在人口随机死亡率的建模方法中，对于人口死亡风险异质性的研究尚属相对稀缺。特别是在涉及不同地区、不同性别的多个人口群体死亡率建模时，忽视死亡风险异质性问题可能带来严重影响。然而，当前研究并未将风险异质性假设扩展到多人口死亡率建模中。

我院王晓军教授团队开展了针对性研究，并在统计学顶级学术期刊《统计研究》上发表了题为《我国人口死亡风险异质与混合模型研究》的论文。该研究着眼于以下几个方面：首先，从死亡人数服从泊松分布的假设出发，检验我国人口死亡风险的异质性，为建立多人口随机死亡率模型提供实证依据。其次，针对分年龄、分性别死亡数据的异质性问题，采用泊松参数服从伽马分布的混合泊松假设，建立了两性别人口死亡率联合预测的混合泊松公因子模型，并提出了新模型参数极大似然估计的迭代算法。第三，通过放宽死亡率模型中相关人口群体死亡率比值固定的假设，采用数据驱动方法对时间效应因子进行建模预测，以适应外部事件对人口死亡模式的影响。

研究结论包括：首先，我国不同年龄、不同性别的人口死亡风险存在显著异质性，如果使用死亡人数服从泊松分布的随机死亡率模型，可能导致模型不准确。其次，相较于传统泊松分布假设下的死亡率模型，混合泊松公因子模型能更好地刻画人口死亡风险异质性特征，提升两性别人口死亡率联合预测模型的拟合度。第三，通过稳健性检验，发现不同样本分组下的混合泊松公因子模型效果优于传统模型，并且随着样本量的增加，模型间的预测效果差异逐渐减小。因此，在我国年龄别死亡率数据累积相对较少的情况下，采用合理的死亡人口分布假设尤为重要。

此外，从长期预测效果看，混合泊松公因子模型能够得出相对较低的死亡率预测结果，避免了传统模型低估人口死亡率改善程度的问题，降低了死亡率预测的模型风险。同时，死亡率性别比变动趋势也与人口生物规律相符。最后，针对风险导向的第二代偿付能力监管体系，保险公司采用混合泊松公因子死亡率模型进行负债评估更为稳健，能更全面地评估男性人口保单业务带来的长寿风险。

该研究对于养老金计划和保险公司应对长寿风险提供了科学支持。