Resumen
En este artículo se presenta un nuevo modelo de generación poblacional que puede ser utilizado para proyectar cantidades de personas en fondos de pensiones (tanto cotizantes como jubilados) así como trabajadores en instituciones públicas. Aunado a esto, el modelo presenta oportunidades para cuantificar los flujos derivados de estas poblaciones futuras, tales como gastos en salarios, cotizaciones, pluses salariales, aportes patronales a ahorros/pensiones, entre otros. Claramente la implementación de este modelo probabilístico será de gran utilidad dentro de la caja de herramientas actuariales, aumentando la confiabilidad de las proyecciones, así como permitiendo análisis más profundos por cuanto el desglose poblacional y financiero del modelo es extenso. Aquí se construye un modelo matemático-probabilístico que permite capturar las singularidades de las transiciones entre estados, con suficiente flexibilidad como para aplicarse a varios escenarios. Se estiman exitosamente sus primeros momentos, así como el ajuste de las probabilidades que lo alimenta. Para verificar la idoneidad del modelo propuesto, se implementa con datos reales de una institución pública, y se calcula el error de estimación, presentando niveles inferiores al 2%.
Citas
Bowers, N.; Gerber, H.; Hickman, J.; Jones, D.; Nesbitt, C. (1986) Actuarial Mathematics. Society of Actuaries, Estados Unidos.
Ching, W.; Zhang, S.; Ng, M. (2007) “On multi-dimensional Markov chain models”, Pacific Journal of Optimization 3(2): 235–243.
Chung, K. (1967) Markov Chain with Stationary Transition Probabilities, 2da edición. Springer-Verlag, Berlin, Heidelberg.
Hoel, P.; Port, S.; Stone, C. (1987) Introduction to Stochastic Processes. Waveland Press, Boston.
Kulkarni, V. (2011) Introduction to Modeling and Analysis of Stochastic Systems. Springer, New York.
MacDonald, I.; Zucchini, W. (2009) Hidden Markov Models for Time Series. An Introduction Using R. Chapman & Hall, Boca Raton FL, EE.UU.
Morales, I.; Castro, M. (2016) “Proyecciones demográficas y actuariales por medio del método de cadenas de Markov con Monte Carlo”, Revista de Matemática: Teoría y Aplicaciones 23(1):241–253.
Norris, J.R. (1997) Markov Chains. Cambridge University Press, Reino Unido.
Ross, S. (1997) Introduction to Probability Models, 6ta edición. Academic Press, California.
Taylor, H.; Karlin, S. (1998) An Introduction to Stochastic Modeling, 3a edición. Academic Press, San Diego.
Comentarios
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2018 Juan José Víquez, Jorge Aurelio Víquez, Alexander Campos, Jorge Loría, Luis Alfredo Mendoza