引言：當兩條生命相互連結時

歡迎來到 ALTAM 考綱中最實用的一章！到目前為止，你可能一直假設一個人的死亡與另一個人的死亡毫無關聯。在精算界，我們稱之為獨立性 (independence)。但讓我們面對現實：如果一對伴侶住在一起、吃同樣的食物、搭乘同一輛車，他們的「未來壽命」很可能存在關聯。

在本章中，我們將學習如何超越簡單的獨立性假設。我們將探討如何為兩條生命（通常記作 \(x\) 和 \(y\)）之間的依賴性 (dependence) 建立模型。理解這一點至關重要，因為如果我們忽略這些連結，可能會嚴重誤報保險產品的定價，或低估退休基金的風險。別擔心，即使起初看起來這部分「數學味」很重——我們將會把它拆解開來，逐一攻破！

重點複習：請記住，\(T_x\) 和 \(T_y\) 是代表 \(x\) 和 \(y\) 剩餘壽命的隨機變數。當兩者獨立時，兩人都存活的機率僅為 \(P(T_x > t) \times P(T_y > t)\)。但在本章中，這個簡單的乘法法則將會升級！

依賴性的現實：為什麼會發生？

在我們深入公式之前，讓我們思考一下為什麼這些壽命會相互依賴。在考試中，你可能會在定性問題中看到這些概念：

  • 共同環境 (Common Environment)： 住在同一屋簷下的伴侶會面臨相同的風險，例如氡氣、空氣品質不佳，甚至只是因為飲食習慣相同。
  • 共同衝擊 (Common Shocks)： 同時發生在兩人身上的事件，例如車禍或自然災害。
  • 「心碎」症候群 (The "Broken Heart" Syndrome)： 從統計學上看，配偶的死亡往往會因為悲傷和生活方式的改變，而增加倖存伴侶的死亡風險。

你知道嗎？ 精算師發現，對於許多聯合人壽年金而言，「心碎」效應是一個非常真實的統計因素，保險公司必須將其納入考慮，以確保償付能力！

模型一：共同衝擊模型 (Common Shock Model)

共同衝擊模型是處理依賴性最直觀的方式。想像有三個「時鐘」在滴答作響。時鐘 1 只會導致 \(x\) 死亡。時鐘 2 只會導致 \(y\) 死亡。時鐘 3 則導致 \(x\) 和 \(y\) 同時死亡。

共同衝擊的數學原理

我們假設存在三個具有恆定死亡力（危險率）的獨立死亡來源：

  1. \(\lambda_1\)：僅影響 \(x\) 的死亡力。
  2. \(\lambda_2\)：僅影響 \(y\) 的死亡力。
  3. \(\lambda_{12}\)：影響兩者同時死亡的「共同衝擊」死亡力。

\(x\) 的總死亡力為 \(\mu_x = \lambda_1 + \lambda_{12}\)。
\(y\) 的總死亡力為 \(\mu_y = \lambda_2 + \lambda_{12}\)。

聯合生存狀態 (joint life status)（即當第一個人死亡時結束）的生存函數為：
\(_{t}p_{xy} = P(T_x > t, T_y > t) = e^{-(\lambda_1 + \lambda_2 + \lambda_{12})t}\)

避免常見錯誤： 在計算聯合生存死亡力 \(\mu_{xy}\) 時，不要只是簡單地將 \(\mu_x + \mu_y\) 相加。如果你這樣做，就重複計算了共同衝擊 (\(\lambda_{12}\))！正確的聯合死亡力應為：
\(\mu_{xy} = \lambda_1 + \lambda_2 + \lambda_{12} = \mu_x + \mu_y - \lambda_{12}\)。

關鍵重點：共同衝擊

共同衝擊模型增加了兩條生命同時結束的機率，與獨立模型相比，它降低了聯合狀態存活的機率。

模型二：Copula 模型 —— 數學上的「橋樑」

如果共同衝擊模型是一把鐵鎚，那麼 Copula 就是一把瑞士軍刀。它們是一種更靈活的方式，將兩個獨立的（邊際）分配連結成一個聯合分配。

什麼是 Copula？

將 Copula 想像成一份食譜。你有兩種分開的配料（\(x\) 和 \(y\) 的生存機率），而 Copula 會告訴你如何將它們混合，以得出聯合生存機率。

在數學上，對於生存函數 \(S_x(t) = P(T_x > t)\) 和 \(S_y(t) = P(T_y > t)\)，聯合生存函數表示為：
\(S(t, u) = C(S_x(t), S_y(u))\)

其中 \(C\) 是 Copula 函數。在 ALTAM 考試中，你通常需要知道如何將數值代入題目提供的特定 Copula 公式中。

你可能會遇到的常見 Copula

雖然 Copula 有很多種，但考綱重點在於這些結構：

  1. 獨立性 Copula (Independence Copula)： \(C(u, v) = uv\)。 (這就是我們熟悉的老朋友，直接相乘即可)。
  2. Gumbel Copula： 常用於模擬「上尾依賴性」(upper tail dependence)（即如果一個人活得很久，另一個人也很可能活得很久的情況）。
  3. Frank Copula： 適用於模擬從負相關到正相關的廣泛依賴性。
  4. Clayton Copula： 專注於「下尾依賴性」(lower tail dependence)（即兩人預期都會早逝時的連結關係）。

逐步教學：如何解決 Copula 問題
1. 使用提供的死亡表或公式，找出個人的生存機率 \(_{t}p_x\) 和 \(_{t}p_y\)。
2. 辨識題目中給出的 Copula 公式（例如 \(C(u, v) = \text{某個複雜函數}\)）。
3. 設定 \(u = _{t}p_x\) 以及 \(v = _{t}p_y\)。
4. 將 \(u\) 和 \(v\) 代入 Copula 公式以求出 \(_{t}p_{xy}\)。
5. 如果題目要求的是最後倖存者 (last survivor) 機率 (\(_{t}p_{\overline{xy}}\))，請記住基本恆等式：\(_{t}p_{\overline{xy}} = _{t}p_x + _{t}p_y - _{t}p_{xy}\)。

關鍵重點：Copula

Copula 讓我們能夠保留我們原本喜愛的個人死亡模型，但同時能以反映現實世界相關性的方式將它們結合起來。

常見陷阱與專業提示

1. 混淆 \(T_{xy}\) 與 \(T_{\overline{xy}}\)
請記住：\(T_{xy} = \min(T_x, T_y\)（當有人死亡時，聯合生命狀態結束）。
\(T_{\overline{xy}} = \max(T_x, T_y\)（當所有人都死亡時，最後倖存狀態結束）。
依賴性通常對 \(T_{xy}\) 的影響比對個人生存機率的影響更顯著。

2. 「獨立性假設」陷阱
務必仔細閱讀題目。如果題目說「這些生命是獨立的」，請使用乘法法則。如果題目提到「共同衝擊」或「Copula」，你必須使用依賴性公式。

3. 邏輯檢查
如果兩條生命是正相關 (positively dependent)（傾向於一起死亡），那麼他們兩人都存活的機率 (\(_{t}p_{xy}\)) 將會比獨立情況下更高。如果你在正相關模型中算出的數值低於獨立結果，請務必重新檢查你的計算！

重點複習小結

核心要點：
- 獨立性： \(_{t}p_{xy} = _{t}p_x \times _{t}p_y\)
- 共同衝擊： \(\mu_{xy} = \mu_x + \mu_y - \lambda_{12}\)
- Copula： \(_{t}p_{xy} = C(_{t}p_x, _{t}p_y)\)
- 最後倖存者： \(_{t}p_{\overline{xy}} = _{t}p_x + _{t}p_y - _{t}p_{xy}\)（無論生命是否獨立，此公式皆適用！）

總結

在本章中，我們承認「現實世界」是複雜的，且生命之間往往存在連結。我們學習到共同衝擊模型使用共享的危險率 (\(\lambda_{12}\)) 來表示同時死亡。我們也學習到 Copula 提供了一個靈活的數學框架，將邊際生存函數連結為聯合生存函數。只要掌握 \(_{t}p_{\overline{xy}}\) 的公式以及題目所給 Copula 的代數運算，你就已經在通過 ALTAM 考試這部分的道路上邁向成功了！