导言：为什么人并不只是数字

在精算科学的世界里，我们经常谈论“总体人口”，但现实中，没有两个人是完全一样的。如果你要为一份人寿保单定价，你不会向一名 20 岁的奥运选手和一名 80 岁且烟瘾极重的老人收取相同的保费，对吧？本章将探讨异质性（Heterogeneity，即我们之间的差异）、选择（Selection，即特定群体如何进入我们的数据中），以及这些因素如何影响我们在模型中使用的死亡率（Mortality）和发病率（Morbidity）假设。

理解这些概念至关重要，因为如果我们的假设错误，定价就会出错，公司可能会亏损，或者无法履行对利益相关者（Stakeholders）的责任。

异质性：大杂烩中的差异

异质性 (Heterogeneity) 是一个用来描述“多样性”或“差异”的专业术语。在精算语境下，它意味着一个群体是由许多不同的子群体组成的，每个子群体都有其自身的风险水平。

为什么异质性很重要

如果我们把一个多样化的群体视为所有人都是“平均水平”，就会遇到问题。例如，如果我们对吸烟者和非吸烟者使用相同的死亡率，那么对于非吸烟者来说，这个费率就太高了（他们可能会去别处寻找更便宜的报价）；而对于吸烟者来说，这个费率又太低了（他们会因为我们低估了其风险而涌向我们）。这就是为什么精算师的目标是实现同质性 (Homogeneity)——将相似的风险分组在一起。

导致差异的因素

有几个因素会导致人口中的死亡率（死亡）和发病率（生病）出现差异：

  • 地区： 一个人的居住地会因为气候、当地的污染水平或医疗系统的质量而影响其健康。
  • 社会和经济环境： 这包括收入、教育和职业等因素。一般来说，高社会经济阶层的人往往拥有更好的健康状况，这归功于更好的饮食、更低的压力以及更容易获得医疗服务。
  • 生活方式： 例如吸烟、饮酒习惯和运动量等。

小贴士：在设定假设时，精算师必须决定要创建多少个“分桶”（Buckets）。分桶过多会导致每个分桶内的数据量太少，无法可靠参考；分桶过少则会导致定价不公平。

选择：群体的筛选

当包含在特定组别中的生命不能代表一般大众时，就会发生选择 (Selection)。在 CP1 中，我们重点关注几种特定类型的选择。

1. 暂时性初期选择 (Temporary Initial Selection, TIS)

这发生在人们最初投保时。因为他们通常必须通过体检或回答健康问题（即核保 Underwriting），所以他们通常比同龄的平均人士更健康。然而，随着新疾病的出现，这种“健康优势”会随时间而消失。

我们将 \(t\) 年前加入、现年 \(x\) 岁的人的死亡率表示为 \(q_{[x]+t}\)。方括号 \([x]\) 表示他们被选中（加入）时的年龄。

2. 类别选择 (Class Selection)

当一个群体由某种与其风险相关的特定特征定义时，就会发生这种情况。例如，购买“优等生命”(Preferred Lives) 保单的人，实际上是把自己选入了一个死亡率通常低于一般公众的组别。

3. 死亡率趋同 (Mortality Convergence)

随着时间的推移，“被选中”群体与一般人口之间的差异开始消失。这被称为死亡率趋同。最终，你在 30 年前通过了体检这一事实，并不会让你比今天同龄的其他人在健康上更有优势。大自然规律最终会赶上每一个人！

4. 减损的选择性效应 (The Selective Effect of Decrements)

减损 (Decrement) 只是某人离开数据集的一种方式（例如：死亡、退保）。减损对留在数据集中的人会产生“选择性效应”。
例子： 如果所有健康的人都因为在别处找到了更便宜的方案而“退保”（取消保单），那么留在保险池里的人将是那些因为病太重而无法在其他地方获得保险的人。这会使剩余群体的死亡率远高于预期。

风险分类：解决问题的方法

为了应对异质性和选择问题，精算师使用风险分类 (Risk Classification)。这是将具有相似特征的风险进行分组的过程，以确保公平性和财务稳定性。

为什么我们需要不同的死亡率表？

你不能对每种产品都使用相同的死亡率表。例如：

  • 人寿保险： 我们需要基于“受保生命”（经过核保的人）的表格。这些人的死亡率通常低于一般公众。
  • 养老金领取者： 我们需要为已达到退休年龄的人准备表格。这些人通常死亡率较低（寿命较长），因为他们活得够久才能退休，且往往来自较高的社会经济背景。

重点总结： 对特定的受保生命群体使用“一般人口”表是一个常见错误。你必须将表格与正在建模的特定生命类别相匹配。

常见陷阱及如何避免

如果觉得这些内容很难兼顾，请不要担心。以下是考试中需要记住的几点：

  • 混淆异质性与选择： 请记住，异质性是指世界上既存的差异，而选择是指将特定人群带入你的数据集的过程。
  • 忽视“健康参与者”效应： 始终考虑你数据中的人是否可能比平均水平更健康（例如，因为他们有工作或负担得起保险）。
  • 数据分组： 如果你的数据组太小，结果将会非常“波动”（跳动很大）。目标是实现“最佳同质性”——在群体相似性与群体规模足以令人信赖之间取得最佳平衡。

快速复习清单

异质性 (Heterogeneity)： 人口内部的差异（年龄、性别、地区、吸烟状况）。
暂时性初期选择 (Temporary Initial Selection)： 由于核保，新受保人士在健康状况上看到的暂时性提升。
类别选择 (Class Selection)： 基于人的类别（如社会阶层）而产生的风险差异。
减损 (Decrements)： 如退保等事件，可能会改变剩余群体的健康特征。
趋同 (Convergence)： 不同群体的死亡率随年龄增长最终会汇合的过程。

注：如需进一步了解这些假设如何应用于更广泛的精算流程，请参阅“设定假设”(Setting assumptions) 和“负债估值”(Valuation of liabilities) 章节。