A Bayesian Clustering Approach to Multi-Population Mortality Modeling and Forecasting
We present a novel clustering-based multi-population mortality model within a state-space Bayesian framework. This model is specifically designed to handle a diverse range of populations, harnessing the advantages of larger datasets while avoiding subjective decisions about which populations to model jointly. By incorporating soft clustering into the estimation process, the approach combines flexibility with the ability to account for clustering uncertainty. The model is implemented using Markov Chain Monte Carlo methods. We apply the model to mortality data from 34 countries, and it demonstrates superior performance over existing methods, achieving reduced forecast errors, improved coverage probabilities, and narrower prediction intervals.
Une approche de regroupement bayésien pour la modélisation et la prévision de la mortalité multipopulationnelle
Nous présentons un nouveau modèle de mortalité multipopulation basé sur le regroupement, intégré dans un cadre bayésien spatiotemporel. Ce modèle est spécialement conçu pour traiter un large éventail de populations, en exploitant les avantages des grands ensembles de données tout en évitant les décisions subjectives quant aux populations à modéliser conjointement. En incorporant un regroupement souple dans le processus d’estimation, cette approche réunit flexibilité et capacité afin de prendre en compte l’incertitude du regroupement. Le modèle est implémenté à l’aide des méthodes de Monte-Carlo par Chaînes de Markov. Nous appliquons ce modèle aux données de mortalité de 34 pays, et il démontre des performances supérieures aux méthodes existantes, en réduisant les erreurs de prévision, en améliorant les probabilités de couverture et en générant des intervalles de prédiction plus étroits.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais