長壽風險對基本醫(yī)療保險統(tǒng)籌基金的沖擊效應(yīng)研究

孫翎 李光澤

摘 要：借鑒金融風險管理中VaR和CVaR模型對尾部風險的測量思路，通過構(gòu)建有限數(shù)據(jù)Lee-Carter死亡率預測模型，測算了人口的長壽風險及其對基本醫(yī)療保險統(tǒng)籌基金的沖擊效應(yīng)，結(jié)果表明：2015-2060年基本醫(yī)療保險參保人群將面臨巨大的長壽風險，極端情況下長壽風險將給統(tǒng)籌基金收支結(jié)余超預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)整個人賬戶和報銷比例、提高職工繳費工資和控制住院費用增長均可以在一定程度上緩解長壽風險的沖擊。建議明確政府在基本醫(yī)療保險長壽風險管理中的主導作用，構(gòu)建醫(yī)療、養(yǎng)老和長期護理保險的三險聯(lián)動保障機制。

關(guān)鍵詞： 長壽風險;基本醫(yī)療保險;VaR模型;CVaR模型;Lee-Carter模型

中圖分類號：F842.6 ? 文獻標識碼： A ? ?文章編號：1003-7217（2021）04-0039-09

一、引 言

長壽風險是人口壽命超過預期值帶來的風險[1]。我國現(xiàn)有的基本醫(yī)療保險制度（即城鎮(zhèn)職工基本醫(yī)療保險制度，以下簡稱“基本醫(yī)?！保┮?guī)定退休人員不繳費，由在職人員的繳費形成統(tǒng)籌基金，用于償付所有參保人員的醫(yī)療支出，在長壽風險的沖擊下，該籌資機制將無可避免地導致繳費人群占比越來越低，償付人群不僅占比越來越高并且享受醫(yī)保服務(wù)的時間越來越長，原本建立在高生育率、低壽命背景下的基本醫(yī)保制度將面臨嚴峻的挑戰(zhàn)，探討長壽風險對基本醫(yī)保統(tǒng)籌基金的沖擊效應(yīng)，有助于科學評估人口新形勢下基本醫(yī)保制度的可持續(xù)發(fā)展能力，具有重要的現(xiàn)實意義。

人口死亡率建模是長壽風險度量的核心問題，可選擇的建模方式分為確定型死亡率和隨機型死亡率兩類，以Lee-Carter模型（以下稱LC模型）為代表的隨機型死亡率模型，克服了確定型死亡率模型只考慮年齡效應(yīng)未考慮時間效應(yīng)的缺陷[2]，為了降低樣本量不足對預測結(jié)果造成的影響，有學者通過雙隨機過程提出了有限數(shù)據(jù)下的LC模型[3]。

國內(nèi)外學者非常關(guān)注商業(yè)年金、企業(yè)年金的長壽風險管理，成果相對比較豐富。從理論層面來看包括：基于風險調(diào)查與償付能力評估模型測量長壽風險對商業(yè)年金組合和企業(yè)年金系統(tǒng)的影響[4]，用破產(chǎn)概率的方法分析長壽風險對年金資本需求的影響[5]，長壽風險在保單貼現(xiàn)的應(yīng)用[6]，長壽風險對企業(yè)年金繳費率和資產(chǎn)配置的影響[7]，以及長壽風險證券化、穩(wěn)健對沖與穩(wěn)健管理技術(shù)[8，9]。從實務(wù)操作層面來看，國外保險公司推出了各種解決方案，包括附保證變額年金、長期護理保險、反向抵押貸款、自然對沖、長壽風險再保險和長壽風險證券化等[10-13]。

類比于商業(yè)運作的保險基金，政府運作的保險基金同樣面臨的長壽風險。國外學者認為長壽風險是養(yǎng)老金改革的三大重大問題之一，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，探討了政府政策對長壽風險管理的影響[15]。我國學者系統(tǒng)地分析了養(yǎng)老基金長壽風險管理中存在的問題[16]，認為可通過大數(shù)法則消除預期死亡率水平帶來的基本養(yǎng)老保險非系統(tǒng)性波動，但無法解決預期壽命普遍延長的系統(tǒng)性長壽風險[17]，推進我國養(yǎng)老保險制度改革是管理與應(yīng)對長壽風險的一個重要組成部分[18]。也有部分國內(nèi)學者利用在險價值（Value at risk，VaR）模型定量測度了長壽風險對我國城鎮(zhèn)職工基本養(yǎng)老保險的沖擊效應(yīng)[7，17]。

結(jié)合現(xiàn)有研究的進展和不足，本文選擇基本醫(yī)保統(tǒng)籌基金的收支結(jié)余額作為測算指標，對基本醫(yī)保的長壽風險展開探索性研究，力求為基本醫(yī)保制度的可持續(xù)發(fā)展提供科學決策依據(jù)。在測量模型的選取上，現(xiàn)有文獻研究多數(shù)采用了VaR模型，條件VaR（Conditional VaR，以下簡稱CVaR）模型可以克服單純采用VaR模型無法處理尾部風險的不足[19]，本文嘗試將CVaR模型引入長壽風險與社會保險基金風險管理領(lǐng)域，以期得到更加全面的測算結(jié)果。

二、研究設(shè)計與模型構(gòu)建

（一）概念界定與測算思路

本文將人口的長壽風險定義為：在其他條件不變情況下，由于死亡率的超預期降低而導致的人口超預期增長的數(shù)量。測算思路如下：在95%的置信水平下，綜合運用有限數(shù)據(jù)下的LC模型、VaR模型和CVaR模型測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壽風險的預測結(jié)果。

將長壽風險對基本醫(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期降低而導致統(tǒng)籌基金收支結(jié)余超預期下降的金額。測算思路如下：基于總?cè)丝陂L壽風險預測出參保人口的長壽風險，將預測結(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)余超預期下降的金額即為沖擊效應(yīng)的測算結(jié)果。

（二）有限數(shù)據(jù)下的LC死亡率預測模型

三、數(shù)據(jù)來源與參數(shù)設(shè)定

（一）測算區(qū)間與數(shù)據(jù)來源

選擇2010年作為基年，以2000-2015年的實際數(shù)據(jù)對關(guān)鍵參數(shù)的預測結(jié)果進行校驗，預測區(qū)間為2015-2060年。

與人口相關(guān)的數(shù)據(jù)來源于1990年、2000年、2010年《中國人口普查資料》和1995年、2005年、2015年《全國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)來源于國家統(tǒng)計局官網(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)來源于國家統(tǒng)計局官網(wǎng)公布的2000-2016年“城鎮(zhèn)在職人員基本醫(yī)療保險年末參保人數(shù)”和“城鎮(zhèn)退休人員基本醫(yī)療保險年末參保人數(shù)”。與醫(yī)療相關(guān)的數(shù)據(jù)來源于歷年《中國衛(wèi)生服務(wù)調(diào)查研究》和《中國衛(wèi)生和計劃生育統(tǒng)計年鑒》。

（二）與人口相關(guān)的參數(shù)設(shè)定

基于現(xiàn)有統(tǒng)計數(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生育的政策預期，并參考2014年育齡婦女再生育意愿的調(diào)查數(shù)據(jù)[22]，對未來生育情況分高中低三個方案假定，每個方案再區(qū)分為四個階段（見表1）。

關(guān)于城鎮(zhèn)化率，“十三五”規(guī)劃綱要指出到2020年我國常住人口城鎮(zhèn)化率將達到60%，國務(wù)院發(fā)展研究中心調(diào)研報告預測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年以來該數(shù)據(jù)始終在55%左右，故設(shè)定未來城鎮(zhèn)就業(yè)率依舊保持穩(wěn)定在55%的水平。

城鎮(zhèn)職工平均工資增長率的基準方案設(shè)定如下：從2016年增長率10.08%開始，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)展目標下，對覆蓋率設(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)于繳費比例，16-45歲在職人員的單位繳費比例設(shè)定為6%，45歲至退休年齡之間的在職人員單位繳費比例為8%，退休之后繳費比例為零。同時設(shè)定在單位繳費中，70%進入統(tǒng)籌基金，30%劃入個人賬戶，統(tǒng)籌基金的實際繳費比率等于單位繳費比率和單位繳費劃入統(tǒng)籌基金的比例的乘積。

關(guān)于住院率和住院費用，基于《中國衛(wèi)生服務(wù)調(diào)查研究》給出的分年齡段住院率，對住院率和人均住院費用按年齡結(jié)構(gòu)和性別進行分組，住院率從0歲開始，每5年為一個分組，住院費用從20歲開始，每10年一個分組。結(jié)合我國GDP增長率以及2003-2013年《中國衛(wèi)生服務(wù)調(diào)查分析報告》的統(tǒng)計結(jié)果，將人均住院費用增長率的基準方案設(shè)為3.1%。

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

四、測算結(jié)果

（一）人口死亡率和全國人口數(shù)量的測算結(jié)果

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

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

從原因上分析，人均預期壽命的增加受到經(jīng)濟發(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)濟發(fā)展帶來的居民生活質(zhì)量逐步提高是人均預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)和時間序列因子的死亡率預測模型，居民生活質(zhì)量并沒有作為LC模型中死亡率預測的顯性依據(jù)，但LC模型中基于歷史數(shù)據(jù)得出的時間序列因子k（t）是帶負漂移項的隨機游走時間序列，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，從變量的估計方法來看，k（t）是時間t的減函數(shù)，當β為正時，死亡率隨t的增加值越來越小，甚至負增加，因此LC模型隱含分析了居民生活質(zhì)量提高對死亡率降低的影響。

（二）基本醫(yī)保參保人口數(shù)量及其長壽風險的測算結(jié)果

利用全國總?cè)丝?、死亡率的預測結(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，通過計算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（見圖4）。

由圖4可以觀察到的第一個結(jié)論是人口的期望值呈現(xiàn)出先抑后揚的發(fā)展趨勢，在本文的基準情形下，參?？?cè)丝谄谕礜E（t）在t=2050年時達到最高值45700.12萬人，2051年之后開始出現(xiàn)并一直保持下降的趨勢，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達成，低生育率帶來的就業(yè)人口下降效應(yīng)逐漸抵消了城鎮(zhèn)化和制度擴面的效應(yīng)，使得參保人口總量開始下降。

由圖4可以觀察到的第二個結(jié)論是在置信水平α=0.95時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，即使參?？?cè)丝诘钠谕翟趖=2050年開始出現(xiàn)下降后，N（t，0.95）依然由48430.13萬人增加到48531.95萬人，CVaR值模型下的人口上界N（t，0.95）則由51262.83萬人增加到51483.86萬人，通過計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值計的參保人口長壽風險測算結(jié)果（見表2的列（1）和列（4））。

由表2列（1），基于VaR值模型的測算結(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97.93萬人上升至2060年的4055.77萬人，增加了40.42倍，平均每年增加約一倍，說明2015年至2060年我國基本醫(yī)保參保人口的長壽風險處于不斷增大的態(tài)勢中，必須予以高度重視。對比表2中列（1）和表3列（1）的數(shù)據(jù)，各年度基于CVaR模型測算出的長壽風險均數(shù)倍于VaR模型的測算結(jié)果，表明在極端情況下，例如突破性醫(yī)學技術(shù)、生物基因輔助手段的出現(xiàn)治愈了無法攻克的頑疾，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)時間大幅超過期望值。

基于式（16）的PLRE值和PLRR值計算得到VaR模型下的在職人員與退休人員長壽風險（見表2的列（2）和列（3）），基于式（20）的PLREC值和PLRRC值計算得到CVaR模型下的在職人員與退休人員長壽風險（見表3的列（2）和列（3））。對比在職人員與退休人員長壽風險的發(fā)展趨勢，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期降低的尾部風險很小，在職人員的長壽風險相對而言較小。與在職人員相比，到2060年，無論是基于VaR還是CVaR值測算的結(jié)果均顯示退休人員面臨的長壽風險遠高于在職人員。此外，在職人員的長壽風險在VaR和CVaR兩種模型下測算出的結(jié)果差距不大，而退休人員的長壽風險在CVaR值模型下的測算結(jié)果遠超VaR模型，表明在極端情況下，退休參保人口死亡率超預期降低的尾部風險更大。

（三）長壽風險對基本醫(yī)保統(tǒng)籌基金沖擊效應(yīng)的測算結(jié)果

1.基準情形下的沖擊效應(yīng)。

本文的基準情形的參數(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比例分別為6%和8%、單位繳費的個人賬戶劃撥比例為30%、在職人員和退休人員的實際報銷比例分別為70%和80%。基于上述假定，由式（24）的BLR值和BLRC值，分別測算出以VaR和CVaR值計的長壽風險對基本醫(yī)保統(tǒng)籌基金收支結(jié)余的沖擊效應(yīng)（見表4）。結(jié)果顯示不論是在VaR還是CVaR模型下，長壽風險對基本醫(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年超過了7萬億元，年均增長率為16.39%;2060年以CVaR計的沖擊效應(yīng)高達22萬億元以上的規(guī)模。由此可見，在低生育率、低死亡率的現(xiàn)實背景下，長壽風險將對基本醫(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沖擊效應(yīng)的影響程度，將對生育政策、退休政策、籌資政策和償付政策進行敏感性分析。此外，由于在基于LC模型的死亡率和長壽風險預測中，沒有直接引入表征經(jīng)濟發(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，模擬測算經(jīng)濟增長和城鎮(zhèn)居民生活質(zhì)量提高對長壽風險沖擊效應(yīng)的影響。限于篇幅，考慮到CVaR模型相比于VaR模型更細致地測算了尾部風險，后續(xù)的敏感性分析均以CVaR模型下的沖擊效應(yīng)作為目標變量。

（1）生育政策調(diào)整的敏感性分析，在本文的測算時間區(qū)間內(nèi)，2010年出生的人口最早2026年才開始參加工作，2030年才達到法定結(jié)婚年齡，即生育政策的調(diào)整最早起作用的時間是2030年，因此，本文將統(tǒng)一選取2030-2060年作為敏感性分析的時間區(qū)間。采用CVaR模型，分別測算出高生育率方案和低生育方案下長壽風險對統(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于基準情形的變動率（見表5）。由于生育率的變動將影響到繳費人口的增減，而繳費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長壽風險的沖擊效應(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沖擊效應(yīng)的影響并不顯著，遠低于預期，究其原因，沖擊效應(yīng)是死亡率的異常變動引起的基金收支缺口變動，結(jié)合表2和表3的測算結(jié)果，退休人員的長壽風險對統(tǒng)籌基金的沖擊效應(yīng)貢獻率遠高于在職人員，但在2060年之前由生育率變動引發(fā)的多生或者少生的人群尚未邁入退休人員的行列，因此，從短期來看對生育政策進行調(diào)整無法有效對沖長壽風險。

（2）退休政策調(diào)整的敏感性分析，目前我國正在推行漸進式推遲退休政策，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，得到長壽風險對統(tǒng)籌基金的沖擊效應(yīng)及其相對基準情形的變動情況（見表6的列（2））。從理論上分析，推遲退休年齡一方面可以延長參保人的繳費時間，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，既開源又節(jié)流，可以有效減緩長壽風險的沖擊效應(yīng)。由表6的列（2）的測算結(jié)果來看，推遲五年退休之后，長壽風險的沖擊效應(yīng)明顯小于基準值，且兩者之間的差值隨時間推進不斷擴大，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。對比表5生育政策模擬的結(jié)果，推遲退休年齡相對于提高生育率而言，是一個更有效的政策調(diào)控手段，并且從政策調(diào)整的操控空間來看，推遲退休年齡相較于鼓勵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)實問題，必須綜合考慮和推進各項配套改革措施。

（3）籌資政策調(diào)整的敏感性分析。通過提高籌資水平緩解長壽風險對基本醫(yī)保統(tǒng)籌基金的沖擊效應(yīng)有兩個渠道，一個是直接提高單位繳費率，另一個是降低單位繳費劃入個人賬戶的比例，或者效仿城鄉(xiāng)居民基本醫(yī)療保險的做法，取消個人賬戶，將單位繳費全部納入統(tǒng)籌基金中。在取消個人賬戶的假設(shè)情形下，得到長壽風險對統(tǒng)籌基金的沖擊效應(yīng)及其相對基準情形的變動情況（見表6的列（3）），結(jié)果顯示取消個人賬戶僅可以在預測時間區(qū)間內(nèi)給長壽風險的沖擊效應(yīng)帶來2%左右的變動，有一定的調(diào)整效果但并不顯著，結(jié)合表2和表3的測算結(jié)果，可以推斷由于退休人員的長壽風險隨著時間的推移呈加速增長的趨勢，繳費比率的增加所引起的基金收入增加幅度遠小于由于老齡化和長壽化引發(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，將基準情形下在職人員和退休人員的報銷比例調(diào)低5%，分別設(shè)為65%和75%，得到長壽風險對統(tǒng)籌基金的沖擊效應(yīng)及其相對基準情形的變動情況（見表6的列（4））。結(jié)果顯示：降低5%報銷比例可以在預測時間區(qū)間內(nèi)給長壽風險的沖擊效應(yīng)帶來6%左右的變動，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，對籌資政策的調(diào)整僅局限于在崗職工，而償付政策的調(diào)整同時影響到在崗職工和退休職工，且退休職工的醫(yī)療費用支出顯著高于在崗職工，因此，盡管調(diào)整個人賬戶和報銷比例都屬于醫(yī)保福利向下調(diào)整的政策，但從緩解長壽風險沖擊效應(yīng)的效果而言，可以優(yōu)先考慮調(diào)整報銷比例。

（5）經(jīng)濟增長和居民生活質(zhì)量提高的敏感性分析。一方面，經(jīng)濟增長會帶來職工工資水平的增加，進而帶來居民生活質(zhì)量的提高，另一方面經(jīng)濟增長也會帶來包括醫(yī)療價格在內(nèi)的物價水平的上漲，對基本醫(yī)保統(tǒng)籌基金的影響主要體現(xiàn)為住院費用的提高，因此，本文將選擇城鎮(zhèn)職工工資增長率和人均住院費用增長率作為代理變量，對經(jīng)濟增長和居民生活質(zhì)量提高展開敏感性分析。相對于基準方案，設(shè)定平均工資增長率的高方案是從2016年增長率10.08%開始，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年增長率10.08%開始，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。相對于基準方案，設(shè)定人均住院費用增長率的高方案是年增長3.2%，低方案是年增長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葋砜矗≡嘿M用增長率變動所引發(fā)的沖擊效應(yīng)變動遠高于工資增長率變動所引發(fā)的沖擊效應(yīng)變動，由于工資增長影響統(tǒng)籌基金的收入，住院費用增長影響統(tǒng)籌基金的支出，對該結(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葋砜?，隨著預測時間的增長，工資增長率的變動對沖擊效應(yīng)的影響始終較小，說明盡管經(jīng)濟增長帶來了工資收入提高，提高了基本醫(yī)保的繳費基數(shù)，從正面減緩了長壽風險的沖擊效應(yīng)，但經(jīng)濟增長帶來的居民生活質(zhì)量提高也降低了城鎮(zhèn)職工的死亡率，從負面放大了長壽風險的沖擊效應(yīng)，最終出現(xiàn)了正負效應(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的人口數(shù)量上界持續(xù)增加，以及低生育率帶來的就業(yè)人口下降，使得基本醫(yī)保參保人口的長壽風險不斷增強，且退休人員面臨的長壽風險遠遠高于在職人員;第二，長壽風險對基本醫(yī)保統(tǒng)籌基金收支結(jié)余的沖擊效應(yīng)不斷增強，基于CVaR模型測算出的長壽風險數(shù)倍于基于VaR模型的測算結(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)時間將大幅超過期望值;第三，推遲退休年齡、提高生育率、調(diào)整個人賬戶和報銷比率、提高繳費工資和調(diào)節(jié)住院費用的過快增長均可以緩沖長壽風險的沖擊效應(yīng)，推遲退休年齡相對于提高生育率而言更有效且更具政策上的可操作性，調(diào)整報銷比例相對于調(diào)整個人賬戶更為穩(wěn)定和顯著;第四，經(jīng)濟增長帶來的職工工資收入提高從正面減緩了長壽風險的沖擊效應(yīng)，但經(jīng)濟增長帶來的居民生活質(zhì)量提高也降低了城鎮(zhèn)職工的死亡率，進而放大了長壽風險的沖擊效應(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)益的目標出發(fā)，必須針對長壽風險帶來的沖擊效應(yīng)采取系統(tǒng)化和前瞻性的應(yīng)對措施，主要建議如下：從長壽風險對沖擊效應(yīng)的緩釋手段來看，本文的敏感性分析結(jié)論從生育政策、勞動政策和醫(yī)保政策等角度著手，對如何緩解沖擊效應(yīng)提供了一些解決思路，但在具體實施時需要權(quán)衡各項政策的利弊，綜合配套使用;從長壽風險的系統(tǒng)化管理視角來看，應(yīng)當把包含基本醫(yī)保制度在內(nèi)的社會保障體系看作一個整體而不是相互獨立的因素去治理和改革，逐步建立醫(yī)療、養(yǎng)老和長期護理保險三大險種的聯(lián)動保障機制，為長壽風險的應(yīng)對提供更加全面的解決方案;從長壽風險的應(yīng)對主體來看，應(yīng)當確立政府主導、參保人和參保單位為輔的基本醫(yī)保長壽風險管理機制，既要亡羊補牢，提高基本醫(yī)保統(tǒng)籌基金的保值增值能力，通過財政兜底化解部分地區(qū)的基金缺口，也要未雨綢繆，建立科學的基本醫(yī)保長壽風險測算體系，依據(jù)測算結(jié)果設(shè)立長壽風險的專項儲備基金，并對跨區(qū)域長壽風險統(tǒng)籌調(diào)劑機制做出全國性的制度安排。

參考文獻：

[1] 高全勝. 長壽風險的穩(wěn)健對沖與穩(wěn)健管理技術(shù)研究進展[J]. 保險研究，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 模型在中國城市人口死亡率預測中的應(yīng)用與改進[J]. 保險研究，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. 長壽風險對城鎮(zhèn)職工養(yǎng)老保險的沖擊效應(yīng)研究[J]. 統(tǒng)計研究， 2016，33（5）：43-50.

[8] 胡仕強.死亡率免疫理論及其在長壽風險對沖中的應(yīng)用[J].財經(jīng)論叢，2014（10）： 44 -49.

[9] 謝世清.長壽風險證券化的理論動態(tài)研究[J]. 保險研究，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. 中國城市人口死亡率的預測[J]. 數(shù)理統(tǒng)計與管理，2009， 28（4）：736-744.

[17]姜增明，單戈.長壽風險對基本養(yǎng)老保險影響的測度[J]. 經(jīng)濟與管理研究，2016，37（11）：30-38.

[18]汪偉，劉玉飛，王文鵬.長壽的宏觀經(jīng)濟效應(yīng)研究進展[J].經(jīng)濟學動態(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測中的應(yīng)用[J]. 統(tǒng)計研究， 2012，29（6）：87-94.

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

[23]符寧，向夢航，程顯通.人均預期壽命影響因素研究——基于193個國家相關(guān)數(shù)據(jù)的分析[J]. 人口學刊， 2020， 42（5）：47-56.

（責任編輯：厲 亞）