中国慢性病群体的长寿风险量化分析与应用北大核心CSSCI

对中国慢性病群体的长寿风险进行了分析。在对慢性病群体的慢性病发生率和死亡率进行统计后,论文利用Lee-Carter模型和死亡率分解模型对数据进行了不同角度的分析,发现慢性病发生率呈现上升趋势,而死亡率呈现下降趋势,且通过与普通群体对比,发现长寿风险更加明显超过平均水平,论文对此进行了解释。同时基于分析结果和模型,从保险创新角度提出了"慢性病群体"保险产品的定价策略,并给出了应用建议。     

中国慢性病群体的长寿风险量化分析与应用

对中国慢性病群体的长寿风险进行了分析。在对慢性病群体的慢性病发生率和死亡率进行统计后,论文利用Lee-Carter模型和死亡率分解模型对数据进行了不同角度的分析,发现慢性病发生率呈现上升趋势,而死亡率呈现下降趋势,且通过与普通群体对比,发现长寿风险更加明显超过平均水平,论文对此进行了解释。同时基于分析结果和模型,从保险创新角度提出了“慢性病群体”保险产品的定价策略,并给出了应用建议。     

我国随机死亡率的长寿风险建模和衍生品定价

长寿风险近年来对各国保险业、养老金体系、社会保障体系造成大规模影响,成为保险和风险管理学术界关注和研究的重点。采用国际前沿的研究方法,系统深入地采用中国数据研究这一问题。在Lee-Carter模型的基础上,通过双指数跳跃扩散模型对Lee-Carter模型中的时间序列因子进行拟合,较好地刻画了中国人口死亡率的长寿跳跃和死亡跳跃;引用Swiss Re死亡债券度量长寿风险的市场价格,预估未来中国人口死亡率,并得出了寿险衍生品Q型远期的中国定价。     

中国慢性病群体的长寿风险量化分析与应用

基于GlueVaR风险度量方法,选取1994～2012年国家统计局公布的死亡率数据,采取Lee-Carter模型对人口死亡率进行时间外推,运用Gompertz模型对我国缺失的高龄人口死亡率数据进行插补,计算得到GlueVaR方法下的养老金系统长寿风险度量值,并与VaR和TVaR的度量值进行比较。研究表明,长寿风险的GlueVaR度量方法与VaR和TVaR方法相比,不仅应对了尾部极端风险发生的可能性,同时该方法具有较强的灵活性,可以获取更加全面的长寿风险信息。GlueVaR风险度量方法具有多个参数,一方面可以满足我国养老金系统管理者有效控制长寿风险的要求,另一方面也可以满足养老金计划参与者预期较高的养老金回报的要求。     

高龄人口死亡率预测模型的比较与选择

高龄人口死亡率预测模型是人口预测、养老金成本和债务评估以及长寿风险度量与管理的基础。我国大陆地区高龄人口死亡数据量少、数据波动性大,如何选择适合我国高龄数据特点的死亡率预测模型,是重要的研究课题。本文在归纳总结死亡率预测模型研究进展的基础上,先采用数据较为充分的台湾地区高龄死亡数据,选用Lee-Carter、CBD、贝叶斯分层模型等八种死亡率模型,对模型的拟合效果、预测效果和稳健性做出比较。在此基础上,基于修正和平滑后的我国大陆人口死亡数据,采用CBD模型和贝叶斯分层模型建模和预测。结果显示:贝叶斯分层模型能捕捉我国大陆高龄死亡率数据的历史波动,预测区间能够涵盖全部死亡率的真实值,但预测区间过宽,生存曲线不收敛;相比之下,CBD模型对我国大陆地区高龄死亡率的拟合和预测较好,预测区间和生存曲线合理。在长寿风险度量中,建议采用CBD模型。     

基于贝叶斯MCMC方法的年金长寿风险度量研究

长寿风险的准确度量是年金长寿风险管理的基础和前提，具有一定的学术和实际意义。通过利用贝叶斯MCMC（马尔科夫链蒙特卡洛模拟）算法统筹死亡率预测的Lee-Carter模型和利率预测的CIR模型，将长寿风险的度量转化成长寿期权的定价问题，考查了年金中长寿风险的变动规律和影响因素。MCMC抽样和数值模拟的结果表明，年金中的长寿风险与预测年份和年金持有人年龄成正向关系，其在年金中所占的比重随着年金持有人年龄的增加而增加，60岁的终身生存年金中长寿风险的占比高达10.11%；同时长寿风险与利率成反向关系，当前的低利率环境将会给年金发行人造成更高的长寿风险压力。     

长寿风险对基本医疗保险统筹基金的冲击效应研究——基于VaR与CVaR模型的综合测算

借鉴金融风险管理中VaR和CVaR模型对尾部风险的测量思路,通过构建有限数据Lee-Carter死亡率预测模型,测算了人口的长寿风险及其对基本医疗保险统筹基金的冲击效应,结果表明:2015-2060年基本医疗保险参保人群将面临巨大的长寿风险,极端情况下长寿风险将给统筹基金收支结余超预期下降造成不容忽视的尾部损失;推迟退休年龄、提高生育率、调整个人账户和报销比例、提高职工缴费工资和控制住院费用增长均可以在一定程度上缓解长寿风险的冲击.建议明确政府在基本医疗保险长寿风险管理中的主导作用,构建医疗、养老和长期护理保险的三险联动保障机制.     

两因子随机死亡率状态空间模型及长寿风险测度

引入状态空间模型对传统两因子CBD模型拟合阶段和预测阶段进行联合建模,并基于卡尔曼滤波方法对模型参数进行估计。进一步考虑到死亡率数据的小样本特征,结合Bootstrap仿真技术和生存年金组合折现模型对长寿风险进行测度。利用1996~2011年数据展开实证研究,结果表明:结合模型解释能力、参数估计结果和误差项正态分布检验结果,两因子状态空间模型要优于传统CBD模型;年金组合规模的扩大可以消除微观长寿风险,但不能消除宏观长寿风险和参数风险;宏观长寿风险占据着不可分散风险的主导地位。     

我国长寿风险的测度分析——基于不同年龄段和性别的视角

以年龄段和性别为视角,分别构建了不同年龄段和不同性别的死亡率预测模型。实证检验后发现,所建各模型的预测效果较好,比较适宜于对我国的人口死亡率进行预测;并对我国2017—2021年老年人口的死亡率进行了预测,结果发现不同年龄段、不同性别的老年人口死亡率数据仍处于较低的水平,且男性老年人口死亡率的变动频率要高于女性老年人口,由此说明,我国未来仍将面临较为严峻的长寿风险压力,且男性的长寿风险压力可能更大。     

长寿风险与年金保险研究

随着经济发展、科学技术进步、医疗卫生水平提升和生活方式的转变,人类的寿命延长已成为一种必然趋势。长寿对人类固然是件好事,但它对各种养老保险产品产生的影响却不容小视,尤其是对年金产品造成了巨大的偿付压力。本文借鉴国际上相关领域的优秀研究成果,运用Lee-Carter模型和年金精算模型对我国面临的长寿风险进行了定量分析,进而提出现阶段我国保险业应对长寿风险的最佳路径。     

个人年金产品中蕴含的长寿风险研究

本文基于随机死亡率预测,并将年金合同定价问题与年金保单组的破产概率相结合,对我国年金业务中蕴含的长寿风险进行了实证研究。一方面,在死亡率预测的基础上,研究了即期年金保单组未来现金流的分布特征,探讨了保单规模和性别对长寿风险的影响;另一方面,在考虑长寿风险条件下,测算了即期年金保单组的未来现金流,讨论了长寿风险对保单组破产概率和破产时间的影响,以及对冲长寿风险时对资产回报率要求。     

死亡率分解模型及其在长寿分级基金构建中的应用

论文提出了一种有别于传统死亡率模型的新的长寿风险度量模型,叫做死亡率分解模型。基于该模型,论文对美国的死亡率数据进行了分析和对比,同时对中国的死亡率进行了两个角度的分析,并给出了相对更有说服力的结果。同时,论文借助模型的分解结果,提出构建多层次的长寿风险基金,用以应对中国社会日益严重的养老问题。     

用带趋势的ARIMA模型分年龄预测死亡率

针对中国1994~2011年中国人口死亡率数据,在Reer修匀、平滑、去趋势后用ARIMA方法分年龄进行拟合、预测。结果表明带趋势的ARIMA模型在平均误差比(MAPE)、光滑度和BIC等指标上优于经典Lee-Carter模型,其预测结果与随机波动趋势法相比,期望大致相同而方差更小,且原始的抽样调查数据在青少年阶段死亡率整体偏低。     

仿射死亡率模型长期预测的优化与分析——考虑非完整近期队列数据

死亡率建模与预测是精算科学的重要基础，而仿射死亡率模型作为一种经典的连续时间随机模型被大量地应用于评估系统性死亡率的发展，其中模型构建的一种常用方法是卡尔曼滤波算法。本文针对传统卡尔曼滤波算法在建模过程中自动忽略近期非完整队列数据的情况，借鉴机器学习和贝叶斯算法中迭代学习的理念，对传统算法进行了拓展，从而将近期非完整队列数据应用于模型拟合与预测中。通过量化分析对比证明了基于拓展算法的模型在预测方面，尤其是长期预测中，有两方面的优势：更好地捕捉了系统性死亡率风险的变动，避免了对长期长寿风险的低估；在预测精度方面有了较大的提升，特别是在长期预测时优势更为明显。     

基于中国人口死亡率的寿险保单贴现定价研究

在寿险保单贴现的过程中,保单持有者将保单出售给第三方机构。本文中,我们首先对寿险保单贴现市场进行一般性的介绍,同时论述这一市场在中国存在的必要性。在Lee-Carter模型的基础上,通过双指数跳跃扩散模型整合了长寿风险和死亡率跳跃,很好地拟合了中国的死亡率数据。讨论了在拥有新的医疗信息(比如对投保人剩余预期寿命的估计)的情况下对寿险保单产品的定价。为了整合这些医疗信息,我们使用了统计学中的信息理论,对事先选定的死亡率表格进行调整,在整合了所有的医疗信息的前提下,尽可能地接近原始表格。利用调整后的死亡率表格,对寿险保单进行了现金流折现定价。我们选用了几种不同的死亡率数据,最终发现,传统的确定性定价方法会低估保单的价值,因而概率性定价的方法更具优越性。     

考虑模型不确定性的中国死亡率预测——基于贝叶斯模型平均方法

作为长寿风险研究领域的基础,死亡率预测近些年获得快速发展,诸多模型的提出使得历史数据的信息得以最大程度的挖掘,但也带来了模型不确定问题。本文对现有的死亡率预测模型进行了分析和整理,提出其中的模型不确定性问题,并针对死亡率预测的模型不确定问题,引入了贝叶斯模型平均方法。该方法以贝叶斯后验概率为权重,综合考虑“一揽子”预测模型的预测能力,并根据它们预测吻合程度进行加权,最终给出死亡率预测结果,结论表明,不但在理论上表现出超过单一模型的优势,也在实践中超过了任何一个单一模型。本文还给出了基于该模型的死亡率预测结果和预期寿命。     

基于贝叶斯MCMC方法的我国人口死亡率预测

鉴于我国人口死亡率统计数据质量不高的实际和传统Lee-Carter死亡率预测模型两阶段方法存在的误差累积问题,本文采用贝叶斯Markov Chain Monte Carlo方法来预测我国人口死亡率。通过WinBUGS编程,文章在一体化框架下一次性给出模型的参数估计和未来死亡率的预测值。对研究结果的比较分析表明,贝叶斯方法不仅有效减少了数据质量问题的不利影响,提高了参数估计的稳健性,而且有效克服了参数估计和预测分开进行的弊端,在BIC值和残差项方差等模型选择标准上明显优于传统方法。     

随机死亡率模型的拟合与预测——基于中国男性人口死亡率数据的比较分析

生活方式的改变、医学的进步和遗传学的新发现都会使人的预期寿命变得不确定。本文针对中国人口死亡率历史数据(0～89岁男性数据),利用贝叶斯信息准则和嵌套模型的似然比检验等方法,比较了8种目前流行的随机死亡率模型的拟合效果;同时,检验了这8种随机死亡率模型预测结果的生物合理性和稳定性,并比较了它们的预测效果。结果表明,由Lee-Carter模型拓展而来的Age-Period-Cohort模型最适合于拟合和预测中国的人口死亡率,这为我国寿险企业和养老金机构的死亡率风险管理提供了科学依据。     

基于风险立方方法的长寿风险债券定价研究

面对世界范围内长寿风险越来越严峻的趋势,长寿风险管理成为全世界面临的共同难题。近年来死亡率风险证券化引起人们的广泛关注,长寿债券作为死亡率风险证券化中最常用的一种方法,可以有效地将长寿风险转移至资本市场。本文通过对国外经典死亡率债券的比较,在离散型死亡率模型假设条件下,设计一支可调整上触碰点的触发型长寿债券,运用带永久跳跃的APC模型和风险立方方法对长寿债券进行定价。实证结果显示风险溢价的结果比较稳定,设置不同的初始上触碰点,风险溢价差异较大。     

随机利率下的长寿风险自然对冲研究

死亡率降低和居民寿命的提高是社会发展的一大进步,但是超出预期水平的死亡率改善也带来了一定的负面影响,如养老金机构可能会因为死亡率的降低而收支不抵最终破产等,我们称之为长寿风险。因此,长寿风险也越来越引起学者们的关注。关于长寿风险的基本管理方法有两种,一种是通过死亡率相关的衍生品将长寿风险向资本市场分散,另外一种,是利用寿险产品和年金产品性质上的差异来进行对冲的策略,我们称为自然对冲。文章采用随机死亡率的模型,并分别在固定利率和随机利率的框架下,分析我国的养老金组织将来面临的长寿风险并给出相应自然对冲策略。