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(
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(