[논문 리뷰] Modelling Italian mortality rates with a geometric-type fractional Ornstein-Uhlenbeck process

Francisco Delgado‐Vences, Arelly Ornelas|arXiv (Cornell University)|2019. 01. 03.

Financial Risk and Volatility Modeling참고 문헌 9인용 수 6

한 줄 요약

이 논문은 1950년에서 2004년 사이 이탈리아 사망률을 모델링하기 위해 기하학적 유형의 분수 오르누슈타인-울렌벡 과정을 제안한다. 장기적 의존성을 포착하기 위해 허스트 매개수 H ∈ (0.58, 0.8)를 갖는 분수 브라운 운동을 사용한다. 이 모델은 장기 기억 동역학을 통합함으로써 이전 연구를 개선하며, 고연령층에 대해 강력한 적합도를 보이며 대부분의 연령군에서 합리적인 성능을 보인다. 다만 에이즈 패닉 기간과 같은 인구학적 충격 기간 동안 약간의 과소 및 과대 예측이 발생한다.

ABSTRACT

We propose to model mortality hazard rates for human population using the exponential of the solution of a stochastic differential equation (SDE). The noise in the SDE is a fractional Brownian motion. We will use the well-known fractional Ornstein-Uhlenbeck process. Using the Hurst parameter we showed that mortality rates exhibit long-term memory. The proposed model is a generalization of the model introduced by [6], where they used an SDE driven with a Brownian motion. We tested our model with the Italian population between the years 1950 to 2004.

연구 동기 및 목표

• 장기 기억을 반영하는 확률적 사망률 모델을 개발하여 단기 기억 모델의 한계를 해결하는 것.
• 표준 브라운 운동을 분수 브라운 운동으로 대체함으로써 마일레스키-프로미슬로우 모델을 일반화하는 것.
• 이탈리아 사망률 데이터(1950–2004)에 대한 모델 성능을 평가하고, 다양한 연령군에서의 성능을 분석하는 것.
• 장기적 의존성(허스트 매개수를 통해 정량화)이 전통적 모델 대비 예측 정확도를 향상시키는지 평가하는 것.
• 에이즈 패닉과 같은 인구학적 변동성이 큰 기간 동안의 모델 한계를 식별하고未래 개선 방안을 제안하는 것.

제안 방법

• 위험률는 h(t) = h₀ exp(α₀t + α₁Yₜ)로 모델링되며, 여기서 Yₜ는 분수 브라운 운동에 의해 구동되는 분수 스토케스 미분 방정식을 따른다.
• 스토케스 과정 Yₜᴴ는 dYₜᴴ = -λYₜᴴdt + σdBₜᴴ를 만족하며, Bₜᴴ는 허스트 매개수 H ∈ [0.5, 1)를 갖는 분수 브라운 운동이다.
• 허스트 매개수 H는 R/S 분석을 통해 추정되며, (0.58, 0.8)의 범위에서 값이 도출되어 강력한 장기적 의존성을 확인한다.
• 모델 시뮬레이션은 10,000개의 몬테카를로 경로를 사용하여 예측된 사망률과 95.5% 신뢰구간을 생성한다.
• 모델는 남성과 여성 별로 별도로 1950년에서 2004년까지의 이탈리아 사망률 데이터에 캘리브레이션된다.
• H = 0.5일 경우 모델는 지아코메티 등이 제시한 모델로 축소되며, 이는 이전 연구와의 일관성을 확보한다.

실험 결과

연구 질문

• RQ1 기하학적 유형의 분수 오르누슈타인-울렌벡 과정은 이탈리아 사망률의 장기적 의존성을 효과적으로 모델링할 수 있는가?
• RQ2 표준 브라운 운동 모델 대비 분수 브라운 운동의 통합이 예측 정확도를 어떻게 향상시키는가?
• RQ3 이탈리아 사망률 데이터에 대한 허스트 매개수 H의 추정 범위는 무엇이며, 이는 장기 기억 행동을 확인하는가?
• RQ4 왜 모델은 에이즈 패닉과 같은 특정 역사적 기간 동안 성능이 떨어지는가?
• RQ5 임시적인 사망률 급증을 더 잘 포착하기 위해 단기 기억 성분을 통합함으로써 모델을 향상시킬 수 있는가?

주요 결과

• 추정된 허스트 매개수 H는 (0.58, 0.8) 범위에 위치하며, 이탈리아 사망률의 강력한 장기적 의존성을 확인한다.
• 60–90세 연령층에 대해 모델은 우수한 적합도를 보이며, 역사적 데이터가 대부분 95.5% 예측 구간 내에 포함된다.
• 0–35세 연령대에서는 1980년대와 1990년대의 에이즈 관련 사망률 급증을 포착하지만, 일시적인 과소 및 과대 예측가 발생한다.
• 1950년대 후반에서 1970년대 초반 기간 동안 연령 0세의 사망률을 과소 예측하고, 연령 25세의 사망률을 과대 예측함으로써 인구학적 충격에 민감함을 보인다.
• 약 50세 연령대에서는 정확도가 떨어지며, 이는 해당 연령대의 인구 수가 작기 때문으로 보이며, 이는 낮은 인구 수를 갖는 집단의 모델링 개선이 필요함을 시사한다.
• 저자들은 단기 기억 성분을 추가함으로써 모델의 유연성과 정확도를 향상시킬 수 있으며, 특히 급격한 변화가 일어나는 기간 동안 유용할 수 있다고 결론 내린다.