります。通常、健康診断を受けたり健康状態に関する質問に答えたりする（アンダーライティング／査定）必要があるため、加入直後の人々は同年齢の一般の人よりも健康であるのが普通です。しかし、この「健康上の優位性」は、時間の経過とともに新しい病気が発生することで薄れていきます。

\(x\) 歳で加入し、\(t\) 年が経過した人の死亡率は \(q_{[x]+t}\) と表されます。角括弧 \([x]\) は、選択（加入）された時の年齢を示しています。

2. 階級選択 (Class Selection)

これは、リスクと相関関係のある特定の特性によってグループが定義される場合に起こります。例えば、「優良体（Preferred Lives）」保険を購入する人々は、一般大衆よりも死亡率が低い傾向にあるグループに自らを選択（セルフセレクション）していることになります。

3. 死亡率の収束 (Mortality Convergence)

時間の経過とともに、「選択された」グループと一般人口の差は消え始めます。これを死亡率の収束と呼びます。結局のところ、30年前に健康診断に合格したという事実は、今日のあなたを同年齢の他の人よりも劇的に健康にするわけではありません。自然の摂理（加齢）には、いつか誰もが追いつかれるのです！

4. 脱退による選択効果 (The Selective Effect of Decrements)

脱退（Decrement）とは、死亡、解約、失効など、誰かがデータセットから外れることを指します。脱退は、残った人々に「選択的効果」を及ぼすことがあります。
例： もし健康な人が皆、他社でより安いプランを見つけて「解約」してしまったら、保険のプールに残されるのは、健康状態が悪くて他で保険に入れない人ばかりになってしまいます。これにより、残ったグループの死亡率は予想よりもはるかに高くなってしまいます。

リスク細分化：問題への解決策

異質性と選択に対処するため、アクチュアリーはリスク細分化（risk classification）を行います。これは、公平性と財務的安定性を確保するために、似たような特性を持つリスクをグループ化するプロセスです。

なぜ異なる死亡率表が必要なのか？

すべての商品に同じ死亡率表を使うことはできません。例えば：

  • 生命保険： 「被保険体（assured lives）」（査定を通過した人々）に基づいた表が必要です。これらの人々の死亡率は、通常、一般人口よりも低くなります。
  • 年金受給者： 退職年齢に達した人々のための表が必要です。これらの人々は、退職できるまで生き残り、社会経済的地位が高いことも多いため、往々にして死亡率が低く（長生きし）なります。

重要なポイント： 特定の被保険者グループに対して「一般人口」の表を使用することは、よくある間違いです。モデル化する特定の集団の区分（class of lives）に適合した表を使わなければなりません。

よくある落とし穴と回避方法

覚えることが多くて大変そうだと感じても、大丈夫です。試験に向けて、以下の点に注意しましょう。

  • 異質性と選択を混同しないこと： 異質性は世の中に「現に存在する違い」であり、選択は特定のグループがデータセットに入ってくる「プロセス」であると覚えましょう。
  • 「健康な参加者」効果を無視しないこと： データセットの人々が、平均よりも健康である可能性（例：雇用されている、または保険料を支払う余裕があるなど）を常に考慮してください。
  • データのグループ化： グループが小さすぎると、結果は「不安定（volatile）」（数値が激しく上下する）になります。グループ内の類似性と、信頼できるだけのデータ量のバランスが取れた「最適な同質性」を目指しましょう。

クイック復習ボックス

異質性（Heterogeneity）： 集団内の違い（年齢、性別、地域、喫煙の有無）。
一時的初期選択（Temporary Initial Selection）： 査定（アンダーライティング）により、新規加入者に一時的に見られる健康状態の向上。
階級選択（Class Selection）： 属性（例：社会階級）に基づくリスクの違い。
脱退（Decrements）： 解約などのイベント。残った集団の健康プロファイルを変えてしまう可能性がある。
収束（Convergence）： 加齢に伴い、異なるグループの死亡率が最終的に近づいていくプロセス。

補足：これらの前提条件がより広いアクチュアリーの業務プロセスでどのように使われるかについては、「前提条件の設定（Setting assumptions）」および「負債の評価（Valuation of liabilities）」の章を参照してください。