保誠人壽愛美利(rlplu16)外幣終生壽險（分紅保單）IRR分析(0歲女),註冊保誠人壽網路投保會員,輸入親友推薦序號(WCGXNV) 加贈100元悠遊金,最高可領1000元;

保誠人壽愛美利(rlplu16)外幣終生壽險
0歲女性被保險人,
中分紅建議書如下
(點此或下圖連結FB討論串):

前篇的保誠人壽愛美利(rlplu16)

外幣終生壽險（分紅保單）IRR分析

是以30歲女性為被保險人

本篇要以0歲女性被保險人為例

是否會有更強的IRR呢?

開始介紹這張保單前

先談一下保誠賣給中壽的事情

依據中國人壽重大訊息:

併購項目為保誠人壽

除銀行通路和電話行銷通路外之全部資產及負債。

所以保誠人壽的

銀行保代通路(保經通路)

電話行銷通路

並沒有賣給中壽

透過保經還是可以買到保誠人壽的商品

保誠人壽的歷史分紅可以參考這裡

我挑兩張歷史比較長的保單來看:

五五升豐:

中分紅達成率皆為100%

其他保單也有看到110%的

固定利率,機動利率,宣告利率與IRR

一般人直覺銀行的牌告利率=IRR

事實上也要根基於銀行的牌告利率不變

也是一個預估值而已

從2008年金融海嘯前就開始投資了

定存利率從2.5 %急墜到1%不到,

就是儲蓄保險王的親身經歷

銀行牌告利率不變,

原本就非事實

甚至定存還沒有保證過

利率必須是正數

看看我們的鄰國日本吧!

但大家仍以牌告利率當成IRR

若要強求所謂的"保證"

連利率最低的定存,活存都辦不到

採用宣告利率的利變保單

因金管會黑手,

已無透明,公平,反映市場利率的數值

但分紅保單主管機關明定

上述核定之可分配紅利盈餘，

其分配予要保人之比例不得低於百分之七十。

分紅保單的達成率

比宣告利率可靠

本站一貫特色

就是先揭露缺點與風險

再來談報酬

本保單以建議書之最末欄位

(解約金+中分紅)

計算IRR

11年皆為負報酬

因為很重要

所以講了三次

12年末解約金才大於總繳保費

除了壽險保障以外

還附帶癌症保險:

IRR之計算,
並未考慮保單的保障功能
對於保單較吃虧

Python code:

# -*- coding: utf-8 -*-
"""
Created on Tue May 23 18:57:45 2023

@author: SavingKing
"""
import numpy_financial as npf
import numpy as np
import pandas as pd

# cash_value=[40907,42027,43177,44359,
#             45571,46820,48102,49417,50770] #30女
cash_value=[45451,46802,48193,49626,
            51101,52619,54183,55791,57452] #0歲女
#從12年末(第13年初)開始~20年末 解約金,共9筆資料
increasing_rate = [np.nan]

for i in range(1,len(cash_value)):
    increase = cash_value[i]/cash_value[i-1]-1
    increasing_rate.append(increase)
n_years = 10
pay = [-3000]*n_years
#[-3000, -3000, -3000, -3000, -3000, -3000, -3000, -3000, -3000, -3000]
# len(pay)
# Out[38]: 10

lisIRR=[] ; totReturn=[]
for i,value in enumerate(cash_value,12):
    lis0 = [0]*(i-n_years)
    cash_flow = pay+lis0+[value]
    irr = npf.irr(cash_flow)
    lisIRR.append(irr)
    tot = sum(cash_flow)/abs(sum(pay))
    totReturn.append(tot)
    
lisIRR=[f"{irr:.4%}" for irr in lisIRR ]
totReturn=[f"{ele:.4%}" for ele in totReturn ]
increasing_rate=[f"{ele:.4%}" for ele in increasing_rate ]

dic ={
      "年": list(range(12,21)),
      "IRR": lisIRR,
      "總報酬率": totReturn,
      "解約金增加率": increasing_rate
      }

df = pd.DataFrame(dic)