優化中國人口老化的風險計算

正如每片烏雲都鑲有銀邊，保險商亦善於化危為機。人口老化是不少國家及地區正面臨的一個迫切問題，人們對保險及年金產品的需求有增無減，帶來了可觀的商機。

據Boston Consulting Group 於2024年發表的報告預測，中國作為高齡化速度最快的國家之一，其個人保險市場規模將由2021年的4萬億元人民幣（折合約5,530億美元），擴大至2035年的6.6萬億元至12.6萬億元人民幣；退休保險的市場佔有率則會由1%飆升至20%；醫療保險市佔率由27%升至35%以上。

而中國政府亦於本年初推出方案，鼓勵商業保險資金、基本養老保險基金、年金基金及財富管理基金等，以專業投資者身分參與上市公司的私人配售活動。此舉是當局為吸引長期資本入市、增加中國金融市場穩定性的策略之一。

然而，似是樂觀前景的背後，卻隱藏著一些根本挑戰。香港中文大學（中大）商學院金融學系譚炳照精算學教授李兆恆指出： 「中國的死亡率數據並非來自統一來源及統計方法，故欠缺一致性。」

生育率、人口淨遷移，以及死亡率都是決定人口數目及年齡結構的基本元素。不過，對金融及精算來說，死亡率比其他反映社會趨勢的人口統計指標更具意義。因為它能讓保險商及退休基金合理地為人壽保險產品、年金及退休金定價，並維持充足的準備金。

要運用死亡率預測，首要條件是確保其準確性，唯迄今為止，學界就建立可靠的預測模型所作出的嘗試寥寥無幾。因此，李教授聯同同系榮譽教授陳偉森、助理教授朱霄白，滑鐵盧大學副教授周千，以及香港大學副教授陳偉漢展開研究，題為《以貝氏定理建立一個預測中國人口死亡率之模型》。

「貝氏（Bayesian）是一種獨特的推論統計方法，我們可以納入和整合盡量多的資訊，克服數據來源不一的問題。」李教授表示：「保險及金融業需要這樣的模型來應對數據不齊全的問題。」

建立可靠死亡率模型的三個標準

如研究論文所述，中國缺乏1981年以前按年齡及性別區分的死亡率數據，而1981年至2014年的數據亦部分或完全缺失。再者，除了1981年、1989年、2000年及2010年的數據是從全中國人口普查中獲得，其餘數據都是來自中國一小部分人口的抽樣調查，所以要準確預測人口趨勢十分困難。

其他國家的數據或許也有類似情況，但李教授指出，中國龐大的人口規模令這問題在當地變得格外嚴峻。可靠的死亡率預測模型對於推動更具前瞻性的退休金政策、更健康的高齡化策略不可或缺，對於應付當前人口結構變化相當關鍵。

李教授強調，一個可靠的死亡率預測模型須符合三個標準：第一是盡量納入最多的數據，使模型充分使用所有可用資訊；第二是適當地提供不確定性，因為模型設計不僅要思考如何作出最準確預測，還要考慮可能出現的一系列偏差或不確定性。

這裡的不確定性是指模型計算結果的多變程度，即來源不一及有限數據而導致預計死亡率與預期之間出現的落差。李教授補充： 「對於精算師和保險公司而言，預期壽命的推算並非唯一重要的變數，圍繞該預測值的不確定性可能更為重要。利用貝氏統計方法，我們可以對不確定性進行量化。」

第三個標準是模型須精煉簡約，且在生物學上合理。模型基本上是現實的一個近似值，精煉簡約代表它是一個能夠涵蓋必要細節而不過於複雜的逼真模型；就生物學而言，合理的死亡率預測模型應該產生合理的結果，例如長者的死亡率應該高於年輕人。

更廣泛的市場應用

是次研究提出了一個針對中國全國人口的死亡率預測模型，李教授與他中大的同事隨後因應中國不同地區建立了一個進階版本。

事實上，這進階版模型已獲保險商用於在上海、北京、廣州、廈門等地成立的「持續照料退休社區」（Continuing Care Retirement Community ，CCRC)。CCRC是一個為長者提供住宿、醫療設施及服務、保安、社交活動、膳食、家務及健康計畫的社區。這概念在歐美已有逾百年歷史，近年亦開始在中國發展。

「我們的模型現已加入地域特性，用以預測中國各地城市對持續照料退休社區的需求，以及估計人們在這些社區居住的時間，」李教授說。

他認為這進階版模型對於「再保險」（Reinsurance）非常有用。賣出大量年金及其他保險產品的保險商一般通過向再保險公司投保來減輕所須承擔之風險。再保險公司的風險池自然會比主要保險商為大。風險池遍及中國不同地方的再保險商可運用李教授的模型，更好地分散風險。

李教授正進一步改善這個模型，納入更多可能影響平均壽命的因素，例如吸煙的普遍程度、生活方式及條件，有望提高預測的準確性。