年金モデル

このタイプのモデルは、さまざまな社会集団（コホート）の労働活動と社会保障拠出に関する最新の横断的情報に基づいており、性別、労働市場における位置、人口統計学的特性（家族構成や達成した教育レベルなど）によってさらに細分化できます。入力情報は、特定の人口集団内の平均値で構成されており、つまり、モデルは対象となるコホートの集計データに基づいており、それがさらに年金の種類と給付によって細分化されます。一部の国では、地理的差異と民族的起源も考慮されています。コホートモデルの重要な特徴は、サブグループ（通常はコホート、性別、場合によってはその他の基準によって構成されたグループ）の形成と、それらの将来の行動に関する仮定です。

この種の標準モデルは、性別、年齢、年金の種類を区別するが、中にはその他のデータ（民族的出自など）を用いるものもある。この種のモデルには、新たに支給される年金の計算が明示的に含まれている場合もある。

コホートモデルから得られる最も重要な出力は、総収入と総支出、制度への拠出者数、年金受給者数である。主要な持続可能性指標は、年金制度の赤字、例えば年金制度の潜在的な負債などである。

このモデルは、架空の個人の生涯を年金額計算の基礎として投影します。このアプローチは、国別の法規制パラメータに基づいた、高度な代替率の推定値を提供します。個人の全履歴が利用可能であるため、年金受給権の取得を適切にモデル化できます。このモデルは、例えば退職年齢の引き上げに関するインセンティブの評価、年金制度の数理的中立性の検証などに適しています。

モデルによって、典型的なエージェントの主要な特徴や寿命特性が異なる場合がある。さらに、典型的なエージェントによって提供される結果の収集方法にも様々なアプローチが存在する。

主要な成果指標は、代替率に加えて、場合によってはその他のミクロ財務基準（暗黙の税、生涯にわたる拠出金と給付金の比較など）である。

マイクロシミュレーションモデルの最も単純な形態は、2つの「世界の状態」または2つの異なる制度的取り決めを比較するものである。動的モデルとは対照的に、このタイプのモデルは歴史的時間を考慮しないため、人口高齢化を想定することはできない。

横断的特性は、外生的な将来データを用いて更新されます。時間は、さまざまな状態の連続として捉えることができます。モデルはまず個々のケースを処理し、予測される人口動態と労働市場の発展に合わせてサンプルを調整します。次に、集計結果を特定の外生的な発展指標（経済成長など）を用いてさらに更新します。

動的老化を考慮した動的モデル（すなわち、動的マイクロシミュレーション年金モデル）は、データセット内の各個人の完全な履歴を作成します。このモデル群はさらに以下のように分類できます。

• 横断的モデルでは、個人（一人ずつ）が時間とともに移動し、その属性が更新されます。このアプローチの利点は、個人間の関係（結婚やパートナーの死など）の存在をそのまま受け入れることができる点です。
• 世代（コホート）モデルとは、個人の誕生から死に至るまでの全ライフサイクルを予測し、その後初めて次の個人へと進むモデルである。

動的老化を考慮した動的モデルは、他の基準によってさらに細分化することができる。そのようなモデルは以下のとおりである。

• 決定論的 – 入力パラメータ（例：転送確率）の最良推定値に基づき、すべての状態を同時にモデル化する。
• 確率的（例：モンテカルロシミュレーション） – 対象となる個人の状態変化経路をランダムにシミュレーションすることに基づく。