Název:
Predikce rozdělení počtu úmrtí s aplikacemi v ocenění životních smluv
Překlad názvu:
Forecasting age distribution of death counts with applications in life insurance pricing
Autoři:
Škopek, Pavel ; Branda, Martin (vedoucí práce) ; Mazurová, Lucie (oponent) Typ dokumentu: Diplomové práce
Rok:
2023
Jazyk:
cze
Abstrakt: [cze][eng] Tato práce se zabývá modelováním úmrtností a oceňováním životních sm- luv. Nejprve jsou představeny základní pojmy z oblasti demografického modelu a úmrtnostních tabulek. Následuje popis Leeova-Carterova modelu včetně tří metod pro odhad parametrů a predikce budoucích hodnot. Dále se v textu rozebírá Renshawův-Habermanův model a metoda využívající analýzu kom- pozičních dat včetně neparametrické bootstrap metody pro intervalové odhady. Kromě teoretické části práce obsahuje i praktickou kapitolu, kde se modelují česká data úmrtnosti zvlášť pro muže a ženy. Na základě dat z období 1970- 2021 nalezneme vhodný model, provedeme predikci budoucích hodnot na 30 let dopředu a oceníme životní smlouvy v roce 2021 i v budoucnosti. 1This thesis deals with the topic of mortality modelling and life insurance pricing. First, basic concepts from the demographic model and life tables are introduced. Following is a description of the Lee-Carter model including three methods for estimating of parameters and predicting of future values. The the- sis also analyses the Renshaw-Haberman model and the method, which uses compositional data analysis including the non-parametric bootstrap for interval estimations. Besides the theoretical part the thesis also contains a practical one, where Czech mortality data are modeled separately for men and women. Based on the data from 1970-2021 we select the best model, predict future values for 30 years ahead and price the life insurance in 2021 and in the following years. 1
Klíčová slova:
úmrtnostní míra|počet zemřelých|Leeův-Carterův model|Renshawův-Habermanův model|analýza kompozičních dat; mortality rate|death counts|Lee-Carter model|Renshaw-Haberman model|compositional data analysis