随着当今目前社会经济不断发展,医疗水平逐渐完善,群众对社会医疗保障也普遍产生了强烈的需求,市场上运行的基本医疗保险只能为群众提供最基本的医疗保障,而对于高昂的医疗费用支出基本医疗保险并不能给予良好的保障,医疗市场上急需出现一款解决高额医疗费用支出的保障型保险,大病保险在这种情况下应运而生。在基本医疗保险发展的几十年过程中,持续提高了国民普遍的医疗水平,减轻了群众们看病难花销大的局面,取得了良好的成效,这说明社会保险已经给人们带来了很大的生活改善,使得群众的幸福指数得到提升。而大病保险作为基本医疗保险的补充在2012年8月逐渐开展起来,它已逐渐成为连接社会保险和商业保险的桥梁,切实解决了人民群众因病致贫,因病返贫的问题。2012年8月,国家政委出台了《关于开展城乡居民大病保险工作的指导意见》(以下简称《指导意见》),大病保险从此在全国各个城市逐渐开展起来。在大病保险开展的近四年过程中,它填补了基本医疗保险的空缺之处,对其进行了进一步的补充和完善。在大病保险的近四年试点过程中,取得了显著的成效,但其中也陆续出现了一些问题,这些问题严重制约了大病保险的长期可持续发展。本文首先以成都市为例分析了目前成都市城乡居民大病保险的开展情况,建立精算模型分析未来发展的可持续性。其次通过分析成都市大病保险的运行情况,联系目前中国大病保险试点的其他城市,总结出目前在大病保险市场上存在的三方面问题,筹资水平问题,风险管理问题,专业能力问题。在筹资水平方面,出现以下三个问题：第一,筹资水平较低,大病保险的保障对象具有一定的广泛性,但它的筹资水平达不到要求,与保障水平不相匹配。第二,筹集渠道单一,目前我国的大病保险处于起步阶段,筹资渠道不够丰富。第三,筹资标准缺少动态调节机制。在风险管理方面,出现以下三类问题：第一,作为公共产品的特殊属性,导致承办机构经营行为不合规。第二,医疗费用开支过高,产生一些不必要的医疗费用,机构工作效率低下,行政费用高昂。第三,招标投标过程不透明。在专业能力方面,缺少专业性人才。通过分析之前总结的三大方面七个问题,给予一定的方案解决,解决方案也分别从以上三大方面给予解决,即筹资方面,风险管理方面,分别为：扩展多种筹资渠道、构建动态调节机制、加强有效的监督管理、政府给予相关政策支持、规范招标机制、大病保险委托商业保险机构承办增加相关细则指导,培养专业型人才。下面我将对文章的主要内容及观点给出具体的阐述。第一部分,介绍国内外大病保险相关的文献,通过阅读大量文献确定了论文的主题,即：有关国内大病保险长效机制的研究问题。总结了研究内容,研究目的和研究方法。第二部分,在这部分中首先给出了相关概念的界定,主要包括大病保险制度、大病保险运行机制、大病保险长效机制。并提出了大病保险委托商业保险机构经办的理论依据,第一,将社会医疗保险与商业医疗保险相结合理论；第二,政府购买公共服务理论；第三,保险精算理论。最后指出大病保险委托商业保险机构经办的可行性研究,第一,商业保险机构具有技术优势；第二,商业保险机构具有企业规模优势。第三部分,以成都市大病保险为本文研究切入点,主要回顾了近年来成都市大病保险的发展历程,具体研究了成都市城乡居民大病保险的保障水平和筹资水平,建立保障与筹资的精算模型,并对未来大病保险的基金收入和基金支出加以预测,研究其发展的长效机制。第四部分,首先介绍了目前大病保险在中国试点运行的主要情况,通过分析市场上大病保险的运行情况,总结出了阻碍大病保险委托商业保险机构经办长效发展困难的原因,主要有七点,第一,筹资水平较低,大病保险的保障对象非常广泛,但它的筹资筹资水平比较低,与保障水平不相匹配。第二,筹集渠道单一,目前我国的大病保险处于起步阶段,筹资渠道不够丰富。第三,作为公共产品的特殊属性,导致承办机构经营行为不合规。第四,医疗费用开支过高,产生一些不必要的医疗费用,机构工作效率低下,行政费用高昂。第五,缺少动态调节机制。第六,缺少专业性人才。第七,招标投标过程不透明。第五部分,通过对前文所说的七大类的问题加以分析,保证大病保险经办的长效运行,提出对策建议主要为：扩展多种筹资渠道、加强有效的监督管理、构建大病保险动态风险调整机制、政府给予政策建议支持、招投标机制需要进一步规范、大病保险委托商业保险机构承办增加相关细则指导,培养专业型人才。此篇论文的创新点在于目前鲜有学者研究国内大病保险长期可持续性的相关文献,而大病保险目前正处于快速发展的初期,国家政府大力倡导大病保险的运行,多次出台了大病保险的相关文献,所以本文就以成都市正在运行的城乡居民大病保险为例,建立精算模型,预测未来十年的大病保险筹资金额和赔付金额分析其长效机制。本文的不足之处在于由于一直都是通过知网、当地社保局医保局网站查阅相关文献,图书馆阅读相关数据,很少有通过实地考察的方式获得第一手数据资料,所以对于某些数据的采集缺少了一定的实践依据。并且由于数据有限,在建立精算模型时所用到的数据选取的时间段较短,对未来的相关数据的预测带来了一定的偏差。