บทนำ: ทำไมผู้คนถึงไม่ใช่แค่ตัวเลข
ในโลกของวิทยาการประกันภัย เรามักพูดถึง "ประชากร" แต่ในความเป็นจริง ไม่มีใครสองคนที่เหมือนกันเป๊ะ หากคุณกำลังกำหนดราคาเบี้ยประกันชีวิต คุณคงไม่เก็บเบี้ยประกันจากนักกีฬาโอลิมปิกวัย 20 ปี เท่ากับคนสูบบุหรี่จัดวัย 80 ปี ใช่ไหมล่ะ? บทนี้จะพาไปสำรวจเรื่อง Heterogeneity (ความแตกต่างหลากหลาย), Selection (การเลือกสรรที่ทำให้คนบางกลุ่มเข้ามาอยู่ในข้อมูลของเรา) และปัจจัยเหล่านี้ส่งผลต่อสมมติฐานด้านอัตรามรณะ (Mortality) และอัตราการเจ็บป่วย (Morbidity) ที่เราใช้ในแบบจำลองอย่างไร
การทำความเข้าใจแนวคิดเหล่านี้เป็นสิ่งสำคัญมาก เพราะถ้าสมมติฐานของเราผิด การตั้งราคาก็จะผิดพลาด และบริษัทอาจขาดทุนหรือล้มเหลวในการปฏิบัติตามภาระผูกพันที่มีต่อผู้มีส่วนได้ส่วนเสียได้
Heterogeneity: ความหลากหลายในหม้อใบใหญ่
Heterogeneity เป็นคำหรูๆ ที่หมายถึง "ความหลากหลาย" หรือ "ความแตกต่าง" ในบริบทของงานคณิตศาสตร์ประกันภัย หมายความว่าประชากรกลุ่มหนึ่งประกอบด้วยกลุ่มย่อยๆ มากมาย ซึ่งแต่ละกลุ่มก็มีระดับความเสี่ยงเป็นของตัวเอง
ทำไม Heterogeneity ถึงสำคัญ?
ถ้าเราปฏิบัติต่อกลุ่มคนที่มีความหลากหลายเหมือนกับว่าทุกคนคือ "ค่าเฉลี่ย" เราจะเจอปัญหาทันที ตัวอย่างเช่น หากเราใช้อัตรามรณะเดียวกันสำหรับทั้งคนสูบบุหรี่และคนไม่สูบบุหรี่ อัตรานั้นจะสูงเกินไปสำหรับคนไม่สูบบุหรี่ (ซึ่งอาจจะหนีไปหาบริษัทอื่นที่เบี้ยถูกกว่า) และจะต่ำเกินไปสำหรับคนสูบบุหรี่ (ซึ่งจะแห่กันมาหาเราเพราะเราตั้งราคาความเสี่ยงของเขาต่ำเกินไป) นี่คือเหตุผลที่นักคณิตศาสตร์ประกันภัยพยายามมองหา Homogeneity หรือการจัดกลุ่มความเสี่ยงที่คล้ายคลึงกันไว้ด้วยกัน
ปัจจัยที่ทำให้เกิดความผันแปร
มีปัจจัยหลายอย่างที่ทำให้อัตรามรณะ (การตาย) และอัตราการเจ็บป่วย (การป่วย) แตกต่างกันไปในแต่ละประชากร:
- ภูมิภาค: ที่อยู่อาศัยส่งผลต่อสุขภาพได้ ไม่ว่าจะเป็นเรื่องภูมิอากาศ ระดับมลพิษในพื้นที่ หรือคุณภาพของระบบสาธารณสุขท้องถิ่น
- สภาพแวดล้อมทางสังคมและเศรษฐกิจ: รวมถึงปัจจัยต่างๆ เช่น รายได้ การศึกษา และอาชีพ โดยทั่วไปแล้ว กลุ่มที่มีสถานะทางสังคมและเศรษฐกิจสูงกว่ามักจะมีสุขภาพดีกว่า เนื่องจากการบริโภคอาหารที่ดีกว่า ความเครียดน้อยกว่า และเข้าถึงการรักษาพยาบาลได้ง่ายกว่า
- ไลฟ์สไตล์: นิสัยส่วนตัว เช่น การสูบบุหรี่ การดื่มแอลกอฮอล์ และระดับการออกกำลังกาย
เคล็ดลับ: เมื่อต้องกำหนดสมมติฐาน นักคณิตศาสตร์ประกันภัยต้องตัดสินใจว่าจะสร้าง "ตะกร้า" (Buckets) เพื่อแบ่งกลุ่มกี่ใบดี ถ้าตะกร้ามากเกินไป ข้อมูลในแต่ละใบก็น้อยเกินกว่าจะเชื่อถือได้ แต่ถ้าตะกร้าน้อยเกินไป การตั้งราคาก็จะไม่ยุติธรรม
Selection: การเลือกกลุ่มเข้าสู่ข้อมูล
Selection หรือการเลือกสรร เกิดขึ้นเมื่อกลุ่มชีวิตที่รวมอยู่ในกลุ่มใดกลุ่มหนึ่งไม่ได้เป็นตัวแทนของประชากรทั่วไป ในวิชา CP1 เราจะเน้นไปที่การเลือกสรรเฉพาะทางหลายประเภทดังนี้:
1. Temporary Initial Selection (TIS)
สิ่งนี้เกิดขึ้นเมื่อคนเริ่มทำกรมธรรม์ประกันภัยเป็นครั้งแรก เนื่องจากพวกเขามักจะต้องผ่านการตรวจสุขภาพหรือตอบคำถามสุขภาพ (Underwriting) โดยทั่วไปแล้วพวกเขาจึงมีสุขภาพดีกว่าค่าเฉลี่ยของคนในวัยเดียวกัน อย่างไรก็ตาม "ความได้เปรียบทางสุขภาพ" นี้จะค่อยๆ เลือนหายไปตามกาลเวลาเมื่อมีอาการเจ็บป่วยใหม่ๆ เกิดขึ้น
เราใช้อัตรามรณะสำหรับคนอายุ \(x\) ที่เริ่มทำประกันมาแล้ว \(t\) ปี แทนด้วยสัญลักษณ์ \(q_{[x]+t}\) โดยเครื่องหมายวงเล็บเหลี่ยม \([x]\) บ่งบอกถึงอายุตอนที่พวกเขาถูกเลือกสรร (ตอนเริ่มทำประกัน)
2. Class Selection
เกิดขึ้นเมื่อมีการแบ่งกลุ่มตามลักษณะเฉพาะที่สัมพันธ์กับความเสี่ยง ตัวอย่างเช่น คนที่ซื้อกรมธรรม์ประเภท "Preferred Lives" คือการเลือกตัวเองเข้าไปอยู่ในกลุ่มที่มักจะมีอัตรามรณะต่ำกว่าประชากรทั่วไป
3. Mortality Convergence
เมื่อเวลาผ่านไป ความแตกต่างระหว่างกลุ่มที่ "ถูกคัดเลือก" กับประชากรทั่วไปจะเริ่มจางหายไป เราเรียกว่า Mortality Convergence หรือการบรรจบกันของอัตรามรณะ ในที่สุดแล้ว ความจริงที่ว่าคุณเคยผ่านการตรวจสุขภาพเมื่อ 30 ปีที่แล้ว ก็ไม่ได้ทำให้คุณสุขภาพดีไปกว่าคนอื่นๆ ในวัยเดียวกันในปัจจุบันมากนัก ธรรมชาติย่อมตามทันทุกคนเสมอ!
4. ผลกระทบของการเลือกสรรจากการออกจากกลุ่ม (Selective Effect of Decrements)
Decrement คือช่องทางที่ใครสักคนจะออกจากชุดข้อมูล (เช่น การตาย, การถอนตัว หรือการเวนคืนกรมธรรม์) การออกจากกลุ่มสามารถส่งผลกระทบต่อลักษณะของคนที่ยังเหลืออยู่ได้
ตัวอย่าง: หากคนสุขภาพดีทุกคน "ถอนตัว" (ยกเลิกกรมธรรม์) เพราะไปเจอที่อื่นที่ถูกกว่า คนที่เหลืออยู่ในกลุ่มประกันก็จะเป็นกลุ่มคนที่เจ็บป่วยเกินกว่าจะไปทำประกันที่อื่นได้ สิ่งนี้ทำให้อัตรามรณะของกลุ่มที่เหลืออยู่สูงกว่าที่คาดไว้มาก
Risk Classification: การแก้ปัญหา
เพื่อจัดการกับ Heterogeneity และ Selection นักคณิตศาสตร์ประกันภัยจึงใช้ Risk classification (การจำแนกประเภทความเสี่ยง) ซึ่งเป็นกระบวนการจัดกลุ่มความเสี่ยงที่มีลักษณะคล้ายคลึงกันเพื่อให้มั่นใจในความยุติธรรมและความมั่นคงทางการเงิน
ทำไมเราถึงต้องใช้ตารางมรณะที่ต่างกัน?
คุณไม่สามารถใช้ตารางมรณะชุดเดียวกันกับทุกผลิตภัณฑ์ได้ ตัวอย่างเช่น:
- ประกันชีวิต: เราต้องการตารางที่อ้างอิงจาก "ชีวิตผู้เอาประกัน" (คนที่ผ่านการตรวจสุขภาพมาแล้ว) ซึ่งคนเหล่านี้มักจะมีอัตรามรณะ ต่ำกว่า ประชากรทั่วไป
- ผู้รับบำนาญ: เราต้องการตารางสำหรับคนที่เข้าสู่วัยเกษียณ คนกลุ่มนี้มักจะมีอัตรามรณะ ต่ำกว่า (อายุยืนกว่า) เพราะพวกเขามีชีวิตรอดมาได้ยาวนานจนถึงวัยเกษียณ และมักจะมาจากพื้นฐานทางสังคมและเศรษฐกิจที่ดี
ข้อควรจำสำคัญ: การใช้ตาราง "ประชากรทั่วไป" กับกลุ่มผู้เอาประกันเฉพาะกลุ่มเป็นข้อผิดพลาดที่พบบ่อย คุณต้องเลือกตารางให้เหมาะสมกับ ประเภทของกลุ่มชีวิต (Class of lives) ที่คุณกำลังทำแบบจำลองอยู่เสมอ
ข้อผิดพลาดที่พบบ่อยและวิธีหลีกเลี่ยง
ไม่ต้องกังวลถ้าเรื่องพวกนี้ดูเหมือนมีอะไรให้ต้องจำเยอะไปหมด ต่อไปนี้คือสิ่งเล็กๆ น้อยๆ ที่ควรระลึกไว้สำหรับการสอบของคุณ:
- สับสนระหว่าง Heterogeneity กับ Selection: จำไว้ว่า Heterogeneity คือเรื่องของ ความแตกต่างที่มีอยู่แล้ว ในโลก ส่วน Selection คือเรื่องของ กระบวนการ ที่นำคนกลุ่มเฉพาะเข้ามาอยู่ในชุดข้อมูลของคุณ
- มองข้ามผลกระทบ "ผู้เข้าร่วมที่มีสุขภาพดี" (Healthy Participant effect): ให้พิจารณาเสมอว่าคนในชุดข้อมูลของคุณมีแนวโน้มจะสุขภาพดีกว่าค่าเฉลี่ยหรือไม่ (เช่น เพราะพวกเขาทำงานอยู่ หรือมีกำลังทรัพย์พอที่จะซื้อประกัน)
- การจัดกลุ่มข้อมูล: หากกลุ่มข้อมูลของคุณเล็กเกินไป ผลลัพธ์จะ "ผันผวน" (ค่าจะกระโดดไปมา) ให้พยายามมองหา "Optimal Homogeneity" หรือจุดสมดุลที่ดีที่สุดระหว่างการที่คนในกลุ่มมีความคล้ายกัน กับการมีจำนวนคนในกลุ่มมากพอที่จะเชื่อถือได้
สรุปทบทวนท้ายบท
Heterogeneity: ความแตกต่างภายในประชากร (อายุ, เพศ, ภูมิภาค, สถานะการสูบบุหรี่)
Temporary Initial Selection: สุขภาพที่ดูดีขึ้นชั่วคราวในกลุ่มผู้เอาประกันใหม่เนื่องจากการตรวจสุขภาพก่อนรับประกัน
Class Selection: ความแตกต่างของความเสี่ยงตามประเภทของบุคคล (เช่น ชนชั้นทางสังคม)
Decrements: เหตุการณ์อย่างการถอนตัวที่สามารถเปลี่ยนภาพรวมสุขภาพของกลุ่มคนที่เหลืออยู่ได้
Convergence: กระบวนการที่อัตรามรณะของกลุ่มต่างๆ จะค่อยๆ มาบรรจบกันเมื่ออายุมากขึ้น
หมายเหตุ: สำหรับการอ่านเพิ่มเติมเกี่ยวกับวิธีการนำสมมติฐานเหล่านี้ไปใช้ในกระบวนการทางคณิตศาสตร์ประกันภัยในภาพรวม โปรดดูบท "การกำหนดสมมติฐาน" (Setting assumptions) และ "การประเมินมูลค่าหนี้สิน" (Valuation of liabilities)