零样预测死亡率：全球研究
机器学习
2025-05-21 v1 风险管理
应用统计
摘要
本研究探讨了利用预训练基础模型进行零样预测时间序列的潜力，这是一种无需任务特定微调即可预测死亡率的创新方法。我们评估了两项最先进的基础模型，TimesFM和CHRONOS，以及传统方法和基于机器学习的方法，在三个预测时段(5年、10年和20年)上，使用来自50个国家和111个年龄群的数据。我们发现，零样模型呈现出不同的结果：尽管CHRONOS在较短期预测方面表现出竞争力，超过了像ARIMA和Lee-Carter模型等传统方法，但TimesFM持续表现不佳。在死亡率数据上对CHRONOS进行微调显著改善了长期预测准确性。在死亡率数据上训练的随机森林模型实现了最佳整体性能。这些发现凸显了零样预测的潜力，同时强调在模型选择和领域特定适应方面的必要性。
引用
@article{arxiv.2505.13521,
title = {Zero-Shot Forecasting Mortality Rates: A Global Study},
author = {Gabor Petnehazi and Laith Al Shaggah and Jozsef Gall and Bernadett Aradi},
journal= {arXiv preprint arXiv:2505.13521},
year = {2025}
}