歡迎來到「狀態依賴保單價值」（State-Dependent Policy Values）的世界！
你好！既然你已經開始研讀 ALTAM 的內容，相信你對人壽保險和準備金（Reserves）已有相當程度的認識。在先前的學習中（例如 FAM-L），你可能已經學過如何為簡單的「生存或死亡」模型計算準備金。但真實世界遠比這複雜得多！人們不只是處於「健康」或「死亡」兩種狀態；他們可能會患病、康復、入住護理安養院或進入殘疾狀態。
在本章中，我們將探討狀態依賴保險的保單價值。你可以將「保單價值」想像成保險公司為了履行未來的所有承諾，扣除預期收取的未來保費後，當下必須持有的金額。「狀態依賴」的意思很簡單，就是這筆金額會隨著受保人當前的健康狀況或身份而改變。別擔心，即使這聽起來有些艱澀，我們將會把它拆解成容易理解的小單元！
1. 基本概念：什麼是狀態依賴保單價值？
在多狀態模型（Multi-state model）中，我們將一個人的生命歷程表示為一系列的「方格」（狀態）和「箭頭」（轉移）。在任何時間 \(t\)，保單價值完全取決於該人目前所處的「方格」。我們將時間 \(t\) 時處於狀態 \(j\) 的人的保單價值記為： \(V_t^{(j)}\)。
核心概念：
\(V_t^{(j)} = E[\text{未來支出的現值} - \text{未來收入的現值} | \text{時間 } t \text{ 時的狀態} = j]\)
現實生活中的類比： 想像你正在玩一款大富翁遊戲。你的「保單價值」就是為了完成遊戲，你需要預留的金額。如果你處於「健康」格，你可能只需要預留少量資金，因為你仍在工作並獲取收入。但如果你停在「醫院」格，你突然需要更多的錢，因為你需要支付醫療費且無法再賺取薪水。你需要準備多少錢，完全取決於你現在站在哪裡。
快速複習：狀態
- 狀態 \(j\)： 當前狀態（例如：健康）。
- 狀態 \(k\)： 未來可能進入的狀態（例如：殘疾）。
- 轉移（Transition）： 從 \(j\) 移動到 \(k\)。
關鍵要點： 我們會為受保人可能處於的每一個狀態分別計算保單價值。如果有 3 個狀態，在任何給定的時間 \(t\)，就會有 3 個潛在的保單價值。
2. 蒂勒微分方程（Thiele’s Differential Equation，連續時間模型）
如果時間是連續變動的，我們使用一個著名的工具，稱為蒂勒微分方程。這個方程式告訴我們保單價值在極短的時間內是如何變化的。
對於處於狀態 \(j\) 的受保人，其保單價值的變動率為：
\(\frac{d}{dt} V_t^{(j)} = \delta_t V_t^{(j)} + P_t^{(j)} - B_t^{(j)} - \sum_{k \neq j} \mu_t^{jk} (S_t^{jk} + V_t^{(k)} - V_t^{(j)})\)
拆解分析（「常識性」解釋）：
你的準備金變動量（\(\frac{d}{dt} V_t^{(j)}\)）等於：
- \(\delta_t V_t^{(j)}\)： 你在當前準備金上賺取的利息。
- \(P_t^{(j)}\)： 你在狀態 \(j\) 期間收取的保費。
- \(- B_t^{(j)}\)： 你在受保人處於狀態 \(j\) 期間支付的福利金（如年金）。
- \(- \sum \mu_t^{jk} (S_t^{jk} + V_t^{(k)} - V_t^{(j)})\)： 這是「轉移淨成本」。它是轉移到狀態 \(k\) 的機率（\(\mu_t^{jk}\)）乘以該次轉移的「額外」成本。
什麼是「額外成本」？
當某人從狀態 \(j\) 轉移到狀態 \(k\) 時，保險公司：
- 支付一筆一次性給付金： \(S_t^{jk}\)
- 必須開始為新狀態持有準備金： \(V_t^{(k)}\)
- 不再需要為舊狀態持有準備金： \(- V_t^{(j)}\)
項次 \((S_t^{jk} + V_t^{(k)} - V_t^{(j)})\) 通常被稱為該轉移的淨危險金額（Net Amount at Risk）。
常見錯誤警示： 學生常會忘記計入保單價值的變動（\(V_t^{(k)} - V_t^{(j)}\)），而只關注一次性給付 \(S_t^{jk}\)。請記住，保險公司的負債在狀態改變的瞬間就發生了變化！
關鍵要點： 蒂勒方程其實就是一個「現金流」平衡表。它追蹤進來的利息與保費，以及出去的福利金與轉移成本。
3. 離散時間遞迴公式
在許多考試題目中，狀態轉移只會在年末發生。這讓我們的計算變得簡單許多，因為我們可以使用逐步（遞迴）的方法，從保單結束期開始往回推算。
如果我們已知時間 \(t+1\) 的保單價值，則時間 \(t\) 的價值為：
\(V_t^{(j)} = v \left[ \sum_{k} p_{t}^{jk} (V_{t+1}^{(k)} + S_{t+1}^{jk}) + B_{t+1}^{(j)} \right] - P_t^{(j)}\)
（註：保費和福利金的具體放置位置，取決於它們是在期初還是期末支付。請務必仔細閱讀題目！）
邏輯： 要找出保單在今日的價值，我們需要計算「明年我會在哪裡？」以及「過程中我會支付/收到什麼？」，然後將其折現回今日。
離散問題的逐步解法：
- 從保單的最末端（時間 \(n\)）開始。通常保單價值為 \(0\)（除非有滿期給付或終期福利）。
- 計算該年的轉移機率（\(p_{t}^{jk}\)）。
- 使用遞迴公式往回推一年。
- 重複上述步驟，直到到達題目要求計算的時間 \(t\)。
你知道嗎？ 這正是博弈論中「反向歸納法」（Backward Induction）的運作方式。先釐清故事的結局，再一步步回推到開頭！
4. 特殊案例的保單價值（LTC 與殘疾保險）
ALTAM 考試非常喜歡考長期護理（LTC）和殘疾收入（DI）保險。這些是典型的多狀態模型。
範例：3 狀態殘疾模型
- 狀態 0： 活躍（健康）
- 狀態 1： 殘疾
- 狀態 2： 死亡
在此模型中：
- \(V_t^{(0)}\) 通常很小（甚至在早期可能是負值），因為受保人正在支付保費且處於健康狀態。
- \(V_t^{(1)}\) 通常非常大。為什麼？因為受保人目前處於殘疾狀態，保險公司正在支付福利金卻沒有收到保費。這對保險公司而言是一筆巨大的負債！
記憶輔助： 將 \(V^{(j)}\) 視為「狀態 \(j\) 的負擔」。如果處於狀態 \(j\) 對公司而言成本很高（例如殘疾），那麼保單價值就會很高。
5. 考試成功的重要提示
1. 注意時間點： 保費是在期初支付嗎？福利金是在轉移瞬間（連續）還是年末（離散）支付？這會稍微改變你的公式。
2. 機率總和： 請記住，從任何狀態 \(j\) 出發，所有轉移機率的總和必須等於 1： \(\sum_k p_t^{jk} = 1\)。這包括留在同一狀態的機率（\(p_t^{jj}\)）。
3. 邊界條件： 在保單結束時（\(t=T\)），保單價值 \(V_T^{(j)}\) 即為該時刻承諾的所有立即死亡給付或滿期給付的價值。如果沒有任何承諾，則 \(V_T^{(j)} = 0\)。
快速複習盒：
- 連續型： 使用蒂勒微分方程。
- 離散型： 使用遞迴（期望值）法。
- 淨危險金額： \(S + V_{new} - V_{old}\)。
- 目標： 在給定當前狀態下，找出未來的預期負債減去未來保費。
總結與關鍵重點
狀態依賴模型中的保單價值計算，其實就是你已學知識的延伸。其中的「訣竅」在於同時追蹤多個狀態。你不再只有一個準備金，而是有一個準備金向量——每一個可能的狀態對應一個準備金值。無論你是使用微分版本（蒂勒方程）還是離散版本，你其實就是在平衡現金收入與支出的天平。
如果剛開始覺得很難，別擔心！ 只要多練習為不同的狀態圖設置方程式，你就會越來越上手。你可以做到的！