文献类型：期刊文章

作　　者：张连增[1] 申晴[1] 丁宁[2]

ZHANG Lian-zeng;SHEN Qing;DING Ning

机构地区：[1]南开大学金融学院精算学系 [2]中国人寿保险股份有限公司精算部

出　　处：《保险研究》

基　　金：国家自然科学基金(61673225);教育部重点研究基地(16JJD910001)的资助。

年　　份：2020

期　　号：7

起止页码：83-93

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、RCCSE、RWSKHX、核心刊

摘　　要：在全球人口预期寿命不断提高的背景下,死亡率下降导致的长寿风险会直接影响到寿险公司的稳健经营和偿付能力充足率,因此,量化管理长寿风险至关重要。长寿风险量化管理的基础是建立动态死亡率模型,对死亡率进行准确预测。传统的Lee-Carter模型基于确定的模型形式,获得了良好的预测效果。本文应用自编码器,建立死亡率的神经网络模型,使模型通过训练能够自行学习到死亡率的潜在特征,并将模型的拟合结果和预测结果与传统Lee-Carter模型进行比较分析。结果显示,自编码器对死亡率的拟合效果与Lee-Carter模型相近,而预测效果显著优于Lee-Carter模型,说明自编码器显著提高了对死亡率的预测性能,能够为长寿风险的量化管理提供精确的数据基础。

关 键 词：死亡率预测  Lee-Carter模型  自编码器  

分 类 号：F840.67]