ยินดีต้อนรับสู่การสร้างแบบจำลองความเสี่ยงส่วนเกิน (Modelling Extra Risk)!
สวัสดีครับ! เมื่อคุณก้าวเข้าสู่โลกของการประกันภัยระยะยาว คุณจะพบอย่างรวดเร็วว่าไม่ใช่ทุกคนที่จะเข้าข่าย "มาตรฐาน" ไปเสียหมด บางคนสูบบุหรี่ บางคนมีความดันโลหิตสูง หรือบางคนอาจมีงานอดิเรกที่มีความเสี่ยงสูงอย่างการกระโดดร่ม ในทางคณิตศาสตร์ประกันภัย เราเรียกคนกลุ่มนี้ว่า ความเสี่ยงต่ำกว่ามาตรฐาน (Substandard risks)
ในบทนี้ เราจะเรียนรู้วิธีปรับแบบจำลองทางคณิตศาสตร์ของเราเพื่อรองรับความเสี่ยงส่วนเกินเหล่านี้ ไม่ต้องกังวลหากรู้สึกว่ามันดูซับซ้อนในตอนแรก เพราะจริงๆ แล้วเราก็แค่หยิบเอาสูตร "มาตรฐาน" ที่คุณรู้อยู่แล้วมา "ปรับจูน" เล็กน้อยเพื่อให้ครอบคลุมสถานการณ์ที่มีความเสี่ยงมากขึ้นเท่านั้นเอง มาเริ่มกันเลย!
ทำไมเราถึงต้องปรับอัตราการตาย?
ตารางมรณะ (Mortality tables) แบบมาตรฐานถูกสร้างขึ้นสำหรับคนทั่วไปที่มีสุขภาพดี หากเราใช้ตารางเดียวกันนี้กับคนที่มีโรคประจำตัว เราก็จะ ประเมินเบี้ยประกันต่ำเกินไป (Underprice) ซึ่งบริษัทก็จะเก็บเบี้ยประกันได้ไม่เพียงพอที่จะครอบคลุมโอกาสในการเคลมที่สูงขึ้น ดังนั้นเพื่อแก้ไขปัญหานี้ เราจึงต้องใช้ แบบจำลองความเสี่ยงส่วนเกิน เพื่อเพิ่มอัตราการตายที่ใช้ในการคำนวณของเรา
วิธีที่ 1: การกำหนดอายุเสมือน (Age Rating - วิธี "เลขไมล์")
การกำหนดอายุเสมือน (หรือที่เรียกว่า "การบวกอายุเพิ่ม") เป็นวิธีที่ง่ายที่สุดวิธีหนึ่งในการจัดการกับความเสี่ยงส่วนเกิน แนวคิดนั้นง่ายมากครับ: ถ้าผู้ขอเอาประกันอายุ 40 ปีสูบบุหรี่ ร่างกายของเขาอาจจะ "ดูเหมือน" ร่างกายของคนอายุ 45 ปี
วิธีการทำงาน
เราแค่บวกจำนวนปีคงที่ สมมติให้เป็น \(h\) เข้าไปในอายุจริงของผู้ขอเอาประกัน หากอายุจริงคือ \(x\) เราจะทำการคำนวณทุกอย่างเสมือนว่าบุคคลนั้นมีอายุ \(x + h\)
ตัวอย่างเช่น หากผู้มีอายุ 35 ปี ได้รับ การกำหนดอายุเสมือนเพิ่ม 5 ปี:
- ความน่าจะเป็นในการเสียชีวิตจะกลายเป็น: \(q_{35}^* = q_{40}\)
- มูลค่าปัจจุบันของเงินรายปีจะกลายเป็น: \(\ddot{a}_{35}^* = \ddot{a}_{40}\)
- เบี้ยประกันสุทธิจะกลายเป็น: \(P_{35}^* = P_{40}\)
การเปรียบเทียบ
ลองนึกถึงรถยนต์ดูครับ รถรุ่นปี 2020 ที่ถูกนำไปใช้ส่งของหนักๆ อาจมีเลขไมล์วิ่งไปแล้ว 150,000 ไมล์ แม้ว่าในทางเทคนิคจะผลิตมาแค่ 4 ปี แต่บริษัทประกันจะปฏิบัติกับมันเหมือนรถที่เก่ากว่านั้นมากเพราะ "การสึกหรอ" ซึ่งนั่นคือสิ่งที่การกำหนดอายุเสมือนทำกับชีวิตมนุษย์เป๊ะเลย!
ทบทวนสั้นๆ: สำหรับการกำหนดอายุเสมือน ให้คุณแทนที่ \(x\) ด้วย \(x+h\) ในทุกสูตรที่คุณรู้จัก ง่ายแค่นี้เอง!
วิธีที่ 2: การบวกค่าคงที่เข้ากับอัตราความเสี่ยงภัย (Force of Mortality)
บางครั้งความเสี่ยงส่วนเกินไม่ได้เป็นเรื่องของ "ความแก่" แต่เป็นความเสี่ยงพิเศษในระดับคงที่ที่เพิ่มเข้ามาในทุกๆ ปี ซึ่งเราจะสร้างแบบจำลองโดยการบวกค่าคงที่ \(\phi\) (phi) เข้าไปใน อัตราความเสี่ยงภัย (Force of mortality)
สูตรการคำนวณ
อัตราความเสี่ยงภัยที่ปรับปรุงแล้ว \(\mu_x^*\) นิยามโดย:
\( \mu_{x+t}^* = \mu_{x+t} + \phi \)
สิ่งนี้ส่งผลอย่างไรต่อความน่าจะเป็นที่จะมีชีวิตอยู่?
นี่คือหัวข้อโปรดของข้อสอบ FAM เลยครับ! เนื่องด้วยอัตราความเสี่ยงภัยอยู่ในเลขชี้กำลังของฟังก์ชันความน่าจะเป็นที่จะมีชีวิตอยู่ การบวกค่าคงที่เข้าไปจึงส่งผลให้เกิด การปรับแบบทวีคูณ (Multiplicative adjustment) ต่อความน่าจะเป็นที่จะมีชีวิตอยู่:
\( {}_tp_x^* = {}_tp_x \cdot e^{-\phi t} \)
คุณทราบหรือไม่?
วิธีนี้มักใช้กับความเสี่ยงแบบ "คงที่" เช่น คนที่มีงานอดิเรกอันตราย ไม่ว่าเขาจะอายุ 20 หรือ 50 ความเสี่ยงส่วนเกินจากอุบัติเหตุการกระโดดร่มอาจถือได้ว่าค่อนข้างคงที่ในทุกๆ ปี
ประเด็นสำคัญ: หากคุณเห็นการบวกค่าคงที่ \(\phi\) ให้จำไว้ว่าความน่าจะเป็นที่จะมีชีวิตอยู่ค่าใหม่ของคุณ คือค่าเดิมคูณด้วย \(e^{-\phi t}\) ซึ่งจะช่วยให้การคำนวณหา \(A_x^*\) หรือ \(\ddot{a}_x^*\) เร็วขึ้นมาก!
วิธีที่ 3: การปรับแบบทวีคูณ (วิธีคิดเป็นเปอร์เซ็นต์)
ในวิธีนี้ เราสมมติว่าความเสี่ยงส่วนเกินแปรผันตามความเสี่ยงมาตรฐาน โดยเราจะคูณอัตราความเสี่ยงภัยมาตรฐานด้วยปัจจัยหนึ่ง ซึ่งมักเขียนอยู่ในรูป \((1+k)\) หรือค่าคงที่ \(m\)
สูตรการคำนวณ
\( \mu_x^* = (1+k) \cdot \mu_x \)
ข้อผิดพลาดที่พบบ่อย
นักศึกษามักจะสับสนและนำไปคูณกับ ความน่าจะเป็นในการเสียชีวิต (\(q_x\)) ต้องระวังนะครับ! ในแบบจำลองนี้เราคูณที่ อัตราความเสี่ยงภัย (\(\mu\)) แม้ว่าทั้งสองอย่างจะมีความสัมพันธ์กัน แต่การคูณอัตราความเสี่ยงภัยจะมีผลสะสมเมื่อเวลาผ่านไป
ภายใต้แบบจำลองนี้ ความน่าจะเป็นที่จะมีชีวิตอยู่ค่าใหม่คือ:
\( {}_tp_x^* = ({}_tp_x)^{(1+k)} \)
การปรับปรุงเหล่านี้ส่งผลต่อเบี้ยประกันและมูลค่าอย่างไร?
เมื่อคุณปรับปรุงอัตราการตายแล้ว (ไม่ว่าจะด้วยการกำหนดอายุเสมือนหรือเปลี่ยนค่า \(\mu\)) คุณต้องคำนวณ มูลค่าปัจจุบันตามหลักคณิตศาสตร์ประกันภัย (APV) ใหม่ เพื่อหาเบี้ยประกันใหม่
กระบวนการคำนวณทีละขั้นตอน:
- ระบุวิธีการปรับปรุง: เป็นการกำหนดอายุเสมือน? เป็นการบวกค่าคงที่ \(\phi\)? หรือเป็นตัวคูณ?
- คำนวณความน่าจะเป็นที่จะมีชีวิตอยู่ค่าใหม่: หาค่า \({}_tp_x^*\) ที่ปรับแล้ว
- คำนวณ APV ค่าใหม่: หาค่า \(A_x^*\) และ \(\ddot{a}_x^*\) ใหม่
- หาเบี้ยประกัน: ใช้ หลักความเท่าเทียม (Equivalence Principle) โดยทั่วไปคือ \(P^* = \frac{A_x^*}{\ddot{a}_x^*}\)
ประเด็นสำคัญ: เมื่ออัตราการตายเพิ่มขึ้น \(A_x\) (ต้นทุนของผลประโยชน์) จะ เพิ่มขึ้น และ \(\ddot{a}_x\) (มูลค่าของเบี้ยประกัน) จะ ลดลง เนื่องจากตัวเศษเพิ่มขึ้นและตัวส่วนลดลง เบี้ยประกัน \(P_x\) สำหรับผู้ที่มีความเสี่ยงต่ำกว่ามาตรฐานจึง สูงขึ้นเสมอ
ตารางสรุปสำหรับอ้างอิงอย่างรวดเร็ว
ใช้ตารางนี้เพื่อสรุปความแตกต่างของแต่ละวิธีในหัวของคุณนะครับ!
1. การกำหนดอายุเสมือน (Age Rating): ปฏิบัติกับอายุ \(x\) เสมือนเป็น \(x+h\)
2. การบวกค่าคงที่ (\(\phi\)): \({}_tp_x^* = {}_tp_x \cdot e^{-\phi t}\)
3. การปรับแบบทวีคูณ (\(m\)): \({}_tp_x^* = ({}_tp_x)^m\)
เคล็ดลับสุดท้ายสำหรับสอบ
- ดูช่วงเวลาให้ดี: หากโจทย์ระบุว่า "ความเสี่ยงส่วนเกินใช้แค่ 5 ปีแรกเท่านั้น" ให้ปรับอัตราการตายเฉพาะในช่วง 5 ปีนั้น นี่เป็น "กับดัก" ยอดฮิตในข้อสอบ FAM เลยล่ะ!
- มูลค่ากรมธรรม์: หากโจทย์ถามหามูลค่ากรมธรรม์ (\(_tV\)) ของผู้เอาประกันที่มีความเสี่ยงต่ำกว่ามาตรฐาน อย่าลืมว่าทั้งมูลค่าผลประโยชน์ในอนาคตและเบี้ยประกันในอนาคต ต้องคำนวณบนพื้นฐานของอัตราการตายที่ ปรับปรุงแล้ว เท่านั้น
- การตรวจสอบความสมเหตุสมผล: หากคำนวณออกมาแล้วได้เบี้ยประกัน ต่ำกว่า เบี้ยประกันมาตรฐาน ให้หยุดก่อน! มีบางอย่างผิดปกติ ความเสี่ยงที่เพิ่มขึ้นควรนำไปสู่ต้นทุนที่สูงขึ้นเสมอ
คุณทำได้ดีมากครับ! บทนี้คือการทำความเข้าใจว่าการเปลี่ยนแปลงเล็กๆ น้อยๆ ในข้อสมมติของเราส่งผลกระทบต่อสูตรมาตรฐานอย่างไร ขอแค่เชี่ยวชาญทั้ง 3 วิธีการปรับปรุงข้างต้นนี้ คุณก็พร้อมสำหรับโจทย์ "ความเสี่ยงส่วนเกิน" ทุกรูปแบบที่ SOA จะส่งมาทดสอบคุณแล้ว!