사망률의 계절성과 분석 모형에 관한 연구
A Study on the Seasonality of Mortality Rate and Its Models
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구에서는 기존 연구에 의해 알려진 사망률의 계절성에 대하여 통계청에서 제공하는 마이크로데이터를 이용하여 도출한 월별 사망률 자료를 바탕으로 사망률의 계절성 차이를 확인하고 이를 반영할 수 있는 모형을 탐색하고 비교해 보았다. 사망의 범주를 질병, 상해, 암, 뇌혈관질환, 심혈관질환으로 구분하여 전통적인 시계열 모형과 함께 최근 시계열분석에 자주 활용되는 다양한 모형들을 이용하여 사망률의 계절성을 모형화하고 이를 이용하여 월별 사망률의 예측을 시도해 보았다. 본 연구에서 논의된 시계열 모형을 바탕으로 월별 또는 계절별 사망률의 변동을 이용하여 보험사의 사망 관련 담보의 연중 보험금 지급과 장례와 관련한 서비스를 제공하는 기업들의 연간 현금흐름을 보다 정교하게 추정하여 자산 운용에 활용할 수 있을 것으로 기대된다.
Abstract
In this study, models that can identify and reflect seasonal differences in mortality were explored based on monthly mortality data derived from MicroData Integrated Service (MDIS) provided by Statistics Korea for the seasonality of mortality identified by previous studies. Several models recently developed for time series analysis along with traditional time series models were applied to data defined by cause of death; disease, injury, cancer, cerebrovascular disease, and cardiovascular disease. Based on the time series model discussed in this study, changes in monthly or seasonal mortality rates can be modeled and the forecasting results are expected to derive better estimate on the cash flows within a year associated with various types of death benefit provided by insurers and costs of enterprises providing funeral services.
참고문헌 (37)
- 김세중, "장수리스크 측정을 위한 확률적 사망률 모형 비교연구", 보험학회지, (93), pp.213~236 (2012), 한국보험학회
- 민경창, "SARIMA 모형을 이용한 우리나라 항만 컨테이너 물동량 예측", 대한교통학회지, 32(6), pp.600~614 (2014), 대한교통학회[DOI]
- 민경창, "계절성 ARIMA 모형을 이용한 항공화물 수요예측: 인천국제공항발 유럽항공노선을 중심으로", 대한교통학회지, 31(3), pp.3~18 (2013), 대한교통학회
- 성주호, "퇴직연금사망률 산출체계 개선에 관한 연구", 보험학회지, (73), pp.77~100 (2006), 한국보험학회
- 우해봉, "인구추계 방법론의 현황과 평가", ~ (2016)
- 이동현, "SARIMA 모형을 이용한 태양광 발전량 예보 모형 구축", 한국태양에너지학회 논문집, 39(3), pp.59~66 (2019), 한국태양에너지학회[DOI]
- 조성일, "몬테카를로 실험에 의한 Augmented Dicked-Fuller 단위근 검정법의 검정력에 관한 연구", 통계연구, 10(1), pp.8~8 (2005), 통계청
- 조재훈, "확률론적 이자율과 사망률모형을 이용한 보험리스크 측정 - 장수리스크를 중심으로 -", 보험학회지, (122), pp.1~34 (2020), 한국보험학회[DOI]
- 주효찬, "사망률의 개선이 책임준비금에 미치는 영향", 리스크관리연구, 25(2), pp.3~33 (2014), 한국리스크관리학회[DOI]
- 통계청 마이크로데이터 서비스, "주민등록 인구현황 통계", ~ (2019)
- 통계청 마이크로데이터 서비스, "사망원인 통계", ~ (2019)
- 황지연, "Lee-Carter 모형의 베이지안 추정을 이용한 국가별 사망률 개선추이에 관한 비교연구", 리스크관리연구, 29(1), pp.89~112 (2018), 한국리스크관리학회[DOI]
- 황진태, "생명보험 상품별 해지율 추정 및 예측모형" (2010), 보험연구원
- Adeboye, Nureni O., "Modeling and forecasting mortality rate due to malaria infection, using autoregressive moving average (ARMA) models a panacea to Nigerian socio-economic challenges", National Conference on Science, Technology and Communication (2017)
- Alfaro, Leonel M., "Automated time series demand forecast for luxury fashion online retail company", Doctoral, pp.2020
- Cho, Kyunghyun, "Learning phrase representation using RNN encoder-decoder for statistical machine translation", ArXiv preprint ArXiv (2014): 1406.1078, ~ (2014)
- Dickey, David A., "Likelihood ratio statistics for autoregressive time series with a unit root", Econometrica, 49(4) (1981)
- Efron, Bradley, "Better bootstrap confidence intervals", Journal of the American Statistical Association, 82(397), pp.171~185 (1987)
- Falagas, Matthew E., "Seasonality of mortality : the September phenomenon in Mediterranean countries", Canadian Medical Association Journal, 181(8), pp.484~486 (2009)
- Hocheiter, Sepp, "LSTM can solve hard long time lag problems", Advances in Neural Information Processing Systems, pp.473~479 (1997)
- Hylleberg, Svend, "Seasonal integration and cointegration", Journal of Econometrics, 44(1-2), pp.215~238 (1990)
- Jia, Wenxiao, "Integrating Multiple Data Sources and Learning Models to Predict Infectious Diseases in China", AMIA Joint Summits on Transitional Science, 2019, pp.680~685 (2019)
- Kwiatkowski, Denis, "Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root?", Journal of Econometrics, 54(1-3), pp.159~178 (1992)
- Lee, Sangkuk, "Long-Term Patterns of Seasonality of Mortality in Korea from the Seventeenth to the Twentieth Century", Journal of Family History, 37(3), pp.270~283 (2012)
- Liang, Weitao, "Mortality Analysis and Model Prediction of Children Under 5 years Old in a City of Northwest China", Annals of Epidemiology and Public Health, 3(1), pp.1019~ (2020)
- Lin, Yilan, "Application of an autoregressive integrated moving average model for predicting injury mortality in Xiamen, China", BMJ Open, 5(12), pp.e008491~ (2015)
- Lindholm, Mathias, "Efficient Use of Data for LSTM Mortality Forecasting", SSRN (2021)[DOI]
- Parks, Robbie M., "National and regional seasonal dynamics of all-cause and cause-specific mortality in the USA from 1980 to 2016", eLife, 7, pp.e35500~ (2018)
- Petnehazi, Gabor, "Mortality rate forecasting: can recurrent neural networks beat the Lee-Carter model?", ArXiv preprint ArXiv (2019): 1909.05501, ~ (2019)
- Phillips, Peter C.B, "Testing for a unit root in time series regression", Biometrika, 75(2), pp.335~346 (1988)
- Quinn, J., "Dive into deep learning: Tools for engagement" (2019), Corwin Press
- Richman, Ronald, "Lee and Carter go Machine Learning: Recurrent Neural Networks", SSRN (2019)[DOI]
- Saleh, H., "Predicting systolic blood pressure in real-time using streaming data and deep learning", Mobile Networks and Applications, 26(1), pp.326~335 (2021)
- Hamoudzadeh Alireza, "Predicting user’s next location using machine learning algorithms", Spatial Information Research, 29(3), pp.379~387 (2021), 대한공간정보학회[DOI]
- Taylor, Sean J., "Forecasting at scale", The American Statistician, 72(1), pp.37~45 (2018)
- Tseng, Yi J., "Developing epidemic forecasting models to assist disease surveillance for influenza with electronic health records", International Journal of Computers and Applications, 42(6), pp.616~621 (2020)
- Tuganishuri, Geremie, "Seasonality of mortality in South Korean Population", Masters, pp.2019