欢迎来到多重减损（Multiple Decrements）的世界！

在早期的精算学习中（例如 FAM-L），你主要处理的模型中，一个人通常只有一种状态变化：活着或死亡。但在现实世界中，情况要复杂得多！人们离开退休金计划不仅仅是因为死亡；他们可能会退休、伤残或单纯辞职。

在本章中，我们将探讨多重减损模型 (Multiple Decrement Models)。你可以把它们看作是一种追踪群体中所有不同“出口”的方式。理解这一点对于 Exam ALTAM 至关重要，因为几乎每一种退休金或保险产品都涉及多种导致保单终止的原因。如果刚开始看到一大堆符号感到头晕，别担心——我们会一步步为你拆解！

1. 总览：什么是多重减损表？

想象一个装有 10,000 名新进员工的“漏水桶”。水可以通过三个不同的孔流出：
1. 孔 1：死亡
2. 孔 2：退休
3. 孔 3：辞职

多重减损表 (Multiple Decrement Table, MDT) 能帮助我们计算在所有孔洞同时开启的情况下，某人于特定时间内从“特定”孔洞离开的概率。

需要记住的关键符号：
  • \(l_x^{(\tau)}\)：在 \(x\) 岁时存活/在职的总人数。上标 \((\tau)\) 代表“总计 (total)”。
  • \(d_x^{(j)}\)：在 \(x\) 岁至 \(x+1\) 岁之间，因原因 \(j\) 而离开的人数。
  • \(q_x^{(j)}\)：一名 \(x\) 岁的人在一年内因原因 \(j\) 而离开的概率。
  • \(q_x^{(\tau)}\)：因任何原因而离开的总概率。

快速回顾：就像单一寿险模型一样，所有特定减损之和等于总减损：
\(q_x^{(\tau)} = \sum_{j=1}^m q_x^{(j)}\)
而生存则是相反：\(p_x^{(\tau)} = 1 - q_x^{(\tau)}\)。

2. 减损强度 (Force of Decrement)

在单一寿险模型中，我们有死亡强度 (\(\mu_x\))。在多重减损模型中，我们针对每一种原因都有一个减损强度。

在 \(x\) 岁时的总减损强度，仅仅是各别强度的总和：
\(\mu_x^{(\tau)} = \mu_x^{(1)} + \mu_x^{(2)} + ... + \mu_x^{(m)}\)

重要公式：若要计算 \(t\) 年内存活于所有原因（即未离开）的概率：
\({}_t p_x^{(\tau)} = e^{-\int_0^t \mu_{x+s}^{(\tau)} ds}\)

类比：想象你正走过一片场地，有许多人同时在向你投掷水球。你“被打湿的强度”就是每个人同时向你投掷的准确度与速度的总和。

常见错误提醒！

学生常以为因为 \(\mu_x^{(\tau)}\) 是各别强度的总和，所以 \(p_x^{(\tau)}\) 也应该是各别概率的总和。这是错的！概率不能那样相加。只有强度和年内 q 值（在同一年内）具有可加性。

3. 单一减损模型（“关联”表）

这通常是本章中最棘手的部分。我们有时会问：“如果死亡是唯一的离开方式，死亡概率会是多少？”（即假设我们堵住了水桶上的退休和辞职孔洞）。

这种“如果......会怎样”的情境称为关联单一减损表 (Associated Single Decrement Table, ASDT)。我们使用“撇号 (prime)”符号来表示：
\(q_x^{'(j)}\) = 若原因 \(j\) 是作用于群体中的唯一原因时，发生减损 \(j\) 的概率。

为什么我们要在意这个？

通常数据是以“单一”格式收集的（例如标准生命表）。但当我们建立退休金模型时，我们需要将死亡数据与“离职”数据“混合”。我们运用数学将这些独立的“撇号”比率转换为 MDT 中看到的“多重”比率。

4. 在“撇号”与“多重”比率间进行转换

如何转换取决于我们对年度内所发生情况的假设。

假设 A：常数减损强度 (Constant Forces of Decrement)

如果我们假设对于每个 \(j\)，强度 \(\mu_{x+s}^{(j)}\) 在一年内为常数，则关系为：
\(q_x^{(j)} = \frac{\mu^{(j)}}{\mu^{(\tau)}} \cdot q_x^{(\tau)}\)

这是考试中非常受欢迎的捷径！它说明了原因 \(j\) 根据其相对强度，分摊了总离开人数中的“合理份额”。

假设 B：单一减损表内的减损均匀分布 (UDD)

如果我们假设每个原因 \(j\) 在其自身的单一减损表中呈均匀分布，我们使用此公式（以两个原因 1 和 2 为例）：
\(q_x^{(1)} = q_x^{'(1)} [1 - \frac{1}{2} q_x^{'(2)}]\)

等等，这是什么意思？让我们从逻辑上看。MDT 中因原因 1 而离开的概率 (\(q_x^{(1)}\))，等于在原因 1 独自存在的世界中的离开概率 (\(q_x^{'(1)}\))，减去那些本应因原因 1 而离开，但却在该年较早时间已因原因 2 而离开的人。

记忆辅助：在 UDD 假设下，原因 1 “损失”了一半本应因原因 2 而离开的人，因为平均而言，人们在年中就会因原因 2 离开。

5. 一步步解决典型问题

如果刚开始觉得难也不要担心！看到“转换”问题时，请遵循以下步骤：

  1. 确定目标：你是要从“撇号 (prime)”转向“多重 (multiple)”，还是反过来？
  2. 确定假设：寻找“常数强度”或“单一减损表内的 UDD”等关键字。
  3. 找出总数：先计算 \(p_x^{(\tau)}\) 或 \(q_x^{(\tau)}\)。
    回忆：\(p_x^{(\tau)} = p_x^{'(1)} \cdot p_x^{'(2)} \cdot ... \cdot p_x^{'(m)}\)
  4. 套用转换公式：使用常数强度比例或 UDD 公式来求出你所需的特定 \(q_x^{(j)}\)。

6. 总结与关键要点

多重减损处理的是竞争风险。如果你已经死亡，就不可能退休了！

  • 总强度：\(\mu_x^{(\tau)} = \sum \mu_x^{(j)}\)。
  • 总生存率：\(p_x^{(\tau)} = \prod p_x^{'(j)}\)。（将各别生存概率相乘）。
  • “撇号”(\(q_x^{'(j)}\))：若无其他原因存在时的“纯”概率。
  • “多重”(\(q_x^{(j)}\))：在所有原因同时发生的世界中的“实际”概率。

你知道吗？精算师不仅将这些模型用于保险，还用于预测租赁车队在被出售、撞毁或机械故障前能使用多久！

快速复习箱

1. \(\sum q_x^{(j)} = q_x^{(\tau)}\)（特定概率相加等于总概率）。
2. \(p_x^{'(1)} \cdot p_x^{'(2)} = p_x^{(\tau)}\)（各别生存率相乘等于总生存率）。
3. 务必检查题目问的是强度 (force)、独立比率 (prime) 还是 相依比率 (multiple)。

你一定能做到！多重减损的数学精髓就在于弄清楚数据是从哪个“孔洞”流失的。多练习几个转换题目，这些符号就会变成你的本能！