Динамическая микросимуляционная пенсионная модель — это разновидность пенсионной модели, которая проектирует пенсионную систему посредством микросимуляции и генерирует полную историю каждого человека в наборе данных. Результаты такой модели предлагают как совокупные (например, общий коэффициент замещения, неявный долг), так и отдельные показатели (например, отдельные денежные потоки) пенсионной системы. Благодаря сложности результатов появляется возможность исследовать распределение пенсий, бедность пенсионеров, влияние изменений пенсионной формулы; дополнительные примеры см., например (Deloitte, 2011). [1] Подробный индивидуальный набор (административных) данных должен служить входными данными для модели.
Динамическая микросимуляционная пенсионная модель (или динамическая модель с динамическим старением) — это разновидность пенсионной модели , см. ее таксономию , а также (Гал, Хорват, Орбан и Деккерс, 2009). [2]Существует два основных типа такого рода моделей: (i) детерминистическая, которая основана на наилучших оценках входных параметров и одновременном моделировании всех состояний; и (ii) стохастический, основанный на случайном моделировании одного пути статуса для соответствующего лица.
Переходы между статусами (например, между занятостью, безработицей, выходом с рынка труда и т. д.) моделируются одновременно. Жизненный путь одного моделируемого индивида или группы индивидов постепенно разветвляется. Результат (например, страховой стаж, вновь назначенная пенсия) достигается путем усреднения по всем жизненным путям. В таком случае невозможно изучить экстремальные жизненные пути, а также невозможно удовлетворительно определить, например, количество пенсионеров, которым угрожает бедность. При большом количестве точек модели модель способна выявить только угрозу бедности, вызванную низким доходом. Угрозу бедности, вызванную прерыванием трудовой карьеры (недостаточно длительным периодом страхования), невозможно смоделировать без дополнительной информации и корректировок модели.
Упрощение или усреднение необходимо в тех случаях, когда в пенсионной формуле встречаются нелинейные зависимости от жизненного пути (например, минимальная пенсия, минимальное количество лет работы и т. д.). Некоторые экстремальные ситуации можно разрешить путем установления нового статуса, но это усложняет модель и опять-таки расчет является лишь приблизительным. При наличии соответствующих данных можно использовать всю структуру для выбранных параметров (в первую очередь, периода страхования), но это требует как вычислений, так и памяти.
С другой стороны, преимуществом детерминистского подхода является тот факт, что легче обеспечить согласованность с внешними результатами, например, прогнозом численности населения и макроэкономическим сценарием роста средней заработной платы. Однако даже в этом случае может потребоваться калибровка модели. Например, чтобы обеспечить соответствие внешнему макроэкономическому прогнозу, необходимо калибровать рост заработной платы в течение карьеры.
Переходы между статусами моделируются на основе случайных параметров (генерация случайного числа). В определенный момент времени каждой точке модели соответствует только один статус. Переход между определенными статусами зависит от случайного числа и его сравнения с вероятностью перехода.