Weighted compositional functional data analysis for modeling and forecasting life-table death counts
生命表死亡人数建模与预测的加权成分函数型数据分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确对按时间观测的死亡分布进行建模及点、区间预测，对应时间序列与预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
生命表死亡人数建模与预测的加权成分函数型数据分析
- 研究问题
- 年龄别生命表死亡人数具有非负性和总和约束，且较近年份可能更有预测价值，如何在保留这些特征的同时改进短期预测？
- 方法与思路
- 作者利用中心化对数比变换处理成分约束，在函数型数据建模中给予近期观测更高权重，并应用于瑞典长期生命表数据。
- 材料陈述的贡献
- 摘要称相较未加权方法，加权成分函数型分析提高了短期点预测与区间预测准确性，并指出其可能用于年金定价和准备金设置。
- 阅读关注点
- 核对权重设定、零死亡人数的处理、预测结果返回原始约束空间的方式，以及滚动评估、区间构造和未加权基准的可比性。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实；摘要未提供预测误差数值、权重选择规则或其他国家与长期预测的表现。
原文摘要
Age-specific life-table death counts observed over time are examples of densities. Non-negativity and summability are constraints that sometimes require modifications of standard linear statistical methods. The centered log-ratio transformation presents a mapping from a constrained to a less constrained space. With a time series of densities, forecasts are more relevant to the recent data than the data from the distant past. We introduce a weighted compositional functional data analysis for modeling and forecasting life-table death counts. Our extension assigns higher weights to more recent data and provides a modeling scheme easily adapted for constraints. We illustrate our method using age-specific Swedish life-table death counts from 1751 to 2020. Compared to their unweighted counterparts, the weighted compositional data analytic method improves short-term point and interval forecast accuracies. The improved forecast accuracy could help actuaries improve the pricing of annuities and setting of reserves.