孫翎 李光澤

摘 要：借鑒金融風(fēng)險(xiǎn)管理中VaR和CVaR模型對(duì)尾部風(fēng)險(xiǎn)的測(cè)量思路，通過(guò)構(gòu)建有限數(shù)據(jù)Lee-Carter死亡率預(yù)測(cè)模型，測(cè)算了人口的長(zhǎng)壽風(fēng)險(xiǎn)及其對(duì)基本醫(yī)療保險(xiǎn)統(tǒng)籌基金的沖擊效應(yīng)，結(jié)果表明：2015-2060年基本醫(yī)療保險(xiǎn)參保人群將面臨巨大的長(zhǎng)壽風(fēng)險(xiǎn)，極端情況下長(zhǎng)壽風(fēng)險(xiǎn)將給統(tǒng)籌基金收支結(jié)余超預(yù)期下降造成不容忽視的尾部損失;推遲退休年齡、提高生育率、調(diào)整個(gè)人賬戶和報(bào)銷比例、提高職工繳費(fèi)工資和控制住院費(fèi)用增長(zhǎng)均可以在一定程度上緩解長(zhǎng)壽風(fēng)險(xiǎn)的沖擊。建議明確政府在基本醫(yī)療保險(xiǎn)長(zhǎng)壽風(fēng)險(xiǎn)管理中的主導(dǎo)作用，構(gòu)建醫(yī)療、養(yǎng)老和長(zhǎng)期護(hù)理保險(xiǎn)的三險(xiǎn)聯(lián)動(dòng)保障機(jī)制。

關(guān)鍵詞： 長(zhǎng)壽風(fēng)險(xiǎn);基本醫(yī)療保險(xiǎn);VaR模型;CVaR模型;Lee-Carter模型

中圖分類號(hào)：F842.6 ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ?文章編號(hào)：1003-7217（2021）04-0039-09

一、引 言

長(zhǎng)壽風(fēng)險(xiǎn)是人口壽命超過(guò)預(yù)期值帶來(lái)的風(fēng)險(xiǎn)[1]。我國(guó)現(xiàn)有的基本醫(yī)療保險(xiǎn)制度（即城鎮(zhèn)職工基本醫(yī)療保險(xiǎn)制度，以下簡(jiǎn)稱“基本醫(yī)?！保┮?guī)定退休人員不繳費(fèi)，由在職人員的繳費(fèi)形成統(tǒng)籌基金，用于償付所有參保人員的醫(yī)療支出，在長(zhǎng)壽風(fēng)險(xiǎn)的沖擊下，該籌資機(jī)制將無(wú)可避免地導(dǎo)致繳費(fèi)人群占比越來(lái)越低，償付人群不僅占比越來(lái)越高并且享受醫(yī)保服務(wù)的時(shí)間越來(lái)越長(zhǎng)，原本建立在高生育率、低壽命背景下的基本醫(yī)保制度將面臨嚴(yán)峻的挑戰(zhàn)，探討長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金的沖擊效應(yīng)，有助于科學(xué)評(píng)估人口新形勢(shì)下基本醫(yī)保制度的可持續(xù)發(fā)展能力，具有重要的現(xiàn)實(shí)意義。

人口死亡率建模是長(zhǎng)壽風(fēng)險(xiǎn)度量的核心問(wèn)題，可選擇的建模方式分為確定型死亡率和隨機(jī)型死亡率兩類，以Lee-Carter模型（以下稱LC模型）為代表的隨機(jī)型死亡率模型，克服了確定型死亡率模型只考慮年齡效應(yīng)未考慮時(shí)間效應(yīng)的缺陷[2]，為了降低樣本量不足對(duì)預(yù)測(cè)結(jié)果造成的影響，有學(xué)者通過(guò)雙隨機(jī)過(guò)程提出了有限數(shù)據(jù)下的LC模型[3]。

國(guó)內(nèi)外學(xué)者非常關(guān)注商業(yè)年金、企業(yè)年金的長(zhǎng)壽風(fēng)險(xiǎn)管理，成果相對(duì)比較豐富。從理論層面來(lái)看包括：基于風(fēng)險(xiǎn)調(diào)查與償付能力評(píng)估模型測(cè)量長(zhǎng)壽風(fēng)險(xiǎn)對(duì)商業(yè)年金組合和企業(yè)年金系統(tǒng)的影響[4]，用破產(chǎn)概率的方法分析長(zhǎng)壽風(fēng)險(xiǎn)對(duì)年金資本需求的影響[5]，長(zhǎng)壽風(fēng)險(xiǎn)在保單貼現(xiàn)的應(yīng)用[6]，長(zhǎng)壽風(fēng)險(xiǎn)對(duì)企業(yè)年金繳費(fèi)率和資產(chǎn)配置的影響[7]，以及長(zhǎng)壽風(fēng)險(xiǎn)證券化、穩(wěn)健對(duì)沖與穩(wěn)健管理技術(shù)[8，9]。從實(shí)務(wù)操作層面來(lái)看，國(guó)外保險(xiǎn)公司推出了各種解決方案，包括附保證變額年金、長(zhǎng)期護(hù)理保險(xiǎn)、反向抵押貸款、自然對(duì)沖、長(zhǎng)壽風(fēng)險(xiǎn)再保險(xiǎn)和長(zhǎng)壽風(fēng)險(xiǎn)證券化等[10-13]。

類比于商業(yè)運(yùn)作的保險(xiǎn)基金，政府運(yùn)作的保險(xiǎn)基金同樣面臨的長(zhǎng)壽風(fēng)險(xiǎn)。國(guó)外學(xué)者認(rèn)為長(zhǎng)壽風(fēng)險(xiǎn)是養(yǎng)老金改革的三大重大問(wèn)題之一，與之相關(guān)的研究多以定性分析為主[14]，例如以新加坡養(yǎng)老金系統(tǒng)為例，探討了政府政策對(duì)長(zhǎng)壽風(fēng)險(xiǎn)管理的影響[15]。我國(guó)學(xué)者系統(tǒng)地分析了養(yǎng)老基金長(zhǎng)壽風(fēng)險(xiǎn)管理中存在的問(wèn)題[16]，認(rèn)為可通過(guò)大數(shù)法則消除預(yù)期死亡率水平帶來(lái)的基本養(yǎng)老保險(xiǎn)非系統(tǒng)性波動(dòng)，但無(wú)法解決預(yù)期壽命普遍延長(zhǎng)的系統(tǒng)性長(zhǎng)壽風(fēng)險(xiǎn)[17]，推進(jìn)我國(guó)養(yǎng)老保險(xiǎn)制度改革是管理與應(yīng)對(duì)長(zhǎng)壽風(fēng)險(xiǎn)的一個(gè)重要組成部分[18]。也有部分國(guó)內(nèi)學(xué)者利用在險(xiǎn)價(jià)值（Value at risk，VaR）模型定量測(cè)度了長(zhǎng)壽風(fēng)險(xiǎn)對(duì)我國(guó)城鎮(zhèn)職工基本養(yǎng)老保險(xiǎn)的沖擊效應(yīng)[7，17]。

結(jié)合現(xiàn)有研究的進(jìn)展和不足，本文選擇基本醫(yī)保統(tǒng)籌基金的收支結(jié)余額作為測(cè)算指標(biāo)，對(duì)基本醫(yī)保的長(zhǎng)壽風(fēng)險(xiǎn)展開(kāi)探索性研究，力求為基本醫(yī)保制度的可持續(xù)發(fā)展提供科學(xué)決策依據(jù)。在測(cè)量模型的選取上，現(xiàn)有文獻(xiàn)研究多數(shù)采用了VaR模型，條件VaR（Conditional VaR，以下簡(jiǎn)稱CVaR）模型可以克服單純采用VaR模型無(wú)法處理尾部風(fēng)險(xiǎn)的不足[19]，本文嘗試將CVaR模型引入長(zhǎng)壽風(fēng)險(xiǎn)與社會(huì)保險(xiǎn)基金風(fēng)險(xiǎn)管理領(lǐng)域，以期得到更加全面的測(cè)算結(jié)果。

二、研究設(shè)計(jì)與模型構(gòu)建

（一）概念界定與測(cè)算思路

本文將人口的長(zhǎng)壽風(fēng)險(xiǎn)定義為：在其他條件不變情況下，由于死亡率的超預(yù)期降低而導(dǎo)致的人口超預(yù)期增長(zhǎng)的數(shù)量。測(cè)算思路如下：在95%的置信水平下，綜合運(yùn)用有限數(shù)據(jù)下的LC模型、VaR模型和CVaR模型測(cè)算出死亡率的下界和期望值，利用年齡移算法分別推算出人口數(shù)量上界和期望值，上界與期望值之間的差值即為人口長(zhǎng)壽風(fēng)險(xiǎn)的預(yù)測(cè)結(jié)果。

將長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金的沖擊效應(yīng)界定為：在其他條件保持不變的情況下，由于基本醫(yī)保參保人口的死亡率超預(yù)期降低而導(dǎo)致統(tǒng)籌基金收支結(jié)余超預(yù)期下降的金額。測(cè)算思路如下：基于總?cè)丝陂L(zhǎng)壽風(fēng)險(xiǎn)預(yù)測(cè)出參保人口的長(zhǎng)壽風(fēng)險(xiǎn)，將預(yù)測(cè)結(jié)果代入統(tǒng)籌基金的收支模型中，得到統(tǒng)籌基金收支結(jié)余超預(yù)期下降的金額即為沖擊效應(yīng)的測(cè)算結(jié)果。

（二）有限數(shù)據(jù)下的LC死亡率預(yù)測(cè)模型

三、數(shù)據(jù)來(lái)源與參數(shù)設(shè)定

（一）測(cè)算區(qū)間與數(shù)據(jù)來(lái)源

選擇2010年作為基年，以2000-2015年的實(shí)際數(shù)據(jù)對(duì)關(guān)鍵參數(shù)的預(yù)測(cè)結(jié)果進(jìn)行校驗(yàn)，預(yù)測(cè)區(qū)間為2015-2060年。

與人口相關(guān)的數(shù)據(jù)來(lái)源于1990年、2000年、2010年《中國(guó)人口普查資料》和1995年、2005年、2015年《全國(guó)1%人口抽樣調(diào)查資料》。人口的年齡段區(qū)間選取0歲至100歲以上，100歲以下每個(gè)年齡為一組，100歲及以上記為一組，共101組。與收入相關(guān)的數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局官網(wǎng)公布的2000-2016年城鎮(zhèn)單位就業(yè)人員平均工資和國(guó)內(nèi)生產(chǎn)總值的數(shù)據(jù)。與醫(yī)保相關(guān)的數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局官網(wǎng)公布的2000-2016年“城鎮(zhèn)在職人員基本醫(yī)療保險(xiǎn)年末參保人數(shù)”和“城鎮(zhèn)退休人員基本醫(yī)療保險(xiǎn)年末參保人數(shù)”。與醫(yī)療相關(guān)的數(shù)據(jù)來(lái)源于歷年《中國(guó)衛(wèi)生服務(wù)調(diào)查研究》和《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》。

（二）與人口相關(guān)的參數(shù)設(shè)定

基于現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)，本文將出生男女性別比設(shè)為1.1∶1，極限生存年齡取100歲。

關(guān)于總和生育率的設(shè)定，將以2010年和2015年的平均總和生育率為基礎(chǔ)，結(jié)合《國(guó)家人口發(fā)展規(guī)劃（2016-2030年）》、2015年全面二胎政策以及全面放開(kāi)生育的政策預(yù)期，并參考2014年育齡婦女再生育意愿的調(diào)查數(shù)據(jù)[22]，對(duì)未來(lái)生育情況分高中低三個(gè)方案假定，每個(gè)方案再區(qū)分為四個(gè)階段（見(jiàn)表1）。

關(guān)于城鎮(zhèn)化率，“十三五”規(guī)劃綱要指出到2020年我國(guó)常住人口城鎮(zhèn)化率將達(dá)到60%，國(guó)務(wù)院發(fā)展研究中心調(diào)研報(bào)告預(yù)測(cè)2020、2030、2040 和2050 年城鎮(zhèn)化率分別為60.34%、68.38%、75.37%和81.63%，假定我國(guó)城鎮(zhèn)化率從2010年的50.27%提升至2050年峰值75%后保持穩(wěn)定，其中，2010年至2020年城鎮(zhèn)化率年均提高1.2%，2021至2050年年均提高0.42%。

（三）與就業(yè)和工資相關(guān)的參數(shù)設(shè)定

最低就業(yè)年齡設(shè)定為16歲，男性退休年齡設(shè)為60周歲，女性退休年齡設(shè)為55周歲。

關(guān)于就業(yè)比率（城鎮(zhèn)就業(yè)人員/城鎮(zhèn)人口），2000年以來(lái)該數(shù)據(jù)始終在55%左右，故設(shè)定未來(lái)城鎮(zhèn)就業(yè)率依舊保持穩(wěn)定在55%的水平。

城鎮(zhèn)職工平均工資增長(zhǎng)率的基準(zhǔn)方案設(shè)定如下：從2016年增長(zhǎng)率10.08%開(kāi)始，每年線性遞減至2030年8.66%，而后繼續(xù)線性遞減至2040年7.29%，最后線性遞減并穩(wěn)定于6%左右的水平。

（四）與基本醫(yī)保相關(guān)的參數(shù)設(shè)定

2010-2015年基本醫(yī)保制度覆蓋率（職工參保人口/城鎮(zhèn)就業(yè)人口）的均值為52.93%。在醫(yī)保全覆蓋的發(fā)展目標(biāo)下，對(duì)覆蓋率設(shè)定如下：2035年之前由52.93%逐年提升1.5%，2035-2050年逐年提升1%，到2050年左右提升至近100%。

關(guān)于繳費(fèi)比例，16-45歲在職人員的單位繳費(fèi)比例設(shè)定為6%，45歲至退休年齡之間的在職人員單位繳費(fèi)比例為8%，退休之后繳費(fèi)比例為零。同時(shí)設(shè)定在單位繳費(fèi)中，70%進(jìn)入統(tǒng)籌基金，30%劃入個(gè)人賬戶，統(tǒng)籌基金的實(shí)際繳費(fèi)比率等于單位繳費(fèi)比率和單位繳費(fèi)劃入統(tǒng)籌基金的比例的乘積。

關(guān)于住院率和住院費(fèi)用，基于《中國(guó)衛(wèi)生服務(wù)調(diào)查研究》給出的分年齡段住院率，對(duì)住院率和人均住院費(fèi)用按年齡結(jié)構(gòu)和性別進(jìn)行分組，住院率從0歲開(kāi)始，每5年為一個(gè)分組，住院費(fèi)用從20歲開(kāi)始，每10年一個(gè)分組。結(jié)合我國(guó)GDP增長(zhǎng)率以及2003-2013年《中國(guó)衛(wèi)生服務(wù)調(diào)查分析報(bào)告》的統(tǒng)計(jì)結(jié)果，將人均住院費(fèi)用增長(zhǎng)率的基準(zhǔn)方案設(shè)為3.1%。

關(guān)于住院費(fèi)用的實(shí)際報(bào)銷比例，即可報(bào)銷費(fèi)用與住院實(shí)際總費(fèi)用的比率，從全國(guó)的平均水平來(lái)看，在職人員和退休人員分別在80%和90%左右，但由于報(bào)銷目錄、起付線和封頂線的限制，實(shí)際報(bào)銷比例通常低于名義報(bào)銷比例，本文將在職人員和退休人員的住院費(fèi)用實(shí)際報(bào)銷比例分別設(shè)定為70%和80%。

四、測(cè)算結(jié)果

（一）人口死亡率和全國(guó)人口數(shù)量的測(cè)算結(jié)果

依據(jù)設(shè)定人口死亡率模型，利用Matlab進(jìn)行數(shù)據(jù)處理，得到LC模型中α（x），β（x），k（t）的估計(jì)結(jié)果（見(jiàn)圖1～圖3）。

在完成人口死亡率測(cè)算之后，基于總和生育率（中方案）和出生性別比等參數(shù)設(shè)定，利用年齡移算法對(duì)全國(guó)總?cè)丝跀?shù)量進(jìn)行預(yù)測(cè)，結(jié)果顯示2015-2045年人口老齡化進(jìn)程不斷加快，2045年人口年齡結(jié)構(gòu)金字塔開(kāi)始呈現(xiàn)倒置形態(tài)，2060年人口年齡結(jié)構(gòu)金字塔呈現(xiàn)嚴(yán)重倒置形態(tài)，人均壽命增加趨勢(shì)明顯。

從原因上分析，人均預(yù)期壽命的增加受到經(jīng)濟(jì)發(fā)展、醫(yī)療水平、健康狀況、地理位置等眾多因素的影響，其中經(jīng)濟(jì)發(fā)展帶來(lái)的居民生活質(zhì)量逐步提高是人均預(yù)期壽命增加的重要因素之一[23]。由于LC模型是基于年齡效應(yīng)和時(shí)間序列因子的死亡率預(yù)測(cè)模型，居民生活質(zhì)量并沒(méi)有作為L(zhǎng)C模型中死亡率預(yù)測(cè)的顯性依據(jù)，但LC模型中基于歷史數(shù)據(jù)得出的時(shí)間序列因子k（t）是帶負(fù)漂移項(xiàng)的隨機(jī)游走時(shí)間序列，其取值本身就是包括居民生活質(zhì)量在內(nèi)的眾多影響因素共同作用的結(jié)果，從變量的估計(jì)方法來(lái)看，k（t）是時(shí)間t的減函數(shù)，當(dāng)β為正時(shí)，死亡率隨t的增加值越來(lái)越小，甚至負(fù)增加，因此LC模型隱含分析了居民生活質(zhì)量提高對(duì)死亡率降低的影響。

（二）基本醫(yī)保參保人口數(shù)量及其長(zhǎng)壽風(fēng)險(xiǎn)的測(cè)算結(jié)果

利用全國(guó)總?cè)丝?、死亡率的預(yù)測(cè)結(jié)果，基于城鎮(zhèn)化率、城鎮(zhèn)就業(yè)率、基本醫(yī)保制度覆蓋率等參數(shù)設(shè)定，取置信水平α=0.95，通過(guò)計(jì)算NE（t）、N（t，0.95）和NC（t，0.95），得出2015-2060年基本醫(yī)保參保人口數(shù)量的期望值、VaR值模型下的人口上界以及CVaR值模型下的人口上界（見(jiàn)圖4）。

由圖4可以觀察到的第一個(gè)結(jié)論是人口的期望值呈現(xiàn)出先抑后揚(yáng)的發(fā)展趨勢(shì)，在本文的基準(zhǔn)情形下，參?？?cè)丝谄谕礜E（t）在t=2050年時(shí)達(dá)到最高值45700.12萬(wàn)人，2051年之后開(kāi)始出現(xiàn)并一直保持下降的趨勢(shì)，原因是2050年之前隨著城鎮(zhèn)化水平和職工參保率的不斷提高，使得參保人數(shù)持續(xù)增加，2050年之后隨著城鄉(xiāng)人口遷移的增速放緩與醫(yī)保制度的全覆蓋目標(biāo)達(dá)成，低生育率帶來(lái)的就業(yè)人口下降效應(yīng)逐漸抵消了城鎮(zhèn)化和制度擴(kuò)面的效應(yīng)，使得參保人口總量開(kāi)始下降。

由圖4可以觀察到的第二個(gè)結(jié)論是在置信水平α=0.95時(shí)VaR值模型下參保人口的上界N（t，0.95）一直呈現(xiàn)不斷增加的趨勢(shì)，即使參?？?cè)丝诘钠谕翟趖=2050年開(kāi)始出現(xiàn)下降后，N（t，0.95）依然由48430.13萬(wàn)人增加到48531.95萬(wàn)人，CVaR值模型下的人口上界N（t，0.95）則由51262.83萬(wàn)人增加到51483.86萬(wàn)人，通過(guò)計(jì)算參保人口的上界與期望值之間的差值，即式（15）中的PLR值和式（19）的PLRC值，得到以VaR和CVaR值計(jì)的參保人口長(zhǎng)壽風(fēng)險(xiǎn)測(cè)算結(jié)果（見(jiàn)表2的列（1）和列（4））。

由表2列（1），基于VaR值模型的測(cè)算結(jié)果顯示，基本醫(yī)保參保人口上界與期望值的差值由2015年的97.93萬(wàn)人上升至2060年的4055.77萬(wàn)人，增加了40.42倍，平均每年增加約一倍，說(shuō)明2015年至2060年我國(guó)基本醫(yī)保參保人口的長(zhǎng)壽風(fēng)險(xiǎn)處于不斷增大的態(tài)勢(shì)中，必須予以高度重視。對(duì)比表2中列（1）和表3列（1）的數(shù)據(jù)，各年度基于CVaR模型測(cè)算出的長(zhǎng)壽風(fēng)險(xiǎn)均數(shù)倍于VaR模型的測(cè)算結(jié)果，表明在極端情況下，例如突破性醫(yī)學(xué)技術(shù)、生物基因輔助手段的出現(xiàn)治愈了無(wú)法攻克的頑疾，人口死亡率得以大幅度降低等情形的出現(xiàn)，將使得基本醫(yī)保統(tǒng)籌基金的參保人群享受醫(yī)保服務(wù)時(shí)間大幅超過(guò)期望值。

基于式（16）的PLRE值和PLRR值計(jì)算得到VaR模型下的在職人員與退休人員長(zhǎng)壽風(fēng)險(xiǎn)（見(jiàn)表2的列（2）和列（3）），基于式（20）的PLREC值和PLRRC值計(jì)算得到CVaR模型下的在職人員與退休人員長(zhǎng)壽風(fēng)險(xiǎn)（見(jiàn)表3的列（2）和列（3））。對(duì)比在職人員與退休人員長(zhǎng)壽風(fēng)險(xiǎn)的發(fā)展趨勢(shì)，可以看出由于年輕人的死亡率本身極低，在職人員死亡率超預(yù)期降低的尾部風(fēng)險(xiǎn)很小，在職人員的長(zhǎng)壽風(fēng)險(xiǎn)相對(duì)而言較小。與在職人員相比，到2060年，無(wú)論是基于VaR還是CVaR值測(cè)算的結(jié)果均顯示退休人員面臨的長(zhǎng)壽風(fēng)險(xiǎn)遠(yuǎn)高于在職人員。此外，在職人員的長(zhǎng)壽風(fēng)險(xiǎn)在VaR和CVaR兩種模型下測(cè)算出的結(jié)果差距不大，而退休人員的長(zhǎng)壽風(fēng)險(xiǎn)在CVaR值模型下的測(cè)算結(jié)果遠(yuǎn)超VaR模型，表明在極端情況下，退休參保人口死亡率超預(yù)期降低的尾部風(fēng)險(xiǎn)更大。

（三）長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金沖擊效應(yīng)的測(cè)算結(jié)果

1.基準(zhǔn)情形下的沖擊效應(yīng)。

本文的基準(zhǔn)情形的參數(shù)設(shè)定如下：生育方案采用表1的中方案、男性60歲退休、女性55歲退休、45歲以下參保人與45以上的非退休參保人單位繳費(fèi)比例分別為6%和8%、單位繳費(fèi)的個(gè)人賬戶劃撥比例為30%、在職人員和退休人員的實(shí)際報(bào)銷比例分別為70%和80%?；谏鲜黾俣?，由式（24）的BLR值和BLRC值，分別測(cè)算出以VaR和CVaR值計(jì)的長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金收支結(jié)余的沖擊效應(yīng)（見(jiàn)表4）。結(jié)果顯示不論是在VaR還是CVaR模型下，長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金收支結(jié)余的沖擊效應(yīng)不斷增大;2015年以VaR計(jì)量的沖擊效應(yīng)僅有83億元左右，2030年之后沖擊效應(yīng)劇烈增加，到2060年超過(guò)了7萬(wàn)億元，年均增長(zhǎng)率為16.39%;2060年以CVaR計(jì)的沖擊效應(yīng)高達(dá)22萬(wàn)億元以上的規(guī)模。由此可見(jiàn)，在低生育率、低死亡率的現(xiàn)實(shí)背景下，長(zhǎng)壽風(fēng)險(xiǎn)將對(duì)基本醫(yī)保統(tǒng)籌基金的收支平衡產(chǎn)生巨大沖擊，并逐年增大到無(wú)法忽略的程度。

2.沖擊效應(yīng)的敏感性分析。為了更好地模擬不同政策對(duì)沖擊效應(yīng)的影響程度，將對(duì)生育政策、退休政策、籌資政策和償付政策進(jìn)行敏感性分析。此外，由于在基于LC模型的死亡率和長(zhǎng)壽風(fēng)險(xiǎn)預(yù)測(cè)中，沒(méi)有直接引入表征經(jīng)濟(jì)發(fā)展水平和城鎮(zhèn)居民生活質(zhì)量的參數(shù)，因此，本文還將在敏感性分布中，選擇合適的代理變量，模擬測(cè)算經(jīng)濟(jì)增長(zhǎng)和城鎮(zhèn)居民生活質(zhì)量提高對(duì)長(zhǎng)壽風(fēng)險(xiǎn)沖擊效應(yīng)的影響。限于篇幅，考慮到CVaR模型相比于VaR模型更細(xì)致地測(cè)算了尾部風(fēng)險(xiǎn)，后續(xù)的敏感性分析均以CVaR模型下的沖擊效應(yīng)作為目標(biāo)變量。

（1）生育政策調(diào)整的敏感性分析，在本文的測(cè)算時(shí)間區(qū)間內(nèi)，2010年出生的人口最早2026年才開(kāi)始參加工作，2030年才達(dá)到法定結(jié)婚年齡，即生育政策的調(diào)整最早起作用的時(shí)間是2030年，因此，本文將統(tǒng)一選取2030-2060年作為敏感性分析的時(shí)間區(qū)間。采用CVaR模型，分別測(cè)算出高生育率方案和低生育方案下長(zhǎng)壽風(fēng)險(xiǎn)對(duì)統(tǒng)籌基金的沖擊效應(yīng)，以及高生育率方案和低生育方案相對(duì)于基準(zhǔn)情形的變動(dòng)率（見(jiàn)表5）。由于生育率的變動(dòng)將影響到繳費(fèi)人口的增減，而繳費(fèi)人口的增減直接影響基本醫(yī)保統(tǒng)籌基金的收入，因此，從理論上分析，生育率的增減將緩解或者加強(qiáng)長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)，然而，表5的敏感性分析結(jié)果顯示在2060年之前生育率變化對(duì)沖擊效應(yīng)的影響并不顯著，遠(yuǎn)低于預(yù)期，究其原因，沖擊效應(yīng)是死亡率的異常變動(dòng)引起的基金收支缺口變動(dòng)，結(jié)合表2和表3的測(cè)算結(jié)果，退休人員的長(zhǎng)壽風(fēng)險(xiǎn)對(duì)統(tǒng)籌基金的沖擊效應(yīng)貢獻(xiàn)率遠(yuǎn)高于在職人員，但在2060年之前由生育率變動(dòng)引發(fā)的多生或者少生的人群尚未邁入退休人員的行列，因此，從短期來(lái)看對(duì)生育政策進(jìn)行調(diào)整無(wú)法有效對(duì)沖長(zhǎng)壽風(fēng)險(xiǎn)。

（2）退休政策調(diào)整的敏感性分析，目前我國(guó)正在推行漸進(jìn)式推遲退休政策，在假設(shè)男性和女性的退休年齡分別推遲至65歲和60歲的情形下，得到長(zhǎng)壽風(fēng)險(xiǎn)對(duì)統(tǒng)籌基金的沖擊效應(yīng)及其相對(duì)基準(zhǔn)情形的變動(dòng)情況（見(jiàn)表6的列（2））。從理論上分析，推遲退休年齡一方面可以延長(zhǎng)參保人的繳費(fèi)時(shí)間，增加基本醫(yī)保統(tǒng)籌基金的收入，另一方面由于退休人員的報(bào)銷比例高于在職人員，推遲退休年齡還可以減少基金支出，既開(kāi)源又節(jié)流，可以有效減緩長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)。由表6的列（2）的測(cè)算結(jié)果來(lái)看，推遲五年退休之后，長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)明顯小于基準(zhǔn)值，且兩者之間的差值隨時(shí)間推進(jìn)不斷擴(kuò)大，2060年可以使沖擊效應(yīng)下降20.46%，印證了理論分析的結(jié)論。對(duì)比表5生育政策模擬的結(jié)果，推遲退休年齡相對(duì)于提高生育率而言，是一個(gè)更有效的政策調(diào)控手段，并且從政策調(diào)整的操控空間來(lái)看，推遲退休年齡相較于鼓勵(lì)生育也更具可操作性，然而，推遲退休年齡也面臨擠占年輕人就業(yè)崗位、老年就業(yè)的健康安全隱患等諸多現(xiàn)實(shí)問(wèn)題，必須綜合考慮和推進(jìn)各項(xiàng)配套改革措施。

（3）籌資政策調(diào)整的敏感性分析。通過(guò)提高籌資水平緩解長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金的沖擊效應(yīng)有兩個(gè)渠道，一個(gè)是直接提高單位繳費(fèi)率，另一個(gè)是降低單位繳費(fèi)劃入個(gè)人賬戶的比例，或者效仿城鄉(xiāng)居民基本醫(yī)療保險(xiǎn)的做法，取消個(gè)人賬戶，將單位繳費(fèi)全部納入統(tǒng)籌基金中。在取消個(gè)人賬戶的假設(shè)情形下，得到長(zhǎng)壽風(fēng)險(xiǎn)對(duì)統(tǒng)籌基金的沖擊效應(yīng)及其相對(duì)基準(zhǔn)情形的變動(dòng)情況（見(jiàn)表6的列（3）），結(jié)果顯示取消個(gè)人賬戶僅可以在預(yù)測(cè)時(shí)間區(qū)間內(nèi)給長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)帶來(lái)2%左右的變動(dòng)，有一定的調(diào)整效果但并不顯著，結(jié)合表2和表3的測(cè)算結(jié)果，可以推斷由于退休人員的長(zhǎng)壽風(fēng)險(xiǎn)隨著時(shí)間的推移呈加速增長(zhǎng)的趨勢(shì)，繳費(fèi)比率的增加所引起的基金收入增加幅度遠(yuǎn)小于由于老齡化和長(zhǎng)壽化引發(fā)的基金支出增加幅度，使得籌資政策的調(diào)整效果并不理想。

（4）償付政策調(diào)整的敏感性分析，將基準(zhǔn)情形下在職人員和退休人員的報(bào)銷比例調(diào)低5%，分別設(shè)為65%和75%，得到長(zhǎng)壽風(fēng)險(xiǎn)對(duì)統(tǒng)籌基金的沖擊效應(yīng)及其相對(duì)基準(zhǔn)情形的變動(dòng)情況（見(jiàn)表6的列（4））。結(jié)果顯示：降低5%報(bào)銷比例可以在預(yù)測(cè)時(shí)間區(qū)間內(nèi)給長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)帶來(lái)6%左右的變動(dòng)，相較于籌資政策而言，償付政策的調(diào)整效果更為顯著，且調(diào)整效果較為穩(wěn)定。究其原因，由于現(xiàn)行的基本醫(yī)保制度規(guī)定退休人員不繳費(fèi)，對(duì)籌資政策的調(diào)整僅局限于在崗職工，而償付政策的調(diào)整同時(shí)影響到在崗職工和退休職工，且退休職工的醫(yī)療費(fèi)用支出顯著高于在崗職工，因此，盡管調(diào)整個(gè)人賬戶和報(bào)銷比例都屬于醫(yī)保福利向下調(diào)整的政策，但從緩解長(zhǎng)壽風(fēng)險(xiǎn)沖擊效應(yīng)的效果而言，可以優(yōu)先考慮調(diào)整報(bào)銷比例。

（5）經(jīng)濟(jì)增長(zhǎng)和居民生活質(zhì)量提高的敏感性分析。一方面，經(jīng)濟(jì)增長(zhǎng)會(huì)帶來(lái)職工工資水平的增加，進(jìn)而帶來(lái)居民生活質(zhì)量的提高，另一方面經(jīng)濟(jì)增長(zhǎng)也會(huì)帶來(lái)包括醫(yī)療價(jià)格在內(nèi)的物價(jià)水平的上漲，對(duì)基本醫(yī)保統(tǒng)籌基金的影響主要體現(xiàn)為住院費(fèi)用的提高，因此，本文將選擇城鎮(zhèn)職工工資增長(zhǎng)率和人均住院費(fèi)用增長(zhǎng)率作為代理變量，對(duì)經(jīng)濟(jì)增長(zhǎng)和居民生活質(zhì)量提高展開(kāi)敏感性分析。相對(duì)于基準(zhǔn)方案，設(shè)定平均工資增長(zhǎng)率的高方案是從2016年增長(zhǎng)率10.08%開(kāi)始，每年線性遞減至2025年8.66%，而后繼續(xù)線性遞減至2035年7.29%，最后線性遞減并穩(wěn)定于6%左右的水平，低方案是從2016年增長(zhǎng)率10.08%開(kāi)始，每年線性遞減至2035年8.66%，而后繼續(xù)線性遞減至2045年7.29%，最后線性遞減并穩(wěn)定于6%左右的水平，敏感性分析結(jié)果如表7的列（2）和列（3）所示。相對(duì)于基準(zhǔn)方案，設(shè)定人均住院費(fèi)用增長(zhǎng)率的高方案是年增長(zhǎng)3.2%，低方案是年增長(zhǎng)3.0%，敏感性分析結(jié)果如表7的列（4）和列（5）所示）。從結(jié)果的橫向?qū)Ρ葋?lái)看，住院費(fèi)用增長(zhǎng)率變動(dòng)所引發(fā)的沖擊效應(yīng)變動(dòng)遠(yuǎn)高于工資增長(zhǎng)率變動(dòng)所引發(fā)的沖擊效應(yīng)變動(dòng)，由于工資增長(zhǎng)影響統(tǒng)籌基金的收入，住院費(fèi)用增長(zhǎng)影響統(tǒng)籌基金的支出，對(duì)該結(jié)果的解釋可以參考籌資和償付政策調(diào)整的敏感性分析。從結(jié)果的縱向?qū)Ρ葋?lái)看，隨著預(yù)測(cè)時(shí)間的增長(zhǎng)，工資增長(zhǎng)率的變動(dòng)對(duì)沖擊效應(yīng)的影響始終較小，說(shuō)明盡管經(jīng)濟(jì)增長(zhǎng)帶來(lái)了工資收入提高，提高了基本醫(yī)保的繳費(fèi)基數(shù)，從正面減緩了長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)，但經(jīng)濟(jì)增長(zhǎng)帶來(lái)的居民生活質(zhì)量提高也降低了城鎮(zhèn)職工的死亡率，從負(fù)面放大了長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)，最終出現(xiàn)了正負(fù)效應(yīng)的相互抵消。

五、結(jié)論與建議

本文的主要研究結(jié)論包括：第一，隨著死亡率的不斷下降帶來(lái)的人口數(shù)量上界持續(xù)增加，以及低生育率帶來(lái)的就業(yè)人口下降，使得基本醫(yī)保參保人口的長(zhǎng)壽風(fēng)險(xiǎn)不斷增強(qiáng)，且退休人員面臨的長(zhǎng)壽風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)高于在職人員;第二，長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本醫(yī)保統(tǒng)籌基金收支結(jié)余的沖擊效應(yīng)不斷增強(qiáng)，基于CVaR模型測(cè)算出的長(zhǎng)壽風(fēng)險(xiǎn)數(shù)倍于基于VaR模型的測(cè)算結(jié)果，表明在極端情況下，基本醫(yī)保統(tǒng)籌基金的參保人群享受醫(yī)保服務(wù)時(shí)間將大幅超過(guò)期望值;第三，推遲退休年齡、提高生育率、調(diào)整個(gè)人賬戶和報(bào)銷比率、提高繳費(fèi)工資和調(diào)節(jié)住院費(fèi)用的過(guò)快增長(zhǎng)均可以緩沖長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)，推遲退休年齡相對(duì)于提高生育率而言更有效且更具政策上的可操作性，調(diào)整報(bào)銷比例相對(duì)于調(diào)整個(gè)人賬戶更為穩(wěn)定和顯著;第四，經(jīng)濟(jì)增長(zhǎng)帶來(lái)的職工工資收入提高從正面減緩了長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)，但經(jīng)濟(jì)增長(zhǎng)帶來(lái)的居民生活質(zhì)量提高也降低了城鎮(zhèn)職工的死亡率，進(jìn)而放大了長(zhǎng)壽風(fēng)險(xiǎn)的沖擊效應(yīng)。

從維持基本醫(yī)保制度可持續(xù)發(fā)展以及保障參保人醫(yī)保權(quán)益的目標(biāo)出發(fā)，必須針對(duì)長(zhǎng)壽風(fēng)險(xiǎn)帶來(lái)的沖擊效應(yīng)采取系統(tǒng)化和前瞻性的應(yīng)對(duì)措施，主要建議如下：從長(zhǎng)壽風(fēng)險(xiǎn)對(duì)沖擊效應(yīng)的緩釋手段來(lái)看，本文的敏感性分析結(jié)論從生育政策、勞動(dòng)政策和醫(yī)保政策等角度著手，對(duì)如何緩解沖擊效應(yīng)提供了一些解決思路，但在具體實(shí)施時(shí)需要權(quán)衡各項(xiàng)政策的利弊，綜合配套使用;從長(zhǎng)壽風(fēng)險(xiǎn)的系統(tǒng)化管理視角來(lái)看，應(yīng)當(dāng)把包含基本醫(yī)保制度在內(nèi)的社會(huì)保障體系看作一個(gè)整體而不是相互獨(dú)立的因素去治理和改革，逐步建立醫(yī)療、養(yǎng)老和長(zhǎng)期護(hù)理保險(xiǎn)三大險(xiǎn)種的聯(lián)動(dòng)保障機(jī)制，為長(zhǎng)壽風(fēng)險(xiǎn)的應(yīng)對(duì)提供更加全面的解決方案;從長(zhǎng)壽風(fēng)險(xiǎn)的應(yīng)對(duì)主體來(lái)看，應(yīng)當(dāng)確立政府主導(dǎo)、參保人和參保單位為輔的基本醫(yī)保長(zhǎng)壽風(fēng)險(xiǎn)管理機(jī)制，既要亡羊補(bǔ)牢，提高基本醫(yī)保統(tǒng)籌基金的保值增值能力，通過(guò)財(cái)政兜底化解部分地區(qū)的基金缺口，也要未雨綢繆，建立科學(xué)的基本醫(yī)保長(zhǎng)壽風(fēng)險(xiǎn)測(cè)算體系，依據(jù)測(cè)算結(jié)果設(shè)立長(zhǎng)壽風(fēng)險(xiǎn)的專項(xiàng)儲(chǔ)備基金，并對(duì)跨區(qū)域長(zhǎng)壽風(fēng)險(xiǎn)統(tǒng)籌調(diào)劑機(jī)制做出全國(guó)性的制度安排。

參考文獻(xiàn)：

[1] 高全勝. 長(zhǎng)壽風(fēng)險(xiǎn)的穩(wěn)健對(duì)沖與穩(wěn)健管理技術(shù)研究進(jìn)展[J]. 保險(xiǎn)研究，2015（12）：51-66.

[2] Lee R D， Carter L R.Modeling and forecasting U.S.mortality[J].Journal of the American Statistical Association， 1992，87（9）：659-671.

[3] 韓猛，王曉軍.Lee-Carter 模型在中國(guó)城市人口死亡率預(yù)測(cè)中的應(yīng)用與改進(jìn)[J]. 保險(xiǎn)研究，2010（10）：3-9.

[4] Olivieri A， Pitacco E. Solvency requirements for pension annuities[J].Journal of Pension Economics and Finance，2003，2（2）：127-157

[5] Stevens R. Longevity risk in Life insurance products[D]. Tilburg： Tilburg University， 2011.

[6] Patrick L B， Shuo-li C， Yinglu D，et al. M. Incorporating longevity risk and medical information into life settlement pricing[J]. The Journal of Risk and Insurance， 2013， 80（3）：799-825.

[7] 王曉軍，姜增明. 長(zhǎng)壽風(fēng)險(xiǎn)對(duì)城鎮(zhèn)職工養(yǎng)老保險(xiǎn)的沖擊效應(yīng)研究[J]. 統(tǒng)計(jì)研究， 2016，33（5）：43-50.

[8] 胡仕強(qiáng).死亡率免疫理論及其在長(zhǎng)壽風(fēng)險(xiǎn)對(duì)沖中的應(yīng)用[J].財(cái)經(jīng)論叢，2014（10）： 44 -49.

[9] 謝世清.長(zhǎng)壽風(fēng)險(xiǎn)證券化的理論動(dòng)態(tài)研究[J]. 保險(xiǎn)研究，2014（3）：70-78.

[10]Cox S H， Lin Y. Natural hedging of life and annuity mortality risks [J]. North American Actuarial Journal， 2007， 11（3）： 1-15.

[11]Wang J L， Huang H C， Yang S S， et al. An optimal product mix for hedging longevity risk in life insurance companies： the immunization theory approach[J]. Journal of Risk and Insurance， 2010， 77（2）： 473-497.

[12]Chan W S， Li J S， Li J. The CBD mortality indexes： Modeling and applications[J]. North American Actuarial Journal， 2014，18（1）： 38-58.

[13]Biffis E， Blake D. Securitizing and trenching longevity exposures[J]. Insurance， Mathematics and Economics， 2010， 46（1）： 186-197.

[14]Kannan R. Managing pension funds： Issues for reform[J]. Economic and Political Weekly， 2004，39（14/15）：1454-1455.

[15]Fong J H Y， Mitchell O S， Koh B S K. Longevity risk management in Singapore's national pension system[J]. Journal of Risk and ?Insurance， 2011， 78（4）：961-981.

[16]祝偉，陳秉正. 中國(guó)城市人口死亡率的預(yù)測(cè)[J]. 數(shù)理統(tǒng)計(jì)與管理，2009， 28（4）：736-744.

[17]姜增明，單戈.長(zhǎng)壽風(fēng)險(xiǎn)對(duì)基本養(yǎng)老保險(xiǎn)影響的測(cè)度[J]. 經(jīng)濟(jì)與管理研究，2016，37（11）：30-38.

[18]汪偉，劉玉飛，王文鵬.長(zhǎng)壽的宏觀經(jīng)濟(jì)效應(yīng)研究進(jìn)展[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2018（9）：128-143.

[19]Yamai Y， Yoshiba T. On the validity of value-at-risk： Comparative analyses with expected shortfall [J]. Monetary and Economic Studies， 2002， 20（1）： 57-85.

[20]Nan L， Ronald L， Shripad T. Using the Lee-Carter method to forecast mortality for populations with limited data[J]. International Statistical Review， 2004， 72（1）：19-36.

[21]王曉軍， 任文東.有限數(shù)據(jù)下Lee-Carter模型在人口死亡率預(yù)測(cè)中的應(yīng)用[J]. 統(tǒng)計(jì)研究， 2012，29（6）：87-94.

[22]王金營(yíng)，葛艷霞. 全面二孩政策實(shí)施下中國(guó)人口發(fā)展態(tài)勢(shì)[J]. 人口研究， 2016， 40（6）： 3-21.

[23]符寧，向夢(mèng)航，程顯通.人均預(yù)期壽命影響因素研究——基于193個(gè)國(guó)家相關(guān)數(shù)據(jù)的分析[J]. 人口學(xué)刊， 2020， 42（5）：47-56.

（責(zé)任編輯：厲 亞）