深化 Lee-Carter 模型以进行带不确定性估计的寿命预测
应用统计
2021-03-22 v1
摘要
无疑，全球若干国家持续经历预期寿命的不断增长，延伸了寿险精算师与人口学家在死亡率预测方面的挑战。尽管既往文献提出了若干随机死亡率模型，死亡率预测研究仍是一项关键任务。近来，各类研究倡导深度学习模型在死亡率数据中提取合适模式的充分性。此类学习模型能够实现准确的点预测，但同样必要的是不确定性度量，以支撑模型估计的可靠性与风险评估。据我们所知，死亡率预测中的机器学习与深度学习文献缺乏关于不确定性估计的研究。作为死亡率预测的新进展，我们形式化了深度神经网络在 Lee-Carter 框架内的集成，在深度学习与死亡率密度预测之间架起第一座桥梁。我们在一项数值应用中检验了所提模型，考虑了全球三个代表性国家及两种性别，审视了两个不同拟合期。利用生物学合理性与预测可信度以及性能度量的含义，我们的发现确认了深度学习模型提升 Lee-Carter 模型预测能力的适用性，并在长期上也提供了更可靠的死亡率边界。
引用
@article{arxiv.2103.10535,
title = {Deepening Lee-Carter for longevity projections with uncertainty estimation},
author = {Mario Marino and Susanna Levantesi and Andrea Nigri},
journal= {arXiv preprint arXiv:2103.10535},
year = {2021}
}