CBD模型对高年龄段死亡率的预测

人口老龄化现象发生在我国日益显著,因此我们越来越多地关注对于死亡率的研究,而对高年龄段老龄人口的死亡率研究则更加显得重要,CBD模型恰恰适合于高年龄段的人群的死亡率预测。本文针对全国分年龄段人口死亡率历史数据,预测出未来10年的年龄人口死亡率及趋势。

中国人口CBD死亡率模型的参数再调整

根据人口死亡原始数据建立的死亡率预测模型往往需要进行参数调整,使其更具实用性。在Lee-Carter模型的研究与应用中进行参数调整已经非常普遍,然而对CBD模型进行参数调整的研究还不多。文章首先利用中国人口死亡数据建立高龄人口的CBD模型,借助Lee-Carter模型的参数调整获取高龄人口预期寿命,然后以此为调整目标对CBD模型的参数进行调整,最后,利用调整的CBD模型对未来人口死亡率和预期寿命进行预测,并根据精算平衡原则分析评价我国职工基本养老保险个人账户领取阶段面临的长寿风险。

基于AEL-STM改进模型的高龄人口死亡率预测

高龄人口死亡率预测是长寿风险度量和管理、养老金成本和债务评估的基础.基于高龄人口死亡率数据特征,本文建立一个AEL-STM改进模型对高龄人口死亡率进行预测.首先利用AE模型从高龄人口死亡率数据提取潜在时间因子,把它作为LSTM模型的输入变量,然后通过解码得到高龄人口死亡率预测值.同时,选取我国大陆1994–2018年60–89岁高龄人口死亡率作为样本数据进行实证分析.研究结果表明,AELSTM改进模型较传统的人口死亡率CBD模型预测精度有显著提高,且预测结果呈现较强鲁棒性.

一类地理加权CBD死亡率预测模型的研究

死亡率预测一直是人口学中的重要问题,目前得到研究较多的死亡率预测模型研究的大都是基于单一地区的多年份年龄别死亡率数据.考虑多个地区的单一年份的分年龄死亡率数据,基于死亡率在高年龄段随年龄的增长不断提高以及地理位置越靠近的地区这种变化趋势越类似两个特征,提出了一类地理加权CBD模型,并利用该方法分析了我国2010年第六次人口普查省域死亡率数据.

基于CIR特性的高龄死亡率预测方法

死亡率预测可以为人寿保险和养老基金提供重要参考,因此对死亡率预测的精确度要求尤为迫切.本文基于CIR模型自身的特性,将其应用于随机死亡率的预测建模,提出了一种基于已有模型的修正方案,旨在提高预测精度.首先选取台湾地区1970—2014年和香港地区1986—2017年的死亡率数据,以经典的CBD模型为例,对新的修正模型预测性能进行检验;在获得良好的修正效果后,将该方法应用于中国大陆1995—2017年全人口死亡率数据,使用样本外数据方法进行回溯测试,检验模型预测能力,提高预测质量;最后,对中国人口死亡率进行预测,结果表明修正后的预测值更为准确.

基于死亡率风险管理的保险公司最优资本配置研究

本文从死亡率风险管理的角度研究保险公司的最优资本配置问题。应用CBD模型刻画随机死亡率,并假设资本面临的风险来自于随机死亡率。以美国的经验死亡率数据为基础,在偿付能力的约束下探究保险公司在不同产品线上的最优资本配置。通过敏感性分析,考虑保险期限、死亡率改善、缴费方式和随机利率等多种因素对模型结果的影响,对保险公司的最优资本配置有一定的指导意义。