论文部分内容阅读
随着我国金融保险业的飞速发展，我国的保险精算水平显得相对滞后，无法满足市场的要求。对于一个综合寿险模型，最主要的影响因素有两方面：人均寿命变动和利率浮动。近年来我国的人均寿命也有了显著的提高，进而影响到寿险业定价核算的标准——生命表。考虑到人均寿命的不规则变动特点，本文主要探讨基于非平稳时间序列下的寿险模型。
目前对寿险模型中的死亡率预测，主要采用Lee-Carter模型。Lee-Carter模型已经被广泛运用到许多国家和地区的死亡率预测上，产生了良好的效果。但是Lee-Carter模型还有许多不足之处，需要适当改进。特别是Lee-Carter模型中对时间序列项参数的未来预测，无法反映非平稳时间序列下的参数未来变化和一些外界因素的影响。本文采用不同以往的状态空间建模方法来预测时间序列项。文中在原始ARIMA参数估计模型的基础上，将ARIMA模型转变为状态空间模型，并且进一步探讨了状态空间模型中的参数估计。根据我国保险业采用1990-1993年生命表数据对模型改进后的预测效果进行了对比。该模型能够反映非平稳时间序列下的参数未来变化和外来因素的影响。文中对参数模型改进前后两种方法的预测结果进行了比较。对于Lee-Carter模型中除了时间序列项参数以外的其他参数文中也进行了估计，并同以前的几种简单模型进行了对比。同时文中提出引入地区、职业等显著影响人寿因素的概念，对于将这些因素引入基于平稳时间序列的寿险模型也有一定的研究。但是考虑到计算的复杂程度，对于将地区、职业等因素引入基于非平稳时间序列的寿险模型还有待进一步研究。
一个综合的寿险模型的另外一个主要影响因素就是利率。通货膨胀或通货紧缩以及我国的外汇政策等因素都会对利率造成一定程度的影响。目前保险公司多数采用确定的利率来定制保费以及年终进行核算。利率的变动会对保险公司造成严重的影响。所以本文在研究动态综合寿险模型时同时考虑利率变动对保费的影响。