We develop a Gaussian process (GP")

We develop a Gaussian process (GP") framework for modeling mortality rates and mortality
improvement factors. GP regression is a nonparametric, data-driven approach for determining the
spatial dependence in mortality rates and jointly smoothing raw rates across dimensions, such as
calendar year and age. The GP model quanties uncertainty associated with smoothed historical
experience and generates full stochastic trajectories for out-of-sample forecasts. Our framework is well
suited for updating projections when newly available data arrives, and for dealing with edge" issues
where credibility is lower. We present a detailed analysis of Gaussian process model performance for
US mortality experience based on the CDC datasets. We investigate the interaction between mean
and residual modeling, Bayesian and non-Bayesian GP methodologies, accuracy of in-sample and out-
of-sample forecasting, and stability of model parameters. We also document the general decline, along
with strong age-dependency, in mortality improvement factors over the past few years, contrasting our
ndings with the Society of Actuaries (SOA") MP-2014 and -2015 models that do not fully re
ect

ผลลัพธ์ (ไทย) 1:

เราพัฒนางานนที่กระบวนการ (GP") สำหรับการสร้างแบบจำลองอัตราการตายและการตายปรับปรุงปัจจัย ถดถอย GP เป็น nonparametric ข้อมูลซึ่งวิธีการพึ่งพาอาศัยกันเชิงพื้นที่อัตราตายและร่วมกันปรับราคาดิบข้ามมิติ เช่นปีและอายุ ความ GP รุ่น quanti es ไม่แน่นอนเกี่ยวข้องกับโค้งประวัติศาสตร์ประสบการณ์ และสร้างวิถี stochastic เต็มสำหรับการคาดการณ์-ของตัว กรอบของเราเป็นอย่างดีปัญหาที่เหมาะสม สำหรับการปรับปรุงประมาณการเมื่อใหม่ข้อมูล และจัดการกับ edge"ที่น่าเชื่อถือจะต่ำกว่า เรานำเสนอการวิเคราะห์รายละเอียดของรุ่นนที่กระบวนการสำหรับสหรัฐอเมริกาประสบการณ์ตายที่อิง CDC datasets เราตรวจสอบการโต้ตอบระหว่างหมายถึงอะไรและการสร้างโมเดล ทฤษฎี และวิธีการ GP ทฤษฎี ความถูกต้องในตัวอย่างและออกเหลือของตัวอย่างการคาดการณ์ และความเสถียรของพารามิเตอร์ในแบบจำลอง เราเอกสารลดลงทั่วไป ตามแข็งแรงอายุผิด ในการปรับปรุงปัจจัยการตายไม่กี่ปีที่ผ่านมา ตัดของเรา ndings สังคมของ Actuaries (SOA") MP-2014 และรุ่น-2015 ที่ทำได้อีกครั้งect

ผลลัพธ์ (ไทย) 2:

เราพัฒนากระบวนการเกาส์ ( GP ") กรอบการทำงานสำหรับอัตราการสร้างแบบจำลองการตายและอัตราการตาย
ปัจจัยปรับปรุง. GP ถดถอยเป็นอิงวิธีการที่ขับเคลื่อนด้วยข้อมูลในการพิจารณา
การพึ่งพาอาศัยกันในอวกาศอัตราการตายและร่วมกันให้เรียบอัตราดิบข้ามมิติเช่น
ปฏิทินปี และอายุ. รุ่น GP quanti ES ความไม่แน่นอนที่เกี่ยวข้องกับประวัติศาสตร์เรียบ
ประสบการณ์และสร้างวิถีสุ่มเต็มรูปแบบสำหรับการคาดการณ์ออกจากตัวอย่าง. กรอบของเราเป็นอย่างดี
เหมาะสำหรับการปรับปรุงประมาณการเมื่อข้อมูลที่เพิ่งมาถึงและการจัดการกับ ขอบ "ปัญหา
ที่ ความน่าเชื่อถือต่ำ เรานำเสนอการวิเคราะห์รายละเอียดของกระบวนการประสิทธิภาพการทำงานรูปแบบเกาส์สำหรับ
ประสบการณ์การตายของสหรัฐที่ใช้ในชุดข้อมูลที่ CDC
เราจะตรวจสอบการมีปฏิสัมพันธ์ระหว่างค่าเฉลี่ย และการสร้างแบบจำลองที่เหลือคชกรรมและไม่ใช่วิธีการแบบเบส์ GP, ความถูกต้องของในตัวอย่างและออก
จากตัวอย่างการคาดการณ์และความมั่นคงของพารามิเตอร์แบบ นอกจากนี้เรายังจัดทำเอกสารทั่วไปที่ลดลงพร้อม
กับความแข็งแรงอายุการพึ่งพาปัจจัยการปรับปรุงอัตราการเสียชีวิตในช่วงไม่กี่ปีที่ผ่านมาตัดกันของเรา
ndings กับสมาคมนักคณิตศาสตร์ประกันภัย ( SOA ") MP-ปี 2014 และ -2015 รุ่นที่ทำไม่ได้อย่างเต็มที่อีกครั้ง
ect

ผลลัพธ์ (ไทย) 3:

เราพัฒนากระบวนการเกาส์ ( GP ) สำหรับกรอบการอัตราการตายและอัตราการตายปัจจัยพัฒนา สถิตินอนพาราเมตริกแบบ GP เป็น , - การในพื้นที่ที่มีอัตราการตายและร่วมกันเรียบราคาดิบข้ามมิติ เช่นปฏิทินปีและอายุ รุ่น GP quanties ความไม่แน่นอนที่เกี่ยวข้องกับเรียบ ประวัติศาสตร์ประสบการณ์ และสร้างวิถีเต็มสุ่มจากตัวอย่างการคาดการณ์ . กรอบของเราเป็นอย่างดีเหมาะสำหรับการปรับปรุงประมาณการเมื่อข้อมูลใหม่มาถึง และเพื่อจัดการกับปัญหาขอบ "ที่เงินลดลง เรานำเสนอการวิเคราะห์รายละเอียดของการปฏิบัติงานกระบวนการเกาส์สำหรับเรานำประสบการณ์จาก CDC ชุดข้อมูล เราศึกษาปฏิสัมพันธ์ระหว่าง หมายถึงและแบบจำลองที่ตกค้าง และไม่เบส์โดย GP , ความแม่นยำของตัวอย่างและออกในตัวอย่างของการพยากรณ์ และเสถียรภาพของพารามิเตอร์ของแบบจำลอง เรายังเอกสารลดลงทั่วไป พร้อมการพึ่งพาปัจจัยจากอายุที่แข็งแกร่งในการพัฒนาในช่วงไม่กี่ปีที่ผ่านมา ตัดของเราndings กับสถิติของสังคม ( SOA ) และ mp-2014 ารรุ่นที่ไม่เต็มที่อีกครั้งฯลฯ