川海智库

报告概述

报告是WTW第六版美国个人寿险行业死亡率研究（TOAMS 6），对2018至2022年间的死亡率经验进行综合分析，首次详细分析COVID-19大流行的影响。研究涵盖17家保险公司、普通个人寿险产品、所有到达年龄，估计涉及约110万死亡案例、1000亿美元死亡给付和25万亿美元面额暴露。报告采用广义线性模型（GLM）预测原始死亡率（Qx），并比较不同日历年份、到达年龄、风险等级、产品类型及公司层面的差异。通过预测建模方法隔离COVID-19的超额死亡率影响，同时控制典型寿险区分因素。本报告为保险公司提供最新的死亡率趋势洞察，有助于理解疫情后死亡率变化及核保和产品设计的影响。

报告的核心结论

COVID-19大流行显著改变了美国个人寿险死亡率模式。

报告显示，50岁以下人群在所有研究年份中死亡率影响最为严重，而70岁以下人群死亡率在2021年达到峰值，老年群体则在2020年达到峰值。这是该研究首次包含疫情数据，揭示了传统死亡率曲线的偏离。

非吸烟者中，优先核保类别的相对死亡率优势随年龄增长而减弱，但并未完全消失。

对于非吸烟者，两分类优先和剩余标准类别的相对死亡率差异持续到90岁仍未收敛，表明不同风险水平的死亡率风险持续存在。优先类别呈现渐进式“磨损”而非快速“下降”。

吸烟者各风险类别的死亡率在70岁前趋向一致。

与吸烟者不同，各吸烟风险类别在70岁时死亡率曲线清晰收敛，显示出更可预测的死亡率模式。这反映了吸烟对长期死亡率影响的均一化趋势。

不同产品类型的死亡率经验差异显著，指数型万能寿险（IUL）表现最优。

以终身寿险（WL）为基准，无保证万能寿险（ULNG）在所有年龄段的死亡率最高，在60岁左右达到峰值；而二次保证万能寿险（ULSG）在65-70岁间死亡率较低；IUL在所有产品类型中相对死亡率最低，表明该较新产品的设计具有有利结果。

公司间死亡率差异主要源于常见变量的分布差异，但仍有残留差异需进一步分析。

使用TOAMS预测模型作为预期基准时，实际与预期比率的四分位距和总范围显著变窄，表明大部分公司间差异可由共同变量解释。然而，残留差异仍存在，可能反映核保标准、分销渠道和目标市场等未捕捉因素。

报告回答的关键问题

美国个人寿险死亡率在COVID-19疫情期间如何变化？

报告显示，COVID-19导致死亡率显著上升，但各年龄段受影响时间不同：50岁以下人群在2019-2022年持续受影响，70岁以下人群死亡率在2021年达峰，老年群体则在2020年达峰。这是首次详细分析疫情对寿险死亡率的影响。

优先核保对死亡率的影响持续到多大年龄？

对于非吸烟者，优先核保的相对死亡率优势即使到90岁仍未完全消失。两分类优先和剩余标准类别间的差异持续存在，而吸烟者各风险类别在70岁时死亡率趋于一致。这表明优先核保效果在非吸烟者中更持久。

哪种寿险产品的死亡率最低？

指数型万能寿险（IUL）在所有产品类型中显示出最低的相对死亡率经验。与终身寿险相比，无保证万能寿险（ULNG）死亡率最高，二次保证万能寿险（ULSG）在中老年阶段死亡率较低，之后与终身寿险趋同。

不同寿险公司之间的死亡率差异主要由什么因素造成？

公司间死亡率差异大部分可由常见变量（如年龄、风险等级、产品类型等）的分布差异解释。在使用TOAMS预测模型作为基准后，实际与预期比率的范围显著缩小。但仍有残留差异，可能源于各公司的核保标准、执行力度、分销渠道和目标市场等具体因素。

TOAMS 6研究使用了什么方法来分析死亡率？

研究采用广义线性模型（GLM）来预测原始死亡率，并创新性地将预测建模方法用于隔离COVID-19的超额死亡率影响，同时控制脸面金额、吸烟状况、风险等级和保单年度等常规寿险区分因素。该方法比传统实际/预期比较更具解释力。

报告中的代表性数据

约110万死亡案例，1000亿美元死亡给付，25万亿美元面额暴露

研究覆盖规模

2018-2022，研究涵盖17家保险公司的普通个人寿险产品，所有到达年龄，是大型行业死亡率研究。

实际/预期比率的四分位距和总范围显著窄于基于2015 VBT

公司间死亡率差异范围（基于TOAMS模型）

2018-2022，使用TOAMS预测模型后，公司间死亡率差异缩小，表明大部分差异可由常见变量解释。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整报告包含按日历年和到达年龄的详细死亡率图表，展示疫情对不同年龄段的冲击程度和时序变化。
  • 提供多维度风险等级分析，包括吸烟者与非吸烟者中不同核保类别的相对死亡率趋势，以及随年龄的收敛或持续差异。
  • 深入比较各产品类型（终身寿、万能寿、指数型万能寿等）的死亡率经验，并附有按到达年龄的详细相对死亡率曲线。
  • 包含公司层面死亡率差异的分析，使用实际/预期比率比较2015 VBT和TOAMS模型两种基准，揭示残留差异的可能原因。
  • 详细说明广义线性模型（GLM）的构建方法和变量选择，为理解预测模型的统计基础提供技术细节。
  • 提供研究数据集的完整描述，包括参与公司数量、保单数量、死亡案例和暴露量等关键统计量。
  • 讨论死亡率趋势的局限性，强调结果应视为描述性而非规范性，并建议在设定假设时结合专家判断。
  • 包含未来研究方向预告，如保单失效和退保的影响以及联合生命死亡率的分析。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告