Machine Learning Techniques for Mortality Modeling

Deprez, Philippe; Shevchenko, Pavel V.; Wüthrich, Mario V.

doi:10.2139/ssrn.2921841

Cited by 7 publications

(10 citation statements)

References 12 publications

(19 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…It upheld by its history foundation utilizing a re-feeding care of instrument, in which an anticipated worth may fill in as a contribution for new expectations at further developed focuses in time. In condition ( 6 ) speaks to as anticipate arrangement y(t) given d past estimations of y(t).…”

Section: Methodsmentioning

confidence: 99%

“…Machine learning techniques also can be used to develop standard mortality models. Deprez et al ( 6 ) used machine learning algorithms to fit and assess the mortality model by detecting the weaknesses of different mortality models. Artificial Neural Networks (ANNs) ( 7 ) used to track and forecast latent mortality factors with greater predictability.…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

COVID-19 Mortality Rate Prediction for India Using Statistical Neural Network Models

Dhamodharavadhani

Rathipriya

Chatterjee³

2020

Front. Public Health

View full text Add to dashboard Cite

The primary aim of this study is to investigate suitable Statistical Neural Network (SNN) models and their hybrid version for COVID-19 mortality prediction in Indian populations and is to estimate the future COVID-19 death cases for India. SNN models such as Probabilistic Neural Network (PNN), Radial Basis Function Neural Network (RBFNN), and Generalized Regression Neural Network (GRNN) are applied to develop the COVID-19 Mortality Rate Prediction (MRP) model for India. For this purpose, we have used two datasets as D1 and D2. The performances of these models are evaluated using Root Mean Square Error (RMSE) and “R,” a correlation value between actual and predicted value. To improve prediction accuracy, the new hybrid models have been constructed by combining SNN models and the Non-linear Autoregressive Neural Network (NAR-NN). This is to predict the future error of the SNN models, which adds to the predicted value of these models for getting better MRP value. The results showed that the PNN and RBFNN-based MRP model performed better than the other models for COVID-19 datasets D2 and D1, respectively.

show abstract

Section: Methodsmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

COVID-19 Mortality Rate Prediction for India Using Statistical Neural Network Models

Dhamodharavadhani

Rathipriya

Chatterjee³

2020

Front. Public Health

View full text Add to dashboard Cite

show abstract

“…em que é o número de óbitos ocorridos entre as idades e + 1; é o número de óbitos esperados entre as idades e + 1. Assim, a estatística do teste ( ) é: Apesar de ser um teste recorrente na literatura, outras técnicas ainda mais robustas vêm sendo desenvolvidas no âmbito da modelagem para avaliar a qualidade de modelos e seus ajustes (Deprez et al 2017;Sakr et al, 2017;Richman, 2018). A capacidade de processamento de dados com o uso de tecnologias modernas permite maior acurácia dos modelos.…”

Section: Teste De Aderência E Medida De Acuráciaunclassified

Efeitos da Mortalidade Geral Brasileira sobre o Cálculo Atuarial: uma Comparação entre Modelos Preditivos

Júnior¹,

Azevedo²,

Tsunemi³

2019

Rev. Evid. Cont. & Fin.

View full text Add to dashboard Cite

Objetivo: Objetiva-se neste trabalho analisar o efeito da mortalidade geral brasileira sobre o custo normal e a reserva matemática.Fundamento: A necessidade de desenvolver modelos surge em um contexto de grandes mudanças nos padrões de mortalidade e de composição populacional, onde os modelos clássicos muitas vezes já não detêm o mesmo poder preditivo, em geral pela constância dos pressupostos assumidos para seu uso (Oliveira et al., 2012). No que tange ao comportamento da mortalidade em tempos recentes, os níveis decaíram para patamares muito além dos previstos a décadas atrás (Myrrha et al., 2014). A inconstância do evento passou a ser visado como um problema para a produção de estimativas fidedignas, atribuído às flutuações aleatórias, onde tanto os óbitos, quanto a população, ambos componentes da taxa de mortalidade, possuem influência nessas estimativas (Souza, 2014).Método: Utilizam-se a Escala AA, o Modelo de Lee-Carter Estendido e o Modelo Quadrático Múltiplo, a partir de dados disponibilizados pelas tábuas do IBGE (2011-2016), além de dados de um Regime Próprio de Previdência Social (RPPS), fictício.Resultados: Dentre os principais resultados, tem-se que: para ambos os sexos, a probabilidade de morte por idade se reduziu anualmente entre 2011 e 2016; para ambos os sexos, houve efeito da idade e de período sobre a mortalidade, mas não houve efeito de corte; houve ganho de longevidade para ambos os sexos; a mortalidade da mulher, em relação ao homem, é menor; a redução da mortalidade do homem, em relação a mulher, e do idoso, em relação aos mais jovens, é maior; o custo normal e a reserva matemática decorrentes das Tábuas AA e LC, em relação à Tábua 2016 observada, foram subestimados, enquanto a decorrente da Tábua MQM foi superestimada.Contribuições: Apesar do interesse, no presente estudo, em mensurar o impacto das diferentes estimativas de mortalidade sobre o cálculo atuarial, seus efeitos ecoam, na verdade, sobre diversas áreas: sob a perspectiva demográfica, a mortalidade se constitui num dos três componentes (junto com a fecundidade e migração) que determinam o ritmo do crescimento populacional; sob o olhar das políticas públicas, em que a redução da mortalidade em alguma ou em todas as faixas etárias devem nortear a oferta de serviços públicos; sob a ótica previdenciária, define o tipo de relação entre ativos e inativos. Assim, de forma menos restrita, é possível compreender a importância de estudos relativos à mortalidade e suas inúmeras aplicações.

show abstract

“…[17]. Recent work in [14,42,46,47] aims to enhance the quality of parametric mortality models, such as the Lee-Carter model, by using models from machine learning and deep learning to calibrate them. This also contributes to a profound, multidisciplinary branch of research that utilizes neural networks as a modelling approach in Markov settings, see e.g.…”

Section: Introductionmentioning

confidence: 99%

“…Similarly to literature listed above, we utilize the class of neural networks to optimize our objective. However, in contrast to [14,42,46,47], we retrieve hidden Markov assumptions that an insurance company originally imposed when setting up the contracts. This information allows us to identify different profiles of policyholders in a portfolio, e.g.…”

Section: Introductionmentioning

confidence: 99%

Neural calibration of hidden inhomogeneous Markov chains -- Information decompression in life insurance

Kiermayer¹,

Weiß²

2022

Preprint

View full text Add to dashboard Cite

Markov chains play a key role in a vast number of areas, including life insurance mathematics. Standard actuarial quantities as the premium value can be interpreted as compressed, lossy information about the underlying Markov process. We introduce a method to reconstruct the underlying Markov chain given collective information of a portfolio of contracts. Our neural architecture explainably characterizes the process by explicitly providing one-step transition probabilities. Further, we provide an intrinsic, economic model validation to inspect the quality of the information decompression. Lastly, our methodology is successfully tested for a realistic data set of German term life insurance contracts.

show abstract

Machine Learning Techniques for Mortality Modeling

Cited by 7 publications

References 12 publications

COVID-19 Mortality Rate Prediction for India Using Statistical Neural Network Models

COVID-19 Mortality Rate Prediction for India Using Statistical Neural Network Models

Efeitos da Mortalidade Geral Brasileira sobre o Cálculo Atuarial: uma Comparação entre Modelos Preditivos

Neural calibration of hidden inhomogeneous Markov chains -- Information decompression in life insurance

Contact Info

Product

Resources

About