Модель Ли-Картера: стохастическое прогнозирование смертности и риск долголетия

Модель Ли-Картера (Lee-Carter Model) элегантно объединяет демографический анализ с методами анализа временных рядов. Цель модели — математически описать и спрогнозировать логарифм центрального коэффициента смертности m(x,t) для людей возраста x в календарном году t. Алгебраическая формула Ли-Картера записывается в виде: ln(m(x,t)) = a_x + b_x * k_t + e(x,t). В этом уравнении скрыт глубокий структурный смысл. Левая часть логарифмируется, чтобы гарантировать, что прогнозируемые коэффициенты смертности всегда будут строго положительными (смертность не может быть отрицательной). Правая часть раскладывает матрицу исторических данных на три фундаментальных компонента, четко разделяя влияние возраста и влияние исторического времени.

Первый параметр, a_x (возрастной профиль), является детерминированным вектором, который отражает средний, базовый логарифм смертности для каждого возраста за весь период исторического наблюдения. Он описывает хорошо известную кривую смертности (младенческая смертность, горб юношеской смертности из-за несчастных случаев и экспоненциальный рост в старости). Второй параметр, k_t (временной индекс смертности), представляет собой стохастический временной ряд, который описывает общий уровень смертности в популяции в конкретном году t. Исторически график индекса k_t демонстрирует почти идеальный линейный спад с начала XX века. Третий параметр, b_x (возрастная чувствительность), показывает, насколько сильно смертность именно в возрасте x реагирует на изменение общего глобального индекса k_t. Например, младенческая смертность снижалась гораздо быстрее (b_x высок), чем смертность 90-летних старцев (b_x низок). Ошибка e(x,t) описывает остаточный белый шум.

Поскольку параметры a_x, b_x и k_t являются ненаблюдаемыми скрытыми переменными, прямая регрессия здесь невозможна. Для нахождения параметров модели Ли-Картера из исторической матрицы смертности актуарии применяют метод Сингулярного разложения матриц (Singular Value Decomposition, SVD) или алгоритмы максимального правдоподобия с использованием пуассоновского распределения числа смертей. SVD (или анализ главных компонент) извлекает из огромной прямоугольной матрицы данных первый (главный) собственный вектор, который объясняет более 95 процентов всей исторической дисперсии смертности. Для обеспечения единственности решения вводятся жесткие алгебраические ограничения: сумма всех коэффициентов b_x должна быть строго равна единице, а сумма всех значений индекса k_t должна равняться нулю.

Подлинная магия модели Ли-Картера начинается на этапе прогнозирования будущего. Поскольку векторы a_x и b_x зафиксированы и не меняются во времени, задача экстраполяции смертности на 50 лет вперед сводится к прогнозированию единственного одномерного временного ряда — индекса k_t. Для этого используется методология Бокса-Дженкинса (модели ARIMA). Чаще всего индекс k_t великолепно описывается простейшей моделью случайного блуждания с дрейфом (Random Walk with Drift: ARIMA(0,1,0)). Алгоритм экстраполирует линейный тренд падения k_t в будущее, а также (что критически важно!) вычисляет доверительные интервалы, показывая уровень статистической неопределенности долгосрочного прогноза.

Внедрение модели Ли-Картера позволило индустрии перейти от точечных (детерминированных) оценок пенсионных пассивов к стохастическому резервированию. Актуарии используют модель для генерации тысяч Монте-Карло сценариев будущих траекторий смертности. Вычисляя дисконтированную стоимость аннуитетов для каждого сценария, фонды формируют эмпирическое распределение своих обязательств. Если 99-й процентиль этого распределения значительно превышает среднее значение, фонд обязан зарезервировать дополнительный рисковый капитал. Кроме того, стандартизация прогнозов через индекс k_t дала возможность инвестиционным банкам выпустить деривативы на долголетие (Longevity Bonds, q-forwards), привязанные к этому индексу, позволяя пенсионным фондам хеджировать риск долголетия на глобальных финансовых биржах так же легко, как они хеджируют процентные ставки.