死亡建模中的队列效应：一种贝叶斯状态空间方法
摘要：人口队列效应是决定某些国家人类死亡率变化的重要因素。文献中提出了在广义线性模型框架下考虑队列特征的动态死亡率模型的扩展。本文通过一种新的状态空间方法来处理融入队列因素的死亡率建模问题。我们证明，尽管队列因素是按出生年份而不是年份索引的，但在状态空间框架下自然地构建队列因素是可行的。然后，基于高效的马尔科夫链蒙特卡罗采样器，我们开发了队列模型的贝叶斯推理，允许对队列模型的参数不确定性进行量化，并得到用于计算预期寿命和生命表的死亡率预测。通过对涉及不同国家男性和女性人口的综合实证研究，考察了我们方法的有效性。研究结果显示，我们所研究的某些国家存在队列模式，并且纳入队列因素对捕捉这些现象至关重要，从而凸显了在状态空间框架中引入队列模型的好处。此外，本文还讨论了基于队列因素预测队列模型的方法。
作者：Man Chung Fung and Gareth W. Peters and Pavel V. Shevchenko
论文ID：1703.08282
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2019-02-20