基于留未来法验证的死亡率预测贝叶斯模型平均
应用统计
2021-11-17 v2
摘要
预测死亡率的演变对寿险和养老基金起着核心作用。为刻画驱动这些模式的主要典型事实，人们已开发出多种随机框架来建模死亡率模式。然而，依赖某一特定模型的预测可能过于局限，并导致一些已有充分记载的缺陷，包括模型误设、参数不确定性和过拟合。为解决这些问题，我们首先在贝叶斯负二项分布框架下考虑死亡率建模，以自然且连贯的方式考虑过离散以及参数估计的不确定性。随后将模型平均技术视为应对模型误设的手段。本文提出两种基于留未来法验证的方法，并与基于边际似然的标准贝叶斯模型平均（BMA）进行比较。我们在大量仿真设置下开展了密集的数值研究，以比较所提方法的性能。接着在真实死亡率数据集上给出应用示例，其中包括对类新冠情景的敏感性分析。总体而言，我们发现两种基于样本外准则的方法在预测性能和稳健性方面均优于标准 BMA 方法。
引用
@article{arxiv.2103.15434,
title = {Bayesian model averaging for mortality forecasting using leave-future-out validation},
author = {Karim Barigou and Pierre-Olivier Goffard and Stéphane Loisel and Yahia Salhi},
journal= {arXiv preprint arXiv:2103.15434},
year = {2021}
}