一种预测驱动的层次因子模型及其在死亡率数据中的应用
应用统计
2021-12-10 v2
摘要
死亡率预测在人寿保险公司、养老基金和社会保障的保险与金融风险管理中起着关键作用。死亡率数据通常具有天然的高维特性，适宜采用因子模型方法进行建模与预测。本文引入一种专为死亡率预测定制的新型预测驱动层次因子模型（FHFM）。相较于现有仅在降维步骤中捕捉横截面变异或时间序列依赖的模型，新模型在层次结构下高效捕捉这两种特征，并有助于理解死亡率模式随时间的动态变化。通过与 Lee and Carter 1992 所用的静态 PCA、Lam et al. 2011 引入的动态 PCA 以及其他现有死亡率建模方法比较，我们发现该方法兼具更优的估计结果与更好的样本外预测表现。模拟研究进一步基于不同数据结构说明了所提模型的优势。最后，使用美国死亡率数据的实证研究展示了这一新模型在预期寿命预测与年金定价中的意义与重要性。
引用
@article{arxiv.2102.04123,
title = {A Forecast-driven Hierarchical Factor Model with Application to Mortality Data},
author = {Lingyu He and Fei Huang and Yanrong Yang},
journal= {arXiv preprint arXiv:2102.04123},
year = {2021}
}