使用LSTM-CNN模型进行死亡率预测 张宁, 陈景阳, 陈豪, 刘景珍

《Axioms》:Mortality Forecasting Using LSTM-CNN Model Ning Zhang, Jingyang Chen, Hao Chen and Jingzhen Liu

【字体: 大 中 小 】 时间:2026年05月04日 来源:Axioms 1.6

编辑推荐:

   摘要 准确的死亡率预测在精算实践中至关重要,因为它直接关系到保险定价、准备金计提以及长寿风险的管理。本研究提出了一种深度神经网络(DNN)模型,用于预测多种人群的死亡率。该模型由长短期记忆网络(LSTM)和卷积神经网络(

  



摘要



准确的死亡率预测在精算实践中至关重要,因为它直接关系到保险定价、准备金计提以及长寿风险的管理。本研究提出了一种深度神经网络(DNN)模型,用于预测多种人群的死亡率。该模型由长短期记忆网络(LSTM)和卷积神经网络(CNN)组成。由于死亡率趋势在长时间范围内会发生变化,并且使用线性模型难以捕捉各国或地区之间死亡率的复杂关联,因此采用了LSTM和CNN进行死亡率建模。LSTM能够自动学习序列数据中的长期关联,而CNN可以从网格或序列数据中提取局部特征。该模型将死亡率对数矩阵()映射到未来,通过动态递归预测生成多步预测结果()。随后,使用DNN模型和基线模型对人类死亡率数据库(HMD)中的21个国家的数据进行了拟合,这些数据被划分为训练集和测试集,以2000年为分界点。从准确性、稳定性和长期预测可靠性等多个角度进行的广泛数值实验表明,DNN模型(尤其是LSTM-CNN模型)具有更好的预测性能。该模型结合了LSTM、CNN和全连接网络(FCN)层,充分利用了每种深度神经网络的优势来拟合年龄、时期和队列效应及其交互项,从而实现了更好的预测效果。然而,在某些组别中,CNN模型仍表现出色。此外,这些结论也适用于剩余预期寿命的预测。



相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号