Determine the gross random future loss random variable under an insurance contract

ยินดีต้อนรับสู่โลกของ Gross Random Future Loss!

สวัสดีครับ! คุณมาถึงส่วนที่สำคัญที่สุดส่วนหนึ่งของการเดินทางในวิชา CM1 แล้ว ที่ผ่านมาคุณอาจเคยคำนวณเบี้ยประกันโดยใช้ "หลักความเท่าเทียม" (Equivalence Principle) ที่ทุกอย่างต้องลงตัวพอดีเป๊ะ แต่ในโลกแห่งความเป็นจริง อะไรๆ มันไม่หยุดนิ่งขนาดนั้นหรอกครับ

ในบทนี้ เราจะมาดูตัวแปรสุ่มที่เรียกว่า Gross Random Future Loss หรือ "ผลขาดทุนสุ่มในอนาคตแบบรวมค่าใช้จ่าย" ฟังดูชื่ออาจจะยาวและน่ากลัว แต่จริงๆ แล้วมันคือวิธีทางคณิตศาสตร์ที่ตอบคำถามว่า: "ถ้าอิงตามช่วงเวลาที่ผู้เอาประกันภัยจะเสียชีวิตหรือมีชีวิตอยู่ บริษัทประกันจะต้องขาดทุนหรือกำไรจริงๆ เท่าไหร่จากกรมธรรม์ฉบับนี้?"

ไม่ต้องกังวลไปถ้าช่วงแรกจะรู้สึกว่ามันดูเป็นนามธรรม เพราะเมื่อคุณอ่านโน้ตชุดนี้จบ คุณจะพบว่ามันก็แค่การคำนวณ "รายรับ เทียบกับ รายจ่าย" ธรรมดาๆ ที่ถูกแต่งตัวด้วยสัญลักษณ์ทางคณิตศาสตร์ประกันภัยเท่านั้นเองครับ

1. Gross Random Future Loss คืออะไร?

Gross Random Future Loss (มักแทนด้วยตัวอักษร \(L\)) เป็นตัวแปรสุ่มชนิดหนึ่ง ซึ่งแทน มูลค่าปัจจุบัน (PV) ของรายจ่ายทั้งหมดในอนาคตของบริษัท ลบด้วย มูลค่าปัจจุบัน ของรายรับทั้งหมดในอนาคตจากกรมธรรม์ฉบับหนึ่งๆ

สูตรพื้นฐาน:
\(L = PV(\text{Benefits}) + PV(\text{Expenses}) - PV(\text{Premiums})\)

ทำไมถึงเรียกว่า "สุ่ม" (Random)?
เพราะเราไม่รู้ว่าผู้เอาประกันจะเสียชีวิต เมื่อไหร่ หรือจะจ่ายเบี้ยประกันไปได้ นานแค่ไหน เนื่องจากเวลาของเหตุการณ์เหล่านี้ไม่แน่นอน ผลลัพธ์สุดท้ายที่เป็น "ผลขาดทุน" ต่อบริษัทจึงไม่แน่นอนไปด้วยครับ

ทำไมถึงเรียกว่า "Gross"?
ในทางคณิตศาสตร์ประกันภัย คำว่า "Gross" หมายถึงการที่เรานำ ค่าใช้จ่าย (Expenses) เข้ามารวมด้วย (เช่น ค่าคอมมิชชั่น, ค่าบริหารจัดการ, และค่าตรวจสุขภาพ) ถ้าเราละเลยค่าใช้จ่ายเหล่านี้ไปและดูแค่ผลประโยชน์กับเบี้ยประกัน เราจะเรียกว่า "Net" loss หรือผลขาดทุนสุทธิแทน

ตัวอย่างเปรียบเทียบ: บริการกาแฟสมาชิก

ลองจินตนาการว่าคุณเปิดบริการสมัครสมาชิกกาแฟรายเดือน
- รายจ่าย (Outgo): คุณต้องจ่ายค่าเมล็ดกาแฟและค่าขนส่ง (Benefits) บวกกับค่าเช่าเว็บไซต์ (Expenses)
- รายรับ (Income): ลูกค้าจ่ายค่าสมาชิกให้คุณทุกเดือน (Premiums)
"ผลขาดทุน" ของคุณต่อลูกค้าแต่ละรายขึ้นอยู่กับว่าพวกเขาเป็นสมาชิกนานกี่เดือนก่อนจะยกเลิก ในเมื่อคุณไม่รู้ว่าพวกเขาจะยกเลิกเมื่อไหร่ กำไร/ขาดทุนในอนาคตของคุณจึงเป็น ตัวแปรสุ่ม นั่นเอง!

2. เจาะลึกส่วนประกอบ

เพื่อให้เชี่ยวชาญการคำนวณ เราต้องมาดูแต่ละส่วนของสูตรทีละชิ้นครับ

A. ผลประโยชน์ (Benefits)

คือจำนวนเงินที่บริษัทประกันต้องจ่ายออกไป (ทุนประกัน)
- ถ้าเป็น ประกันชีวิตตลอดชีพ (Whole Life), PV คือ \(S \cdot v^{T_x}\) โดยที่ \(S\) คือทุนประกัน และ \(T_x\) คือระยะเวลาจนถึงวันเสียชีวิต
- ถ้าเป็น ประกันแบบสะสมทรัพย์ (Endowment) การจ่ายเงินจะเกิดขึ้นเมื่อเสียชีวิตหรือเมื่อครบกำหนดสัญญา แล้วแต่ว่าเหตุการณ์ไหนเกิดก่อน

B. ค่าใช้จ่าย (Expenses)

ค่าใช้จ่ายเป็นส่วนสำคัญของการคำนวณแบบ Gross ซึ่งมักแบ่งออกเป็น 3 ประเภท:
1. ค่าใช้จ่ายแรกเข้า (Initial Expenses): เกิดขึ้น ณ จุดเริ่มต้นของสัญญา (เช่น \(t=0\))
2. ค่าใช้จ่ายรายปี (Renewal Expenses): เกิดขึ้นทุกครั้งที่มีการจ่ายเบี้ยประกัน หรือในทุกปีที่กรมธรรม์ยังคงมีผลบังคับอยู่
3. ค่าใช้จ่ายเมื่อสิ้นสุดสัญญา (Termination Expenses): เกิดขึ้นเมื่อมีการจ่ายเคลม (เช่น ค่าดำเนินการเรื่องการทำเรื่องสินไหมมรณกรรม)

C. เบี้ยประกัน (Premiums)

คือ เบี้ยประกันแบบ Gross (Gross Premiums) (\(G\)) ที่ผู้เอาประกันจ่าย โดยปกติจะจ่ายในรูปแบบเงินงวด (Annuity) (เช่น จ่ายล่วงหน้าทุกปี) ตราบเท่าที่ผู้เอาประกันยังมีชีวิตอยู่และอยู่ในระยะเวลาการชำระเบี้ย

3. เขียนออกมาในรูปแบบสัญลักษณ์คณิตศาสตร์

ลองมาดูตัวอย่าง ประกันชีวิตตลอดชีพ สำหรับผู้ที่มีอายุ \(x\) ปี
สมมติว่าทุนประกันคือ \(S\), เบี้ยประกันรายปีคือ \(G\), มีค่าใช้จ่ายแรกเข้า \(I\) และค่าใช้จ่ายรายปี \(e\) (ที่เกิดขึ้น ณ ต้นปีทุกปี รวมทั้งปีแรก)

ค่า Gross Random Future Loss ณ เวลา 0 คือ:
\(L = S \cdot v^{T_x} + I + e \cdot \ddot{a}_{\overline{K_x+1|}} - G \cdot \ddot{a}_{\overline{K_x+1|}}\)

เดี๋ยวก่อน! \(K_x+1\) คืออะไร?
อย่าเพิ่งตกใจกับสัญลักษณ์ครับ! \(K_x\) คือจำนวนปีเต็มที่คนคนหนึ่งมีชีวิตอยู่ เราใช้ \(K_x+1\) เพราะปกติเบี้ยประกันมักจะจ่ายที่ ต้นปี และเงินชดเชยการเสียชีวิตมักสมมติว่าจ่ายที่ สิ้นปี ที่เสียชีวิต (ในแบบจำลองไม่ต่อเนื่อง)

รู้หรือไม่?

ถ้าค่าคาดหมาย (Expected Value) ของตัวแปรสุ่มนี้ \(E[L]\) มีค่าเท่ากับศูนย์ คุณก็จะได้ เบี้ยประกันแบบ Gross ออกมา! นี่คือหลักการพื้นฐานที่บริษัทประกันใช้ในการตั้งราคาครับ

4. กรณีไม่ต่อเนื่อง (Discrete) vs กรณีต่อเนื่อง (Continuous)

หลักสูตรกำหนดให้คุณต้องรับมือกับทั้งแบบ "ไม่ต่อเนื่อง" (เป็นขั้นๆ) และ "ต่อเนื่อง" (ไหลลื่นไม่ขาดตอน)

กรณีไม่ต่อเนื่อง (Discrete): การจ่ายเงินเกิดขึ้นเป็นงวดๆ (เช่น ปีละครั้ง) เราจะใช้ \(K_x\) และเงินงวดแบบ \(\ddot{a}_{\overline{n|}}\)
กรณีต่อเนื่อง (Continuous): การจ่ายเงินเกิดขึ้น ณ วินาทีที่เสียชีวิตหรือจ่ายอย่างต่อเนื่องตลอดทั้งปี เราจะใช้ \(T_x\) และเงินงวดแบบ \(\bar{a}_{\overline{T|}}\)

ข้อผิดพลาดที่พบบ่อย: ระวังอย่าใช้ปนกันนะครับ! ถ้าโจทย์บอกว่า "จ่ายเบี้ยประกันรายปี" ให้ใช้เงินงวดแบบไม่ต่อเนื่อง แต่ถ้าโจทย์บอกว่า "จ่ายเบี้ยประกันแบบต่อเนื่อง" ให้ใช้สัญลักษณ์ที่มีขีดบนตัว 'a' นะครับ

5. ขั้นตอนการสร้างตัวแปรสุ่ม (Step-by-Step)

เมื่อเจอโจทย์ให้หา Gross Random Future Loss ให้ทำตามนี้ครับ:

ขั้นตอนที่ 1: ระบุส่วนผลประโยชน์ (Benefit) จ่ายตอนสิ้นปีหรือจ่ายทันที? เขียนมูลค่าปัจจุบัน (PV) โดยใช้ \(v^{T_x}\) หรือ \(v^{K_x+1}\)
ขั้นตอนที่ 2: ระบุค่าใช้จ่าย (Expenses) ลิสต์ออกมาให้หมด เป็นค่าใช้จ่ายครั้งเดียวหรือเกิดขึ้นเรื่อยๆ? ผูกกับเบี้ยประกันหรือเป็นจำนวนเงินคงที่?
ขั้นตอนที่ 3: ระบุเบี้ยประกัน (Premiums) เขียน PV ของเบี้ยประกันในรูปของเงินงวด (Annuity)
ขั้นตอนที่ 4: รวมเข้าด้วยกัน \(L = (ขั้นตอนที่ 1 + ขั้นตอนที่ 2) - ขั้นตอนที่ 3\)
ขั้นตอนที่ 5: จัดรูปให้ง่าย นำพจน์ที่เหมือนกันมารวมกัน (เช่น เอาค่าใช้จ่ายรายปีมารวมกับเบี้ยประกันที่อยู่ในรูปเงินงวดเหมือนกัน)

6. สรุปและประเด็นสำคัญ

ประเด็นสำคัญที่ต้องจำ:
- Loss คือตัวแปร: เพราะเราไม่รู้อนาคต \(L\) จึงเป็นฟังก์ชันของตัวแปรสุ่ม \(T_x\) (เวลาจนถึงวันเสียชีวิต)
- Gross รวมทุกอย่าง: อย่าลืมรวมค่าใช้จ่ายในฝั่ง "รายจ่าย" เสมอเมื่อหา Gross Loss
- สมการสมดุล (Equation of Value): ในโจทย์หลายข้อ คุณต้องตั้งค่าคาดหมาย \(E[L] = 0\) เพื่อแก้หาเบี้ยประกัน
- เวลาคือหัวใจสำคัญ: สังเกตให้ดีว่าค่าใช้จ่ายเกิดขึ้นตอนเริ่มกรมธรรม์, ระหว่างทาง, หรือตอนจ่ายเคลม

กล่องทบทวนด่วน

คำถาม: หากกรมธรรม์มีค่าใช้จ่ายแรกเข้าสูงมาก ค่า Gross Random Future Loss ณ \(t=0\) จะสูงกว่าหรือต่ำกว่าค่า Net Random Future Loss?
คำตอบ: จะ สูงกว่า ครับ เพราะส่วนของ "รายจ่าย" ในสูตร (\(PV(\text{Benefits}) + PV(\text{Expenses})\)) มันเพิ่มขึ้นนั่นเอง!

ยินดีด้วยครับ! คุณเพิ่งพิชิตหนึ่งในเสาหลักของการตั้งราคาคณิตศาสตร์ประกันภัยไปแล้ว หมั่นฝึกฝนการใช้สัญลักษณ์ให้คล่อง แล้วในไม่ช้า \(L = PV(\text{Outgo}) - PV(\text{Income})\) จะกลายเป็นเรื่องง่ายเหมือนการหายใจเข้าออกเลยล่ะครับ!