Estimación de modelos de mortalidad estocástica para Chile

Pablo Andrés Moyano Silva; Ana María Pérez Marín; Miguel Santolino

doi:10.26360/2020_9

Autores/as

Pablo Andrés Moyano Silva Universidad de Santiago de Chile (Chile)
Ana María Pérez Marín Universidad de Barcelona (España)
Miguel Santolino Universidad de Barcelona (España)

DOI:

https://doi.org/10.26360/2020_9

Palabras clave:

riesgo longevidad, modelo mortalidad, regresión no-lineal, pensiones

Resumen

En este artículo se estiman los modelos de Lee-Carter, Renshaw-Haberman y Cairns-Blake-Dowd, expuestos en el marco de modelos de mortalidad estocástica edad-periodo-cohorte generalizados, con datos de mortalidad de Chile. El modelo de Lee-Carter con distribución binomial resulta ser el más adecuado para describir la evolución de la mortalidad en Chile. Se muestra una aplicación de la construcción de tablas de mortalidad para el cálculo de primas en seguros de vida, y se comparan con las obtenidas utilizando la tabla de mortalidad M95 (publicada por el regulador en Chile). Se concluye que las tablas M95 parecen adecuadas para garantizar la solvencia. Finalmente, se calcula la esperanza de vida al nacer en el año 2019 y en el año 2050 por sexo.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Arnold, M., Herrera, F., Massad, C. y Thumala, D. (2018). Quinta encuesta nacional de inclusión y exclusión social de las persones mayores de Chile: opiniones de la población chilena respecto al envejecimiento poblacional. Santiago: Ediciones Servicio Nacional del Adulto Mayor.

Ayuso, M. . Bravo, J. y Holzmann. R. (2020). Getting life expectancy estimates right for pension policy: period versus cohort approach. Journal of Pension Economics and Finance, (en prensa).

Ayuso, M., Corrales, H., Guillén, M., Pérez-Marín, A. M. & Rojo, J. L. (2007). Estadística Actuarial Vida (7 edición). Barcelona: Ediciones UB.

Betzuen, A. (2010). Un análisis sobre las posibilidades de predicción de la mortalidad futura aplicando el modelo lee-carter. Anales del Instituto de Actuarios Españoles, 16, 111–140.

Blake, D., Cairns, A. y Dowd, K. (2006). A two-factor model for stochastic mortality with parameter uncertainty: Theory and calibration. Journal of Risk & Insurance, 73, 687–718.

Brouhns, N., Denuit, M. y Vermunt, J. K. (2002). A poisson log-bilinear regression approach to the construction of projected lifetables. Insurance: Mathematics and Economics, 31(3), 373–393.

CEPAL (2017). Tablas de mortalidad (LC/PUB.2017/20-P). Santiago: Comisión Económica para América Latina y el Caribe.

CEPAL (2000). El envejecimiento de la población latinoamericana: ¿hacia una relación de dependencia favorable? Santiago: Centro Latinoamericano y Caribeño de Demografía (CELADE) – División de Población.

Currie, I. D. (2016). On fitting generalized linear and non-linear models of mortality. Scandinavian Actuarial Journal, 4, 356–383.

Debón, A., Martínez, F., Montes, F. Y Moshuk, M. (2015). Proyección de los indicadores de mortalidad para España. Estadística Española, 57(188), 291–321.

DEIS (2020). Series y gráficos de natalidad. Santiago: Departamento de Estadísticas e Información de Salud, Ministerio de Salud, Gobierno de Chile.

Haberman, S. y Renshaw, A. (2011). A comparative study of parametric mortality projection models. Insurance: Mathematics and Economics, 48(1), 35–55.

Jiménez, A. (2008). Hacia un sistema Nacional de Promoción de la Autonomía Personal y Atención a las Personas en situación de Dependencia. Condicionantes demográficos, modelos internacionales, propuestas de lineamientos de políticas y recomendaciones. Santiago: SENADIS, Ministerio de Desarrollo Social y Familia.

Lee, R.D. y Rofman, R. (1994). Modeling and projecting mortality in Chile. Notas de población, 22(59), 183–213.

Lee, R. D. y Carter, L. R. (1992). Modeling and forecasting U.S. mortality. Journal of the American Statistical Association, 87(419), 659–671.

Macias, O. (2016) Nuevas tablas de mortalidad del sistema de pensiones: Comisión de familia y adulto mayor , Superintendencia de pensiones (Consulta: Noviembre, 2020) https://www.spensiones.cl/portal/institucional/594/articles-10993_recurso_1.pdf)

Macias, Y. y Santolino, M. (2018). Aplicación de los modelos Lee-Carter y Renshaw-Haberman en los seguros de vida y mixtos. Anales del Instituto de Actuarios Españoles, 4(24), 53–78.

Melgen-Bello, L. y García-Prieto, C. (2017). Análisis de la eficiencia del gasto sanitario de los paises de América Latina y el Caribe. Salud Publica de Mexico, 583–591.

Plat, R. (2009). On stochastic mortality modeling. Insurance: Mathematics and Economics, 45(3), 393–404.

Renshaw, A.E. y Haberman, S. (2003). Lee-Carter mortality forecasting with age-specific enhancement. Insurance: Mathematics and Economics, 33(2), 255–272.

Renshaw, A.E. y Haberman, S. (2006). A cohort-based extension to the Lee-Carter model for mortality reduction factors. Insurance: Mathematics and Economics, 38(3), 556–570.

R Core Team. (2020). R: A Language and Environment for Statistical Computing, 7 edition. Vienna: R Foundation for Statistical Computing.

Santolino, M. (2020). The lee-carter quantile mortality model. Scandinavian Actuarial Journal, (En prensa).

Villegas, A. M., Millossovich, P. y Kaishev, V. K. (2017). StMoMo: Stochastic mortality modeling in r. Journal of Statistical Software, 84(3), 1–38.