我国基本养老保险制度中的长寿风险精算管理研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71671064
  • 项目类别:
    面上项目
  • 资助金额:
    48.7万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0113.风险管理
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

With the increasing of life expectancy, longevity risk has become a seriously social risk, and it is severely throating the fundamental pension system of our China. Based on this condition, we try to solve this problem via the following approaches. From the view point of longevity risk identification, combing with the feature of population mortality data in China, we will construct a mortality forecasting model, i.e., Lee-Carter-minimization cross entropy with the difference of data. From the point of risk assessment, we provide some actuarial indexes and an approach based on GlueVaR to measuring the longevity risk. From the point of risk controlling, according to the social pooling account, we put forward to a retirement strategy by considering demographic dividend, fundamental pension system of our China and individual retirement decision-making satisfaction degree, and develop an aggregation operator model for measuring the effect of delaying retirement alternatives. According to the individual account, we provide the dynamic portfolio selection based on rewards and punishment coefficient under the exposure of longevity risk, in addition, we put forward to a dynamic coefficient model for measuring the monthly pension in individual account. From the angle of risk transfer, according to the fundamental pension plan, we establish a survival index model and investigate the design and pricing model of hierarchy longevity bond. It is hoped that the above mentioned work can decrease the pressure of fundamental pension system to the longevity risk and can make contribution to the health development of China economic.
随着人口平均寿命的逐步延长,长寿风险已成为一种日益严重的社会风险,长寿风险对我国基本养老保险制度的安全稳定运行提出了严峻的挑战。针对我国基本养老保险制度中的长寿风险问题,从长寿风险识别角度,结合中国人口死亡率数据的特点,构建基于数据差异的Lee-Carter-最小叉熵死亡率模型。从风险评估角度,研究度量长寿风险的精算指标模型及基于GlueVaR的评估方法。从风险控制角度,针对社会统筹,综合人口红利、养老保险基金平衡及个人退休满意度等三个层面,研究长寿风险暴露下的延迟退休策略、构建度量延迟退休效果的集结算子评价模型;针对个人帐户,研究长寿风险暴露下的个人账户养老金动态投资策略、应对长寿风险的个人账户月养老金动态计发数模型。从风险转移角度,研究构建生存指数、分层长寿债券的设计及定价模型。通过上述研究,以期为应对基本养老保险制度中的长寿风险,促进国民经济健康发展做出贡献。

结项摘要

长寿风险对我国基本养老保险制度的安全稳定运行提出了严峻的挑战。针对我国基本养老保险制度中存在的长寿风险问题,从风险识别角度,构建了生存指数模型和带跳跃的不确定死亡率指数模型。研究发现:不确定生存指数模型可以刻画生存概率的变化趋势随时间的推移而呈矩形化扩展的趋势特征;生存概率随年龄的增长而下降,初始阶段缓慢下降,直到大约75岁左右。75岁过后,生存概率曲线随年龄增加而开始加速下降。. 从风险评估角度,研究度量长寿风险的精算指标模型和GlueVaR评估方法。利用寿险精算理论,对中国基本养老保险长寿风险进行研究,分别给出社会统筹和个人账户中长寿风险估算方法,并模拟分析了职工基础养老金和个人账户养老金的长寿风险以及经济、制度等因素变动对测算结果的敏感性。根据精算平衡原理得到养老金月计发系数的表达式,对预期余命进行合理测算并对基金收益率合理设定的基础上,调整月计发系数。. 从风险控制角度,分别从个人账户养老金投资决策方法、延迟退休两个方面研究长寿风险的控制与管理,并提出相应的针对性建议。针对基本养老保险制度中个人账户,研究了个人账户下养老基金动态投资策略。分析了不确定性理论框架下的DC养老金计划的投资组合最优控制问题,提出了不确定最优控制问题的模型,并给出了最优性原则和最优性方程;考虑到动态系统的复杂性,进一步研究了带跳跃扩散模型的DC养老金计划的最优投资组合问题,构建了带跳跃扩散的不确定最优控制模型,推导了对应的最优性原则和最优性方程。在社会统筹模式下,构建了最优退休年龄模型,提出最优延迟退休策略,并利用多属性决策中集结算子理论和数据包络,综合人口红利、养老保险基金收支平衡及职工福利等三个层面,研究长寿风险暴露下的延迟退休策略、构建度量延迟退休效果评估模型。. 从长寿风险转移角度出发,研究了长寿债券、生存互换设计与定价。利用不确定性理论,提出了一种长寿债券产品的设计与定价方法,提出不确定王变换定价法,给出不确定零息票债券的价格公式,构建了不确定长寿债券的定价公式。基于构造的不确定生存指数和不确定单因子王变换定价法,给出不确定长寿互换的价格公式,构建不确定长寿互换定价模型;设计了不确定长寿互换产品,给出互换价格的具体算法。. 通过上述研究,以期为应对长寿风险,促进国民经健康发展做出贡献。

项目成果

期刊论文数量(29)
专著数量(2)
科研奖励数量(1)
会议论文数量(2)
专利数量(0)
Sufficient conditions of stochastic dominance for general transformations and its application in option strategy
一般变换的随机优势的充分条件及其在期权策略中的应用
  • DOI:
    10.5018/economics-ejournal.ja.2018-1
  • 发表时间:
    2018-01
  • 期刊:
    Economics-The Open Access Open-Assessment E-Journal
  • 影响因子:
    0.5
  • 作者:
    Gao Jianwei;Zhao Feng;Gu Yundong
  • 通讯作者:
    Gu Yundong
A New Approach of Stochastic Dominance for Ranking Transformations on the Discrete Random Variable
离散随机变量排序变换的随机优势新方法
  • DOI:
    10.5018/economics-ejournal.ja.2017-14
  • 发表时间:
    2017-05
  • 期刊:
    Economics-The Open Access Open-Assessment E-Journal
  • 影响因子:
    0.5
  • 作者:
    Gao Jianwei;Zhao Feng
  • 通讯作者:
    Zhao Feng
基于累积前景理论的直觉语言风险型多属性决策方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    数学的实践与认识
  • 影响因子:
    --
  • 作者:
    高建伟;刘慧晖
  • 通讯作者:
    刘慧晖
基于改进前景理论的直觉模糊随机多准则决策方法
  • DOI:
    10.13195/j.kzyjc.2018.0283
  • 发表时间:
    2019
  • 期刊:
    控制与决策
  • 影响因子:
    --
  • 作者:
    高建伟;郭奉佳
  • 通讯作者:
    郭奉佳
A Risk-Free Protection Index Model for Multi-objective Uncertain Portfolio Selection with Entropy and Variance Constraints
具有熵和方差约束的多目标不确定投资组合选择的无风险保护指数模型
  • DOI:
    --
  • 发表时间:
    2018-12
  • 期刊:
    International Journal of Performability Engineering
  • 影响因子:
    --
  • 作者:
    Jianwei Gao;Huicheng Liu
  • 通讯作者:
    Huicheng Liu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

缺钙大白菜的光合特征
  • DOI:
    10.13592/j.cnki.ppj.2018.0176
  • 发表时间:
    2018
  • 期刊:
    植物生理学报
  • 影响因子:
    --
  • 作者:
    蒋大程;刘泽群;宋晓旭;巩丽;王凤德;邱念伟;高建伟
  • 通讯作者:
    高建伟
植物ANT类转录因子研究进展
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    农业生物技术学报
  • 影响因子:
    --
  • 作者:
    丁谦;宋晴晴;杨发斌;李景娟;李化银;张一卉;王凤德;高建伟
  • 通讯作者:
    高建伟
阿尔茨海默病生命质量测评量表中文版条目分析
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    山西医药杂志(下半月刊)
  • 影响因子:
    --
  • 作者:
    安建华;余红梅;贺润莲;张慧敏;艾永梅;吴燕萍;高建伟;王晓成;宋平平;高彩虹;邢敏
  • 通讯作者:
    邢敏
MA(q)利率下企业生存年金精算现值模型
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程学报
  • 影响因子:
    --
  • 作者:
    高建伟;丁克诠
  • 通讯作者:
    丁克诠
18 个大白菜品种耐盐性筛选
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    山东农业科学
  • 影响因子:
    --
  • 作者:
    杨发斌;杨晓刚;薛梦迪;黄晓晨;李博;崔晓晓;李帅;邱念伟;高建伟
  • 通讯作者:
    高建伟

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

高建伟的其他基金

人口老龄化背景下延迟退休政策精算设计及决策方法研究
  • 批准号:
    72071076
  • 批准年份:
    2020
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目
老龄化背景下新农保可持续发展的精算研究
  • 批准号:
    71271083
  • 批准年份:
    2012
  • 资助金额:
    55.0 万元
  • 项目类别:
    面上项目
中国DC型企业年金精算指标设计及动态投资策略研究
  • 批准号:
    70971039
  • 批准年份:
    2009
  • 资助金额:
    26.0 万元
  • 项目类别:
    面上项目
中国养老保险基金缺口精算模型及风险控制研究
  • 批准号:
    70501010
  • 批准年份:
    2005
  • 资助金额:
    16.6 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码