Пенсионная система и ее финансирование являются одними из самых важных, но также и одними из самых сложных ролей в современной стране. В настоящее время в каждом зажиточном сообществе есть пенсионная система; граждане рассчитывают на ее стабильность, и система обеспечивает большинству из них основную часть их доходов в старости. Стабильность системы и финансовая устойчивость являются одними из ключевых предпосылок для успешной работы государства и удовлетворения его граждан. Поэтому очень важно иметь надежную базу данных для анализа пенсионной системы и надежную модель для моделирования и прогнозирования пенсионной системы, например, см. Пример сложной пенсионной модели (Deloitte, 2011). [1]
Таксономия пенсионных моделей
Краткое изложение таксономии пенсионной системы основано на исследовании (Gál, Horváth, Orbán, & Dekkers, 2009) [2], см. Также (Deloitte, 2011). [1] На диаграмме ниже представлен обзор основных типов моделей, используемых в различных странах ЕС для моделирования пенсионных систем.
Тип модели | Подтип | Описание | Страны, в которых он используется |
---|---|---|---|
Стандартные модели | Когорта | Использование перекрестной информации, отсутствие или ограниченное использование индивидуальных данных | Польша, Литва, Испания, Чехия, Словакия, Австрия и др. |
Типичный агент | Моделирование выбранных вымышленных лиц, отсутствие или ограниченное использование индивидуальных данных | Чехия, Словакия, Греция и др. | |
Модели микросимуляции | Статический | Использование индивидуальных данных (большое количество людей), сравнительная статика, отсутствие исторического времени | Бельгия, Дания, Люксембург |
Динамический со статическим старением | Использование индивидуальных данных (большое количество особей), сдвиг во времени посредством изменения веса | Нидерланды | |
Динамический с динамическим старением | Использование индивидуальных данных (большое количество людей), полная история жизни реальных людей с течением времени | Великобритания, Швеция, Франция, Чехия |
Источник: (Гал, Хорват, Орбан и Деккерс, 2009 г.). [2]
Стандартные модели
Когортная модель
Этот тип модели основан на актуальной перекрестной информации о трудовой деятельности и отчислениях на социальное обеспечение по различным социальным группам ( когортам ), которая может быть далее разбита по полу, положению на рынке труда и демографическим характеристикам (например как семейное положение и достигнутый уровень образования). Входная информация состоит из средних значений по определенным группам населения, т. Е. Модель основана на агрегированных данных по соответствующей когорте, которые затем разбиваются по типу пенсии и пособию. Географические различия и этническое происхождение включены в некоторые страны. Важной особенностью когортных моделей является формирование подгрупп (обычно когорт, групп, структурированных по полу и, в зависимости от обстоятельств, другим критериям) и предположения относительно их будущего поведения.
Стандартные модели этого типа дифференцируют пол, возраст и тип пенсии, но некоторые из них также используют другие данные (например, этническое происхождение). Этот тип модели может включать в себя исчисление вновь назначенных пенсий.
Наиболее важными выходными данными когортной модели являются совокупные доходы и расходы, количество вкладчиков в систему и количество пенсионеров. Ключевыми показателями устойчивости являются дефицит пенсионной системы и, например, скрытый долг пенсионной системы.
Модель «Типичный агент»
Эта модель проецирует жизнь фиктивных людей как основу для расчета размера пенсии. Этот подход обеспечивает сложную оценку коэффициента замещения на основе законодательных параметров конкретной страны. Получение пенсионных прав можно правильно смоделировать, потому что доступна вся история человека. Эта модель подходит для оценки стимулов, связанных, например, с более поздним выходом на пенсию, для исследования актуарной нейтральности пенсионной системы и т. Д.
Модели могут отличаться по ключевым характеристикам и характеристикам жизни типичного агента. Кроме того, существуют различные подходы к сбору результатов, предоставляемых типичным агентом.
Ключевыми результатами являются коэффициент замещения плюс, в зависимости от обстоятельств, другие микрофинансовые критерии (неявный налог, сравнение пожизненных взносов и пособий и т. Д.).
Микромоделирование пенсионных моделей
Модели этого типа моделируют изменения в большой выборке людей (например, тысячи, сотни тысяч, иногда даже миллионы людей). Информация о рассматриваемом образце обычно получается двумя способами.
- Административная база данных - данные, предоставляемые различными государственными организациями (например, налоговой службой или службой социального обеспечения). Эти данные надежны и точны, но могут не включать всю необходимую информацию.
- Выборочные опросы - этот метод предоставляет модели больше информации, но такие данные могут быть менее надежными и обычно доступны для ограниченной выборки населения. Если они охватывают только небольшую часть населения, они могут создавать проблемы с точки зрения репрезентативности.
Мы можем различать два типа информации с точки зрения измерения времени.
- Данные поперечного сечения собираются по всем когортам в определенное время.
- Данные панели (генерации) также включают в себя индивидуальную историю.
Кроме того, входные данные для моделей микросимуляции обычно дополнительно разбиваются в зависимости от того, относится ли такая информация
- частные лица (обычно подход административных баз данных) или
- домохозяйства (обычно метод выборочных обследований).
Статическая модель
Самая простая форма модели микросимуляции - сравнивает два «состояния мира» или два разных институциональных устройства. В отличие от динамических моделей, этот тип не включает историческое время, и поэтому определение старения населения невозможно.
Динамическая модель со статическим старением
Поперечные характеристики обновляются экзогенными данными о будущем - время можно рассматривать как серию различных состояний. Модель сначала работает с отдельными случаями, чтобы адаптировать выборку в соответствии с прогнозируемым демографическим развитием и развитием рынка труда. На втором этапе агрегированные результаты дополнительно обновляются с учетом определенных экзогенных показателей развития (таких как экономический рост ).
Динамическая модель с динамическим старением
Динамические модели с динамическим старением (например, динамические модели пенсионного моделирования ) создают полную историю каждого человека в наборе данных. Эту группу моделей можно разделить на:
- Поперечные модели - люди (один за другим) перемещаются с течением времени, пока их атрибуты обновляются. Преимущество этого подхода в том, что он просто допускает наличие отношений между людьми (например, свадьба или смерть партнера).
- Модели поколения (когорты) - проецируют весь жизненный цикл человека от его рождения до смерти и только затем переходят к другому человеку.
Динамические модели с динамическим старением можно дополнительно дифференцировать по другим критериям. Такими моделями являются:
- Детерминированный - основан на лучших оценках входных параметров (например, вероятность передачи) и одновременном моделировании всех статусов;
- Стохастический (например, моделирование методом Монте-Карло ) - основан на случайном моделировании одного пути состояния для соответствующего лица.
Рекомендации
- ^ a b Deloitte (2011). Резюме основано на заключительном отчете проекта динамической модели микромоделирования Чешской Республики . http://www.deloitte.com/dynamicmicrosimulationmodel . Внешняя ссылка в
|publisher=
( помощь ) - ^ а б Гал Р.И., Хорват А., Орбан Г. и Деккерс Г. (2009). PENMICRO: Мониторинг развития пенсий с помощью микро-социоэкономических инструментов на основе индивидуальных источников данных: технико-экономическое обоснование . Институт социальных исследований ТАРКИ. п. 67.CS1 maint: несколько имен: список авторов ( ссылка )