ยินดีต้อนรับสู่โลกของมูลค่ากรมธรรม์ที่ขึ้นอยู่กับสถานะ (State-Dependent Policy Values)!
สวัสดีครับ! ถ้าคุณมาถึงเนื้อหาของ ALTAM ได้ แสดงว่าคุณมีความรู้เรื่องประกันชีวิตและเงินสำรองมาพอสมควรแล้ว ในการเรียนก่อนหน้านี้ (เช่น FAM-L) คุณคงเคยคำนวณเงินสำรองสำหรับแบบจำลองง่ายๆ ที่มีแค่ "มีชีวิตหรือเสียชีวิต" แต่ในโลกแห่งความเป็นจริงนั้นมีสีสันกว่านั้นมาก! เพราะคนเราไม่ได้แค่สุขภาพดีหรือจากไปเท่านั้น แต่อาจจะเจ็บป่วย ฟื้นตัว เข้าสถานดูแลผู้สูงอายุ หรือทุพพลภาพได้
ในบทนี้ เราจะมาสำรวจเรื่อง มูลค่ากรมธรรม์สำหรับความคุ้มครองที่ขึ้นอยู่กับสถานะ (Policy Values for State-Dependent Coverages) ให้ลองจินตนาการว่า "มูลค่ากรมธรรม์" คือจำนวนเงินที่บริษัทประกันจำเป็นต้องเก็บไว้ในมือ ณ ขณะนี้ เพื่อจ่ายตามสัญญาในอนาคตทั้งหมด หักลบด้วยเบี้ยประกันภัยที่คาดว่าจะได้รับในอนาคต ส่วนคำว่า "ขึ้นอยู่กับสถานะ" ก็หมายความว่าจำนวนเงินนี้จะเปลี่ยนไปตาม สุขภาพหรือสถานะปัจจุบัน ของผู้เอาประกันภัย ไม่ต้องกังวลไปนะครับถ้ามันดูหนักหนา เพราะเราจะค่อยๆ ย่อยมันไปทีละส่วน!
1. แนวคิดพื้นฐาน: มูลค่ากรมธรรม์ที่ขึ้นอยู่กับสถานะคืออะไร?
ในแบบจำลองหลายสถานะ (Multi-state model) เราจะแทนชีวิตของคนเราเป็นชุดของกล่อง (สถานะ) และลูกศร (การเปลี่ยนสถานะ) ณ เวลา \(t\) ใดๆ มูลค่ากรมธรรม์จะขึ้นอยู่กับว่าบุคคลนั้นอยู่ใน "กล่อง" ไหน เราจะแทนมูลค่ากรมธรรม์ ณ เวลา \(t\) สำหรับผู้ที่อยู่ในสถานะ \(j\) ว่า: \(V_t^{(j)}\)
หัวใจสำคัญ:
\(V_t^{(j)} = E[\text{มูลค่าปัจจุบันของรายจ่ายในอนาคต} - \text{มูลค่าปัจจุบันของรายรับในอนาคต} | \text{สถานะ ณ เวลา } t = j]\)
เปรียบเทียบกับชีวิตจริง: ลองนึกว่าคุณกำลังเล่นเกมกระดาน "มูลค่ากรมธรรม์" ของคุณก็คือจำนวนเงินที่คุณต้องสำรองไว้เพื่อเล่นเกมนี้ให้จบ ถ้าคุณอยู่บนช่อง "สุขภาพดี" คุณอาจจะต้องการเงินสำรองแค่เล็กน้อยเพราะคุณยังทำงานและมีรายได้อยู่ แต่ถ้าคุณตกไปในช่อง "โรงพยาบาล" ทันใดนั้นคุณก็ต้องการเงินมากขึ้นเพราะมีค่ารักษาพยาบาลและไม่มีเงินเดือนแล้ว ดังนั้นจำนวนเงินที่คุณต้องการจึงขึ้นอยู่กับว่า ตอนนี้คุณยืนอยู่ตรงไหน
ทบทวนสั้นๆ เกี่ยวกับสถานะ
- สถานะ \(j\): สถานะปัจจุบัน (เช่น สุขภาพดี)
- สถานะ \(k\): สถานะในอนาคตที่อาจเกิดขึ้นได้ (เช่น ทุพพลภาพ)
- การเปลี่ยนสถานะ (Transition): การเคลื่อนที่จาก \(j\) ไปยัง \(k\)
ประเด็นสำคัญ: เราจะคำนวณมูลค่ากรมธรรม์แยกกันสำหรับ ทุกๆ สถานะที่ผู้เอาประกันอาจจะอยู่ได้ ถ้ามี 3 สถานะ ก็จะมีมูลค่ากรมธรรม์ที่เป็นไปได้ 3 ค่า ณ เวลา \(t\) ใดๆ
2. สมการเชิงอนุพันธ์ของ Thiele (กรณีต่อเนื่อง)
หากเวลาเดินไปอย่างต่อเนื่อง เราจะใช้เครื่องมือที่โด่งดังเรียกว่า สมการเชิงอนุพันธ์ของ Thiele (Thiele’s Differential Equation) สมการนี้จะบอกเราว่ามูลค่ากรมธรรม์เปลี่ยนแปลงไปอย่างไรในช่วงเวลาที่สั้นมากๆ
สำหรับผู้เอาประกันในสถานะ \(j\) อัตราการเปลี่ยนแปลงของมูลค่ากรมธรรม์คือ:
\(\frac{d}{dt} V_t^{(j)} = \delta_t V_t^{(j)} + P_t^{(j)} - B_t^{(j)} - \sum_{k \neq j} \mu_t^{jk} (S_t^{jk} + V_t^{(k)} - V_t^{(j)})\)
ย่อยสมการ (คำอธิบายแบบเข้าใจง่าย):
การเปลี่ยนแปลงของเงินสำรอง (\(\frac{d}{dt} V_t^{(j)}\)) เท่ากับ:
- \(\delta_t V_t^{(j)}\): ดอกเบี้ย ที่ได้รับจากเงินสำรองปัจจุบันของคุณ
- \(P_t^{(j)}\): เบี้ยประกันภัย ที่จัดเก็บได้ขณะอยู่ในสถานะ \(j\)
- \(- B_t^{(j)}\): ผลประโยชน์ (เช่น เงินงวด) ที่จ่ายออกไปขณะอยู่ในสถานะ \(j\)
- \(- \sum \mu_t^{jk} (S_t^{jk} + V_t^{(k)} - V_t^{(j)})\): นี่คือ "ต้นทุนสุทธิของการเปลี่ยนสถานะ" ซึ่งก็คือโอกาสที่จะย้ายไปสถานะ \(k\) (\(\mu_t^{jk}\)) คูณกับต้นทุน "ส่วนเพิ่ม" ของการย้ายนั้น
"ต้นทุนส่วนเพิ่ม" คืออะไร?
เมื่อมีคนเปลี่ยนจากสถานะ \(j\) ไปยัง \(k\) บริษัทจะ:
- จ่ายผลประโยชน์แบบเงินก้อน: \(S_t^{jk}\)
- ต้องกันเงินสำรองสำหรับสถานะใหม่: \(V_t^{(k)}\)
- ไม่ต้องกันเงินสำรองสำหรับสถานะเก่าแล้ว: \(- V_t^{(j)}\)
พจน์ \((S_t^{jk} + V_t^{(k)} - V_t^{(j)})\) มักถูกเรียกว่า จำนวนเงินที่ต้องรับความเสี่ยงสุทธิ (Net Amount at Risk) สำหรับการเปลี่ยนจาก \(j\) ไปยัง \(k\)
จุดที่ต้องระวัง: นักเรียนมักลืมรวมส่วนต่างของมูลค่ากรมธรรม์ (\(V_t^{(k)} - V_t^{(j)}\)) และไปดูแค่ผลประโยชน์เงินก้อน \(S_t^{jk}\) เท่านั้น อย่าลืมว่าภาระผูกพันของบริษัทเปลี่ยนทันทีที่สถานะเปลี่ยน!
ประเด็นสำคัญ: สมการของ Thiele ก็คือการปรับสมดุล "กระแสเงินสด" ที่คอยติดตามดอกเบี้ยและเบี้ยประกันที่รับเข้า กับผลประโยชน์และต้นทุนการเปลี่ยนสถานะที่จ่ายออกไป
3. สูตรเวียนเกิดในเวลาไม่ต่อเนื่อง (Discrete Time)
ในโจทย์สอบส่วนใหญ่มักกำหนดให้การเปลี่ยนสถานะเกิดขึ้นเฉพาะตอนสิ้นปี ซึ่งช่วยให้เราทำงานง่ายขึ้นเพราะเราสามารถใช้วิธีทำทีละขั้นตอน (recursive) โดยย้อนกลับจากจุดสิ้นสุดของกรมธรรม์
ถ้าเรารู้วูลค่ากรมธรรม์ ณ เวลา \(t+1\) ค่า ณ เวลา \(t\) จะเป็น:
\(V_t^{(j)} = v \left[ \sum_{k} p_{t}^{jk} (V_{t+1}^{(k)} + S_{t+1}^{jk}) + B_{t+1}^{(j)} \right] - P_t^{(j)}\)
(หมายเหตุ: ตำแหน่งที่แน่นอนของเบี้ยประกันและผลประโยชน์ขึ้นอยู่กับว่าจ่ายต้นงวดหรือปลายงวด ดังนั้นต้องอ่านโจทย์ให้ดีนะครับ!)
ตรรกะ: เพื่อหามูลค่ากรมธรรม์ในวันนี้ เราก็แค่หามูลค่าคาดหมายของ "ปีหน้าฉันจะไปอยู่ที่ไหน?" และ "ระหว่างทางฉันต้องจ่ายหรือรับอะไรบ้าง?" จากนั้นก็คิดลดกลับมาเป็นมูลค่าปัจจุบัน
วิธีทำทีละขั้นตอนสำหรับโจทย์แบบ Discrete:
- เริ่มจากจุดสิ้นสุดของกรมธรรม์ (เวลา \(n\)) ปกติมูลค่ากรมธรรม์จะเป็น \(0\) (ยกเว้นมีเงินครบกำหนดหรือผลประโยชน์ตอนจบสัญญา)
- คำนวณความน่าจะเป็นของการเปลี่ยนสถานะ (\(p_{t}^{jk}\)) สำหรับปีนั้น
- ใช้สูตรเวียนเกิดเพื่อกระโดดกลับมาหนึ่งปี
- ทำซ้ำไปเรื่อยๆ จนถึงเวลา \(t\) ที่โจทย์ต้องการ
รู้หรือไม่? นี่คือวิธีเดียวกับ "การอุปนัยย้อนกลับ" (Backward Induction) ในทฤษฎีเกมเลยครับ คือเราต้องรู้ตอนจบก่อน แล้วค่อยๆ ย้อนกลับมาหาตอนเริ่มต้น!
4. มูลค่ากรมธรรม์สำหรับกรณีพิเศษ (LTC และการทุพพลภาพ)
ข้อสอบ ALTAM ชอบออกเรื่อง การดูแลระยะยาว (Long-Term Care: LTC) และ ประกันรายได้เมื่อทุพพลภาพ (Disability Income: DI) มาก ซึ่งถือเป็นแบบจำลองหลายสถานะแบบคลาสสิก
ตัวอย่าง: แบบจำลองทุพพลภาพ 3 สถานะ
- สถานะ 0: ทำงานได้ (สุขภาพดี)
- สถานะ 1: ทุพพลภาพ
- สถานะ 2: เสียชีวิต
ในแบบจำลองนี้:
- \(V_t^{(0)}\) มักจะมีค่าต่ำ (หรือติดลบในช่วงแรก) เพราะคนนั้นยังจ่ายเบี้ยและสุขภาพดีอยู่
- \(V_t^{(1)}\) มักจะมีค่า สูงมาก เพราะอะไรนะหรือ? เพราะตอนนี้เขาพิการ บริษัทจึงต้องจ่ายผลประโยชน์โดยไม่ได้รับเบี้ยประกันเพิ่ม นี่คือภาระผูกพันก้อนโตเลยครับ!
ตัวช่วยจำ: ให้มอง \(V^{(j)}\) ว่าเป็น "ภาระของสถานะ \(j\)" ถ้าการอยู่ในสถานะ \(j\) นั้นมีค่าใช้จ่ายสูงสำหรับบริษัท (เช่น การทุพพลภาพ) มูลค่ากรมธรรม์ก็จะสูงตามไปด้วย
5. เคล็ดลับสำคัญเพื่อความสำเร็จ
1. ดูจังหวะเวลา: เบี้ยประกันจ่ายตอนต้นปีหรือไม่? ผลประโยชน์จ่าย ณ วินาทีที่เปลี่ยนสถานะ (ต่อเนื่อง) หรือจ่ายตอนสิ้นปี (ไม่ต่อเนื่อง)? สิ่งเหล่านี้เปลี่ยนสูตรได้เล็กน้อยนะครับ
2. ผลรวมของความน่าจะเป็น: อย่าลืมว่าจากสถานะ \(j\) ใดๆ ผลรวมของความน่าจะเป็นของการเปลี่ยนสถานะทั้งหมดต้องเท่ากับ 1 เสมอ: \(\sum_k p_t^{jk} = 1\) ซึ่งรวมถึงความน่าจะเป็นที่ ยังคงอยู่ในสถานะเดิม (\(p_t^{jj}\)) ด้วย
3. เงื่อนไขขอบเขต: ที่จุดสิ้นสุดของกรมธรรม์ (\(t=T\)) มูลค่ากรมธรรม์ \(V_T^{(j)}\) คือมูลค่าของผลประโยชน์มรณกรรมหรือเงินครบกำหนดที่สัญญาไว้ ณ ขณะนั้น หากไม่มีสัญญาอะไรไว้เลย \(V_T^{(j)} = 0\)
สรุปกล่องความจำ:
- ต่อเนื่อง: ใช้สมการเชิงอนุพันธ์ของ Thiele
- ไม่ต่อเนื่อง: ใช้วิธีเวียนเกิด (ค่าคาดหมาย)
- จำนวนเงินเสี่ยงสุทธิ: \(S + V_{ใหม่} - V_{เก่า}\)
- เป้าหมาย: หามูลค่าคาดหมายของภาระในอนาคต หักลบด้วยเบี้ยประกันในอนาคตตามสถานะปัจจุบัน
บทสรุปและประเด็นสำคัญ
การประเมินมูลค่ากรมธรรม์ในแบบจำลองที่ขึ้นอยู่กับสถานะ เป็นเพียงการขยายความรู้ที่คุณมีอยู่แล้วเท่านั้น "เคล็ดลับ" คือการติดตามสถานะหลายๆ สถานะพร้อมกัน แทนที่จะมีเงินสำรองก้อนเดียว คุณจะมี เวกเตอร์ ของเงินสำรอง—อย่างละหนึ่งค่าสำหรับแต่ละสถานะที่เป็นไปได้ ไม่ว่าคุณจะใช้สมการเชิงอนุพันธ์ (Thiele) หรือแบบไม่ต่อเนื่อง คุณก็กำลังสร้างความสมดุลระหว่างเงินที่ไหลเข้าและเงินที่ไหลออกนั่นเอง
ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ! ยิ่งฝึกตั้งสมการสำหรับแผนภาพสถานะต่างๆ มากเท่าไหร่ มันก็จะยิ่งกลายเป็นความเข้าใจโดยสัญชาตญาณมากขึ้นเท่านั้น คุณทำได้แน่นอน!