歡迎來到多重減損（Multiple Decrements）的世界！

在早期的精算學習中（例如 FAM-L），你主要處理的模型中，一個人通常只有一種狀態變化：活著或死亡。但在現實世界中，情況要複雜得多！人們離開退休金計劃不僅僅是因為死亡；他們可能會退休、傷殘或單純辭職。

在本章中，我們將探討多重減損模型 (Multiple Decrement Models)。你可以把它們看作是一種追蹤群體中所有不同「出口」的方式。理解這一點對於 Exam ALTAM 至關重要，因為幾乎每一種退休金或保險產品都涉及多種導致保單終止的原因。如果剛開始看到一大堆符號感到頭暈，別擔心——我們會一步步為你拆解！

1. 總覽：什麼是多重減損表？

想像一個裝有 10,000 名新進員工的「漏水桶」。水可以通過三個不同的孔流出：
1. 孔 1：死亡
2. 孔 2：退休
3. 孔 3：辭職

多重減損表 (Multiple Decrement Table, MDT) 能幫助我們計算在所有孔洞同時開啟的情況下，某人於特定時間內從「特定」孔洞離開的機率。

需要記住的關鍵符號：
  • \(l_x^{(\tau)}\)：在 \(x\) 歲時存活/在職的總人數。上標 \((\tau)\) 代表「總計 (total)」。
  • \(d_x^{(j)}\)：在 \(x\) 歲至 \(x+1\) 歲之間，因原因 \(j\) 而離開的人數。
  • \(q_x^{(j)}\)：一名 \(x\) 歲的人在一年內因原因 \(j\) 而離開的機率。
  • \(q_x^{(\tau)}\)：因任何原因而離開的總機率。

快速回顧：就像單一壽險模型一樣，所有特定減損之和等於總減損：
\(q_x^{(\tau)} = \sum_{j=1}^m q_x^{(j)}\)
而生存則是相反：\(p_x^{(\tau)} = 1 - q_x^{(\tau)}\)。

2. 減損強度 (Force of Decrement)

在單一壽險模型中，我們有死亡強度 (\(\mu_x\))。在多重減損模型中，我們針對每一種原因都有一個減損強度。

在 \(x\) 歲時的總減損強度，僅僅是各別強度的總和：
\(\mu_x^{(\tau)} = \mu_x^{(1)} + \mu_x^{(2)} + ... + \mu_x^{(m)}\)

重要公式：若要計算 \(t\) 年內存活於所有原因（即未離開）的機率：
\({}_t p_x^{(\tau)} = e^{-\int_0^t \mu_{x+s}^{(\tau)} ds}\)

類比：想像你正走過一片場地，有許多人同時在向你投擲水球。你「被打濕的強度」就是每個人同時向你投擲的準確度與速度的總和。

常見錯誤提醒！

學生常以為因為 \(\mu_x^{(\tau)}\) 是各別強度的總和，所以 \(p_x^{(\tau)}\) 也應該是各別機率的總和。這是錯的！機率不能那樣相加。只有強度和年內 q 值（在同一年內）具有可加性。

3. 單一減損模型（「關聯」表）

這通常是本章中最棘手的部分。我們有時會問：「如果死亡是唯一的離開方式，死亡機率會是多少？」（即假設我們堵住了水桶上的退休和辭職孔洞）。

這種「如果......會怎樣」的情境稱為關聯單一減損表 (Associated Single Decrement Table, ASDT)。我們使用「撇號 (prime)」符號來表示：
\(q_x^{'(j)}\) = 若原因 \(j\) 是作用於群體中的唯一原因時，發生減損 \(j\) 的機率。

為什麼我們要在意這個？

通常數據是以「單一」格式收集的（例如標準生命表）。但當我們建立退休金模型時，我們需要將死亡數據與「離職」數據「混合」。我們運用數學將這些獨立的「撇號」比率轉換為 MDT 中看到的「多重」比率。

4. 在「撇號」與「多重」比率間進行轉換

如何轉換取決於我們對年度內所發生情況的假設。

假設 A：常數減損強度 (Constant Forces of Decrement)

如果我們假設對於每個 \(j\)，強度 \(\mu_{x+s}^{(j)}\) 在一年內為常數，則關係為：
\(q_x^{(j)} = \frac{\mu^{(j)}}{\mu^{(\tau)}} \cdot q_x^{(\tau)}\)

這是考試中非常受歡迎的捷徑！它說明了原因 \(j\) 根據其相對強度，分攤了總離開人數中的「合理份額」。

假設 B：單一減損表內的減損均勻分佈 (UDD)

如果我們假設每個原因 \(j\) 在其自身的單一減損表中呈均勻分佈，我們使用此公式（以兩個原因 1 和 2 為例）：
\(q_x^{(1)} = q_x^{'(1)} [1 - \frac{1}{2} q_x^{'(2)}]\)

等等，這是什麼意思？讓我們從邏輯上看。MDT 中因原因 1 而離開的機率 (\(q_x^{(1)}\))，等於在原因 1 獨自存在的世界中的離開機率 (\(q_x^{'(1)}\))，減去那些本應因原因 1 而離開，但卻在該年較早時間已因原因 2 而離開的人。

記憶輔助：在 UDD 假設下，原因 1 「損失」了一半本應因原因 2 而離開的人，因為平均而言，人們在年中就會因原因 2 離開。

5. 一步步解決典型問題

如果剛開始覺得難也不要擔心！看到「轉換」問題時，請遵循以下步驟：

  1. 確定目標：你是要從「撇號 (prime)」轉向「多重 (multiple)」，還是反過來？
  2. 確定假設：尋找「常數強度」或「單一減損表內的 UDD」等關鍵字。
  3. 找出總數：先計算 \(p_x^{(\tau)}\) 或 \(q_x^{(\tau)}\)。
    回憶：\(p_x^{(\tau)} = p_x^{'(1)} \cdot p_x^{'(2)} \cdot ... \cdot p_x^{'(m)}\)
  4. 套用轉換公式：使用常數強度比例或 UDD 公式來求出你所需的特定 \(q_x^{(j)}\)。

6. 總結與關鍵要點

多重減損處理的是競爭風險。如果你已經死亡，就不可能退休了！

  • 總強度：\(\mu_x^{(\tau)} = \sum \mu_x^{(j)}\)。
  • 總生存率：\(p_x^{(\tau)} = \prod p_x^{'(j)}\)。（將各別生存機率相乘）。
  • 「撇號」(\(q_x^{'(j)}\))：若無其他原因存在時的「純」機率。
  • 「多重」(\(q_x^{(j)}\))：在所有原因同時發生的世界中的「實際」機率。

你知道嗎？精算師不僅將這些模型用於保險，還用於預測租賃車隊在被出售、撞毀或機械故障前能使用多久！

快速複習箱

1. \(\sum q_x^{(j)} = q_x^{(\tau)}\)（特定機率相加等於總機率）。
2. \(p_x^{'(1)} \cdot p_x^{'(2)} = p_x^{(\tau)}\)（各別生存率相乘等於總生存率）。
3. 務必檢查題目問的是強度 (force)、獨立比率 (prime) 還是 相依比率 (multiple)。

你一定能做到！多重減損的數學精髓就在於弄清楚數據是從哪個「孔洞」流失的。多練習幾個轉換題目，這些符號就會變成你的本能！