基于分位自回归的中国人口死亡率动态预测

采用1994-2012年国家统计局公布的死亡率数据,针对Lee-Carter模型的预测方法提出改进,将分位自回归方法内置到Lee-Carter模型框架中,构建中国人口死亡率的分位自回归预测模型,对未来人口死亡率的变动趋势进行预测。通过与传统的均值回归方法比较,得出结论为:人口死亡率的分位自回归预测方法能够获取更加全面的信息,能够有效应对人类预期寿命被低估的可能,从而对未来死亡率的预测更加合理、可信。     

我国男女两性老龄人口死亡率联合建模与预测

老龄人口死亡率建模和预测是长寿风险度量和养老金风险管理的基础。在我国,退休年龄及以上老龄人口死亡数据稀少,随机波动大,构建能够捕捉老龄人口死亡率随性别、年龄和时间变动的动态预测模型成为难题。本文采用Logistic两人口死亡率模型研究我国老龄人口死亡率的建模与预测。首先,运用死亡率数据质量较好的我国台湾地区数据,对模型结构进行选择,并检验模型的稳健性和预测性能。其次,基于我国大陆地区死亡率数据对模型结构进行二次验证和选择,应用所选模型对大 陆地区老龄死亡率进行建模和预测。结果显示,对于我国男女老龄死亡率的拟合和预测,Logistic 两人口模型均优于单人口CBD模型。最后,运用Logistic两人口死亡率模型对死亡率在年龄和时间两个维度上外推和预测,计算出时期和队列老龄人口分年龄的预期余寿,为养老金精算评估和长寿风险分析提供更准确的数据支持。     

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.     

基于均衡关系的中国人口死亡率预测模型

人口死亡率反映了人口的死亡程度,准确预测死亡率是人口科学及人口经济学研究的重点之一,同时也是长寿风险测量的重要数据基础。基于Lee-Carter模型,探索中国大陆与台湾地区死亡率的相关性,通过协整分析考虑两地死亡率的长期均衡关系,创新性地建立基于相关性的向量误差修正模型(VECM),克服传统自回归移动平均模型(ARIMA)使用有限数据进行预测的局限性;均方预测误差作为检验标准,结果表明:基于VECM模型的预测效果比传统的预测效果更佳;基于中国大陆地区和台湾地区的死亡率长期均衡关系,可以为两地联合长寿债券的定价提供重要参考。     

考虑死亡率组内差异的Lee-Carter模型的改进与应用

文章在经典Lee-Carter模型的基础上,将各个时间、年龄组内的死亡率差异考虑入模型的构建中,提出死亡人口服从负二项分布的Lee-Carter模型改进形式,并运用中国1993～2009年分年龄分性别的死亡率对模型进行了量化分析。分析表明,改进后的模型优于经典泊松分布假设下的模型。模型残差图显示中国人口死亡现象没有队列效应。最后,本文运用改进后模型预测出未来6年内中国分性别分年龄的死亡率。     

函数型变量倾斜分位回归模型及其应用

本文考虑函数型数据的结构特征,针对两类函数型变量分位回归模型（函数型因变量对标量自变量和函数型因变量对函数型自变量）,基于函数型倾斜分位曲线的定义构建新型函数型倾斜分位回归模型。对于第二类模型,本文分别考虑样条基函数对模型系数展开和函数型主成分基函数对函数型自变量展开,得到倾斜分位回归模型的基本形式。参数估计采用成分梯度Boosting算法最小化加权非对称损失函数,提高计算效率。在理论上证明了倾斜分位回归模型的系数估计量均服从渐近正态分布。模拟和实证研究结果显示,倾斜分位回归模型比已有的逐点分位回归模型具有更好的拟合效果。根据积分均方预测误差准则,本文提出的模型有一致较好的预测能力。     

中国高龄人口死亡率随机波动趋势分析

本文采用1996-2010年国家统计局公布的死亡率数据,以70岁男性人口作为高龄人口的代表,基于中国人口死亡率数据较少的特点,突破了传统Lee-Carter模型的框架,直接从死亡率改善产生的原因入手,采取Monte Carlo方法建立中国高龄人口死亡率随机波动趋势模型。通过对不同死亡率改善原因进行组合,从中选取最优模型来探究死亡率的随机趋势性与波动性的关系,更好的克服了死亡率普遍被低估的事实,使得对未来死亡率的预测更加准确与稳妥。     

有限数据下Lee-Carter模型在人口死亡率预测中的应用

Lee-Carter模型是当今世界上最流行的死亡率建模与预测模型,传统的Lee-Carter模型在样本量很大时才能得到较好的效果,而中国的死亡率数据量较少,且部分年限的数据缺失,从而难以达到较好的预测效果。本文基于Li等(2004)提出的有限数据死亡率建模方法,同时考虑样本量不足的影响,采用韩猛等(2010)提出的“双随机过程”建模,构建了有限数据下中国人口死亡率的预测模型,并用于对未来死亡率变动趋势和人口寿命的预测,最后将预测结果与保险公司采用的死亡率改善因子以及社会养老保险个人账户中采用的计发月数进行对比分析,给出了若干相关结论和有关死亡率风险管理的建议。     

收入不平等变迁特征的探索性分析——基于洛伦兹曲线的动态分解

提出基于函数序列的收入不平等动态测度思路与方法:采用B-样条拟合洛伦兹曲线序列;在生成函数型数据的基础上,对洛伦兹曲线序列进行函数型主成分分析。利用函数型数据建模,对1990-2010年中国城镇居民收入洛伦兹曲线序列变迁特征进行探索性数据分析,结果表明:采用人口五分法划分收入群体具有合理性;各收入群体对历年收入不平等程度变迁的贡献率分别为:低收入群体2.30%,中等收入群体80.33%,高收入群体17.36%。     

基于BP算法的人口平均寿命预测

本文阐述了神经网络及其BP算法的工作原理,对BP算法中的S函数和规范化方法进行了改造,同时将人工神经网络的BP算法引入人口平均寿命研究领域,并应用Matlab神经网络工具箱,对江苏省各年龄组人口平均寿命进行了预测研究。预测模型在预测精度和算法的收敛速度方面都达到了较好的效果,对未来人口平均寿命的研究具有重要的意义。