多状态风险因子下的死亡率模型在寿险中的应用

论文摘要

死亡率是由社会经济学／人口统计学状态变量、行为风险因子和健康指标等三类风险因子所决定,通常在寿险保单计算过程中反映了这一关系。但是,现在的普遍情况是,这些风险因子在保单制定时会有所观测,之后的变化影响就不做考虑。本文在年龄、性别的基础上,又引入收入充足性、婚姻状况、吸烟状况、身体活动性等4个风险因子,定义了17种风险因子状态。首先,假设个体在17种状态下的转移是遵循非齐次离散时间马尔科夫链的,得到一个在给定年龄和性别的条件下17*17的转移矩阵。根据上海某保险公司的2009年健康险数据,基于Logistic回归模型,可对每步转移概率进行估计。在此基础上,再引入健康状态这一新的因子,将模型扩充为33种状态,提出合理的假设条件,经过模型修改和递推计算就可以得到33种状态下的每步转移概率。然后,将扩展模型中假设1,即同状态下非健康者的死亡率是健康者死亡率10倍,这一固定常数替换为某一简单函数,克服扩展模型中转移概率可能超出[0,1]范围的缺陷,使得假设更具逻辑性和随机性。最后,把该离散时间多状态模型应用于设计、定价和管理人寿保险、年金、养老金计划和其他的财务保障方案,讨论了扩展风险类别以及某一风险因子可变性对保费、精算现值的影响,以期有助于保险公司有效管理死亡率风险。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 研究现状及意义
• 第二章 多状态风险因子下的死亡率模型
• 2.1 多状态风险因子下的死亡率模型简介
• 2.2 单步转移概率估计
• 2.3 实证分析
• 第三章 多状态风险因子下的死亡率扩展模型
• 3.1 多状态风险因子下的死亡率扩展模型简介
• 3.2 多状态风险因子下的死亡率扩展模型改进
• 第四章 多状态风险因子下的死亡率模型在精算中的应用
• 4.1 扩展风险类别对保费的影响
• 4.2 某一风险因子可变性的影响
• 论文小结
• 参考文献
• 致谢