2010年第6次全国人口普查显示,我国60岁及以上人口有1.78亿人,占全部人口的13.26%,其中65岁及以上人口为1.19亿人,占全部人口的8.87%。根据联合国的预测,到2050年,我国60岁以上的老年人口占比将增加至30%左右。我国面临着十分严峻的人口老龄化问题,老龄人口的长期护理问题正严重影响着我国老年人的日常生活。在这样的背景下,"十三五"规划、国务院和人力资源和社会保障部纷纷对如何解决老年人"老有所养"的问题给予了充分的重视,并将重点放置在如何利用和发展长期护理保险以解决老龄化和养老问题上。相对于我国基数大、速度快的老龄化难题,我国的长期护理保险制度发展缓慢,对长期护理保险的研究也十分有限。因此,本文希望通过定性与定量相结合的方式,研究适合我国的长期护理保险制度和对长期护理保险进行定价的精算模型,并利用中国健康与养老追踪调查(China Health and Retirement Longitudinal Study,简称CHARLS)的数据对老年人健康状态转移过程和长期护理保险的精算费率进行实证研究。本文首先选取了美国、日本、德国的长期护理保险进行了研究,在充分分析其制度模式、借鉴其经验优势的基础上,结合我国实际,为我国长期护理制度的建立提出了建议。本文认为,我国应建立社会性长期护理保险和商业性长期护理保险并存的多层次长期护理保险制度。一方面,要将长期护理保险纳入社保体系,从而保证长期护理保险的覆盖面和普惠性;另一方面,由商业性长期护理保险来完善保障层次,提升市场活性。在对利用实际数据进行实证研究之前,本文严格界定了长期护理状态,依据国内外的研究和国际、国内的行业实践,本文将ADLs出现3项及以上失能或出现认知障碍定义为进入长期护理状态,后文的研究均依照此标准。接着,本文研究了国际上常用的四种定价模型:曼联模型、随机状态持续时间模型、减量表模型和Markov模型,研究发现Markov模型的假设相较于曼联模型和随机状态模型而言更贴合实际,其在数学与统计领域的优越性也使得对其的应用要比减量表模型更方便,因此本文建议在长期护理保险的定价领域采用该模型。中国健康与养老追踪调查(CHARLS)是关于我国老年人健康与养老的权威调查,包含近2万个样本,数据质量良好,被国内外学者广泛应用。本文选取了其2011年全国基线调查和2013年追踪调查的数据(此为官网最新数据)对健康状态转移概率进行测算。通过建立有序logit模型,本文发现:年龄、性别、初始健康状态、是否与配偶共同居住这4个因素都显著影响着被保险人的健康状态转移概率,进而本文利用CHARLS的数据对健康状态转移概率矩阵进行了测算,得到了不同年龄、性别、婚姻状况的人群的两年期转移概率矩阵P(2),又通过对矩阵的指数与对数变换得到了一年期转移概率矩阵P(1),并将测算结果运用于长期护理保险的定价中。测算结果显示,长期护理风险随年龄的增长呈现增加的趋势;男性、不与配偶同居这两个分类面临着较高的长期护理风险;相同初始状态下,女性的死亡率低于男性。被保险人进入中老年后即使期初处于健康状态,未来也有很大可能(超过30%)会转移至长期护理状态,而期初处于长期护理状态的被保险人未来恢复健康的可能性是比较低的(10%左右)。本文利用Markov模型和一年期健康状态转移概率矩阵对长期护理保险的费率进行了实证研究。研究假设保险期间至被保险人80岁,得到了分年龄、性别、婚姻状况和初始健康状态的精算费率表(全表见附录)。分类费率的结果与健康状态转移概率矩阵的结果相吻合,男性、不与配偶共同居住、初始状态为长期护理的被保险人面临着更高的保险费率。总体来看,由于我国老年人面临着较高的长期护理风险,因而长期护理保险的精算费率普遍较高。