引言：超越「生死」的框架

欢迎来到这里！在 CM1 的课程中，大家至今可能已经花了很多时间处理简单的「生存」或「死亡」模型。但现实生活往往没有那么简单，对吧？人们可能会生病后康复、退休，或是在不同的护理层级之间转换。

本章我们将探讨多状态模型（Multiple State Models）。你可以把它想像成一个关于人生旅程的「地图」。我们将学习如何评估现金流，这些现金流取决于当事人处于哪个「状态」（例如正在住院），或是从一个状态转换到另一个状态（例如退休的那一刻）。如果这看起来比你之前学过的内容更复杂，别担心，我们会一步步拆解！

1. 基础概念：什么是多状态模型？

想像一个棋盘游戏，你的棋子可以在不同的方格之间移动。在精算术语中，这些方格称为状态（States），而移动的规则则称为转移（Transitions）。

一个常见的例子是健康-患病模型（Health-Sickness Model）：

  • 状态 0： 健康（Healthy）
  • 状态 1： 患病（Sick）
  • 状态 2： 死亡（Dead）

在这个模型中，一个人可以从「健康」转为「患病」，之后再转回「健康」，或者从任何一个状态转为「死亡」状态。
关键术语：一旦进入便无法离开的状态（如「死亡」）称为吸收状态（Absorbing State）。可以离开的状态则称为暂态（Transient State）。

马可夫性质（The Markov Property）

为了让数学计算变得可控，我们通常会假设模型符合马可夫性质。这是一个华丽的说法，意思是：「未来取决于你现在所处的状态，与你如何到达这里或已经在里待了多久无关。」
类比：这就像游戏的存档点。无论你是在战斗了 100 只怪物后到达这里，还是没打怪就直接到达，当你读取存档时，进入下一关的选项是完全一样的。

重点复习：

  • 状态（State）：生命的状况（例如：在职、退休）。
  • 转移（Transition）：从一个状态移动到另一个状态。
  • 马可夫性质（Markov Property）：计算未来概率时，仅需考虑当前状态。

2. 转移强度（Transition Intensities）：变化的「速度」

为了评估现金流，我们需要知道某人转移状态的可能性。我们使用转移强度（Transition Intensities），记作 \( \mu_{x+t}^{jk} \)。

这代表年龄为 \(x+t\) 的个体从状态 \(j\) 转移到状态 \(k\) 的作用力。它与你已经学过的「死亡力」（force of mortality）非常相似，只是扩展到了其他生活事件上。

留在原地的概率
目前处于状态 \(j\) 的人在时间 \(t\) 后依然留在状态 \(j\) 的概率，记作 \( {}_t p_x^{\overline{jj}} \)。
这个公式看起来很吓人，但它其实只是你已熟悉的生存概率的扩展： \( {}_t p_x^{\overline{jj}} = \exp \left( -\int_{0}^{t} \sum_{k \neq j} \mu_{x+s}^{jk} ds \right) \)

为什么要相加？因为要留在状态 \(j\)，你必须避开所有可能转移到其他状态 \(k\) 的路径。

3. 评估利益（现金流出）

在精算工作中，我们需要计算利益的期望现值（Expected Present Value, EPV）。在多状态模型中，利益通常分为两类：

A. 在特定状态期间支付的利益（年金）

例子： 一份失能保险，只要保单持有人处于「患病」状态，每月支付 $1,000。
为了评估这项利益，我们观察在每个时间点处于状态 \(s\) 的概率，将其折现到今天，并进行积分： \( EPV = \int_{0}^{n} e^{-\delta t} \cdot {}_t p_x^{as} \cdot B_t dt \)

其中：

  • \( e^{-\delta t} \) 是折现因子。
  • \( {}_t p_x^{as} \) 是目前处于状态 \(a\) 的人在时间 \(t\) 处于状态 \(s\) 的概率。
  • \( B_t \) 是利益支付率。

B. 转移时立即支付的利益（整笔给付）

例子： 当某人从「健康」转为「死亡」时立即支付的死亡赔偿。
这需要时间 \(t\) 同时满足三个条件： 1. 此人必须处于起始状态 \(j\)。 2. 此人在那一瞬间转移到状态 \(k\)。 3. 我们将该赔偿金折现到时间 0。

\( EPV = \int_{0}^{n} e^{-\delta t} \cdot {}_t p_x^{aj} \cdot \mu_{x+t}^{jk} \cdot S_t dt \)

其中 \( S_t \) 是转移时支付的保险金额。

重点总结： - 年金式支付（处于某状态）：使用 \( {}_t p_x^{jk} \)。 - 整笔给付（状态间转移）：使用 \( {}_t p_x^{aj} \cdot \mu_{x+t}^{jk} \)。

4. 评估保费（现金流入）

保费通常只在保单持有人处于特定状态（例如「在职」或「健康」状态）时收取。其评估方式与上述的年金完全相同。

价值恒等式：
与简单模型一样： 保费的 EPV = 利益的 EPV + 费用的 EPV

常见错误： 学生常忘记某人可能离开状态后又回到该状态。请务必确认该转移是「一去不返」还是「可恢复」的状态。如果你可以回到某个状态，你必须使用考虑了所有可能路径的概率 \( {}_t p_x^{jk} \)，而不仅仅是持续待在里面的概率。

5. 分步解题：如何解决评估问题

如果你遇到多状态评估题，请按照以下步骤操作：

步骤 1：绘制状态空间。 画出方格和箭头。这有助于你厘清哪些转移是可能的。
步骤 2：辨识现金流。 这是支付「处于某状态」的费用，还是「转移时」支付的费用？
步骤 3：写出概率。 为每个现金流找出正确的 \( {}_t p_x \) 或转移强度。
步骤 4：建立积分式。 结合折现因子、概率和现金流金额。
步骤 5：求解（或简化）。 通常为了简化积分，会假设强度和利率为常数。

6. 总结与快速回顾

你知道吗？多状态模型正是「重大疾病」保险的基础，其赔付取决于具体的诊断结果！

要记住的关键点：

  • 马可夫性质：过去的历史不重要；只有当前状态才重要。
  • 转移强度 (\(\mu\))：转移的「瞬时」风险。
  • 评估年金：积分 \( (折现) \times (处于该状态的概率) \)。
  • 评估整笔给付：积分 \( (折现) \times (处于该状态的概率) \times (离开该状态的强度) \)。

如果刚开始觉得很棘手，别担心！符号标记是最难的部分。一旦你意识到这些只是你已经熟练掌握的生命表（life tables）的详细版本，逻辑就会变得清晰。练习先画出图表——这会让数学运算变得明朗得多！