收益：
- 能够在人工智能的支持下计算和解释死亡率表、生存概率、年金（定期支付流程）和现值概念
- 能够利用人工智能在情景基础上检查技术利益（贴现率）、负债评估和死亡率恢复/长寿风险
- 区分人工智能生成的人寿/退休账户的能力取决于表格、利息和假设的选择，而这些假设是精算师的责任。
人寿保险和私人养老金是精算科学中最古老、最数学化的领域。人寿保险保单的有效期可能为 40 年；养老金义务涵盖当今 30 岁的人在 65 岁之后将支付的工资。为了准确评估当今的长期债务，需要两个基本信息：人们生存的可能性（死亡率）和随着时间的推移货币的价值（利息/折扣）。在本单元中，我们将围绕这两个轴介绍死亡率表、生存概率、年金和负债估值；我们将了解如何在这些帐户中安全地使用人工智能。
让我们从一开始就提醒您：人寿和退休账户完全基于假设——哪种死亡率表、哪种利率、哪种复苏情景。人工智能进行计算并编写代码，但这些假设的选择和责任在于精算师。错误的图表或兴趣选择会成为跨越数十年的系统性错误。
死亡率表和生存率
每个生命/退休账户的基础是死亡率表（mortality table）。这个表给出了每个年龄的基本概率：qx，即达到x岁的人在一年内死亡的概率。例如，如果 q65 = 0.012，则 65 岁的老人一年内死亡的概率约为 1.2%。由此，可以通过 px = 1 − qx 求出生存一年的概率。通过链接多年，计算出 tPx（年龄为 x 的人再活 t 年的概率）：tPx = px × px+1 × ... × px+t−1。
土耳其私人养老金中广泛使用的表格（例如，CSO 衍生品和国家经验表）；公司根据他们的投资组合经验调整这些。关键点：人寿保险（死亡赔付）的谨慎假设是死亡率较高，年金（活着时赔付）的保守假设是死亡率较低（寿命）。同一张表根据产品的方向代表不同的风险。
提示：不要让 AI 说出死亡率表的名称 - 模型可能会弥补表名称和 qx 值。从官方来源获取表格，使用人工智能仅根据这些值进行计算。
现值、利息和年金
第二个轴是货币的时间价值。我们现在的100里拉比一年后的100里拉值钱；因为它可以投资并产生回报。将未来付款贴现到今天称为贴现，所使用的利率称为技术利率（贴现率）。 t 年后 1 TL 的现值由 vᵗ = 1 / (1+i)ᵗ 求出；其中 i 是技术兴趣。关键关系：随着利息增加，未来付款的现值会减少，因为折扣作用更大。
年金是定期支付的一系列款项（例如，每年支付的养老金）。终身年金的现值结合了两条信息：在每次付款之前该人是否必须活着（死亡率）以及该付款必须如何贴现到当前（利息）。简单来说，每年向 x 岁的人终身支付 1 美元的年金的现值是：
äx = Σ (tPx × vᵗ) — 即未来每年“活到当年的概率 × 贴现因子”之和。
这个单一公式是计算人寿保险费和退休负债的核心。 AI快速对这个和进行编码；但提供 tPx 和 vᵗ 的表格和利息假设是您的。
下表总结了关键概念：
概念
符号
含义
死亡概率
qx
x 岁一年内死亡的概率
生存
px = 1−qx
x 岁时活一岁的概率
t年生存率
tPx
x 岁还可以活 t 年
贴现系数
vᵗ = 1/(1+i)ᵗ
t 年后 1 TL 的现值
终身年金
埃克斯
终身每年支付 1 里拉的现值
责任、死亡率恢复和长寿风险
养老金或人寿公司的负债是其未来将支付的所有年金和补偿的现值。该值对三个假设非常敏感：死亡率表、技术兴趣和费用/取消假设。最隐蔽的风险是长寿风险：如果人们的寿命比预期长，年金支付的时间就会更长，负债就会膨胀。因此，精算师采用的不是静态表格，而是死亡率改进：假设死亡概率每年都会略有下降的预测。人工智能可以快速计算和比较不同恢复场景的责任影响。
注意：利息或死亡率的微小变化会对长期负债产生很大影响。将技术利息降低 0.5% 可能会使 30 年期年金义务增加两位数的利率。因此，一一论证假设并进行敏感性分析。
如何在生命/退休会计中使用人工智能
1) 生存和年金账户代码：
用 Python 编写带有注释的代码：输入：年龄 qx 值从 60 到 100（列表我将提供），技术兴趣 i=0.04.1）计算每个年龄的 tPx（从 60 开始的累积生存）。2）计算每年的折扣因子 v^t。3）每年向 60 岁老人终生支付 1 TL 的年金现值（äx = 总 tPx * v^t）计算。打印中间值。不要伪造 qx；我会给。
2）利息敏感性：
我计算了 i=0.04 时的年金现值：14.8。使用相同的 tPx 重新计算 i=0.03、0.05、0.06 的当前值。将结果制成表格，并用一句话解释为什么随着利息的增加，价值会减少。
3）长寿场景：
您的角色：助理寿险精算师。我 65 岁时的年金负债为静态死亡率 12.4 个单位。如何实现 qxs 每年减少 1% 的“死亡率恢复”场景？解释概念，列出计算步骤。预计负债会增加还是减少，为什么？
4）将结果转化为管理：
当我将技术利率从 4% 降低到 3.5% 时，我的退休负债增加了 11%。用 4 句话向董事会解释这一点： - 为什么利率下降时负债会增加？ - 这是真实的现金流出还是估值效应？ - 写下管理层应注意的 2 个风险。
弱提示/强提示
弱提示：
计算 65 岁老人养老金的现值。
没有给出死亡率表、利息和付款金额。 AI适合桌子和qx；结果毫无意义。
强力提示：
您的角色：养老金精算师的助理会计助理。输入（我提供）：- 65-90 年 qx 值：[在此列出]- 技术利息 i = 0.04- 年金：1 单位，年初，生命任务：1) 计算 tPx 和 v^t。2) 计算终身年金的现值 äx = Σ tPx*v^t。3) 手动显示中间步骤，以便我可以verify.qx 和兴趣请勿伪造；只需使用我给你的东西即可。如果丢失，请询问。
三个迷你箱子
案例 1——利息假设的强度。一家养老金公司计算其负债为 4.8 亿土耳其里拉，技术利息为 5%。当市场利率下降时，监管机构希望使用3.5%。根据与 AI 相同的死亡率基础重新计算：责任增加至 5.6 亿，增加 17%。该公司需要分配额外资本。教训：仅利息就对长期负债产生巨大影响。
案例2——长寿惊喜。 20 年前，一个投资组合用静态死亡率表对年金进行定价。参保人平均寿命比预期长3.5年；付款延期，投资组合蒙受损失。下一次定价中增加了死亡率的改善。 AI计算历史实际死亡人数与表格之间的差异（A/E比率——实际/预期）并显示需要改进的地方；精算师做出了决定。
案例 3 — 虚构的桌子陷阱。助理问YZ：“TRH-2010图的q70值是多少？” “0.0185”，AI自信地说。助理把钱打到了账户上。在实际的表中，该值不同并且表名不太正确。一旦核实，差异就会被揭露出来，整个账户就会被纠正。教训：qx 和表名永远不会从 AI 内存中检索；它是从官方来源输入的。
常见错误
- 使 AI 符合死亡率表或 qx。这些均来自官方消息来源；人工智能应该只根据你给它的值进行计算。
- 低估利息假设的影响。微小的利率变化对长期负债造成很大的影响；需要进行敏感性分析。
- 使用静态死亡率并忽略长寿风险。如果不包括回收，年金负债就会被系统性地低估。
- 产品方向混乱。在人寿保险中，预防措施是针对高死亡率，年金是针对低死亡率；同一张桌子意味着不同的风险。
- 将估值影响与现金流出混淆。计息负债的增加并非立即支付现金，而是重新计量现值。
综上所述
人寿和退休账户基于两个轴：死亡率（qx、px、tPx 的生存率）和利息（vᵗ 的折扣）。这些结合起来给出年金和负债的现值 (äx = Σ tPx·vᵗ)。随着利息增加，现值减少；长寿风险会增加责任，并通过死亡率恢复来管理。 AI 快速对这些总数进行编码并比较场景；但死亡率表、利息和回收率假设的选择和责任在于精算师。关键不是让假设适合人工智能，而是从官方来源提供数据并让人工智能进行计算。
应用任务
列出一份简短的 qx 列表（例如 65-80 岁，来自正式表格或讲座示例）和技术兴趣。让AI计算（a）tPx和vᵗ，（b）终身年金的现值。手动验证前 3 年的 tPx 和 vᵗ 值。然后观察利率增加/减少 1 个点后现值如何变化，并注意百分比效应。
清单
- [ ] 我是否从官方来源获取了死亡率表和 qx，还是没有让 AI 对其进行调整？
- [ ] 我是否证明了我的技术利益假设并进行了敏感性分析？
- [ ] 我是否考虑过长寿风险是否需要死亡率恢复？
- [ ] 我是否手动验证了前几个 tPx 和 vᵗ 值？
- [ ] 我是否选择了适合产品方向的储备方向（寿险与年金）？
- [ ] 我是否正确列报了负债变动，而没有将其与现金流出混淆？