基于非齐次Markov模型的长期护理保险定价研究

发布时间：2020-12-30 18:03

　　本文运用四状态时间非齐次马尔科夫模型对65～105岁老年人的健康转移强度建模,在Tweedie-GLM模型的框架下,加入年龄效应、时间趋势和年龄-时间交互效应。实证结果表明,除了常见的年龄效应外,时间趋势和年龄-时间交互作用也是解释健康状态转移的重要因素。本文还基于精算理论预测预期寿命和护理需求期望时间,并给出2020年的长期护理保险精算费率表,结果发现在各个时刻下的女性,相较于相同年龄和初始健康状态下的男性都具有绝对的生存优势;虽然在2002～2012年男性具有健康优势,但随着时间的推移,男性在失能状态的持续时间将超过女性,而女性在受损状态的持续时间一直稳步超过男性,二者叠加使得2020年初始状态为失能的男性长期护理保险费率显著高于女性。 

【文章来源】：保险研究. 2020年07期 北大核心CSSCI

【文章页数】：14 页

【文章目录】：
一、引言与文献综述
二、数据及其描述统计
    （一）数据
    （二）界定长期护理状态
    （三）描述统计
三、基于非齐次Markov过程的转移概率模型
    （一）四状态时间非齐次Markov模型
    （二）健康转移概率的估计模型
    （三）各健康状态下老年人的预期生存时间
    （四）长期护理保险精算费率
四、转移概率矩阵的实证分析
    （一）健康状态转移概率矩阵
    （二）预期寿命和状态持续时间
        1.不同时刻和不同初始健康状态的预期寿命
            （1）横截面维度
            （2）时间维度
        2.不同时刻在不同健康状态的持续时间
    （三）老年人长期护理保险费率
五、结论与展望


【参考文献】：
期刊论文
[1]考虑状态停留时长的我国中老年人口状态转移概率测算[J]. 刘乐平,唐爽,程瑞华.  保险研究. 2020(02)
[2]基于Markov模型的长期护理保险定价[J]. 王新军,王佳宇.  保险研究. 2018(10)
[3]中国老年人口长期护理需求预测——基于多状态分段常数Markov分析[J]. 崔晓东.  中国人口科学. 2017(06)
[4]中国老年人失能时间研究[J]. 张立龙,张翼.  中国人口科学. 2017(06)
[5]Tweedie分布在车险费率厘定中的应用[J]. 张连增,谢厚谊.  保险研究. 2017(01)
[6]政策性长期护理保险定价研究——以北京市为例[J]. 荆涛,杨舒,谢桃方.  保险研究. 2016(09)
[7]基于家庭微观数据的长期护理保险定价[J]. 胡晓宁,陈秉正,祝伟.  保险研究. 2016(04)
[8]中国老年长期护理服务需求评估与预测[J]. 胡宏伟,李延宇,张澜.  中国人口科学. 2015(03)
[9]中国老年人平均预期照料时间研究——基于生命表的考察[J]. 黄匡时,陆杰华.  中国人口科学. 2014(04)
[10]中国老年健康影响因素跟踪调查（1998-2012）及相关政策研究综述（下）[J]. 曾毅.  老龄科学研究. 2013(02)



本文编号：2948065