2026年中國精算師資格考試預測卷（五）考試科目：健康險精算一、單項選擇題（共30題，每題2分，共60分）健康險精算中，長期護理保險的核心保障對象是（）A.重疾患者B.失能人群C.住院患者D.慢性病患者基于深度神經網絡的健康險定價模型，其核心優(yōu)勢是（）A.僅需少量樣本數據B.無需人工特征提取C.僅適用于團體健康險D.計算速度慢但精度高健康險定價的核心風險因子不包括（）A.年齡B.職業(yè)C.投資收益率D.既往病史長期護理保險的失能狀態(tài)評估中，ADL六項基本生活活動不包括（）A.吃飯B.就醫(yī)C.穿衣D.如廁健康險純保費計算中，用于描述索賠頻率的常用分布是（）A.泊松分布B.指數分布C.均勻分布D.伽馬分布端到端健康險定價模型的核心特征是（）A.多模型分步計算B.單個模型完成從數據輸入到保費輸出C.僅依賴精算公式D.需手動調整風險因子權重健康險準備金評估中，IBNR（已發(fā)生未報案準備金）的常用評估方法是（）A.鏈梯法B.生命表法C.指數平滑法D.移動平均法長期護理保險的四種核心狀態(tài)不包括（）A.健康B.輕度失能C.重度失能D.重疾狀態(tài)健康險風險中，“逆選擇風險”的核心表現是（）A.健康人群集中投保B.高風險人群優(yōu)先投保C.投保人頻繁退保D.理賠數據造假深度神經網絡定價模型中，處理樣本不平衡問題的常用方法是（）A.擴大樣本量B.數據標準化C.classweight方法D.剔除小比例樣本健康險費率厘定的基本原則不包括（）A.公平性B.充足性C.靈活性D.投機性長期護理保險的躉交純保費計算中，不需要的參數是（）A.各失能狀態(tài)轉移概率B.保險金給付金額C.利率貼現因子D.投保人職業(yè)類別健康險數據預處理中，縱向合并多期調查數據的核心目的是（）A.減少數據量B.提高數據質量C.簡化模型計算D.降低數據相關性商業(yè)健康險與社會醫(yī)療保險的核心區(qū)別是（）A.保障范圍B.強制性C.定價機制D.賠付方式健康險精算中，用于擬合單次索賠金額的常用分布是（）A.二項分布B.對數正態(tài)分布C.泊松分布D.負二項分布深度神經網絡模型中，輸出層用于預測多狀態(tài)概率的激活函數是（）A.ReLU函數B.Sigmoid函數C.Softmax函數D.Tanh函數健康險準備金中，未到期責任準備金的計算基礎是（）A.已賺保費B.未賺保費C.已發(fā)生理賠D.預期理賠長期護理保險的Markov模型與端到端模型的核心區(qū)別是（）A.前者需任務分解，后者無需B.前者精度更高C.后者僅適用于短期保障D.前者無需分布假設健康險核保中，用于評估投保人健康風險的核心數據來源不包括（）A.體檢報告B.既往病史C.生活習慣D.投資記錄健康險風險量化中，“醫(yī)療通脹率”的核心影響是（）A.提高保費收入B.增加理賠支出C.降低退保率D.優(yōu)化投資收益深度神經網絡定價模型的訓練過程中，反向傳播的核心目的是（）A.劃分訓練集和驗證集B.調整模型參數權重C.標準化輸入數據D.定義損失函數健康險產品設計中，“免賠額”的核心作用是（）A.提高保費B.降低逆選擇風險C.減少小額理賠D.擴大保障范圍長期護理保險的狀態(tài)轉移概率中，從輕度失能到重度失能的概率屬于（）A.自轉移概率B.互轉移概率C.退出概率D.初始概率健康險精算中，信度理論的核心應用是（）A.保費調整B.準備金評估C.風險分類D.數據清洗深度神經網絡模型中，dropout層的核心作用是（）A.增加模型復雜度B.防止過擬合C.加速訓練速度D.處理缺失值健康險監(jiān)管中，償付能力充足率的核心要求是（）A.實際資本≥最低資本B.實際資本≥經濟資本C.經濟資本≥最低資本D.保費收入≥理賠支出長期護理保險的保險金給付觸發(fā)條件是（）A.被保險人確診重疾B.被保險人達到約定失能狀態(tài)C.被保險人住院治療D.被保險人死亡健康險精算中，用于預測理賠頻率的廣義線性模型鏈接函數是（）A.恒等鏈接B.對數鏈接C.邏輯鏈接D.逆鏈接深度神經網絡定價模型的評估指標中，核心關注的是（）A.健康狀態(tài)預測準確率B.模型訓練速度C.參數數量D.數據維度健康險再保險安排中，核心考慮的風險是（）A.投資風險B.巨災風險C.集中理賠風險D.利率風險二、多項選擇題（共10題，每題3分，共30分）長期護理保險的核心保障內容包括（）A.日常生活照料B.醫(yī)療護理服務C.重疾治療費用D.失能狀態(tài)評估費用深度神經網絡在健康險定價中的優(yōu)勢包括（）A.減少誤差積累B.實現個性化定價C.無需人工特征提取D.僅適用于大樣本數據健康險的主要風險類型包括（）A.逆選擇風險B.道德風險C.醫(yī)療通脹風險D.利率風險健康險定價的核心數據來源包括（）A.體檢數據B.理賠數據C.人口統(tǒng)計數據D.投資市場數據長期護理保險的狀態(tài)轉移模型包括（）A.Markov模型B.深度神經網絡模型C.鏈梯模型D.案均賠款模型健康險數據預處理的核心步驟包括（）A.數據合并B.數值歸一化C.標簽編碼D.模型訓練影響健康險純保費的關鍵因子包括（）A.年齡B.性別C.既往病史D.保險期限健康險準備金的主要類型包括（）A.未到期責任準備金B(yǎng).IBNR準備金C.壽險責任準備金D.長期健康險責任準備金深度神經網絡模型的核心結構包括（）A.輸入層B.隱藏層C.輸出層D.數據層健康險精算的監(jiān)管要求包括（）A.償付能力充足率B.費率報備制度C.準備金評估標準D.投資范圍限制三、計算分析題（共2題，每題5分，共10分）某45歲投保人投保長期護理保險，保障至60歲，躉交保費。已知：輕度失能年給付保險金3萬元，重度失能年給付保險金5萬元；各保單年度處于輕度失能狀態(tài)的概率分別為：t=1時2%、t=2時3%、t=3時4%（后續(xù)年度暫忽略）；重度失能狀態(tài)概率分別為：t=1時1%、t=2時2%、t=3時3%（后續(xù)年度暫忽略）；年利率3%，貼現因子v=1/(1+0.03)。要求：（1）計算各年度保險金給付的精算現值；（2）計算該保單的躉交純保費（僅考慮前3個保單年度）。某保險公司采用深度神經網絡模型定價長期護理保險，訓練集樣本57433個，其中健康狀態(tài)樣本45372個、輕度失能6318個、重度失能4020個、死亡1723個。要求：（1）計算各狀態(tài)的樣本占比，判斷是否存在樣本不平衡問題；（2）若采用classweight方法處理該問題，核心目的是什么？（3）若模型預測某投保人t=5時輕度失能概率10%、重度失能概率5%，無其他失能狀態(tài)給付，計算該年度保險金給付的精算現值（保險金同上題，v?=0.8638）。參考答案及解析一、單項選擇題B【解析】長期護理保險核心保障因年老、疾病或傷殘導致生活無法自理的失能人群，覆蓋日常生活照料和醫(yī)療護理需求；A、C、D為其他健康險的保障對象。B【解析】深度神經網絡定價模型可自動提取特征進行非線性擬合，無需人工干預，契合個性化定價需求；A錯誤（需大樣本），C錯誤（適用于個體和團體），D錯誤（計算速度取決于模型復雜度）。C【解析】健康險定價核心風險因子包括年齡、性別、職業(yè)、既往病史、生活習慣等，投資收益率是壽險或投資型保險的考慮因素。B【解析】ADL六項基本生活活動包括吃飯、穿衣、洗澡、如廁、室內行走、行動，就醫(yī)不屬于基本生活活動范疇。A【解析】泊松分布因適合描述稀有事件發(fā)生次數，是健康險索賠頻率的常用分布；指數分布、伽馬分布用于索賠金額，均勻分布適用場景極少。B【解析】端到端模型的核心特征是“一站式”處理，從原始數據輸入到保費輸出由單個模型完成，無需拆分任務；A、C、D為傳統(tǒng)定價模型特征。A【解析】鏈梯法是健康險IBNR準備金評估的常用方法，通過歷史理賠進展數據預測未報案損失；生命表法用于壽險準備金，指數平滑法、移動平均法用于趨勢預測。D【解析】長期護理保險的核心狀態(tài)包括健康、輕度失能、重度失能、死亡，重疾狀態(tài)是重疾險的核心保障維度。B【解析】逆選擇風險是指高風險人群（如健康狀況差）因保障需求迫切而優(yōu)先投保，導致保險公司賠付率上升；A、C、D均非逆選擇核心表現。C【解析】classweight方法通過賦予小比例類別更高權重，平衡樣本分布差異，提高關鍵類別的預測準確率；A、B不針對樣本不平衡，D會丟失關鍵信息。D【解析】健康險費率厘定需遵循公平性（風險與保費匹配）、充足性（覆蓋損失）、靈活性（適應風險變化），投機性違背保險本質。D【解析】長期護理保險躉交純保費計算需考慮狀態(tài)轉移概率、保險金給付、貼現因子，職業(yè)類別對失能風險影響較小，非核心參數。B【解析】縱向合并多期數據可整合更多個體信息，捕捉風險變化趨勢，從而提高數據質量和模型預測精度；A、C、D與合并目的相反。B【解析】社會醫(yī)療保險具有強制性，商業(yè)健康險自愿投保，這是兩者最核心的區(qū)別；保障范圍、定價機制、賠付方式存在差異但非核心。B【解析】對數正態(tài)分布因右偏特性，適合擬合健康險中具有長尾特征的索賠金額；二項分布、泊松分布、負二項分布用于計數變量（如索賠次數）。C【解析】Softmax函數可將輸出轉化為概率分布，適合多狀態(tài)（如健康、失能、死亡）的概率預測；ReLU函數、Tanh函數用于隱藏層激活，Sigmoid函數適合二分類。B【解析】未到期責任準備金是為未到期保單責任提存的資金，計算基礎是未賺保費（保費中對應未到期風險的部分）。A【解析】Markov模型需拆分狀態(tài)轉移概率計算、保費貼現等任務，端到端模型無需任務分解，直接輸出結果；B錯誤（端到端模型精度更高），C錯誤（端到端模型適用于長期保障），D錯誤（Markov模型需轉移概率假設）。D【解析】健康險核保核心數據來源包括體檢報告、既往病史、生活習慣、職業(yè)等，投資記錄與健康風險無關。B【解析】醫(yī)療通脹率上升會導致醫(yī)療服務價格上漲，直接增加健康險理賠支出；A、C、D與醫(yī)療通脹率無直接核心關聯。B【解析】反向傳播通過計算預測值與真實值的誤差，反向調整各層參數權重，優(yōu)化模型性能；A、C、D是模型訓練的前置或輔助步驟。C【解析】免賠額是投保人需自行承擔的小額損失，核心作用是減少頻繁的小額理賠，降低運營成本；A、B、D非其核心作用。B【解析】不同狀態(tài)間的轉移概率（如輕度失能→重度失能）屬于互轉移概率；自轉移概率是指保持原狀態(tài)的概率，退出概率是指轉移至死亡狀態(tài)的概率。A【解析】信度理論在健康險中主要用于經驗費率調整，結合先驗信息與保單經驗數據，優(yōu)化保費定價；B、C、D非核心應用場景。B【解析】dropout層通過隨機丟棄部分神經元，減少模型對局部特征的依賴，防止過擬合；A、C、D非其核心作用。A【解析】健康險監(jiān)管核心要求是償付能力充足率≥100%，即實際資本≥最低資本；經濟資本是內部管理指標，與監(jiān)管要求無直接綁定。B【解析】長期護理保險的給付觸發(fā)條件是被保險人達到約定的失能狀態(tài)（如ADL能力喪失一定比例），而非重疾確診、住院或死亡。B【解析】健康險理賠頻率為計數數據，常用泊松分布作為隨機成分，對應對數鏈接函數，確保預測值非負。A【解析】深度神經網絡定價的核心是準確預測被保險人未來健康狀態(tài)概率，因此狀態(tài)預測準確率是核心評估指標；B、C、D是次要考慮因素。C【解析】健康險再保險主要應對集中理賠風險（如大規(guī)模傳染病導致的理賠激增）；投資風險、利率風險通過資產配置管理，巨災風險是非壽險再保險的核心考慮。二、多項選擇題AB【解析】長期護理保險核心保障日常生活照料（如穿衣、吃飯）和醫(yī)療護理服務（如康復護理）；重疾治療費用是重疾險保障內容，失能評估費用通常包含在保費或給付中，非核心保障。ABC【解析】深度神經網絡定價優(yōu)勢包括減少誤差積累（無需任務分解）、實現個性化定價（捕捉個體差異）、無需人工特征提?。ㄗ詣訑M合）；D錯誤（也可通過數據增強適用于中小樣本）。ABC【解析】健康險主要風險包括逆選擇風險、道德風險、醫(yī)療通脹風險、理賠風險等；利率風險對健康險影響較小，非核心風險。ABC【解析】健康險定價核心數據來源包括體檢數據、理賠數據、人口統(tǒng)計數據、生活習慣數據等；投資市場數據是投資型保險的參考因素。AB【解析】長期護理保險狀態(tài)轉移模型包括傳統(tǒng)的Markov模型和前沿的深度神經網絡模型；鏈梯模型、案均賠款模型用于準備金評估，非狀態(tài)轉移模型。ABC【解析】健康險數據預處理核心步驟包括數據合并（整合多源數據）、數值歸一化（消除量綱影響）、標簽編碼（轉換分類變量）；模型訓練是預處理后的步驟。ABCD【解析】年齡（風險隨年齡增長上升）、性別（不同性別發(fā)病率差異）、既往病史（影響未來理賠概率）、保險期限（保障時間越長風險越高）均是影響純保費的關鍵因子。ABD【解析】健康險準備金包括未到期責任準備金（覆蓋未到期責任）、IBNR準備金（覆蓋未報案損失）、長期健康險責任準備金（針對長期保障）；壽險責任準備金是壽險業(yè)務專屬。ABC【解析】深度神經