论文部分内容阅读
随着社会经济发展和医疗卫生水平的提高,人口死亡率不断下降,平均预期寿命持续提高,使得包括中国在内的许多国家都已经步入了老龄化社会。世界人口平均寿命从1955年的45.9岁,延长到了2000年的65.4岁,预计到2050年将达到74.3岁,而第六次人口普查中我国人口平均预期寿命已经达到了74.83岁。人口寿命延长,老龄人口数量不断增加,与此同时,人口出生率却存在下降趋势,人口老龄化随之而来。庞大的老龄人口以及不断提高的实际寿命,使得养老金支付系统受到了巨大的冲击,长寿风险由此产生。商业养老保险作为我国养老保障体系中重要的组成部分,今后必将会起到越来越重要的作用。同时由于商业保险公司自负盈亏的性质,长寿风险给其带来的冲击要更为强烈。因此本文将商业养老保险面临的长寿风险作为研究对象。本文主要是进行我国商业养老保险的长寿风险度量,并在此基础之上结合我国目前在长寿风险方面存在的不足提出建议。我国目前关于长寿风险的度量主要停留在理论研究上,未能进行定量分析。因此,本文采取定量分析的方法进行长寿风险的度量,将长寿风险加以量化。长寿风险的度量分两步展开:首先,进行死亡率的预测,在死亡率预测模型的选择中,通过分析对比,文章选取了经典的Lee-Carter模型,在确定了而对于模型中参数的预测无疑在模型应用中占有重要的地位。基于此,本文运用了在死亡率研究领域的最新成果,即运用贝叶斯MCMC方法来进行死亡率模型的参数估计。不同于传统的二阶段参数估计方法,该方法在统一的框架下一次性估计出所有参数并且解决了我国经验死亡率数据有限以及质量不高的问题,并通过与传统参数估计方法的对比实证得出贝叶斯MCMC方法更为适合我国死亡人口的数据特征。同时,鉴于高龄人口在长寿风险分析中占据比较重要的地位,而Lee-Carter模型在我国数据的基础上只能预测0-89岁群体的死亡率,所以本文进行了高年龄群体的死亡率预测。而关于高年龄人口的死亡率预测模型,则主要是在Gompertz模型和Coale-Kisker模型中进行选择。通过比较分析,得出了Gompertz模型更为适合我国高龄人口的死亡率外推的结论。因此采用Gompertz模型预测90岁以上高龄人口的死亡率。其次,在上一步得到全年龄段的人口死亡率的基础上分别从长寿风险的资本要求以及长寿风险带来的保费的损益差两个方面进行了长寿风险的度量。本文的第一个创新之处是将贝叶斯MCMC方法引入长寿风险的定量测度中来,从而实现了我国长寿风险的更准确测度。第二个创新之处是不同于以往的研究中采用分年龄组的死亡率数据去进行研究。本文在数据选取时,针对我国商业养老保险的死亡率制定依据《中国人寿保险业经验生命表》中的死亡率情况,选取了分年龄别的经验死亡率数据,这样选择更符合我国商业养老保险的特征。第三个创新之处是使用WINBUGS软件进行贝叶斯估计,极大地缩减了计算量和计算过程,方便了贝叶斯方法的应用。