4. 生命表构建
生命表是长寿风险建模的“底层数据结构”。无论是评估养老金负债、定价年金产品，还是校准死亡率改善模型，最终都要落到一张能回答“某人在某年龄活到下一年的概率是多少、还能活多久”的表上。本节从生命表函数出发，串联年龄别死亡率、生存概率与期望寿命的计算逻辑，并重点辨析时期生命表与队列生命表的差异。
一、核心原理：生命表函数体系
生命表以一批同时出生的人（通常设为 l₀ = 100000）为起点，追踪其随年龄递减的存活过程。核心函数包括：
- lₓ：活到确切年龄 x 岁的人数，是生命表的“骨架”。
- dₓ：x 岁到 x+1 岁之间的死亡人数，满足
dₓ = lₓ − lₓ₊₁。 - qₓ：年龄别死亡率，即 x 岁存活者在一年内死亡的概率，
qₓ = dₓ / lₓ。 - pₓ：生存概率，
pₓ = 1 − qₓ = lₓ₊₁ / lₓ。 - Lₓ：x 到 x+1 岁之间的“人年数”，反映该年龄段的平均存活时长。
- Tₓ：x 岁以后的总人年数，
Tₓ = Σ Lₓ。 - eₓ：x 岁时的期望寿命，
eₓ = Tₓ / lₓ。
这些函数并非独立，而是层层递推：由 qₓ 推出 pₓ，由 pₓ 推出 lₓ，由 lₓ 推出 dₓ 与 Lₓ，最终得到 eₓ。理解这条链条，才能在建模中定位参数误差的传导路径。
二、方法流程：从原始数据到生命表
构建一张可用的生命表，通常遵循以下步骤：
- 数据准备：收集分年龄的死亡人数 Dₓ 与暴露人口 Eₓ（或年中人口）。
- 计算中心死亡率：
mₓ = Dₓ / Eₓ，这是最直接的观测指标。 - 转换为 qₓ：常用假设为死亡均匀分布，
qₓ = mₓ / (1 + 0.5·mₓ)；若采用其他分布假设，需调整转换公式。 - 递推 lₓ：设定
l₀ = 100000，逐龄计算lₓ₊₁ = lₓ · (1 − qₓ)。 - 计算 Lₓ 与 Tₓ：
Lₓ ≈ (lₓ + lₓ₊₁) / 2，高龄段需做开口处理；Tₓ由高龄向低龄累加。 - 求 eₓ：
eₓ = Tₓ / lₓ，得到各年龄期望余命。
三、案例场景：时期生命表与队列生命表的对比
假设我们要为某养老金计划评估 65 岁男性的期望余命。若使用 2020 年时期生命表，得到的是“如果 2020 年的分年龄死亡率在未来保持不变，当前 65 岁人群平均还能活多久”。但现实中死亡率逐年改善，真实队列的寿命会高于时期生命表的估计。
| 对比维度 | 时期生命表 | 队列生命表 |
|---|---|---|
| 数据口径 | 某一日历年或时期的分年龄死亡率 | 某一出生队列一生经历的分年龄死亡率 |
| 核心假设 | 死亡率保持不变 | 死亡率随日历年份真实变化 |
| 65 岁 eₓ 示例 | 约 18.5 年 | 约 22.3 年（含改善） |
| 主要用途 | 年度死亡率水平比较、短期评估 | 长寿风险建模、养老金负债评估 |
| 数据可得性 | 高，当年即可编制 | 低，需等待队列完整消亡 |
上表揭示了一个关键事实：时期生命表会系统性低估长寿风险。在养老金和年金定价中，若直接使用时期生命表而不做死亡率改善调整，可能导致准备金不足。实务中常用“时期生命表 + 死亡率改善因子”来近似队列生命表的效果。
四、误区与复盘
误区一：把 mₓ 直接当作 qₓ。中心死亡率 mₓ 的分母是平均暴露人口，qₓ 的分母是期初存活人数，两者在死亡率较高时差异显著。忽略转换会高估 qₓ，进而低估 eₓ。
误区二：用时期生命表的 eₓ 直接做长期负债评估。时期生命表假设死亡率不变，而长寿风险的核心恰恰是死亡率持续改善。正确做法是引入队列效应或死亡率改善模型。
误区三：忽视高龄段外推方法的选择。85 岁以上数据稀疏，不同外推模型（Gompertz、Kannisto、Logistic）对 e₆₅ 的影响可达 1–2 年，必须做敏感性分析。
复盘建议：构建生命表后，至少做三项校验——与权威生命表（如 CL2015 或国民生命表）对比 qₓ 曲线形态；检查 lₓ 是否单调递减；验证 e₀ 与 e₆₅ 是否落在合理区间。只有通过校验的生命表，才能作为死亡率改善模型的输入基础。
# 生命表核心计算伪代码
l[0] = 100000
for x in range(0, omega):
q[x] = m[x] / (1 + 0.5 * m[x]) # 中心死亡率转死亡概率
p[x] = 1 - q[x]
l[x+1] = l[x] * p[x]
d[x] = l[x] - l[x+1]
L[x] = (l[x] + l[x+1]) / 2 # 0岁组需调整
T[omega] = L[omega]
for x in range(omega-1, -1, -1):
T[x] = T[x+1] + L[x]
e[x] = T[x] / l[x]
掌握生命表构建，等于掌握了长寿风险建模的“度量衡”。后续的死亡率改善模型、随机死亡率模型，都是在生命表函数体系上的扩展与动态化。