Future loss random variables for life insurance and annuities

ยินดีต้อนรับสู่หัวใจสำคัญของการกำหนดราคาประกันภัย!

สวัสดีว่าที่นักคณิตศาสตร์ประกันภัยทุกคน! วันนี้เราจะมาเจาะลึกหนึ่งในแนวคิดที่สำคัญที่สุดในข้อสอบ Exam FAM นั่นคือ ตัวแปรสุ่มของผลขาดทุนในอนาคต (Future Loss Random Variables) แม้ว่าคำว่า "ผลขาดทุน" (Loss) จะฟังดูน่ากลัว แต่ในโลกของคณิตศาสตร์ประกันภัย นี่เป็นเพียงวิธีที่เราใช้บันทึกผลการดำเนินงาน ให้ลองนึกภาพว่ามันคือ "งบดุล" สำหรับกรมธรรม์ประกันภัยฉบับหนึ่งนั่นเอง

เมื่อจบเนื้อหาชุดนี้ คุณจะเข้าใจว่าบริษัทประกันตัดสินใจคิดค่าเบี้ยประกันจากคุณอย่างไร เพื่อให้โดยเฉลี่ยแล้วบริษัทจะไม่ขาดทุน ซึ่งนี่คือพื้นฐานของการคำนวณเบี้ยประกันและมูลค่ากรมธรรม์ (Premium and Policy Value Calculation)

1. ตัวแปรสุ่มของผลขาดทุนในอนาคตคืออะไร?

ลองจินตนาการว่าคุณเป็นบริษัทประกันภัย เมื่อคุณขายกรมธรรม์หนึ่งฉบับ จะมีเหตุการณ์เกิดขึ้น 2 อย่าง:
1. คุณสัญญาว่าจะจ่าย ผลประโยชน์ (Benefit) ณ จุดใดจุดหนึ่งในอนาคต (นี่คือเงินที่ไหล ออก)
2. คุณได้รับ เบี้ยประกัน (Premiums) จากผู้ถือกรมธรรม์ (นี่คือเงินที่ไหล เข้า)

ตัวแปรสุ่มของผลขาดทุนในอนาคต (Future Loss Random Variable) ซึ่งมักแทนด้วย \(L\) ก็คือส่วนต่างระหว่างสิ่งที่เราจ่ายออกไปกับสิ่งที่เราได้รับมา โดยทั้งหมดถูกแปลงกลับมาเป็น "มูลค่าเงินในปัจจุบัน" (Present Value) นั่นเอง

สูตรพื้นฐาน:
\(L = PV(\text{ผลประโยชน์ในอนาคต}) - PV(\text{เบี้ยประกันในอนาคต})\)

เปรียบเทียบ: ลองนึกถึงไม้กระดก (See-saw) ด้านหนึ่งคือเงินที่บริษัทต้องจ่าย ส่วนอีกด้านคือเงินที่ลูกค้าจ่าย เป้าหมายของเราคือการหาน้ำหนักของทั้งสองฝั่งให้เท่ากันในวันนี้

ทบทวนสั้นๆ:
- ถ้า \(L > 0\): บริษัท "ขาดทุน" จากบุคคลนั้น (มูลค่าผลประโยชน์สูงกว่าเบี้ยประกันที่ได้รับ)
- ถ้า \(L < 0\): บริษัท "กำไร" จากบุคคลนั้น (เบี้ยประกันมีมูลค่ามากกว่าผลประโยชน์ที่ต้องจ่าย)

2. หลักความเท่าเทียม (Equivalence Principle)

นักคณิตศาสตร์ประกันภัยตัดสินใจอย่างไรว่าเบี้ยประกันแบบไหนที่เรียกว่า "ยุติธรรม"? เราใช้ หลักความเท่าเทียม (Equivalence Principle) ซึ่งระบุว่า ณ วันที่ออกกรมธรรม์ ค่าคาดหมาย (Expected Value) ของผลขาดทุนในอนาคตต้องเท่ากับ ศูนย์

กฎ: \(E[L] = 0\)

นั่นหมายความว่า: ค่าคาดหมายของ PV ผลประโยชน์ = ค่าคาดหมายของ PV เบี้ยประกัน

ตัวอย่าง: ประกันชีวิตตลอดชีพ (แบบต่อเนื่อง)
สำหรับกรมธรรม์ประกันชีวิตตลอดชีพที่จ่ายเงิน 1 หน่วย ณ ขณะที่เสียชีวิต ด้วยเบี้ยประกันแบบต่อเนื่อง \(\bar{P}\):
\(L = \bar{v}^T - \bar{P} \cdot \bar{a}_{\overline{T|}}\)
ในการหาเบี้ยประกัน \(\bar{P}\) โดยใช้หลักความเท่าเทียม เรากำหนดให้ \(E[L] = 0\):
\(E[\bar{v}^T] - \bar{P} \cdot E[\bar{a}_{\overline{T|}}] = 0\)
\(\bar{A}_x - \bar{P} \cdot \bar{a}_x = 0\)
\(\bar{P} = \frac{\bar{A}_x}{\bar{a}_x}\)

ไม่ต้องกังวลถ้ารู้สึกว่ามันซับซ้อนในตอนแรก! แค่จำไว้ว่าเรากำลังทำให้ยอด "เงินเข้า" กับ "เงินออก" เท่ากันในเชิงค่าเฉลี่ยก็พอแล้ว

3. "เทคนิคเชิงเส้น" สำหรับผลขาดทุนในอนาคต

งานหนึ่งที่พบบ่อยที่สุดในข้อสอบ Exam FAM คือการคำนวณ ความแปรปรวน (Variance) ของผลขาดทุนในอนาคต มีสูตรลัดชื่อดังที่จะช่วยประหยัดเวลาได้มาก สำหรับกรมธรรม์ประกันชีวิตตลอดชีพทั่วไป (แบบไม่ต่อเนื่องหรือแบบต่อเนื่อง) เราสามารถเขียน \(L\) ให้อยู่ในรูปฟังก์ชันเชิงเส้นของ PV ผลประโยชน์ได้

สำหรับกรมธรรม์ประกันชีวิตตลอดชีพแบบไม่ต่อเนื่อง (Discrete):

หากผลประโยชน์คือ 1 และเบี้ยประกันรายปีคือ \(P\):
\(L = (1 + \frac{P}{d})v^{K+1} - \frac{P}{d}\)
(โดยที่ \(d\) คืออัตราคิดลด)

ทำไมสิ่งนี้ถึงมีประโยชน์?

เพราะการหาความแปรปรวนของ \(L\) จะง่ายขึ้นมาก! เนื่องจากความแปรปรวนของค่าคงที่เป็นศูนย์ และ \(Var(aX + b) = a^2 Var(X)\) เราจึงได้ว่า:
\(Var(L) = (1 + \frac{P}{d})^2 \cdot [^2A_x - (A_x)^2]\)

วิธีช่วยจำ: "หนึ่งบวก P ส่วน d ทั้งหมดกำลังสอง คูณด้วยความแปรปรวนของ A" ให้ใช้สูตรนี้ทุกครั้งที่คุณเจอโจทย์ที่ถามหาความแปรปรวนของตัวแปรสุ่มผลขาดทุนสุทธิ!

4. ตัวแปรผลขาดทุนสำหรับกรมธรรม์ประเภทต่างๆ

โครงสร้างของ \(L\) จะเปลี่ยนไปเล็กน้อยตามประเภทของผลิตภัณฑ์ นี่คือสรุปโดยย่อ:

ประกันชีวิตแบบชั่วระยะเวลา (Term Insurance):

บริษัทจะจ่ายเงินก็ต่อเมื่อผู้เอาประกันเสียชีวิตภายใน \(n\) ปีเท่านั้น
\(L = v^T\) (ถ้า \(T \le n\)) หรือ \(0\) (ถ้า \(T > n\)) ลบด้วย เบี้ยประกันที่จ่ายไประหว่างที่ยังมีชีวิตจนถึงปีที่ \(n\)

ประกันชีวิตแบบสะสมทรัพย์ (Endowment Insurance):

บริษัทจะจ่ายเงินหากผู้เอาประกันเสียชีวิต หรือมีชีวิตอยู่จนครบสัญญาที่อายุ \(n\)
\(L = PV(\text{ผลประโยชน์สะสมทรัพย์}) - PV(\text{เบี้ยประกัน})\)

รู้หรือไม่? ตัวแปรสุ่มผลขาดทุนเป็นรากฐานของการคำนวณ "มูลค่าที่มีความเสี่ยง" (Value at Risk หรือ VaR) บริษัทประกันใช้ตัวแปรเหล่านี้เพื่อให้แน่ใจว่าพวกเขามีเงินทุนเพียงพอที่จะดำเนินกิจการต่อไปได้ แม้ในสถานการณ์ที่ "โชคร้าย" เกิดขึ้น!

5. ข้อผิดพลาดทั่วไปที่ควรหลีกเลี่ยง

1. สับสนระหว่างแบบต่อเนื่องและแบบไม่ต่อเนื่อง: ตรวจสอบให้แน่ใจเสมอว่าเบี้ยประกันจ่าย ต้นปี (\(\ddot{a}_x\)) หรือ จ่ายต่อเนื่อง (\(\bar{a}_x\))
2. ลืม "แรงดึงดูดของดอกเบี้ยสองเท่า": เมื่อคำนวณโมเมนต์ที่สอง (\(^2A_x\)) ให้จำไว้ว่าคุณแค่เพิ่มแรงของดอกเบี้ย \(\delta\) เป็นสองเท่า (หรือยกกำลังสองปัจจัยคิดลด \(v\))
3. จังหวะเวลาของเบี้ยประกัน: ตรวจสอบให้แน่ใจว่าจำนวนงวดของเบี้ยประกันสัมพันธ์กับช่วงเวลาของผลประโยชน์ ในกรมธรรม์ตลอดชีพแบบไม่ต่อเนื่อง หากผู้เอาประกันเสียชีวิตในปีที่ \(K+1\) แสดงว่าเขาได้จ่ายเบี้ยประกันไปทั้งหมด \(K+1\) งวด

6. สรุปประเด็นสำคัญ

ประเด็นสำคัญที่ต้องจำ:
- ผลขาดทุนในอนาคต (\(L\)) = PV ผลประโยชน์ - PV เบี้ยประกัน
- หลักความเท่าเทียม: ตั้ง \(E[L] = 0\) เพื่อหาเบี้ยประกันสุทธิ
- สูตรลัดความแปรปรวน: สำหรับแบบตลอดชีพ \(Var(L) = (\text{ผลประโยชน์} + \frac{P}{d})^2 \times (\text{ความแปรปรวนของ } Z)\)
- \(L\) เป็น ตัวแปรสุ่ม เพราะเราไม่ทราบแน่ชัดว่าผู้ถือกรมธรรม์จะเสียชีวิตเมื่อใด

ให้กำลังใจทิ้งท้าย: คุณทำได้ดีมาก! ตัวแปรสุ่มผลขาดทุนก็แค่เวอร์ชันทางคณิตศาสตร์ของการ "แลกเปลี่ยนที่ยุติธรรม" ฝึกฝนการเปลี่ยนรูปไปมาระหว่าง \(A_x\) และ \(a_x\) ให้บ่อย แล้วโจทย์เหล่านี้จะกลายเป็นเรื่องง่ายสำหรับคุณแน่นอน!