基于函数特征的死亡率预测
统计方法学
2025-01-29 v2
摘要
本研究引入了一种创新方法，用于死亡率预测，将基于信函的方法集成到Hyndman-Ullah (HU) 模型的函数数据框架中。这种新方法称为Hyndman-Ullah with truncated signatures (HUts) 模型，旨在提高死亡率预测的准确性和鲁棒性。通过利用信函回归，HUts 模型能够捕捉死亡率数据中复杂的非线性依赖关系，从而在 various 人口学条件下提高预测准确性。该模型应用于 12 个国家的死亡率数据，比较其在多个预测时段上的预测性能与 HU 模型变体的表现。我们的发现表明，总体而言，HUts 模型不仅提供更精确的点预测，而且在应对数据不规则情况（如历史异常值国家）时表现出鲁棒性。信函方法的集成使 HUts 模型能够捕捉死亡率数据中的复杂模式，成为制度人和人口学家的强大工具。预测区间也采用自助法构建。
引用
@article{arxiv.2407.15461,
title = {Forecasting mortality rates with functional signatures},
author = {Zhong Jing Yap and Dharini Pathmanathan and Sophie Dabo-Niang},
journal= {arXiv preprint arXiv:2407.15461},
year = {2025}
}
备注
40 pages, 26 figures, 9 tables