haku: @instructor Valkeila, Esko / yhteensä: 7
viite: 6 / 7
| Tekijä: | Leppisaari, Matias |
| Työn nimi: | Stochastic Modelling of Mortality Using Finnish Data |
| Kuolevuuden stokastinen mallinnus käyttäen suomalaista väestödataa | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2009 |
| Sivut: | 99 Kieli: eng |
| Koulu/Laitos/Osasto: | Informaatio- ja luonnontieteiden tiedekunta |
| Koulutusohjelma: | Teknillisen fysiikan ja matematiikan tutkinto-ohjelma |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Hämäläinen, Raimo P. |
| Ohjaaja: | Valkeila, Esko |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark T80 | Arkisto |
| Avainsanat: | mortality longevity stochastic mortality models pension insurance kuolleisuus pitkäikäisyys stokastiset kuolleisuusmallit eläkevakuutus |
| Tiivistelmä (fin): | Viime vuosikymmeninä koettu kuolevuuden aleneminen ja tästä seurannut eliniänodotteiden kasvu osoittavat, että kuolevuuden odottamattomista muutoksista aiheutuvaa pitkäikäisyysriskiä ei voi jättää huomiotta. Väestön ikääntyminen teollisuusmaissa asettaa kansalliset eläke- ja sosiaaliturvajärjestelmät vakavien paineiden alle, ja tulevan kuolevuuskehityksen ennakointia tarvitaan, jotta tulevaisuuteen voidaan varautua oikealla tavalla sekä varmistaa näiden järjestelmien rahoituksellinen kestävyys. Henki- ja eläkevakuutuksiin sisältyvä kuolleisuusriski muodostaa merkittävän riskin myös henkivakuutusyhtiöille ja eläkevakuuttajille. Tässä yhteydessä tarvitaan sopivia malleja tulevan kuolleisuuskehityksen ennustamiseksi. Useat tutkimukset ovat kuitenkin osoittaneet, että viralliset kuolleisuusennusteet sekä vakuutusyhtiöiden käyttämät ennusteet ovat viime vuosikymmenien aikana toistuvasti aliarvioineet toteutuneen kuolleisuuden alenemisen; yksinkertainen havaitun trendin jatkaminen tulevaisuuteen olisi usein tuottanut paremman tuloksen kuin asiantuntija-arvioiden käyttö. Nämä havainnot, yhdessä kuolevuuden stokastisen luonteen kanssa, vaativat stokastisten kuolleisuusmallien käyttöä, jotta tulevaisuuden kehitykseen liittyvä epävarmuus pystytään asianmukaisesti huomioimaan. Stokastinen kuolleisuuden mallinus on suhteellisen uusi, mutta nopeasti kasvava tutkimusala, ja viime aikoina aiheeseen liittyen on julkaistu laaja määrä kirjallisuutta. Tässä diplomityössä luodaan ensin katsaus kirjallisuudessa esitettyihin kuolleisuusmalleihin, sekä tarjotaan johdanto kuolevuuden mallinnuksen kenttään yleisemmin. Pyrkimyksenä on myös tarjota viitteitä relevanttiin tutkimukseen ja kirjallisuuteen työn alalta. Toiseksi työssä tarkastellaan kahta logistista kuolleisuusmallia, jotka kalibroidaan suomalaista kuolleisuusdataa käyttäen. Mallien havaitaan kuvaavan toteutunutta kuolleisuutta hyvin, vaikkakin kohorttikohtaisen malliparametrin lisääminen osoittautuu tarpeelliseksi jotta mallin residuaalit ovat valkoista kohinaa. Malliparametrien dynamiikka mallinnetaan käyttäen aikasarjamalleja. Aiemmassa kirjallisuudessa parametrien kehitys ajassa on kuvattu lähes yksinomaan käyttäen satunnaiskulkua vakiolla; tämä malli havaittiin kuitenkin tilastollisilta ominaisuuksiltaan riittämättömäksi tarkastellun kuolevuusdatan kohdalla. Työssä tarkastellaankin yleisten ARIMA-mallien käyttöä parametrien dynamiikan kuvaamisessa. Nämä mallit havaitaan riittäviksi, ja ne kuvaavat kuolleisuusdatan sisältämää vaihtelua paremmin kuin yksinkertainen satunnaiskulku. Mallien tuottamien kuolleisuusennusteiden huolellinen arviointi on kuitenkin välttämätöntä. Kuolleisuusmalleja käyttäen kuolevuuden kehitystä simuloidaan tulevaisuuteen. Simulaatiomallin käyttö tarjoaa joustavuutta sekä mahdollistaa epävarmuuden asteen eksplisiittisen arvioimisen, tuottaen mielenkiinnon kohteena olevien suureiden koko jakaumat. Vakuutussovelluksena malleja sovelletaan elinkorkojen arvojen laskentaan. Mallien tuottamia arvoja arvioidaan ja verrataan henkivakuutuksiin sekä ryhmäeläkevakuutuksiin tarkoitettujen referenssikuolevuuksien antamiin arvoihin. Tulokset viittaavat vakuutettujen valikoitumisella eli 'selektillä' olevan huomattava vaikutus elinkorkojen arvoihin, jotka ovat selkeästi suurempia kuin väestöllä. |
| Tiivistelmä (eng): | The reductions in mortality rates experienced during the last decades and the resulting increases in life expectancy show that longevity risk, arising from unexpected changes in mortality, cannot be ignored. The ageing of populations in developed countries puts the national pensions and social security systems under severe strain, and forecasts of future mortality development are needed to prepare for the future and assure the solvency of the systems. The longevity risk inherent in mortality-related insurance products is a major source of risk for life offices and for the pensions industry. In this context, appropriate models to forecast future mortality are required to develop more adequate reserving and pricing methodologies. Several studies have found that the official mortality projections, as well as those used in insurance companies, have in past years consistently underestimated the experienced decline in mortality: in fact, naïve forecasts would often have performed better than the predictions employing expert opinion. These observations, together with the stochastic nature of mortality, call for stochastic mortality models that properly account for the uncertainty in future mortality trends. The modelling of mortality using stochastic approach is a relatively new, but rapidly growing, area of research. In recent years, a vast literature on the subject has developed. In this thesis, we first provide an overview of different mortality models proposed in the literature, and an introduction into the field of mortality modelling more generally. Relevant research and bibliography is pointed out. Secondly, we specify two stochastic mortality models, based on the logistic transform of the mortality rate, that are calibrated using Finnish mortality data. The models are found to provide a good fit to the data, although the inclusion of a cohort factor is found to be necessary for the model residuals to be reasonably white. The dynamics of the model parameters are modelled using time-series models. In the previous mortality modelling literature, the random walk with drift is almost exclusively used for this purpose; however, this model is found to be statistically inadequate for the current dataset. We therefore consider general ARIMA models as the driving processes. These are found to be adequate, describing the variation in mortality data better than simple random walk. However, careful assessment regarding the reasonability of the produced forecasts is needed. We use the models to simulate the development of mortality into future. The simulation approach offers flexibility and enables the explicit quantification of uncertainty by producing whole distributions of the quantities of interest. As an application, we use the calibrated models to obtain distributions of annuity values together with the expected present values. The annuity values produced by the models are assessed and compared with those from reference mortalities for life insurance and group pension policies. The results indicate that the selection effect among the insured has a notable influence on the values of annuities and similar insurance products, with the values higher than those obtained by using population mortality. |
| ED: | 2009-05-08 |
INSSI tietueen numero: 37382
+ lisää koriin
INSSI