歡迎來到 Woolhouse 的世界！
在精算科學的領域中，我們處理的數據通常是以整齊的「年度」為單位。然而，現實世界往往並非如此。人們每個月支付保費，養老金也通常按月發放。在不進行繁瑣複雜的微積分運算下，我們該如何彌補「每年一次」與「每年多次」之間的落差呢？這正是 Woolhouse 近似法 (Woolhouse approximations) 大顯身手的時候！
在本章中，我們將專注於如何將這些近似法應用於狀態相依保險 (State-Dependent Coverages)（例如多狀態模型）。你可以將 Woolhouse 想像成一種精算界的「橋樑」，幫助我們以極高的精確度，從年度數值轉換為期間數值。
第一部分：基本概念——為什麼需要近似法？
當我們計算年金的精算現值 (EPV) 時，符號 \(\ddot{a}_x\) 代表在每年年初支付。但如果支付頻率是每年 \(m\) 次呢？我們將其稱為 \(\ddot{a}_x^{(m)}\)。
要精確計算 \(\ddot{a}_x^{(m)}\)，需要知道一年中每一個微小分段的生存機率。在多狀態模型 (Multi-State Model) 中，情況更為複雜，因為你必須追蹤每一時刻處於特定狀態的機率。Woolhouse 提供了一個捷徑，只需利用年度數據和幾個「調整係數」即可完成計算。
生活化類比
想像你在爬樓梯。如果你每一層樓只跨一大步，這就像年度年金 (\(m=1\))；如果你每一層樓跨十二小步，這就像月付年金 (\(m=12\))。Woolhouse 公式就像一個數學上的「平滑工具」，讓我們只需根據大步的跨度，就能估算出小步所累積的總體力消耗。
第二部分：二項 Woolhouse 公式
二項 Woolhouse (Two-Term Woolhouse) 是較簡化的版本。它假設死亡（或狀態轉移）在一年中大致均勻分佈，但它比標準的「死亡均勻分佈 (UDD)」假設更為精細。
對於處於狀態 \(i\) 的人士，期初年金的近似公式為：
\[\ddot{a}_x^{i(m)} \approx \ddot{a}_x^i - \frac{m-1}{2m}\]
拆解公式組成：
1. \(\ddot{a}_x^i\)：這是目前處於狀態 \(i\) 的人士之年度年金價值。
2. \(\frac{m-1}{2m}\)：這是「調整係數」。它代表了由於每年支付 \(m\) 次而非一次，平均而言，你會損失約半個支付期的利息和生存保障。
小貼士：常見的 \(m\) 值
通常考試會用到：
- 月付： \(m=12\)。調整項為 \(\frac{11}{24} \approx 0.4583\)。
- 季付： \(m=4\)。調整項為 \(\frac{3}{8} = 0.375\)。
- 連續支付： 當 \(m \to \infty\)，調整項即為 \(1/2\) 或 \(0.5\)。
重點總結： 二項公式非常易用，因為它僅取決於每年支付次數 (\(m\))。它完全不需考慮利率或死亡率！
第三部分：三項 Woolhouse 公式
有時候，「差不多」是不夠的。如果利率很高，或者離開某個狀態的機率變化劇烈，二項版本可能會有些許誤差。三項 Woolhouse (Three-Term Woolhouse) 加入了第三項來提高精確度。
多狀態模型的公式如下：
\[\ddot{a}_x^{i(m)} \approx \ddot{a}_x^i - \frac{m-1}{2m} - \frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\]
等等，這些新符號是什麼？
- \(\delta\)：利息力 (Force of interest)（記得：\(\delta = \ln(1+i)\)）。
- \(\mu_x^{i\bullet}\)：這是離開狀態 \(i\) 的總轉移力 (Total force of transition)。在 ALTAM 中，這代表將所有離開當前狀態的轉移力加總：\(\mu_x^{i\bullet} = \sum_{j \neq i} \mu_x^{ij}\)。
別擔心，這看起來有點棘手！
將第三項想像成「曲線修正」。\((\mu_x^{i\bullet} + \delta)\) 這一項考慮了由於人們離開狀態（死亡或轉移）以及貨幣的時間價值，導致年金價值下降的速度。
速查表
二項： 調整量 = \(\frac{m-1}{2m}\)
三項： 調整量 = \(\frac{m-1}{2m} + \frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\)
（注意：在上面的公式中，第三項是減去的。請務必小心正負號！）
第四部分：應用於狀態相依保險
在 ALTAM 考試中，你不僅僅是觀察單個人的生死，而是觀察不同的狀態（例如：健康、患病、死亡）。當將 Woolhouse 應用於這些模型時，有兩件大事要記住：
1. 使用正確的「離開力」(Force of Exit)：
如果你正在計算「患病」狀態下的年金，你的 \(\mu_x\) 必須包含轉移至「死亡」的力，以及轉移回「健康」的力（如果模型允許的話）。
2. 直接 vs. 間接：
Woolhouse 非常適合用於直接狀態年金（即處於狀態 \(i\) 時獲得支付）。若無進一步的修正，它通常不適用於「轉移給付」(Transition Benefits)（即狀態轉換時支付的整筆款項）。
你知道嗎？
Woolhouse 公式實際上源自 Euler-Maclaurin 公式，這是微積分中用於計算總和與積分之間差異的重型工具。精算師只是把嚇人的部分簡化了，好讓我們能順利通過考試！
第五部分：常見錯誤與避雷指南
即使是最優秀的學生也可能在細節上栽跟頭。請留意以下事項：
1. 搞混 \(\ddot{a}\) 與 \(a\)： Woolhouse 最常用於期初年金 (annuity-due)。如果考題要求的是期末年金 (\(a_x^{(m)}\))，請記住 \(a_x^{(m)} = \ddot{a}_x^{(m)} - \frac{1}{m}\)。
2. 忘記利息力： 在三項公式中，你需要的是 \(\delta\) (利息力)，而非 \(i\) (年有效利率)。如果考題給的是 \(i = 5\%\)，請使用 \(\ln(1.05) \approx 0.04879\)。
3. 忘記加總轉移力： 如果你處於狀態 1，並且可以轉移到狀態 2 或狀態 3，那麼你的 \(\mu_x^{1\bullet}\) 應該是 \(\mu_x^{12} + \mu_x^{13}\)。如果你遺漏了其中一條路徑，第三項就會算錯！
摘要清單
- 二項 Woolhouse： 從年度年金中減去 \(\frac{m-1}{2m}\)。
- 三項 Woolhouse： 額外減去 \(\frac{m^2-1}{12m^2} (\mu_x^{i\bullet} + \delta)\) 這一項。
- 狀態相依情境： 確保使用的 \(\mu\) 是所有離開當前狀態的力之總和。
- m 值： 月付用 12，季付用 4，半年付用 2。
繼續練習這些公式！一旦你背熟了調整項，這些題目在考試中就是「送分題」，因為它們遵循著非常可預測的規律。你可以做到的！