ÉLETTARTAM KOCKÁZAT A nyugdíjrendszerre nehezedő egyik teher

Hasonló dokumentumok
Ó Ó Ó Ü Í Ü Ü Ü Ü Ü Ü Á Ő Ü Ü Ü Ü Ó Ó Á Ü Ö

ü ó ó ó ó ó ó ü ó í ü ü ó ó ü ó ó ü ó ü ü í í ü ü í í ó ü ü Ö ü Ö ü ü ó

ő ő Ó

Ö ö Á ü ü ö ű ö ö ü ö Ö

Ü ű Í Ü ű Ő Ó Í Í Í Ö Í Ü Ó Í Í ű ű Í ű ű Í Í Í Í Í ű ű ű Á ű

ö ó Á ü ű ö ó ö ö ű ö ű ö ő ő ó ö ű ö ő í ő ó ő ó ö ó í í ó ő í í ő ö ő ő ó ő ö ű í ű í ö í ö í ű ö ö ú ö ú ö ő ó ő ö ő ő í ű ö ó ö í ó í í ő ó ü ő ő

Í ü ű Ö ö ö ü ö ö ü ü ö ö ű ű ö Í ű Á ö Á ö

í ü Ó ö í í í ó ó í í ü í ó ü ö ó ó ö ó ó ö í ö ö ó ó í ó í í ö ö ö í ú ö ó í ó ö ó ö ó í í ú ű ú

Ö ó ó ó í ó Ö ü ó ü ü Ö ó í í ú ü ó ó ó ó ó í í ú í Ö ú í ó ó ó í ó

Ü ü ü ú Ö ü ü Ö Ö Ö Ö Ő Ó ü Á Á Ö Ö Ö Ő ü Í ú ű Í ú ú

ú ú ő ő ő ú ü ő ő ü ú ő ő

á é é á ó á é ö Ű í É Á ó í á ü á ó

ű ő ő ű Ü ő ő ő ű ű ő ú ő ú Á Á ő Á ő ő ő ű ő ű ú

Á ó ű ú ó ö ü ű ű ó ó ö ü ó ö ó Ö ü ó ü ű ó ö ó ó ú ó ú ó ó ó ó ó ó ó Ö ö ó ó ó ó ö ó Ű ö ó ó ü Ó ű Í ó ó ó ó ó ó Ó ü ó ó ó ó ó ó ú ó ö

Ó ú ú

ű ű ű ű ú Í

í ú Í í ö ö Á ü ö í í ö ö ö ü í ü í ű í ö ü í ü

ő ü ő ü ü Ö ő ő ü Ö ü Ö ü Ö ő ő

Í ö Ű ö Á Í Ü ü Í ö

ö ö ö ö Í ö ö ö ö ö ú ö ü ö ö ö ü ű ú ö ú ü ö ű ö ü

ö ö ö ü ö ö ö ö ö ö Ö ü ö ü ü ü ö ü í ü ö ü Ö ö í ű ö ö í í ö ö ü í ö ö ü í ö í ü ö ü í ö ű ö ü

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

í í í í ó í ó ö ö í ű ü ó ó ü ú Á Á ó ó ó ó ó ó í ó ö ö ü Ó ö ü í ö ó ö í í ö í ó ó í ö í ú ó ú í ö ú ö ö ö í ó ó ó ú ó ü ó ö í ó ó í í í Á í ó ó ó

É Í Á Á É Ü Ó É É É É Í Ó Ó Ő Á Á É Á É É É É Á É É Á Á É É Á É Í

ö ő ő ü ü Ó ü ö ű Á ő ő ö ő Á Ó ű ö ü ő ő ű

ű ú ó ó ü í Á Á ú ó ó ó ó ó ó ó ó ó ó ó ó ó ó í ó ü É ű ü ó í ü í í í í í ó í ü í í ó ó Á

ó É ó í ó ó í í ö í ó í ö ö ö ü ö ó ó ó ü ú ö ü ó ó ö ö ü ü ü ö ö ó ö í ó ű Ü ó í ú í ö í ö í Í ó ó í í ö ü ö ö í ö í ö ö ö ü ó í ö ö ó í ú ü ó ö

ű ö ú ö ö ö ö í ű ö ö ö ű ö ö ö í ü ú í ű í ö í ú ű í ü ö ö ú ö í ö ű ú ü ö ö í ö ü ö ú ű ö ö ö í Á í ü í ö ü ö í ü ö Ő ü ö í ű ü ö í í í í í

ó ö í í ü Ű Ö ó ó ű ö ü Í í í ö Ö Ó ö Ű Ö ú ó ó í í ű ö ö ö ö í ó ö ö í ö ű ö ű ö ö ö ö ö í ó Ö Ö ü ú ö ó ü ö Ö ű ö Ö ü ó ö ö ó ö ö Ó í ű ö ű ö ö ű í

Ü

í ü í ü ő ő ü Í ő ő ő ú í ő ő ö ö ö ű ü í ő ő í ú ö ö ú ő ő ú í ő í ő ö ö í ő ü ü í ő ö ü ü ú í í ü ő í ü Í í í í ö ő ö ü ő í ő ő ü ű ő ő í ő í í ő ő

í í É í ó ó É ö í ó í ó í ó ó í ó í í ó ó ó í ö ö ö ö í í í ó ó ö ó

ö ö ö Ö ö ú Ö í Ö ű ö í Ö í ö ü ö í ú Ö Ö ö í ű ö ö í ö ö Ő ö í ü ö ö í Ö ö ö í ö í Ő í ű ű í Ö Ó í ö ö ö ö Ö Ö ö í ü ö ö Ö í ü Ö ö í ö ö ö ö ö Ö ö í

Ö Ö Ö Ö Ö Á Ű É Ö Ö Ö

Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü

ú Ü Í ú ú ú ú ú ú

Ö ő ü Ö Ö Ő ü ő Ö Ö ü ű Á Í Ö ű ü ő ő ő Ö ü ü ő ő ő Ü ü ő ő ő ü ő ő ü ü

ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű

ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö

ö Ó ű ö ó í ó ü ö Ó ó í ö ö ó Ö ó ö í ó í ó Á í ó Á Á Ő ú ü ó Í ü ú ü

Ö Ö ö Ó Ó Ó Ó Ü ú ü Ű Ö Ö Ö ö Ü ö Í ü ű

í í ü í í í í í Ó ő ő í í í Ú ü Ú í í Ú ő ü Ú ü ő

ő ö ő ű ó ö ó ű Í Ö Ö Á Í Ó Ö Ü É Ö Ö Ö Á Á Ö É Á Ö

í ó í ó ó ó í í ü ú í ú ó ó ü ü í ó ü ú ó ü í í ü ü ü ó í ü í ü ü í ü ü í ó ó ó í ó í ü ó í Á

ö ö ó ú ö ö ú ü ó ö ö Í ö ö ö ü ó ö ö ú ú ö ü ó ü ó ü ö ú ü ó ü ö ó Á Á ö ü ú ó ö ü ü ö ó ü ü Á ü ö ü ö ü ö ö ö ü ö ú ö ö ö ü ú ö ú ö ű ú ú ü ö ó ö ö

ű ú ü ü ü Í ü ö ü ö ü ö ü Ó ü ö ü ö ö ü ű ű ú ü ö ö ü Ó ö ű ü ö ú ö ö ü ü ű ü ü ö ö ü ü ú ö ö ü ü ú ü

Í Í Í Ü Ó Ó Ö Á Ü Ü Ó Ü Ü Ó Ö Í É Ö

ü ö ö ő ü ó ó ú ó

Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú

ű ú ú Ö ó Ö ó ó ó Ö ű ó ű ű ü Á ó ó ó ó ü ó ü Ö ó ó ó Ö ű ű ü Ö ű Á ú ú ú ó ű í í Ő ú Á É Ö í ó ü ű í ó ű ó Ö ú Ő ú ó í ú ó

Ü ü Ü Ö Ó ö ü ö Ó Ú Ó ü Ó ö ö Á ö ö ö ö ü

ö ü ü ú ó í ó ü ú ö ó ű ö ó ö í ó ö í ö ű ö ó Ú ú ö ü É ó í ö Ó Á í ó í í Ú ö ú ö ű ü ó

í Ó ó ó í ó ó ó ő í ó ó ó ó

é ö é Ö é é ő í ó í é ő ö ú é ó é ő ü ü é ó ö é é ó é é ö é ő í é é ő é é ö é ű ö é í ó é é í ö í ó í ó é é ö ó í ó ó í ó é é ö ő í ó ó í ó ü é í ü

ö ö Ö ó ó ö ó ó ó ü ö í ü ú ó ó í ö ö ö ó ö ü ú ó ü ö ü ö ö Ö ü ö ö Ö ó

í ó ő í é ö ő é í ó é é ó é í é é í é í íí é é é í é ö é ő é ó ő ő é ö é Ö ü é ó ö ü ö ö é é é ő í ő í ő ö é ő ú é ö é é é í é é í é é ü é é ö é ó í é

ú ü ü ú Ö ú ü ü ü ü ü ú ü ú ü ű Í ü ü ű ü ű Ó ü Ü ű ú ú Á ü ű ű ü ü Ö ü ű ü Í ü ü

ű Á ü ő ö í ö ö ő ő ő ő ö


É ö Ű ő ű ő ő ű ű

ű í ú ü ü ü ü ü Ó í ü í í í É Á

ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő

ö ö ö ú ü ű ü ö ü ö í í ö ö ü ö í ö í Ő í ö ú ü í ü ü ü í ü ö ű í í í í ü Ő ö ö ö ö í ö í í ü ö ü ú ö Á ű í ö ö ö ü í ö ü í ü ö ö ö ü ö

É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő

Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő

ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü í ő Ö ő ü í ő ü í í ő ü ő í ő ő í í ő ü ü í ő ü í ő í ő í ő ü í ő í ü í í ő

ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü

ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó

Í ö ö ű ú ö ö Í ö ü ö ü

í ü Ó Ö Ö ó Ö í ú í ó ó ó í ü í í í ó Ö ó ü í í ó ü í ú ó í í í ü ó í ó í ó ó ü ü ó ó ó ű ű ó í ó í ó ó ű í í ű Á

ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó ó ö ü ü ö ü ó ó ő ó ü ó ü ü ö ö É ú ó ó ö ú ö ü ü ó ó ó ü Á ö ö ü ó ö ó ö ö ö ö ó ó ö ó ó

Ö Ö ú

é ú é é é é é é é é é é é é ú é ö é é é ö Ő é é é ú é é é é é é é é ö é é é ö é Ö é é ö é ö é é é ű é ö ö é ö é é ö ö é é ö ö é ö é Ö é ú é é é é é é

ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü

ö ö í ó í Á ó ó ö ő ö ö ö ő ö ü ö í ö ó ö ó ő ő ő í ö ő ő ö ö ó ő ü ó ó ü ű ö ó ö ű ó í ő ó ő ö ő í ó ü ö ó í ő í ő ö ő ö ó í ü ó í í ő

ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö

É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű

ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü

Ü ű ö Á Ü ü ö ö

Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö

Ö Ö ű ű ű Ú Ú ű ű ű Ú ű

ö Ö ö ü ü ü ö ö ö Í ü ü Í ü

ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü

ü ö Ö ü ü ö ö Ö ü Ü ö Ö ö ó í ö ö Ő ü ö ó í ü ö ó í ö Ö ü ü ö ö Ö ü ö ö ó í ó ö ú ö Ö ú ü

ú ú ö ö ü ü ü ü ű ü ü

ú ű ú ú ű ú ű ű ú ű ú ű Á ű ű Á ű ű ú ú ú ú ú ú ű ú ú ú ú ú ú ú ú

ó Ü ó ü ü ó í ö í ó í ö í ó ö ó ű ö ü í ó í ú ó ü í ö ö ö ö ó í í ö ü ö í ó ö ü ö í ó

ü ő ü ü ő ő Á ü Ö ő ő ő ő ő ü ő ú ő ü ü ő ü ő ő ü ü ő ú ú ü ő ü ü ő ő ő ú ő ő ú ő ő ú ő ő ő ő ő ő ő ű ő ő ő

Á Ó ó ő ö

ö ő ó í í ő ő í í ú ó í ő ü ö ö ő í ő ó í ó ó í ö ő í ó ú ó í í í í ö ő ő ő ő ö Ö ü ó ö ü ö ö ö ő í ő ö ő í ö í í ü ö í ú ü ő ö ö ó ö ő í ő ö ő ö ö ő

É Ö Á Í Á Ó Ö ü

Ö í ó í ű í Ö ó ú ű í ú ű Í ú Ó Ú ű ó í Ő Ő ű í í í Í ú ú í ú í Í Ó ó ú ó ó í Á ű Í Ű í Ő Á ó Ö ű ó ű

ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő

ő ü ü ü ü ő Ö ő ő ő ü ő ő ő ü ü ő ü ő ő ü ü ő ü ő ü ú Á ú ő ü ő ő ő ü ő ü ú ú Ö ő ü ű ü ő ő Ö ú ő ő ő ő ü

É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű

ü ö ö ö ü Ü ö Ö Ö ü ü ü ö ö ö Ü Ö Ö ö ö Í ö ö ö ö ö ö üü ö ö ö ö ú ö ö ö ö ö ö ö ö ü ú ö Ö Ö ö ö ö ö Ö Á ö ö ö ü ö ö

Instrumentális változók módszerének alkalmazásai Mikroökonometria, 3. hét Bíró Anikó Kereslet becslése: folytonos választás modell

í ü ü ű ö ö ü ó ö ö ú ú ö ó ü í ó ó ó ü ó ü ö ö ú ó ö ö ű ö ö í í ű ó ó ö ö ö í í ö ó ó í ö ó ü ü ó ü ú ó ö ú ü ü ü ü ü ü ó ó ü ü í ó ö ö ó ü ó ó ó ö

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

1. ábra A hagyományos és a JIT-elvű beszállítás összehasonlítása

Átírás:

ÉLETTARTAM KOCKÁZAT A nyudíjrendszerre nehezedő eyik eher Májer Isván - Kovács Erzsébe i.majer@erasmusmc.nl Taralom. Várhaó élearam alakulása 2. A moraliás modellezése a Lee-Carer modell 3. Alkalmazás 4. Kövekezeések

. VÁRHATÓ ÉLETTARTAM Szüleéskor várhaó élearam 970-2008 2

65 éves korban várhaó férfi élearam 970-2008 20 65 éves korban várhaó élearam férfiak 9 8 7 Éleévek száma 6 5 4 3 2 0 970 972 974 976 978 980 982 984 986 988 990 Év 992 994 996 998 2000 2002 2004 2006 2008 EU-5 Némeorszá 99 elő NSZK Spanyolorszá Franciaorszá Olaszorszá MAGYARORSZÁG Hollandia Finnorszá Svédorszá Eyesül Királysá Norvéia Svájc 65 éves korban várhaó női élearam 970-2008 65 éves korban várhaó élearam nők 24 22 Éleévek száma 20 8 6 4 EU-5 Némeorszá 99 elő NSZK Spanyolorszá Franciaorszá Olaszorszá MAGYARORSZÁG Hollandia Finnorszá Svédorszá Eyesül Királysá Norvéia Svájc 2 0 970 972 974 976 978 980 982 984 986 988 990 992 994 996 998 2000 2002 2004 2006 2008 Év 3

Indeál moraliási valószínűsé 970-2008 Sandardizál moraliási valószínűsé eljes népessé.2. q / q970 0.9 0.8 0.7 0.6 65 75 85 95 0.5 970 975 980 985 990 995 2000 2005 T napári év Lefonosabb ényezők Orvosudomány fejlődése echnolóiai fejlődés és annak elerjedése Gazdasái válozások fejlődés Élemód válozása dohányzás esmozás Szabályok pl. bizonsáosabb közlekedés 4

Hivaalos moraliási várakozások ponossáa Mefiyel és előre jelze szüleéskor várhaó élearam EK férfiak 966-203 Rekord várhaó élearam alakulása 5

Mi várhaó a jövőben? Opimisa vs. Pesszimisa állásponok Bizonyalansá szerepének modellezése felérékelődö A moraliás válozása rendje ey szochaszikus folyama Szochaszikus erapolaív modell -> Lee és Carer [992] 2. A LEE-CARTER MODELL 6

7 Halálozási ráa halálozási valószínűsé / E m D Halálozási ráa Halálozási valószínűsé 2 m m q Halálozási örvények Gomperz [825] Makeham [860] Heliman-Pollard örvény [980] Probléma: úl sok és insabil paraméer előrejelzés yakorlaila leheelen B GH GH F E D A q C - - lo lo ep ~ 2

A Lee-Carer modell ln m a b k e Kis számú paraméer A yakorlaban nayon jól működik a moraliás előrejelzéséhez használ módszerek közül a vezeő saiszikai modellé vál - Deaon [2004] A Lee-Carer modell alkalmazása ln m a b k e 3 lépés:. lépés: a modell paraméereinek becslése: â bˆ kˆ 2. lépés: a kˆ paraméer kiiazíása 3. lépés: a moraliási ráák előrejelzése 8

9. lépés: Paraméerek becslése A reziduumok néyzeé szerenénk minimalizálni mári sajáérék felbonása Tipikusan csak az első sajáéréke használjuk Ké korlá bevezeése: ln m a - b k ln m e k b a å i b 0 å i k k b a c k b b c a ~~ ~ ~ ~ ~ ~~ ~ -. lépés: Paraméerek becslése 2 : a mefiyel moraliási ráák álaa : láens folyama amely a moraliás szinjének alakulásá számszerűsíi : érzékenysé paraméer T m T å ln â å Î X u u ˆ b å Î X u ˆ n s k

2. lépés: A láens paraméer kiiazíása å[ E a ˆ b ˆ ~ k ] ep å D Célja: A mefiyel és modelleze halálozások száma meeyezzen Miér? Mer az eredei modell becslésekor a fiaal korok moraliási ráái uyanolyan súllyal szerepelnek min az idős korok ráái újrasúlyozás 3. lépés: Az előre jelzés Tekinsünk a [ ~ i i i k ~ k... ~ ] T ~ k k 2 érékekre min idősorra! Illesszünk rá ARIMA modell A leöbb alkalmazásban ARIMA00 vélelen bolyonás random walk modell alálunk. Ekkor: ~ ~ k k - q d illeve 2 d ~ N0 d ahol θ a rend paraméer δ pedi fehér zaj. 0

3. lépés: Az előre jelzés 2 Θ becslőfüvénye: ~ ~ ˆ k T -k q T - δ becslőfüvénye: dˆ 2 ~ k - ~ k q T å - 2 - ˆ T - A sandard hiba pedi: var qˆ dˆ T - 3. lépés: Az előre jelzés 3 Szimuláljunk B darab idősor s évre előre Bo-Jenkins T s T s- T s- 2 kˆ qˆ dˆ ˆ k ˆ k qˆ ~ N A kövekező évi κ Ts az előző évre szimulál κ Ts- és a rend füvénye Ha a rend paraméer θ körüli bizonyalansáo is be szerenénk vonni a modellbe akkor θ- a feni képleben q& ~ N qˆ var qˆ -al helyeesíjük. Véezeül: mˆ ˆ ~ i ~ i b k -k T s m T ep T s T

További lépések A szimulál moraliási rááka áalakíjuk -éves moraliási valószínűséekké Az -éves moraliási valószínűsée felhasználva kiszámíjuk a várhaó élearamo ey ado éves korra halandósái ábla Ez meisméeljük minden b. szimuláció során 3. ALKALMAZÁS 2

Adaok Mayar moraliási ráák: m {970 2006} {65 97} Human Moraliy Daabase szabadon elérheő adabázis Lo moraliási ráa 3

Lee-Carer modell becsül paraméerei Szimulál κ Ts 4

Szimulál m 65Ts Várhaó élearam 0000 szimuláció alapján 5

4. KÖVETKEZTETÉSEK Miér fonos ez? Bármilyen pénzüyi ermék amelynek a jelenéreke a moraliási viszonyok füvénye bizonyalan. Pl. élebizosíás nyudíj Eyéni halálozási kockáza: diverzifikálhaó Élearam kockáza: a halandósá és az aól füő más mennyiséek min például a várhaó élearam hosszú ávon elér annak előre jelze mérékől rendjéől. 6

7 Várhaó élearam kockáza fiyelembe véele Jellemzően a várhaó élearamo kereszmeszei szemléleben érelmezzük: A nyudíjbizosíók kockázaa azonban kohorsz szemléleben érelmezendő. Ȭ 0 j j p p å ³ e p... p p p p - - å ³ e p Halálozási valószínűsé kohorsz szemléleben

Túlélési valószínűsé Kereszmeszei vs. Kohorsz Annuiás éréke Kereszmeszei vs. Kohorsz 8

Véső mejeyzések Modern Lee-Carer modellek homoszkedaszikus reziduumok: Binomiális Poisson Spline Köszönöm a fiyelme! 9