3. 生命表构建与解读

生命表是寿险精算与死亡风险分层的“底层数据契约”。它把一群人在各年龄的死亡概率、生存人数、死亡人数与预期余命，压缩成一张可计算、可比较、可审计的表格。理解生命表，关键不是背公式，而是看清每一列之间的递推关系，以及编制时对数据、假设和口径的选择。

一、生命表结构：各列含义与递推逻辑

一张标准生命表通常以年龄 x 为行索引，包含以下核心列：l_x（生存人数）、d_x（死亡人数）、q_x（死亡概率）、p_x（生存概率）、L_x（生存人年数）、T_x（累计生存人年数）、e_x（预期余命）。它们并非独立填写，而是由少数几个假设逐列推导出来。

理解这张表的关键是“从概率到人数、从人数到人年”的两级转换。q_x 是概率语言，l_x 和 d_x 是人数语言，L_x 和 T_x 是人年语言。寿险定价用 q_x 算赔付期望，年金用 L_x 算给付现值，而 e_x 则用于退休规划与长寿风险沟通。

二、编制方法：从原始数据到生命表

生命表编制通常遵循“数据准备—暴露量计算—死亡率估计—修匀与补全—表列推导”五步流程。核心难点在于暴露量（exposure）的准确计算，以及高龄段数据的修匀。

1. 数据准备：收集保单或人口数据，包括出生日期、进入观察期日期、死亡日期、退保或失效日期。关键字段是“观察起止时间”和“事件类型”。
2. 暴露量计算：对每个个体计算在观察期内处于风险状态的“人年数”。常用方法有精确暴露法、Actuarial 暴露法和 Census 法。暴露量是死亡率的“分母”。
3. 死亡率估计：中心死亡率 m_x = D_x / E_x，再转换为 q_x = m_x / (1 + 0.5 m_x)（在均匀死亡假设下）。
4. 修匀与补全：对高龄段（如 85 岁以上）数据稀疏，常用 Gompertz、Makeham 或 Lee-Carter 模型外推；对异常波动用移动平均或样条修匀。
5. 表列推导：选定 l_0（如 100000），按 l_{x+1} = l_x (1 - q_x) 递推，再计算 L_x、T_x、e_x。

三、选择与终极生命表：核保效应的时间衰减

寿险公司承保时经过核保筛选，被保险人的死亡率在保单初期显著低于普通人群，随后逐年上升，最终趋近于普通人群水平。这种“核保效应”导致生命表必须区分“选择期”和“终极期”。

选择生命表通常以“选择年龄 + 已承保年数”为索引，记作 q_{[x]+t}，其中 x 是承保年龄，t 是已承保年数。选择期一般为 5 至 15 年，之后进入终极生命表 q_{x+t}。选择生命表的特点是：同一 attained age（到达年龄）下，刚承保的人死亡率低于已承保多年的人。

选择生命表示例（承保年龄 40 岁）：
q_[40]+0 = 0.0008   （刚承保，核保效应最强）
q_[40]+1 = 0.0011
q_[40]+2 = 0.0015
q_[40]+3 = 0.0020
q_[40]+4 = 0.0026
q_[40]+5 = 0.0033   （进入终极期，与 q_45 接近）
q_45     = 0.0035   （终极生命表）

选择期长度取决于核保强度、产品类型和观察数据。定期寿险核保效应衰减较快，终身寿险和年金则较慢。实务中常用“选择因子”或“选择衰减系数”来简化表达。

四、案例与复盘：一张选择生命表的构建片段

假设某公司有 10 万份 40 岁新承保的终身寿险保单，观察 6 年。第一年死亡 80 人，暴露量 99500 人年；第二年死亡 110 人，暴露量 98000 人年。则：

m_[40]+0 = 80 / 99500 ≈ 0.000804
q_[40]+0 = 0.000804 / (1 + 0.5 × 0.000804) ≈ 0.000803

m_[40]+1 = 110 / 98000 ≈ 0.001122
q_[40]+1 ≈ 0.001121

若同期普通人群 40 岁死亡率 q_40 = 0.0015，则选择因子约为 0.000803 / 0.0015 ≈ 0.54，说明核保使第一年死亡率降低约 46%。随着 t 增大，选择因子逐渐趋近于 1。

复盘要点：第一，暴露量必须扣除退保和失效；第二，高龄段数据稀疏时不要强行用原始 q_x，应结合模型修匀；第三，选择期长度要有数据支持，不能凭经验随意设定；第四，生命表是动态工具，应定期用新数据更新，并做经验死亡率与预期死亡率的 A/E 分析。