Upload
cristovao-matos
View
455
Download
0
Embed Size (px)
DESCRIPTION
Trabalhos Académicos
Citation preview
1
Abstract — faz-se o enquadramento ao tema da mortalidade e
longevidade, descrevendo-se as principais tendências actuais.
Descreve-se e aplica-se o método de Lee-Carter a dados
demográficos portugueses verificando-se as conclusões gerais
observadas nas aplicações a outras populações por diversos
autores.
Index Terms—mortalidade, longevidade, modelo de Lee-
Carter, Portugal
I. INTRODUÇÃO E MOTIVAÇÃO
A esperança de vida nos países industrializados tem
aumentado progressivamente desde que há registos
demográficos, para todos os grupos etários. Benjamim &
Soliman (1993), McDonald (1997) e McDonald et al. (1998)
demonstraram um decréscimo na probabilidade de morte na
idade adulta e na velhice. Em Portugal a esperança de vida à
nascença (total) passou de 51,43 anos em 1940 para 78,92 em
2006, um aumento de 53,5%, registando-se um crescimento
progressivo ao longo desse período (v. Figura 1).
Esta evolução representa uma conquista importante da
humanidade mas simultaneamente coloca desafios complexos
às entidades responsáveis pelo planeamento e gestão de
produtos cujo principal risco associado é a mortalidade, ou,
indirectamente a longevidade, como é o caso das Seguradoras
de Vida e a Segurança Social. Por risco de mortalidade
entende-se o risco de desvio das taxas de mortalidade
agregadas relativamente às antecipadas para diversas idades e
horizontes temporais. O risco de longevidade é o risco de que
no longo prazo as taxas de sobrevivência para os diversos
coortes sejam superiores às antecipadas (Cairns, Blake, &
Dowd, 2004).
Lee & Carter (1992) desenvolveram um método simples
de descrição da tendência secular da mortalidade. Neste
modelo o logaritmo da força da mortalidade é descrito como
uma série temporal, com uma componente específica da idade
e uma outra que é o produto de um parâmetro dependente do
tempo, que reflecte o grau geral da mortalidade, e uma
componente dependente da idade que representa a velocidade
de variação para cada idade quando o grau geral da
mortalidade varia.
O modelo de Lee-Carter, como ficou conhecido, é um
modelo previsional, no sentido em que permite extrapolar
tendências de mortalidade, e a consequente construção de
tábuas de mortalidade. Como todos os modelos extrapolativos,
padece de algumas das fragilidades dos mesmos: os padrões
históricos podem não se manter no futuro, e alterações
estruturais podem escapar (Lee, The Lee-Carter Method for
Forecasting Mortality, With Various Extensions and
Applications, 2000). A análise experimental num conjunto
alargado de países, permitiu concluir, no entanto, que o
modelo de Lee-Carter revela um desempenho bastante
aceitável enquanto modelo previsional.
Neste trabalho, aplica-se o modelo de Lee-Carter a dados
demográficos de Portugal, para o período entre 1940 e 2006, e
extrapolação até 2050.
Figura 1 – Esperança de vida à nascença no período entre 1940 e 2006
(dados de Portugal)
II. TENDÊNCIAS ACTUAIS DA MORTALIDADE E
LONGEVIDADE
Pitacco (2002) descreve as tendências gerais observadas
nos dados demográficos das populações, a saber:
i) Rectangularização - crescente concentração das
mortes em torno da moda (para idades avançadas),
o que resulta em que a função de sobrevivência
tenda para um rectângulo, conforme a Figura 2;
ii) Expansão - A moda da curva de mortalidade tende
Risco de mortalidade e longevidade no
contexto português
Matos, Cristóvão
[email protected] Fevereiro de 2008
2
a mover-se para idades muito avançadas, aspecto
que se denomina de expansão da função de
sobrevivência;
iii) As mortes acidentais em idades mais jovens
tendem a apresentar níveis e dispersão mais
elevada, conforme recentemente observado.
Figura 2 – Rectangularização (lado esquerdo) e expansão (lado direito) da
função sobrevivência. Adaptado de Pitacco (2002).
A rectangularização é observada também em Portugal,
conforme mostra o gráfico apresentado na Figura 3. Note-se a
progressiva tendência para que o número de sobreviventes
decaia mais lentamente ao longo da idade, com a progressiva
convergência do gráfico para a idade limite. Verifica-se uma
redução da taxa de mortalidade ao longo dos grupos etários,
mas a idade limite não parece expandir-se significativamente.
Figura 3 – Efeito observável da rectangularização para dados
demográficos da população portuguesa, para o número de sobreviventes.
Na Figura 3 apresentam-se cortes transversais no tempo
(ano) para a probabilidade de morte, e de facto verifica-se que
tem havido uma progressiva redução da mortalidade ao longo
dos diversos grupos etários, para se concentrar em idades mais
avançadas e progressivamente a convergir para a idade limite.
Figura 4 – Probabilidade de morte em função da idade, para os anos de
1940, 1950, 1960, 1970, 1980, 1990 e 2000. Note-se o desvio progressivo da
moda para a direita do gráfico.
III. O MÉTODO DE LEE-CARTER
A evolução de uma população ao longo do tempo pode ser
caracterizada pelo número de vivos com idade , sendo
que geralmente o número inicial na idade , fixa-
se em 100,000. O elemento casuístico que influencia a
dimensão de uma população é a morte, a qual provoca uma
redução do número de elementos da mesma. A idade da morte
de um indivíduo pode ser modelada por uma variável aleatória
, sendo o número de sobreviventes para uma idade (e ano
) dados pela função de sobrevivência
Geralmente as tábuas actuárias são apresentadas em coortes
(bandas ou intervalos com as mesmas grandezas estatísticas)
de intervalos de idade e de ano , representando-se por um
rectângulo Assim sendo uma grandeza dependente
da idade e do ano , esta será constante no intervalos
. As combinações mais frequentes envolvem o
produto . Por exemplo, uma tábua de
mortalidade é aquela em que os grupos de idades variam
unidade a unidade, ou seja, , sendo a
idade limite, e o ano varia em intervalos de 5 unidades,
.
Denomina-se o número de mortos registados para a
idade e ano , para uma determinada exposição ao risco .
A exposição ao risco consiste no número de indivíduos de um
coorte para os quais ocorreu ou seja, engloba o número de
indivíduos total para esse coorte.
A força da mortalidade é a taxa instantânea de redução de
uma população. Resulta (entre outras expressões) do quociente
entre o número de mortos e a exposição ao risco,
O modelo de Lee-Carter propõe uma representação linear
do logaritmo da força de mortalidade, (2.1)
Sendo um termo de erro com distribuição normal, ou
seja ruído branco. Os coeficientes estão sujeitos às condições
e . Relativamente aos coeficientes e
, os primeiros descrevem a média da forma do perfil de
idade, e os segundos os desvios que ocorrem com a variação
de . Segundo este modelo, para uma idade , as variações da
força da mortalidade ao longo do tempo são inteiramente
explicadas pelo parâmetro , ou seja, a diferença entre a força
da mortalidade para um indivíduo de 30 anos em 1950 e em
2000 será justificada inteiramente por . Por outro lado, note-
se que a variação de entre anos sucessivos depende
também de ,
A determinação dos coeficientes e não se trata de um
problema simples de regressão linear, já que os parâmetros
também são desconhecidos. O problema proposto consiste em
determinar , e tais que minimizem a expressão
Note-se que a parametrização (2.1) não é única, uma vez
que é invariante às transformações (Girosi & King, 2007)
0 5 10 15 20Idade
0
20000
40000
60000
80000
100000
lx
2000
1990
1970
1940
0 20 40 60 80 100Idade
0
2000
4000
6000
8000
10000
dx
2000
1990
1980
1970
1960
1950
1940
3
,
, ,
Os passos envolvidos para a aplicação do modelo de Lee-
Carter a uma série de dados demográficos da força da
mortalidade são:
i) Determinação dos coeficientes . Estes
coeficientes obtêm-se a partir da média dos
logaritmos da força de mortalidade observada
ii) Construção da matriz .
iii) Os coeficientes e os parâmetros são
determinados através de uma decomposição de
valor singular (SVD - Single Value
Decomposition)
nde a componente representa a
componente da idade, a componente do ano
(tempo) e o vector são os valores singulares
(Wang, 2007).
Os coeficiente obtêm-se a partir de e
.
iv) Segunda estimativa de . Fixam-se os
coeficientes e determinados no passo
anterior e procura-se determinar o valor de
que reproduz, para cada ano t, o número exacto
de mortes observadas , ou seja, procura-se
tal que
Segundo Lee (2000) as vantagens da segunda estimativa
são, em primeiro lugar, a garantia de que as tábuas de
mortalidade ajustadas a partir das estimativas dos anos de
amostragem reproduzem o número de mortes e a distribuição
de população observáveis. Uma vez que a primeira estimativa
é efectuada recorrendo a logaritmos da força da mortalidade, é
possível ocorrerem discrepâncias consideráveis. Em segundo
lugar, esta estimativa permite completar dados inexistentes
para uma idade em particular num determinado ano,
fornecendo assim uma estimativa indirecta.
A. Estimativas da força da mortalidade
De forma a produzir previsões da mortalidade, Lee & Carter
(1992) assumem que os coeficientes permanecem
constantes ao longo do tempo e usam um modelo de série
temporal univariada. Após vários testes, concluíram que o
modelo de caminho aleatório com deriva é o mais apropriado,
ou seja, uma série ARIMA (0,1,0),
Onde é uma variável aleatória com distribuição normal e
é o factor de deriva e o seu estimador de maior
probabilidade é obtido a partir do declive entre o primeiro e
último ponto da série,
A previsão de dois períodos futuros, segue naturalmente
De igual forma, para o intervalo infinitesimal temos,
Onde a última passagem é possível uma vez que as
variáveis aleatórias são assumidamente independentes com
a mesma variância. Assume-se para uma distribuição
normal , com média
e os majorantes e minorantes de são dados por
+
-
Onde corresponde a um intervalo de confiança de 95%
para (obtido a partir da distribuição normal).
IV. APLICAÇÃO A DADOS DEMOGRÁFICOS DE PORTUGAL
O modelo de Lee-Carter foi aplicado a dados de Portugal,
obtidos a partir do site www.mortality.org, para o período
entre 1940 e 2006, usando-se dados de coortes , ou seja,
anuais com intervalos de 5 anos de idade. Usou-se a tábua de
vida * , os dados de exposição ao risco † e taxa de
mortalidade ‡.
Na Figura 5 apresentam-se os coeficientes
determinados a partir do modelo. Recorde-se que estes
correspondem à média dos valores do logaritmo da força da
mortalidade para o período em análise.
*Disponível no endereço
http://www.mortality.org/PrivRegistered/PRT/STATS/fltper_5x1.txt após
registo do utilizador. †Idem em
http://www.mortality.org/PrivRegistered/PRT/STATS/Exposures_5x1.txt ‡Idem em
http://www.mortality.org/PrivRegistered/PRT/STATS/Mx_5x1.txt
4
Figura 5- Coeficientes determinados a partir do Modelo de Lee-Carter
para dados demográficos da população portuguesa no período entre 1940
e 2006.
A Figura 6 apresenta os coeficientes . Recorde-se que
estes coeficientes medem a variação para cada idade quando o
grau geral da mortalidade varia.
Figura 6 - Coeficientes determinados a partir do Modelo de Lee-
Carter para dados demográficos da população portuguesa no período
entre 1940 e 2006.
Na Figura 7 apresenta-se o gráfico com os valores
estimados através de SVD para , após a segunda estimativa
destes parâmetros.
Figura 7 - Parâmetros determinados a partir do Método de Lee-Carter
para dados demográficos da população portuguesa no período entre 1940
e 2006.
Na Figura 8 apresenta-se o gráfico com a previsão para a
evolução de para o período de 2007 a 2050.
Tabela 1 – Parâmetros resultantes do ajuste à série temporal
ARIMA(0,1,0)
0.3279619 0.1455222 0.56737 -0.140742699
Figura 8 – Parâmetros determinados a partir do Modelo de Lee-
Carter para dados demográficos da população portuguesa no período
entre 1940 e 2006.
V. CONCLUSÕES
O modelo de Lee-Carter é simples e permite descrever com
bastante precisão a tendência secular da evolução da
mortalidade. No caso português, a sua aplicação apresenta o
mesmo tipo de resultados de outros estudos anteriores (ver Lee
& Carter, 1992 para dados dos EUA, Lee e Rofman, 1994 para
dados do Chile, Lee e Nault, 1993 para dados do Canadá,
Brouhns, Denuit e Vermunt para dados da Bélgica e Evides,
2001 para dados portugueses).
As principais tendências descritas por outros autores foram
também observadas nos dados demográficos portugueses,
nomeadamente a tendência para a rectangularização e
expansão.
A série da Figura 7 parece revelar uma dependência linear
no tempo, o que de facto se verifica, aplicando-se por exemplo
um ajustamento através de regressão linear. Nota-se também
que em diversos períodos o declive parece oscilar segundo
padrões aparentemente cíclicos, nomeadamente até cerca de
1955, depois até cerca de 1970 a redução é mais lenta. Até
cerca de 2000 volta a registar-se nova aceleração e a partir
desse ano o declive ainda é mais acentuado. O modelo de Lee-
Carter não permite acomodar estas variações.
O Método de Lee-Carter não permite acomodar informação
extra que altere as tendências futuras. Como adopta uma
extrapolação linear não tem em conta efeitos de ordem
superior que possam tornar-se importante à medida que se
aproximam os limites, nomeadamente por efeito da
rectangularização e expansão, conforme identificado
anteriormente. Ora, não parece credível que a tendência
secular linear possa manter-se indefinidamente.
Os modelos previsionais de mortalidade (e longevidade)
têm sofrido avanços muito significativos ao longo da última
década, mas estão ainda longe de fornecer respostas
1940 1960 1980 2000 2020 2040t
-15
-10
-5
0
5
t
5
definitivas quanto às leis que regem a evolução da mortalidade
e quais os factores que afectam a mesma.
VI. APÊNDICES
Nesta secção são apresentados o detalhe dos dados
obtidos na aplicação do Modelo de Lee-Carter a dados
demográficos da população portuguesa.
A. Apêndice A – Coeficientes e
Tabela 2 – Coeficientes e obtidos a partir de
uma SVD
0 -3.4309392 0.4650671
1-4 -5.9374227 0.5691183
5-9 -7.1996828 0.34747
10-14 -7.4302364 0.2670042
15-19 -6.7905809 0.1892648
20-24 -6.4850697 0.1874117
25-29 -6.3731046 0.1801331
30-34 -6.1996242 0.1606991
35-39 -5.9481303 0.1513241
40-44 -5.6485142 0.1335703
45-49 -5.3118661 0.1186189
50-54 -4.9524505 0.1122048
55-59 -4.5776189 0.1077072
60-64 -4.1421409 0.1132281
65-69 -3.6765146 0.1109816
70-74 -3.140467 0.1122768
75-79 -2.5921039 0.1018729
80-84 -2.1437367 0.0738919
85-89 -1.6740997 0.0546709
90-94 -1.284846 0.0342388
95-99 -0.9572549 0.0004056
100-104 -0.675996 -0.0159818
105-109 -0.4587576 -0.0258281
110+ -0.3211423 -0.0301166
B. Parâmetros
Tabela 3 – Coeficientes obtidos a partir
de uma SVD
1940 3.741
1941 4.167
1942 3.902
1943 3.707
1944 3.559
1945 3.347
1946 3.454
1947 3.060
1948 2.851
1949 3.157
1950 2.591
1951 2.652
1952 2.330
1953 2.134
1954 1.980
1955 2.125
1956 2.424
1957 2.147
1958 1.517
1959 1.770
1960 1.566
1961 1.737
1962 1.474
1963 1.478
1964 1.358
1965 1.181
1966 1.427
1967 1.134
1968 1.018
1969 1.422
1970 0.925
1971 1.189
1972 0.415
1973 0.667
1974 0.648
1975 0.555
1976 0.663
1977 0.078
1978 -0.079
1979 -0.543
1980 -0.568
1981 -0.669
1982 -1.177
1983 -1.018
1984 -1.119
1985 -1.287
1986 -1.634
1987 -1.906
1988 -1.857
1989 -2.285
1990 -1.787
1991 -1.877
1992 -2.435
1993 -2.153
1994 -3.051
1995 -2.881
1996 -2.786
1997 -3.220
1998 -3.303
1999 -3.301
2000 -3.774
2001 -4.045
2002 -4.119
2003 -4.062
2004 -5.010
2005 -4.659
2006 -5.548
C. Extrapolação de
Tabela 4 – Extrapolação de usando
um modelo ARIMA (0,1,0). Os valores
entre 1940 e 2006 são reais.
t
1940 3.741
1941 4.167 2.938 4.828
1942 3.902 3.365 4.564
6
1943 3.707 3.100 4.368
1944 3.559 2.905 4.221
1945 3.347 2.757 4.008
1946 3.454 2.545 4.115
1947 3.060 2.652 3.721
1948 2.851 2.257 3.512
1949 3.157 2.049 3.818
1950 2.591 2.354 3.252
1951 2.652 1.789 3.313
1952 2.330 1.849 2.991
1953 2.134 1.528 2.795
1954 1.980 1.332 2.641
1955 2.125 1.177 2.786
1956 2.424 1.322 3.086
1957 2.147 1.622 2.808
1958 1.517 1.345 2.178
1959 1.770 0.715 2.431
1960 1.566 0.968 2.227
1961 1.737 0.764 2.398
1962 1.474 0.934 2.135
1963 1.478 0.672 2.139
1964 1.358 0.676 2.020
1965 1.181 0.556 1.843
1966 1.427 0.379 2.088
1967 1.134 0.624 1.795
1968 1.018 0.332 1.679
1969 1.422 0.216 2.083
1970 0.925 0.619 1.586
1971 1.189 0.123 1.851
1972 0.415 0.387 1.076
1973 0.667 -0.388 1.328
1974 0.648 -0.135 1.310
1975 0.555 -0.154 1.217
1976 0.663 -0.247 1.324
1977 0.078 -0.139 0.739
1978 -0.079 -0.725 0.582
1979 -0.543 -0.881 0.118
1980 -0.568 -1.345 0.093
1981 -0.669 -1.370 -0.007
1982 -1.177 -1.471 -0.516
1983 -1.018 -1.979 -0.356
1984 -1.119 -1.820 -0.458
1985 -1.287 -1.922 -0.625
1986 -1.634 -2.089 -0.973
1987 -1.906 -2.436 -1.245
1988 -1.857 -2.709 -1.195
1989 -2.285 -2.659 -1.623
1990 -1.787 -3.087 -1.126
1991 -1.877 -2.589 -1.216
1992 -2.435 -2.679 -1.773
1993 -2.153 -3.237 -1.492
1994 -3.051 -2.955 -2.390
1995 -2.881 -3.853 -2.220
1996 -2.786 -3.683 -2.125
1997 -3.220 -3.588 -2.559
1998 -3.303 -4.022 -2.641
1999 -3.301 -4.105 -2.640
2000 -3.774 -4.103 -3.113
2001 -4.045 -4.576 -3.384
2002 -4.119 -4.848 -3.458
2003 -4.062 -4.921 -3.401
2004 -5.010 -4.864 -4.349
2005 -4.659 -5.812 -3.998
2006 -5.548 -5.461 -4.887
2007 -5.689 -6.257 -5.122
2008 -5.830 -6.632 -5.028
2009 -5.971 -6.953 -4.988
2010 -6.111 -7.246 -4.977
2011 -6.252 -7.521 -4.984
2012 -6.393 -7.783 -5.003
2013 -6.534 -8.035 -5.033
2014 -6.674 -8.279 -5.070
2015 -6.815 -8.517 -5.113
2016 -6.956 -8.750 -5.162
2017 -7.097 -8.978 -5.215
2018 -7.237 -9.203 -5.272
2019 -7.378 -9.424 -5.332
2020 -7.519 -9.642 -5.396
2021 -7.660 -9.857 -5.462
2022 -7.800 -10.070 -5.531
2023 -7.941 -10.280 -5.602
2024 -8.082 -10.489 -5.675
2025 -8.223 -10.696 -5.749
2026 -8.363 -10.901 -5.826
2027 -8.504 -11.104 -5.904
2028 -8.645 -11.306 -5.984
2029 -8.786 -11.507 -6.065
2030 -8.926 -11.706 -6.147
2031 -9.067 -11.904 -6.230
2032 -9.208 -12.101 -6.315
2033 -9.349 -12.297 -6.400
2034 -9.489 -12.492 -6.487
2035 -9.630 -12.685 -6.575
2036 -9.771 -12.878 -6.663
2037 -9.911 -13.070 -6.753
2038 -10.052 -13.262 -6.843
2039 -10.193 -13.452 -6.934
2040 -10.334 -13.642 -7.025
2041 -10.474 -13.831 -7.118
2042 -10.615 -14.019 -7.211
2043 -10.756 -14.207 -7.305
2044 -10.897 -14.394 -7.399
2045 -11.037 -14.581 -7.494
2046 -11.178 -14.767 -7.590
2047 -11.319 -14.952 -7.686
2048 -11.460 -15.137 -7.783
2049 -11.600 -15.321 -7.880
2050 -11.741 -15.505 -7.978
VII. REFERÊNCIAS
Brouhns, N., Denuit, M., & Vermunt, J. (2002). A Poisson
log-bilinear regression approach to the construction of
projected lifetables.
Brouhns, N., Denuit, M., & Vermunt, J. (2002). Measuring
the Longevity Risk in Mortality Projections.
Cairns, A., Blake, D., & Dowd, K. (2004). Pricing Death:
Frameworks for the Valuation and Securitization of Mortality
Risk.
7
Coelho, E. (n.d.). The Lee - Carter Method for Forecasting
Mortality. The Portuguese experience.
Girosi, F., & King, G. (2007). Understanding the Lee-Carter
Mortality Forecasting Method.
Hári, N., Waegenaere, A., Melenberg, B., & Nijman, T.
(n.d.). Longevity Risk in Portfolios of Pension Annuities.
Lee, R. (2000). The Lee-Carter Method for Forecasting
Mortality, With Various Extensions and Applications.
Lee, R., & Carter, L. (1992). Modelling and Forecasting the
Time Series of US Mortality.
Lee, R., & Rofman, R. (1994). Modelacion y proyeccion de
la Mortalidad en Chile.
Pitacco, E. (2002). Longevity risk in living benefits.
Wang, J. (2007). Fitting and Forecasting Mortality for
Sweden: Applying the Lee-Carter Model.
Wohlfart, P. (2006). Mortality predictions for longevity
analysis and annuity valuation.