MétaCan
Menu
Retour à la cohorte
Enregistrement W2343221479 · doi:10.5351/kjas.2016.29.1.041

A modified Lee-Carter model based on the projection of the skewness of the mortality

2016· article· en· W2343221479 sur OpenAlexaff
Hangsuck Lee, Changryong Baek, Jihyeon Kim

Notice bibliographique

RevueKorean Journal of Applied Statistics · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSkewnessLife expectancyProjection (relational algebra)Index (typography)StatisticsPopulation projectionPopulationEconometricsMortality rateMathematicsProjection pursuitDemographyActuarial scienceComputer scienceEconomicsDeveloped country

Résumé

récupéré en direct d'OpenAlex

지속적인 사망률 개선으로 인한 평균 수명연장은 인구 고령화의 주요인이며 연금 공급자의 재정건전성에 심각한 영향을 미치는 원인으로 지목되기에 정확한 미래 사망률의 예측은 현 시점에서 선행되어야할 중요한 과제다. 본 연구는 미래 사망률을 예측하는 대표적인 확률적 사망률 모형인 Lee-Carter 모형을 사용하여 과거 생명표로 산출한 왜도를 기반으로 미래 사망률 지수를 간접적으로 예측하는 왜도예측방식을 제시한다. 기존의 Lee-Carter 모형을 이용한 사망률 예측방식은 사망률 지수를 추정하고 미래값을 직접 예측함으로써 미래 사망률이 지나치게 개선되는 현상을 보이며, 이를 바탕으로 산출된 연금액과 지급기간 추정 등 연금 공급자의 리스크 관리에 영향을 미친다. 본 연구는 기존 예측 방식의 사망률 예측 결과와 제시한 왜도 예측 방식의 사망률 예측 결과를 비교함으로써 기존 사망률 예측 방식의 문제점을 지적한다. 분석결과 왜도 예측을 통한 Lee-Carter 모형의 사망률 예측은 기존 방식보다 사망률 개선효과를 더 적게 반영하며 장수리스크를 덜 왜곡한다는 데 의의가 있다고 할 수 있다. 하지만 기존 방식 간 차이를 감안하여 적정한 미래 사망률 수준을 찾기 위해 임의로 부여한 가중치에 대해 향후 검토가 필요할 것으로 보인다. There have been continuous improvements in human life expectancy. Life expectancy is as a key factor in an aging population and can wreak severe damage on the financial integrity of pension providers. Hence, the projection of the accurate future mortality is a critical point to prevent possible losses to pension providers. However, improvements in future mortality would be overestimated by a typical mortality projection method using the Lee-Carter model since it underestimates the mortality index ${\kappa}_t$ . This paper suggests a mortality projection based on the projection of the skewness of the mortality versus the typical mortality projection of the Lee-Carter model based on the projection of the mortality index, ${\kappa}_t$ . The paper shows how to indirectly estimate future t trend with the skewness of the mortality and compares the results under each estimation method of the mortality index, ${\kappa}_t$ . The analysis of the results shows that mortality projection based on the skewness presents less improved mortality at an elderly ages than the original projection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,285
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKorean Journal of Applied StatisticsMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207