引言：当两条生命相互连接时

欢迎来到 ALTAM 考纲中最实用的一章！到目前为止，你可能一直假设一个人的死亡与另一个人的死亡毫无关联。在精算界，我们称之为独立性 (independence)。但让我们面对现实：如果一对伴侣住在一起、吃同样的食物、搭乘同一辆车，他们的“未来寿命”很可能存在关联。

在本章中，我们将学习如何超越简单的独立性假设。我们将探讨如何为两条生命（通常记作 \(x\) 和 \(y\)）之间的依赖性 (dependence) 建立模型。理解这一点至关重要，因为如果我们忽略这些连接，可能会严重误报保险产品的定价，或低估退休基金的风险。别担心，即使起初看起来这部分“数学味”很重——我们将把它拆解开来，逐一攻破！

重点复习：请记住，\(T_x\) 和 \(T_y\) 是代表 \(x\) 和 \(y\) 剩余寿命的随机变量。当两者独立时，两人都存活的概率仅为 \(P(T_x > t) \times P(T_y > t)\)。但在本章中，这个简单的乘法法则将会升级！

依赖性的现实：为什么会发生？

在我们深入公式之前，让我们思考一下为什么这些寿命会相互依赖。在考试中，你可能会在定性问题中看到这些概念：

  • 共同环境 (Common Environment)： 住在同一屋檐下的伴侣会面临相同的风险，例如氡气、空气质量不佳，甚至只是因为饮食习惯相同。
  • 共同冲击 (Common Shocks)： 同时发生在两人身上的事件，例如车祸或自然灾害。
  • “心碎”综合征 (The "Broken Heart" Syndrome)： 从统计学上看，配偶的死亡往往会因为悲伤和生活方式的改变，而增加幸存伴侣的死亡风险。

你知道吗？ 精算师发现，对于许多联合人寿年金而言，“心碎”效应是一个非常真实的统计因素，保险公司必须将其纳入考虑，以确保偿付能力！

模型一：共同冲击模型 (Common Shock Model)

共同冲击模型是处理依赖性最直观的方式。想象有三个“时钟”在滴答作响。时钟 1 只会导致 \(x\) 死亡。时钟 2 只会导致 \(y\) 死亡。时钟 3 则导致 \(x\) 和 \(y\) 同时死亡。

共同冲击的数学原理

我们假设存在三个具有恒定死亡力（危险率）的独立死亡来源：

  1. \(\lambda_1\)：仅影响 \(x\) 的死亡力。
  2. \(\lambda_2\)：仅影响 \(y\) 的死亡力。
  3. \(\lambda_{12}\)：影响两者同时死亡的“共同冲击”死亡力。

\(x\) 的总死亡力为 \(\mu_x = \lambda_1 + \lambda_{12}\)。
\(y\) 的总死亡力为 \(\mu_y = \lambda_2 + \lambda_{12}\)。

联合生存状态 (joint life status)（即当第一个人死亡时结束）的生存函数为：
\(_{t}p_{xy} = P(T_x > t, T_y > t) = e^{-(\lambda_1 + \lambda_2 + \lambda_{12})t}\)

避免常见错误： 在计算联合生存死亡力 \(\mu_{xy}\) 时，不要只是简单地将 \(\mu_x + \mu_y\) 相加。如果你这样做，就重复计算了共同冲击 (\(\lambda_{12}\))！正确的联合死亡力应为：
\(\mu_{xy} = \lambda_1 + \lambda_2 + \lambda_{12} = \mu_x + \mu_y - \lambda_{12}\)。

关键重点：共同冲击

共同冲击模型增加了两条生命同时结束的概率，与独立模型相比，它降低了联合状态存活的概率。

模型二：Copula 模型 —— 数学上的“桥梁”

如果共同冲击模型是一把铁锤，那么 Copula 就是一把瑞士军刀。它们是一种更灵活的方式，将两个独立的（边际）分配连接成一个联合分配。

什么是 Copula？

将 Copula 想象成一份食谱。你有两种分开的配料（\(x\) 和 \(y\) 的生存概率），而 Copula 会告诉你如何将它们混合，以得出联合生存概率。

在数学上，对于生存函数 \(S_x(t) = P(T_x > t)\) 和 \(S_y(t) = P(T_y > t)\)，联合生存函数表示为：
\(S(t, u) = C(S_x(t), S_y(u))\)

其中 \(C\) 是 Copula 函数。在 ALTAM 考试中，你通常需要知道如何将数值代入题目提供的特定 Copula 公式中。

你可能会遇到的常见 Copula

虽然 Copula 有很多种，但考纲重点在于这些结构：

  1. 独立性 Copula (Independence Copula)： \(C(u, v) = uv\)。 (这就是我们熟悉的老朋友，直接相乘即可)。
  2. Gumbel Copula： 常用于模拟“上尾依赖性”(upper tail dependence)（即如果一个人活得很久，另一个人也很可能活得很久的情况）。
  3. Frank Copula： 适用于模拟从负相关到正相关的一系列依赖性。
  4. Clayton Copula： 专注于“下尾依赖性”(lower tail dependence)（即两人预期都会早逝时的连接关系）。

逐步教学：如何解决 Copula 问题
1. 使用提供的死亡表或公式，找出个人的生存概率 \(_{t}p_x\) 和 \(_{t}p_y\)。
2. 辨识题目中给出的 Copula 公式（例如 \(C(u, v) = \text{某个复杂函数}\)）。
3. 设定 \(u = _{t}p_x\) 以及 \(v = _{t}p_y\)。
4. 将 \(u\) 和 \(v\) 代入 Copula 公式以求出 \(_{t}p_{xy}\)。
5. 如果题目要求的是最后幸存者 (last survivor) 概率 (\(_{t}p_{\overline{xy}}\))，请记住基本恒等式：\(_{t}p_{\overline{xy}} = _{t}p_x + _{t}p_y - _{t}p_{xy}\)。

关键重点：Copula

Copula 让我们能够保留我们原本喜爱的个人死亡模型，但同时能以反映现实世界相关性的方式将它们结合起来。

常见陷阱与专业提示

1. 混淆 \(T_{xy}\) 与 \(T_{\overline{xy}}\)
请记住：\(T_{xy} = \min(T_x, T_y\))（当有人死亡时，联合生命状态结束）。
\(T_{\overline{xy}} = \max(T_x, T_y\))（当所有人都死亡时，最后幸存状态结束）。
依赖性通常对 \(T_{xy}\) 的影响比对个人生存概率的影响更显著。

2. “独立性假设”陷阱
务必仔细阅读题目。如果题目说“这些生命是独立的”，请使用乘法法则。如果题目提到“共同冲击”或“Copula”，你必须使用依赖性公式。

3. 逻辑检查
如果两条生命是正相关 (positively dependent)（倾向于一起死亡），那么他们两人都存活的概率 (\(_{t}p_{xy}\)) 将会比独立情况下更高。如果你在正相关模型中算出的数值低于独立结果，请务必重新检查你的计算！

重点复习小结

核心要点：
- 独立性： \(_{t}p_{xy} = _{t}p_x \times _{t}p_y\)
- 共同冲击： \(\mu_{xy} = \mu_x + \mu_y - \lambda_{12}\)
- Copula： \(_{t}p_{xy} = C(_{t}p_x, _{t}p_y)\)
- 最后幸存者： \(_{t}p_{\overline{xy}} = _{t}p_x + _{t}p_y - _{t}p_{xy}\)（无论生命是否独立，此公式皆适用！）

总结

在本章中，我们承认“现实世界”是复杂的，且生命之间往往存在连接。我们学习到共同冲击模型使用共享的危险率 (\(\lambda_{12}\)) 来表示同时死亡。我们也学习到 Copula 提供了一个灵活的数学框架，将边际生存函数连接为联合生存函数。只要掌握 \(_{t}p_{\overline{xy}}\) 的公式以及题目所给 Copula 的代数运算，你就已经在通过 ALTAM 考试这部分的道路上迈向成功了！