ยินดีต้อนรับสู่เรื่องการคำนวณเบี้ยประกันภัย!
ในบทนี้ เราจะเปลี่ยนผ่านจากการคำนวณ มูลค่า ของผลประโยชน์ในอนาคต มาเป็นการหาคำตอบว่าผู้ถือกรมธรรม์จะต้องจ่ายเงินเท่าไหร่เพื่อให้ได้ผลประโยชน์เหล่านั้น คิดเสียว่านี่คือ "แผนกตั้งราคา" ในโลกของนักคณิตศาสตร์ประกันภัย เราจะมาสำรวจวิธีการตั้งราคา 3 รูปแบบที่แตกต่างกัน ได้แก่ การตั้งราคาให้ยุติธรรมที่สุด (หลักความเท่าเทียม), การตั้งราคาให้ปลอดภัยสำหรับทั้งบริษัท (หลักเปอร์เซ็นไทล์ของพอร์ตโฟลิโอ), และการตั้งราคาเพื่อให้บริษัทได้กำไรตามเป้าหมาย (EPV ของกำไร)
ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ! แม้ว่าสัญลักษณ์ต่างๆ อาจจะดูเหมือนตัวอักษรยุ่งเหยิงไปหมด แต่วิชาที่ซ่อนอยู่ข้างใต้นั้นเป็นเพียงการสร้างสมดุลบนตาชั่งเท่านั้น มาเริ่มกันเลย!
1. หลักความเท่าเทียม (Equivalence Principle): การ "แลกเปลี่ยนที่เป็นธรรม"
หลักความเท่าเทียม (Equivalence Principle) เป็นแนวคิดที่สำคัญที่สุดในการตั้งราคาทางคณิตศาสตร์ประกันภัย โดยกล่าวว่า ณ ขณะที่ออกกรมธรรม์ มูลค่าปัจจุบันคาดหวังของสิ่งที่ลูกค้าจ่าย ต้องเท่ากับมูลค่าปัจจุบันคาดหวังของสิ่งที่ลูกค้าได้รับ
เรากำหนดตัวแปรสุ่มที่เรียกว่า ความเสียหาย ณ วันออกกรมธรรม์ (Loss-at-Issue: L) ซึ่งคำนวณได้ดังนี้:
\( L = PV(\text{Benefits}) + PV(\text{Expenses}) - PV(\text{Premiums}) \)
ภายใต้หลักความเท่าเทียม เราจะตั้งเบี้ยประกันภัยให้ มูลค่าคาดหวัง ของความเสียหายนี้เป็นศูนย์:
\( E[L] = 0 \)
ซึ่งเทียบเท่ากับการกล่าวว่า:
\( E[PV(\text{Premiums})] = E[PV(\text{Benefits})] + E[PV(\text{Expenses})] \)
เบี้ยประกันภัยสุทธิ (Net Premium) เทียบกับ เบี้ยประกันภัยรวม (Gross Premium)
เบี้ยประกันภัยมี "สองรูปแบบ" ที่คุณต้องรู้จัก:
1. เบี้ยประกันภัยสุทธิ (Net Premium): ไม่รวมค่าใช้จ่ายต่างๆ ครอบคลุมเฉพาะค่าผลประโยชน์เท่านั้น (เช่น \( P \cdot \ddot{a}_x = A_x \))
2. เบี้ยประกันภัยรวม (Gross Premium: G): รวมทุกอย่างไว้ด้วยกัน—ทั้งค่าผลประโยชน์และค่าใช้จ่ายในการดำเนินธุรกิจ (ค่าคอมมิชชัน, ภาษี, และค่าบริหารจัดการ)
ขั้นตอนการแก้สมการหาเบี้ยประกันภัย:
ในการหาเบี้ยประกันภัยโดยใช้หลักความเท่าเทียม ให้ทำตามขั้นตอนดังนี้:
1. เขียน มูลค่าปัจจุบันคาดหวังของผลประโยชน์ (EPV of Benefits) (เช่น \( A_x \) สำหรับกรมธรรม์ตลอดชีพ)
2. เขียน มูลค่าปัจจุบันคาดหวังของเบี้ยประกันภัย (EPV of Premiums) ในรูปของตัวแปรที่ไม่ทราบค่า (เช่น \( P \cdot \ddot{a}_x \))
3. เขียน มูลค่าปัจจุบันคาดหวังของค่าใช้จ่าย (EPV of Expenses) (ระวังเรื่องค่าใช้จ่าย "ปีแรก" เทียบกับค่าใช้จ่าย "ปีต่ออายุ"!)
4. นำมาตั้งสมการให้เท่ากัน: \( \text{Premiums} = \text{Benefits} + \text{Expenses} \)
5. แก้สมการหาค่าเบี้ยประกันภัย
คำแนะนำสั้นๆ: ตรวจสอบเสมอว่าเบี้ยประกันภัยจ่ายที่ ต้นปี (Annuity-due \( \ddot{a} \)) หรือ ปลายปี (Annuity-immediate \( a \)) ในข้อสอบ FAM เบี้ยประกันภัยมักจะจ่ายที่ต้นปีเสมอ!
สรุปประเด็นสำคัญ: หลักความเท่าเทียมหมายความว่า "โดยเฉลี่ยแล้ว บริษัทจะเท่าทุน ณ จุดเริ่มต้นของกรมธรรม์"
2. หลักเปอร์เซ็นไทล์ของพอร์ตโฟลิโอ (Portfolio Percentile Principle): "เบาะรองรับความปลอดภัย"
หากบริษัทเก็บเพียงเบี้ยประกันภัยตามหลักความเท่าเทียม บริษัทมีโอกาสประมาณ 50/50 ที่จะขาดทุนในพอร์ตโฟลิโอเนื่องจากความผันผวนของมรณกรรมแบบสุ่ม หลักเปอร์เซ็นไทล์ของพอร์ตโฟลิโอ จึงตั้งเบี้ยประกันภัยเพื่อให้บริษัทมีความน่าจะเป็นสูง (เช่น 95% หรือ 99%) ที่จะไม่เกิดการขาดทุนรวม
คณิตศาสตร์ของกรมธรรม์จำนวนมาก
แทนที่จะดูแค่คนเดียวแบบแยกส่วน เรามองเป็น พอร์ตโฟลิโอ (Portfolio) ของกรมธรรม์ที่เป็นอิสระต่อกัน \( n \) กรมธรรม์ ให้ \( S \) คือความเสียหายรวมในอนาคตสำหรับพอร์ตโฟลิโอ:
\( S = L_1 + L_2 + \dots + L_n \)
เราต้องการกำหนดเบี้ยประกันภัยที่ทำให้ความน่าจะเป็นที่พอร์ตโฟลิโอจะเกิดผลขาดทุนมีค่าไม่เกินความน่าจะเป็นเล็กๆ \( \alpha \) ที่กำหนดไว้ (เช่น \( \alpha = 0.05 \)):
\( \Pr(S > 0) \le \alpha \)
การใช้การประมาณค่าแบบปกติ (Normal Approximation)
เนื่องจากค่า \( n \) มักจะมีจำนวนมาก เราจึงใช้ ทฤษฎีขีดจำกัดส่วนกลาง (Central Limit Theorem) และประมาณค่า \( S \) ด้วยการแจกแจงปกติ (Normal Distribution) โดยมี:
ค่าเฉลี่ย: \( E[S] = n \cdot E[L] \)
ความแปรปรวน: \( Var(S) = n \cdot Var(L) \)
การทำให้เงื่อนไขความน่าจะเป็นเป็นมาตรฐาน (Standardizing) จะได้:
\( \Pr(S > 0) = \Pr\left(\frac{S - E[S]}{\sqrt{Var(S)}} > \frac{0 - E[S]}{\sqrt{Var(S)}}\right) \le \alpha \implies \frac{-E[S]}{\sqrt{Var(S)}} \ge z_{1-\alpha} \)
ซึ่งเทียบเท่ากับ:
\( -E[S] \ge z_{1-\alpha} \cdot \sqrt{Var(S)} \)
ขึ้นอยู่กับโครงสร้างของเบี้ยประกันภัย ซึ่งมักจะแก้สมการได้สองรูปแบบทั่วไปดังนี้:
1. กรณีเบี้ยประกันภัยจ่ายครั้งเดียว (Single Premium Case): หากมีการจ่ายเบี้ยประกันภัยครั้งเดียว \( U \) ต่อกรมธรรม์ (หรือเบี้ยประกันภัยรวม \( nU \)) ล่วงหน้า ให้ \( Y = \sum_{i=1}^n PV(\text{Benefits}_i) \) เป็นมูลค่าปัจจุบันรวมของผลประโยชน์ ความเสียหายรวมคือ \( S = Y - nU \) จากนั้น \( \Pr(Y > nU) \le \alpha \) ซึ่งนำไปสู่สูตรโดยตรงคือ:
\( \text{Total Single Premium} = nU = E[Y] + z_{1-\alpha} \cdot \sqrt{Var(Y)} \)
2. กรณีเบี้ยประกันภัยรายปี (Annual Premium Case): หากมีการจ่ายเบี้ยประกันภัยรายปี \( P \) ตลอดชีพ \( L_i = PV(\text{Benefits}_i) - P \cdot \ddot{a} \) ให้แทนค่า \( E[S] = n(E[PV(\text{Benefits})] - P \cdot \ddot{a}) \) และ \( \sqrt{Var(S)} = \sqrt{n \cdot Var(L)} \) ลงใน \( -E[S] = z_{1-\alpha} \sqrt{Var(S)} \) แล้วแก้สมการหาค่า \( P \)
การเปรียบเทียบ: ลองจินตนาการว่าคุณเป็นเจ้าภาพจัดงานปาร์ตี้ หลักความเท่าเทียมบอกว่าให้คุณสั่งพิซซ่าให้พอดีกับความหิวเฉลี่ย แต่หลักเปอร์เซ็นไทล์บอกว่าให้คุณสั่งเพิ่มอีกสองสามถาดเผื่อไว้ในกรณีที่แขกของคุณหิวมากกว่าปกติ คุณจะได้มีอาหารเพียงพอ!
รู้หรือไม่? เนื่องจาก \( \sqrt{Var(S)} = \sqrt{n} \cdot \sigma_L \) ส่วนเผื่อเพื่อความปลอดภัย (Safety Margin) ต่อกรมธรรม์จึงแปรผันตาม \( \frac{1}{\sqrt{n}} \) เมื่อขนาดพอร์ตโฟลิโอ \( n \) เพิ่มขึ้น ภาระความเสี่ยงที่ต้องการต่อหนึ่งกรมธรรม์จึงลดลง! นี่คือ กฎของจำนวนมาก (Law of Large Numbers) ที่กำลังทำงานอยู่
สรุปประเด็นสำคัญ: หลักการนี้คำนึงถึง ความเสี่ยง จากความผันผวนแบบสุ่ม ไม่ใช่แค่ ต้นทุนเฉลี่ย เท่านั้น
3. มูลค่าปัจจุบันคาดหวังของกำไร (EPV of Profit)
บริษัทประกันภัยจำเป็นต้องทำกำไรเพื่อสนับสนุนเงินกองทุนและดำรงความสามารถในการชำระหนี้ กำไร (Profit) ก็คือสิ่งที่ตรงข้ามกับ ความเสียหาย (Loss)
หากเรากำหนดให้ ตัวแปรสุ่มกำไร (\( Pr \)) คือ:
\( Pr = -L = PV(\text{Premiums}) - PV(\text{Benefits}) - PV(\text{Expenses}) \)
ดังนั้น EPV ของกำไร ก็คือมูลค่าคาดหวังของตัวแปรนั้นนั่นเอง: \( E[Pr] = -E[L] \)
การตั้งเป้าหมายกำไร
ในโจทย์สอบหลายข้อ คุณจะถูกขอให้หาเบี้ยประกันภัยที่ส่งผลให้ได้ อัตรากำไร (Profit Margin) ที่เฉพาะเจาะจง หรือ กำไรคาดหวัง (Expected Profit) ที่เฉพาะเจาะจง
ตัวอย่าง: "จงหาเบี้ยประกันภัยรวม \( G \) ที่ทำให้ EPV ของกำไรเท่ากับ 10% ของ EPV ของเบี้ยประกันภัยรวม"
สมการ: \( E[Pr] = 0.10 \cdot E[PV(\text{Gross Premiums})] \)
ซึ่งแปลงเป็น: \( E[PV(\text{Premiums})] - E[PV(\text{Benefits})] - E[PV(\text{Expenses})] = 0.10 \cdot E[PV(\text{Premiums})] \)
ข้อผิดพลาดทั่วไปที่ควรหลีกเลี่ยง:
1. ความแปรปรวนของ L: อย่าลืมว่า \( Var(L) = Var(PV(\text{Benefits}) - PV(\text{Premiums})) \) สำหรับผลประโยชน์คงที่ \( b \) และเบี้ยประกันภัยสุทธิคงที่ \( P \) บนกรมธรรม์ตลอดชีพ สูตรนี้จะลดทอนเป็น:
\( Var(L) = \left(b + \frac{P}{d}\right)^2 \left( ^2A_x - (A_x)^2 \right) \) อย่าลืมยกกำลังสองพจน์ \( (b + P/d) \) ด้วย!
2. ช่วงเวลา: ระวังค่าใช้จ่ายที่เกิดขึ้น "ณ วันที่ออกกรมธรรม์" (เวลา 0) เทียบกับค่าใช้จ่ายที่เกิดขึ้น "ณ ต้นปีแต่ละปี" หรือ "ณ สิ้นปีแต่ละปี"
3. อัตราดอกเบี้ย: สังเกตให้ดีว่าโจทย์กำหนด \( d \) (อัตราส่วนลด), \( v \) (ตัวคิดลด), หรือ \( i \) (อัตราดอกเบี้ยที่แท้จริงต่อปี) มาให้
สรุปประเด็นสำคัญ: กำไรคือ "ความเสียหายที่เป็นลบ" การตั้งเป้าหมายกำไรเป็นเพียงการสร้างสมการโดยกำหนดให้ \( E[L] = -\text{Target Profit} \)
กล่องสรุปทบทวนอย่างรวดเร็ว
• หลักความเท่าเทียม (Equivalence Principle): กำหนดให้ \( E[L] = 0 \) (EPV ของเบี้ยประกันภัย = EPV ของค่าใช้จ่ายและผลประโยชน์ที่ต้องจ่ายออกไป)
• ความเสียหาย ณ วันออกกรมธรรม์ \( L \): \( PV(\text{Benefits}) + PV(\text{Expenses}) - PV(\text{Premiums}) \)
• หลักเปอร์เซ็นไทล์ของพอร์ตโฟลิโอ: กำหนดให้ \( \Pr(S > 0) \le \alpha \) ซึ่งนำไปสู่ \( -E[S] = z_{1-\alpha} \cdot \sqrt{Var(S)} \) สำหรับเบี้ยประกันภัยจ่ายครั้งเดียว \( \text{Total Premium} = E[Y] + z_{1-\alpha} \cdot \sigma_Y \)
• การประมาณค่าแบบปกติ (Normal Approximation): \( E[S] = n E[L] \) และ \( Var(S) = n Var(L) \)
• เป้าหมาย EPV ของกำไร: กำหนดให้ \( E[Pr] = -E[L] = \text{Target} \)
ส่งท้าย: คุณกำลังสร้างรากฐานที่สำคัญสำหรับการสร้างแบบจำลองทางคณิตศาสตร์ประกันภัยระยะยาว! หมั่นฝึกฝนการเปลี่ยนไปมาระหว่างสูตรความเสียหายและสัญลักษณ์เงินงวด แล้วคุณจะเชี่ยวชาญบทนี้ได้อย่างมั่นใจ