提高短期死亡率序列的准确性：探索混合系统中的多步预测方法
机器学习
2025-09-29 v1
摘要
利率下降和经济稳定加剧了准确预测死亡率的重要性，尤其是在保险和养老金市场。多步提前预测对公共卫生、人口规划和保险风险评估至关重要；然而，当数据有限时，它们面临挑战。结合统计和机器学习（ML）模型的混合系统为处理线性和非线性模式提供了一种有前景的解决方案。本研究评估了不同多步预测方法（递归、直接和多输入多输出）以及ML模型对混合系统准确性的影响。来自12个数据集和21个模型的结果表明，选择多步方法和ML模型对于提高性能至关重要，其中使用递归方法的ARIMA-LSTM混合模型在大多数情况下优于其他模型。
引用
@article{arxiv.2509.22395,
title = {Improving accuracy in short mortality rate series: Exploring Multi-step Forecasting Approaches in Hybrid Systems},
author = {Filipe C. L. Duarte and Paulo S. G. de Mattos Neto and Paulo R. A. Firmino},
journal= {arXiv preprint arXiv:2509.22395},
year = {2025}
}