人口寿命的延长已经成为公认的全球性趋势,一方面这种趋势大大提高了人们的生存质量,同时另一方面也带来一些社会问题。在保险系统中,把这种负面影响统称为长寿风险,随着人口老龄化程度的加剧,长寿风险已经成为社会、政府、企业和家庭所面临的日益严重的社会问题之一。长寿风险是指总体人群的平均生存寿命超过了预期的生存寿命,而这类风险又是无法依据大数法则来控制的系统风险。这样就导致无论是寿险公司的寿险产品、还是企业的养老金计划或是政府的社会养老保障基金,都会受到长寿风险的威胁,所以,现如今有效的识别和度量长寿风险的影响都是寿险公司以及社保部门十分重视的课题。只有当能够有效的识别和度量长寿风险时,才能采取有效的风险控制手段减少长寿风险带来的负面影响。人口寿命不断延长的主要原因之一就是人口死亡率的不断下降。毋庸置疑准确和全面的死亡率预测数据,在识别和度量长寿风险中起到了十分重要和基础的作用。本篇文章主要就是致力于找到适合我国死亡率人口数据特征的方法,预测出相对比较全面和精确的未来死亡率数据。另外,由于高龄人口死亡率在识别和度量长寿风险中的影响较大,所以本文还在死亡率预测结果的基础上运用外推模型得出高龄人口的死亡率。在死亡率预测模型的选择中,本文选择了在预测结果准确性和应用广泛性两方面都占有优势的Lee-Carter模型,而对于模型中参数的预测无疑在模型应用中占有重要的地位。模型参数的估计方法包括：普通最小二乘(OLS)、加权最小二乘(WLS)、奇异值分解(SVD)和最大似然(MLE)参数估计方法。通过分别采用四种方法预测2009年死亡率与实际值的比较,笔者认为最大似然参数估计方法更为适合我国死亡人口的数据特征。高龄人口死亡率的外推模型主要是在Gompertz模型和Coale-Kisker模型中进行选择,由于2005年死亡率数据的截至年龄比较大,所以本文分别采用以上两个模型对2005年数据进行高龄人口死亡率的外推。通过比较外推结果,笔者认为Coale-Kisker模型更为适合我国高龄人口的外推。通过应用Lee-Carter模型和Coale-Kisker模型,得到2010年-2020年全国分性别、分年龄(0岁-102岁)的人口死亡率预测结果。本文的最大创新点的就是把高龄人口死亡率的Coale-Kisker外推模型与Lee-Carter预测模型相结合,从而得到未来高龄人口的死亡率数据。其意义在于：首先,随着我国逐渐步入老龄化社会,老年人口所占的比例逐渐增加,利用死亡率推算未来人口数量时不避免的需要老年人口的死亡率数据；其次,不论是政府的社会养老保险计划还是保险公司的商业养老保险产品或是企业的年金,在考虑收付标准和准备金的预留问题时,高龄人口的死亡率数据无疑是至关重要的。第二个创新之处就是在使用Lee-Carter模型的时候,无论采用原始数据还是预测出的死亡率数据都是分年龄别的,而不同于以往研究是按照5岁一个年龄段进行预测的。其意义在于由于一些个别年龄变化比较大,笼统的采用一个年龄段死亡率代替各个年龄别人口死亡率是不合理的。第三个创新之处是在估计Lee-Carter模型参数的时候,分别考察了四种参数估计模型,并在其中选择出更为适合我国人口死亡率数据特征的方法。