基于Lp范数的Lee-Carter组合模型时间因子预测研究

本研究针对传统Lee-Carter模型在死亡率预测中的局限性，创新性地引入Lp范数构建组合模型。来自国内的研究团队通过优化时间因子参数估计方法，显著提升了模型在非线性趋势下的预测精度，为人口老龄化背景下的寿险精算和公共卫生政策制定提供了更可靠的理论工具。

　　

这项突破性研究将数学领域的Lp范数(p-norm)引入经典人口统计学模型，通过构建μ_t = α_x + β_xκ_t + ε_x,t的改进形式，巧妙解决了传统模型对异常值敏感的问题。研究人员采用交替方向乘子法(ADMM)优化参数估计过程，使得时间因子κ_t的预测误差降低达23.6%。特别值得注意的是，该方法在COVID-19等突发公共卫生事件导致的死亡率波动场景下，展现出优于传统最小二乘(OLS)估计的稳健性。实验数据表明，当p值取1.5时，模型在测试集上的MAE(平均绝对误差)指标最优，为寿险产品定价和养老金体系改革提供了更精准的量化依据。