欢迎来到 Woolhouse 的世界！
在精算科学的领域中，我们处理的数据通常是以整齐的“年度”为单位。然而，现实世界往往并非如此。人们每个月支付保费，养老金也通常按月发放。在不进行繁琐复杂的微积分运算下，我们该如何弥补“每年一次”与“每年多次”之间的落差呢？这正是 Woolhouse 近似法 (Woolhouse approximations) 大显身手的时候！
在本章中，我们将专注于如何将这些近似法应用于状态相依保险 (State-Dependent Coverages)（例如多状态模型）。你可以将 Woolhouse 想象成一种精算界的“桥梁”，帮助我们以极高的精确度，从年度数值转换为期间数值。
第一部分：基本概念——为什么需要近似法？
当我们计算年金的精算现值 (EPV) 时，符号 \(\ddot{a}_x\) 代表在每年年初支付。但如果支付频率是每年 \(m\) 次呢？我们将其称为 \(\ddot{a}_x^{(m)}\)。
要精确计算 \(\ddot{a}_x^{(m)}\)，需要知道一年中每一个微小分段的生存概率。在多状态模型 (Multi-State Model) 中，情况更为复杂，因为你必须追踪每一时刻处于特定状态的概率。Woolhouse 提供了一个捷径，只需利用年度数据和几个“调整系数”即可完成计算。
生活化类比
想象你在爬楼梯。如果你每一层楼只跨一大步，这就像年度年金 (\(m=1\))；如果你每一层楼跨十二小步，这就像月付年金 (\(m=12\))。Woolhouse 公式就像一个数学上的“平滑工具”，让我们只需根据大步的跨度，就能估算出小步所累积的总体力消耗。
第二部分：二项 Woolhouse 公式
二项 Woolhouse (Two-Term Woolhouse) 是较简化的版本。它假设死亡（或状态转移）在一年中大致均匀分布，但它比标准的“死亡均匀分布 (UDD)”假设更为精细。
对于处于状态 \(i\) 的人士，期初年金的近似公式为：
\[\ddot{a}_x^{i(m)} \approx \ddot{a}_x^i - \frac{m-1}{2m}\]
拆解公式组成：
1. \(\ddot{a}_x^i\)：这是目前处于状态 \(i\) 的人士之年度年金价值。
2. \(\frac{m-1}{2m}\)：这是“调整系数”。它代表了由于每年支付 \(m\) 次而非一次，平均而言，你会损失约半个支付期的利息和生存保障。
小贴士：常见的 \(m\) 值
通常考试会用到：
- 月付： \(m=12\)。调整项为 \(\frac{11}{24} \approx 0.4583\)。
- 季付： \(m=4\)。调整项为 \(\frac{3}{8} = 0.375\)。
- 连续支付： 当 \(m \to \infty\)，调整项即为 \(1/2\) 或 \(0.5\)。
重点总结： 二项公式非常易用，因为它仅取决于每年支付次数 (\(m\))。它完全无需考虑利率或死亡率！
第三部分：三项 Woolhouse 公式
有时候，“差不多”是不够的。如果利率很高，或者离开某个状态的概率变化剧烈，二项版本可能会有少许误差。三项 Woolhouse (Three-Term Woolhouse) 加入了第三项来提高精确度。
多状态模型的公式如下：
\[\ddot{a}_x^{i(m)} \approx \ddot{a}_x^i - \frac{m-1}{2m} - \frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\]
等等，这些新符号是什么？
- \(\delta\)：利息力 (Force of interest)（记得：\(\delta = \ln(1+i)\)）。
- \(\mu_x^{i\bullet}\)：这是离开状态 \(i\) 的总转移力 (Total force of transition)。在 ALTAM 中，这代表将所有离开当前状态的转移力加总：\(\mu_x^{i\bullet} = \sum_{j \neq i} \mu_x^{ij}\)。
别担心，这看起来有点棘手！
将第三项想象成“曲线修正”。\((\mu_x^{i\bullet} + \delta)\) 这一项考虑了由于人们离开状态（死亡或转移）以及货币的时间价值，导致年金价值下降的速度。
速查表
二项： 调整量 = \(\frac{m-1}{2m}\)
三项： 调整量 = \(\frac{m-1}{2m} + \frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\)
（注意：在上面的公式中，第三项是减去的。请务必小心正负号！）
第四部分：应用于状态相依保险
在 ALTAM 考试中，你不仅仅是观察单个人的生死，而是观察不同的状态（例如：健康、患病、死亡）。当将 Woolhouse 应用于这些模型时，有两件大事要记住：
1. 使用正确的“离开力”(Force of Exit)：
如果你正在计算“患病”状态下的年金，你的 \(\mu_x\) 必须包含转移至“死亡”的力，以及转移回“健康”的力（如果模型允许的话）。
2. 直接 vs. 间接：
Woolhouse 非常适合用于直接状态年金（即处于状态 \(i\) 时获得支付）。若无进一步的修正，它通常不适用于“转移给付”(Transition Benefits)（即状态转换时支付的整笔款项）。
你知道吗？
Woolhouse 公式实际上源自 Euler-Maclaurin 公式，这是微积分中用于计算总和与积分之间差异的重型工具。精算师只是把吓人的部分简化了，好让我们能顺利通过考试！
第五部分：常见错误与避雷指南
即使是最优秀的学生也可能在细节上栽跟头。请留意以下事项：
1. 搞混 \(\ddot{a}\) 与 \(a\)： Woolhouse 最常用于期初年金 (annuity-due)。如果考题要求的是期末年金 (\(a_x^{(m)}\))，请记住 \(a_x^{(m)} = \ddot{a}_x^{(m)} - \frac{1}{m}\)。
2. 忘记利息力： 在三项公式中，你需要的是 \(\delta\) (利息力)，而非 \(i\) (年有效利率)。如果考题给的是 \(i = 5\%\)，请使用 \(\ln(1.05) \approx 0.04879\)。
3. 忘记加总转移力： 如果你处于状态 1，并且可以转移到状态 2 或状态 3，那么你的 \(\mu_x^{1\bullet}\) 应该是 \(\mu_x^{12} + \mu_x^{13}\)。如果你遗漏了其中一条路径，第三项就会算错！
摘要清单
- 二项 Woolhouse： 从年度年金中减去 \(\frac{m-1}{2m}\)。
- 三项 Woolhouse： 额外减去 \(\frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\) 这一项。
- 状态相依情境： 确保使用的 \(\mu\) 是所有离开当前状态的力之总和。
- m 值： 月付用 12，季付用 4，半年付用 2。
继续练习这些公式！一旦你背熟了调整项，这些题目在考试中就是“送分题”，因为它们遵循着非常可预测的规律。你可以做到的！