Актуарная математика: стохастическое моделирование смертности по модели Ли-Картера

Математическая архитектура модели Ли-Картера предельно лаконична и опирается на лог-билинейную структуру. Пусть $m_{x,t}$ — центральный коэффициент смертности для возраста $x$ в календарном году $t$. Модель постулирует логарифмическую форму: $ln(m_{x,t}) = a_x + b_x k_t + epsilon_{x,t}$. Здесь параметры несут ясный физический смысл: $a_x$ — это средний профиль смертности по возрастам (базовая смертность), $k_t$ — общий индекс уровня смертности в год $t$ (отражающий прогресс в медицине и условиях жизни), $b_x$ — чувствительность смертности в возрасте $x$ к изменениям общего индекса $k_t$, а $epsilon_{x,t}$ — независимый гауссовский остаточный шум.

Задача оценки параметров $a_x, b_x, k_t$ является математически переопределенной, так как уравнение инвариантно к масштабным сдвигам (если умножить $b_x$ на константу и разделить $k_t$ на ту же константу, уравнение не изменится). Для обеспечения уникальности решения вводятся строгие алгебраические ограничения: $sum b_x = 1$ и $sum k_t = 0$. Процедура калибровки начинается с тривиального шага: $a_x$ вычисляется как среднее арифметическое $ln(m_{x,t})$ по времени. Затем из исходной матрицы извлекается центрированная матрица остатков $Z_{x,t} = ln(m_{x,t}) - a_x$.

Для нахождения векторов $b_x$ и $k_t$ применяется классический метод Сингулярного разложения матриц (Singular Value Decomposition, SVD) — фундаментальный инструмент линейной алгебры. Матрица $Z$ аппроксимируется произведением вектора-столбца на вектор-строку, соответствующим первому (максимальному) сингулярному числу разложения (первая главная компонента). Гениальность подхода Ли-Картера состоит в том, что первая компонента обычно объясняет свыше 90% всей исторической дисперсии коэффициентов смертности, доказывая, что сложнейшие демографические процессы в обществе управляются единым макро-фактором выживаемости.

Для актуарного прогнозирования полученный временной ряд $k_t$ экстраполируется в будущее с использованием стохастических моделей ARIMA. Практика показывает, что индекс $k_t$ почти идеально описывается процессом случайного блуждания с дрейфом (Random Walk with Drift): $k_t = k_{t-1} + c + xi_t$. Интеграция этой стохастической динамики позволяет актуариям генерировать миллионы сценариев Монте-Карло для будущих таблиц смертности. Эти сценарные распределения используются для безарбитражного ценообразования Longevity Bonds (облигаций долголетия) и деривативов на смертность (q-forwards), позволяя переносить фундаментальный демографический риск на рынки капитала с математически доказанной надежностью.

Список литературы:
1. Lee R.D., Carter L.R. Modeling and Forecasting U.S. Mortality. — Journal of the American Statistical Association, 1992.
2. Pitacco E., Denuit M., Haberman S., Olivieri A. Modelling Longevity Dynamics for Pensions and Annuity Business. — Oxford University Press, 2009.
3. Cairns A.J.G. Modelling and Management of Mortality Risk. — British Actuarial Journal, 2008.
Эксперты: Рональд Ли, Лоуренс Картер, Эндрю Кэрнс.