MEDSOFT PO TŘICÁTÉ Když počákem prosince 1989 v harrachovském hoelu začínal první ročník semináře MEDSOFT, všechno bylo jinak, než jsme původně předpokládali. Měli jsme v TEXu vysázený sborník (v é době sáze v TEXem o bylo docela unikání a byly jsme hrdí, že o s TEXem umíme a že si do sborníku můžeme psá, co chceme, proože odborné publikace Domu echniky nepořebovaly schválení ehdejšího (cenzorského) Úřadu pro isk a informace. Sborník jsme v léě vysázeli na PC-čkách ze Slušovic, získali jsme ehdy na úsav dva kusy. Byly předražené (museli jsme si od Slušovického družsva koupi nějaký drahý sofware na krmení prasa), ale byly za české koruny bez devizového přídělu. Takže v přehledovém článku o rozpoznávání obrazů jedním z uváděných příkladů bylo auomaizované počíání bílých přileb policisů na foografii z rozhánění demonsranů při lednovém Palachově ýdnu a pod. V prosinci 89 o ovšem bylo zcela obsolenní moc se kácela a v leácích (opě sázených na našich Slušovických srojích) se už psaly osřejší věci Dnes je edy jubilejní 30. ročník. Kolik skvělých českých konferencí a seminářů od é doby zaniklo až se vkrádá oázka má vůbec smysl pořáda české konference? Není z oho ani impak, ani moc bodů do RIVu. Ale je o každoroční profesní sekávání lidí, keří sále mají, nejen po odborné sránce, o čem diskuova. A české články někeří moji dokorandi se diví, proč věnova olik energie přípravě a psaní českého článku do odborného periodika. Moje zkušenos ale praví, že pokud věnujee úsilí sepsání českého odborného sdělení, budee mí dobře rozmyšlené, co chcee sděli. Pak ušeříe síly, až budee psá odborný článek pro mezinárodní fórum mimo českou kolinu. Přeji českému MEDSOFTu další léa. PREDIKCE BUDOUCÍCH POČTŮ POJIŠTĚNCŮ VZP ČR DATA, METODI- KA A VÝSLEDKY Běláček Jaromír (Oddělení sraegických analýz, Všeobecná zdravoní pojišťovna ČR) Anoace Východiska a účely: Cílem příspěvku je předsavi již aplikované meodické koncepy a akuální výsledky predikce budoucích počů pojišěnců VZP ČR (podle věku a pohlaví), keré by měly bý východiskem úvah o budoucí solvennosi a profiabiliě nejvěší zdravoní pojišťovny v ČR i v České republice jako celku. Maeriál a meody: V rámci nám dosupných daových zdrojů jsme analyzovali časové řady počů pojišěnců VZP za roky 2002-2017 v každém kvarální období a daové zdroje možných vysvělujících proměnných. Vzhledem k majoriním podílům VZP na rhu zdravoního pojišění v ČR (ve věšině věkových skupin vyšším než 50%) byly do předpovědních modelů zavzay časové řady počů obyvael ČR z demografických projekcí ČSÚ r. 2013. Ty jsme doplnili o exrapolované rendy přeregisrací pojišěnců (odchody a příchody do VZP) v odpovídajících věkových srukurách. Budoucí počy pojišěnců byly modelovány s využiím exrapolačních posupů běžných při aplikaci meodiky odvozených demografických projekcí v kombinaci s adapivními adiivními regresními modely. Výsledky: V rámci jednolivých věkových skupin se významně uplaňují obě použié exogenní proměnné, zn. sraegická demografická i operaivní (akuálně mírně rosoucí) přeregisrační složka. Tako koncipovanou predikci můžeme považova za poměrně spolehlivou pro období nejbližších 2-3 le; pro delší horizony se můžeme opíra v podsaě jen o sofisikovanou demografickou složku. Varianní budoucí vývoj přeregisrační složky lze však efekivně modelova prosřednicvím modelových scénářů v rámci uživaelské excelovské aplikace vyvořené až na regionální úroveň krajů ČR. Závěry: Akuálně se VZP nachází v období, kdy lze budoucí vývoj predikova spíše s věším množsví nejisoy; je edy řeba počía i s ím, že by se výsledky dosažené sávající nebo mírně modifikovanou meodikou měly průběžně akualizova po uzávěrkách savů pojišěnců za každé čvrleí nebo pololeí. Klíčová slova počy zdravoních pojišěnců podle pohlaví a věku, regresní modely exrapolace časových řad, projekce obyvaelsva ČR, přeregisrace pojišěnců, adapivní řídící procesy březen 2018 doc. MUDr. Jiří Kofránek, CSc. 7
1. Předmě a cíle příspěvku Od poloviny roku 2017 byla na Oddělení sraegických analýz VZP ČR řešena úloha predikce budoucích počů pojišěnců VZP podle věku a pohlaví. V souladu s původní specifikací zadání se úloha ýkala predikce ročních časových řad s horizonem do roku 2022. V é době jsme měli k dispozici údaje o počech pojišěnců z ročenek VZP, ale velmi nejasnou předsavu o dosupnosi a objekiviě jiných daových zdrojů. V počáečním sádiu analýz jsme předpokládali sandardní využií meodiky běžné u odvozených demografických projekcí, kerou jsme již dříve použili při rámcových analýzách budoucích počeních savů pacienů ve vybraných zdravonických zařízeních v ČR (viz [1]). Alernaivně jsme pro predikci budoucích počů pojišěnců VZP ověřovali adapivní saisické posupy založené na principech zv. exponenciálního vyrovnávání (viz [2], sr. 57-72 a 233). Z čisě pragmaického hlediska pohledu se však ukázalo, že operaivní použií formálních modelů bude požadova vyhledání sofisikovanějších daových zdrojů, kerým bude nuno více přizpůsobi i meodiku sandardních exrapolačních algorimů. V rámci ohoo příspěvku je referováno na srukury daových zdrojů VZP (počy pojišěnců VZP a přeregisrací za období 2002-2017) a aké na exerní časové řady počeních savů obyvaelsva v ČR (bilance a demografické projekce ČSÚ pro horizony do r. 2032), keré byly použiy pro nezávislé predikce počů pojišěnců VZP ČR celkem a v 18i 5leých věkových skupinách (kapiola 2). Akuální meodiky exrapolace rendů (pro ČR v kvarálních časových řadách a rozpoče pro kraje ČR) jsou rámcově předsaveny v kapiole 3. V souladu s výše paramerizovaným zadáním úlohy byla připravena jednoduchá uživaelská aplikace v MS Excel, kde se výsledky prezenují v abulkách a grafech za pololeí pro ři základní modelové scénáře budoucího vývoje přeregisrací (ve věkových skupinách pro ČR celkem a za kraje ČR) kapiola 4. Zde jsou glosovány i zobecnielné zkušenosi a možnosi zpřesnění dosavadních meodických posupů. pokud byly založeny pouze na jednoleých časových řadách z ročenek VZP, jsou edy neoperaivně zkreslené a (s pozvolným posunem ke kladné přeregisrační bilanci v r. 2017) nuně podhodnocené.(!) Pro účely operaivnějších predikcí jsme edy shromáždili ješě časové řady daované ke konci každého čvrleí (údaje z inerních aplikací VZP: pro období 2002-10 z BAM / Business Aplikace pro Managemen /; od r. 2011 údaje z RSZP / Regisr Subjeků Zdravoního Pojišění /). Inovovaný algorimus predikčního modelu (viz kap. 3) je nyní aplikován na každou ze čyř jednoleých kvarálních časových řad zvlášť. 2.2 Demosložka (projekce ČSÚ) Časové řady počů obyvael ČR jsou v exrapolačních modelech použiy formálně jako násroj univerzálně zohledňující přírůsky či úbyky počů pojišěnců přirozenou měnou (narození vs. zemřelí) a migrací (přisěhovalých či odsěhovaných z ČR). Z hlediska krákodobé predikce počů pojišěnců VZP není vliv demografické komponeny zcela zjevný. Na úrovni sřednědobých analýz se však zářezy ve věkové srukuře ČR uplaňují již zcela zřeelně a nelze je při predikci budoucích savů pojišěnců pominou. V rámci předpovědního modelu pro počy pojišěnců VZP ČR byly formálně implemenovány údaje z vysoké variany projekce obyvaelsva (viz [3]). Pro odhady a korekce podílů VZP na rhu zdravoního pojišění na úrovni krajů ČR jsme použili sřední varianu projekce s migrací (viz [5]), nejakuálněji dosupnou pro regiony a oblasi. 2. Daové zdroje 2.1 Časové řady počů pojišěnců VZP V původním projekčním modelu jsme vycházeli z počů pojišěnců uvedených v ročenkách VZP (k 31.12. od r. 2002) v 18 pěileých věkových skupinách a podle pohlaví. Vzhledem k progresivně se měnící dynamice poču pojišěnců (zejména vlivem přeregisrací) i z hlediska legislaivně sanoveného mechanismu započení přeregisrovaných osob do akuálního kmene pojišěnců (viz ods. 2.3) se časové řady z ročenek ukázaly pro predikci nejbližšího vývoje jako málo vhodné. Z prospekivního hlediska jde oiž o o, že např. přeregisrační saldo, keré bylo ve VZP dosaženo v I. pololeí 2017, se do časových řad ermínovaných vždy k 31.12. promíne až na konci r. 2017; přeregisrační saldo z II. pololeí 2017 se v daech projeví až na úrovni údajů v ročence VZP s ermínem 31.12.2018! Všechny formální předpovědi pro rok 2018, 8 9
podhodnocené; roční nedopočy pojišěnců ZP vůči populaci ČR činí od r. 2011 cca 100 isíc občanů (v r. 2016 dokonce 140 is. osob); hlavním formálním zdrojem ěcho nedopočů jsou dospělí ve věku 20-54 le (ve věkových skupinách 30-34, 35-39 činily rozdíly v r. 2016 více než 30 isíc osob);.č. předpokládáme, že nedopočy zdravoních pojišěnců vůči demografii spadají především na vrub ěch občanů ČR, keří pobývají krákodobě v zahraničí a nevzahuje se na ně povinnos regisrace ZP v ČR V souladu s bilancí narozených a evidencí zemřelých (ČSÚ, 2013-2017) jsme budoucí počy mužů a žen ve věkových skupinách 0-4 a 85+ upravili na reálný sav, neboť předpovědní model založený (byť jen) na modifikacích odvozené demoprojekce je na přesnos demografických vsupů dosi senziivní. A abychom zohlednili dlouhodobě vykazované podíly VZP na rhu ZP ČR, využili jsme ve finálním predikčním modelu pro ČR ješě oficiální počy zdravoních pojišěnců získanými jako souče pojišěnců ze všech na českém rhu akuálně evidovaných zdravoních pojišťoven. Tyo alernaivní časové řady, keré jsme po r. 2017 korigovali na rendy výše upravené vysoké variany projekce ČSÚ, poskyují konzervaivnější odhady počů pojišěnců VZP než při použií projekce ČSÚ samoné; oo se vzhledem k akuálně požadovanému horizonu predikce (2032) jeví jako více akcepovaelné. - b/ rosoucí logarimická regrese /s eoreickými paramery c(x) a d(x)/ - pro exrapolaci příchozích pojišěnců (v rámci AKTUÁLNÍ přeregisrační variany 1 ), a aké pro přímou exrapolaci salda přeregisrací (v rámci přeregisrační variany 2 PROGRESE): - c/ konsanní nula - pro riviální modelovou varianu ( 0 ZERO), kerá reprezenuje nulový vývoj přeregisračních sald, kerý ve věšině věkových skupin podhodnocuje akuální rend: 2.3 Saldo přeregisrací VZP (odchody/příchody) Zdravoní pojišťovnu v ČR lze měni jednou za 12 měsíců, v souladu s měnící se legislaivou o bylo možné buď k 1. dni následujícího čvrleí, kalendářního roku anebo pololeí (podrobněji v legendě pod Grafem 2). Hisorický vývoj počů odchozích a příchozích pojišěnců VZP za období 03/2002-09/2017 (celkem i ve věkových skupinách) jsme zrekonsruovali na základě údajů z aplikace BAM. Od r. 2014 máme dosupné rovněž srovnaelné přeregisrační údaje z CRP ( Cenrální Regisr Pojišěnců ), keré dnes považujeme za oficiálně plané. V posledních dvou leech jsou údaje z CRP k dispozici po ukončení každého čvrleí, nejprve ve formě předběžných odhadů (pořizováno v dubnu a říjnu v rámci kalendářního roku) a po dalších řech měsících (v červenci éhož a v lednu následujícího roku) opravovány na konečné hodnoy. Tak např. v r. 2017 ve VZP podvakrá předběžně odhadnuá mírně kladná přeregisrační salda ve výši 2868 a 2828 osob (ve prospěch VZP) byla v červenci 2017 a v lednu 2018 finálně opravena na 2927 a 2755 nových (nebo saronových) pojišěnců. Z náhledu na celkové počy přeregisrovaných (na Grafu 2) je zřejmé, že formální zahrnuí přeregisračních údajů do regresního modelu i samoná exrapolace jejich budoucích rendů může bý provedena pouze za cenu jisých modelových zjednodušení. Za účelem efekivnější idenifikace sřednědobých rendů jsme v každé věkové skupině x využili agregací na úroveň ročních časových řad. Jak je dále ilusrováno na Grafu 3 (pro ČR celkem), roční agregáy jsou od r. 2012 aproximovaelné řemi ypy rendových regresních křivek a/ klesající mocninná regrese /s odhadovanými paramery a(x) a b(x)/ - pro exrapolaci počů odchozích pojišěnců: 10 11
V případě nulové variany projekce (S x +1 = 0 pro všechny budoucí roky) reprezenuje model výše vlasně výpočení vzorec běžně užívaný pro odvozené demografické projekce. Teno speciální případ by formálně zabezpečil konsanní neměnné podíly VZP na rhu ZP ČR, pokud by osaní paramery modelu nebyly zaížené sochasickými chybami. Ve skuečnosi se však v různých věkových skupin uplaňují základní sysémové složky různou měrou: kupř. ve věšině mladších věkových kaegorií ( 0-9 a 15-19 ), a aké ve skupinách 30-44, se více uplaňuje složka přeregisrační; u věšiny osaních skupin se však obě složky uplaňují s víceméně rovnocenným podílem demografické proměnné. Chyby predikce modelu lze měři formálně prosřednicvím součů čverců odchylek známých hodno V x +1 oproi P x +1 predikovaným modelem o jeden rok dopředu. Tako pojaá analýza reziduí za roky 2003-2017 ale v řadě případů poukázala na sysemaické odchylky modelu od eoreické nulové sřední hodnoy. V případě modelu (4) lze však pro každou věkovou skupinu poměrně dobře rezidua aproximova prosřednicvím lineárních rendových křivek. Tyo odhady jsme ješě zpřesnili meodou dvojiého exponenciálního vyhlazování (viz [2], sr. 65-71), kerá má schopnos adapova lineární rendy na rerospekivně nejnovější pozorování prosřednicvím diskonního fakoru α (vyrovnávací konsany minimalizující chybu predikce o jeden krok dopředu - viz v [2] na sr. 68). Značí-li y x lineární předpovědi kalibrované pro opimální vyrovnávací konsanu pro diference (V x - P x ), lze predikci poču pojišěnců pro každý následující rok založi opě na vzorci (4), kam ale namíso V x dosadíme opravený odhad 12 3. Meodika 3.1 Mechanizmový model pro ČR Daové zdroje předsavené v předchozí kapiole byly použiy do kalkulačních vzorců pro roční predikce na úrovni každé ze čyř kvarálních řad (daované k 31.3., 30.6., 30.9. a 31.12. každého roku). Budoucí počy pojišěnců P x +1 ve věkové skupině x (= 0-4,, 85+ ) generujeme na základě modelu kde V x značí známé počy pojišěnců ve věku x v roce (= 2002,, 2017), D x je sřední sav žijících osob resp. souče zdravoních pojišěnců v ČR ve věkové skupině x (přepočený k émuž kvarálu jako V x ) a S x +1 značí saldo přeregisrací realizované nebo exrapolované pro období mezi roky a +1 (v souladu se zvolenou varianou dle vzorců (1)-(3)). Algorimus popsaný výše zabezpečuje opimální predikci pro roční časovou řadu pořízenou na úrovni každého čvrleí. Negaranuje však ve všech věkových skupinách (z důvodů náhodných flukuací v daech) spojiý přechod v paramerech exrapolovaných kvarálních lineárních křivek. V rámci sávajícího meodického posupu byla evenuální nekonzisence kvarálních údajů vyrovnávána na paramery projekčního modelu formálně exrapolovaného pro 2. čvrleí 2017 (edy v zásadě na mediánové hodnoy). 3.2 Dekompozice do 14 krajů ČR V původní verzi (pro úroveň celé ČR) byl výše popsaný projekční model koncipován pro predikci počů pojišěnců VZP s horizonem 2022. V souvislosi s rozšířeným zadáním úlohy (pro úroveň 14 krajů ČR a s novým horizonem 2032) nezbyla jiná možnos než použí éhož modelu jako výše, přesože sávající 3 variany projekce odlišené pouze sysemaickými přeregisračními rendy nelze v delším časovém horizonu považova za reálné. Dekompozice pro regiony by měla bý sandardně založena na rozpoču akuálních krajských podílů (%) na celkový sav pojišěnců VZP ČR. 13
Zejména v případě Hl. M. Prahy však nebylo možné prolongova sávající regionální procena ani do nejbližší budoucnosi z důvodů majoriního nárůsu počů pojišěnců Prahy v někerých věkových skupinách. Rozšířený horizon projekce vyžaduje v řadě věkových skupin specifické korekce formálně exrapolovaných rendových křivek 1/ celkově pro ČR za období 2023-2032 byly nereálně nadhodnocené rendy proporcionálně sníženy na bázi predpokládaného demografického vývoje; - 2/ pro individuální regiony byly akuální krajské podíly na celkovém savu pojišěnců VZP ČR exrapolovány prosřednicvím logarimických regresních křivek ypu (2); ak, aby predikované ržní podíly v regionech formálně nepřevýšily eoreických 100% vůči sřední varianě projekce ČSÚ s migrací (viz [5]). Analogicky byla použia logarimické regrese rovněž pro rozpoče projekovaných počů pojišěnců v krajích na pohlaví (z úrovně ĆR). Predikované budoucí ržní podíly samozřejmě reprezenují nejen servale konsanní, ale i rosoucí a klesající rendy. Z hlediska markeingových sraegií VZP - ale i budoucích koncepů zdravoní a sociální poliiky v celé ČR - je pořebné vědě, v jakých časových údobích lze predikované rendy počů pojišěnců formálně vysvěli pouze jako výslednici přirozeného demografického vývoje v ČR a kdy se více uplaňuje formálním scénářem exrapolovaný vývoj přeregisrací. Za ímo účelem byly pro každý rok projekovaného období vyčísleny zv. indexy změny : Vývoj ržních podílů VZP pro zmíněné 4 variany projekce lze sledova na Grafu 5, kde se prezenuje všeobecně velmi sabilizovaný rend - oo ovšem vyplývá z charakeru použiých formálních křivek pro exrapolaci přeregisračních sald. V dlouhodobém koncepu ale servale pro VZP poziivní vývoj budoucích přeregisrací nelze považova za reálný, akže se i vývoj ržních podílů bude v následujících leech řídi spíše scénářem pro někerou z kombinovaných varian predikce (pravděpodobně odlišným pro různé věkové skupiny). Každopádně se však pojisný kmen VZP dosal v r. 2017 do hisoricky ojedinělého posavení, kdy lze sřednědobý nebo dokonce dlouhodobý vývoj predikova jen se značnou nejisoou. Deailnější pohled na vývoj ržních podílů VZP umožňuje vývoj indexů změny pro ČR celkem zobrazený na Grafu 6. Ve všech námi demonsrovaných varianách projekce se předpokládá akivní bilance počů pojišěnců VZP (v důsledku akuálně nasaveného kladného přeregisračního salda) minimálně do r. 2022, ve sřední varianě do r. 2026 a ve vysoké varianě do r. 2030. Čisě eoreicky však nelze vylouči ani scénáře vývoje ržních podílů dramaicky snižujících sávající rámec cca 54-59% (pro VZP ČR celkem). Do éo realiy se za posledních 10-15 le osaně již dosal vývoj v Moravskoslezském a v Olomouckém kraji. Akuální siuace však zaím daově nepodporuje scénáře konvenující výrazně pesimisičějším varianám v neprospěch VZP ČR. kde P x značí budoucí či minulé počy pojišěnců VZP a D x jim odpovídající sřední savy obyvaelsva ve věku x a v čase. Hodnoy Ind x vyšší než 100% indikují počy pojišěnců VZP nadhodnocující předpokládaný vývoj demografie v ČR, hodnoy indexu nižší než 100% poukazují na počy podhodnocující předpokládaný demografický vývoj. 4. Výsledky a závěry Časové řady predikovaných počů pojišěnců a eoreických budoucích podílů (%) VZP ČR na rhu ZP jsou pro všechny věkové skupiny, pohlaví a 3 výše popsané přeregisrační variany operaivně k dispozici v abulkách a grafech uživaelské aplikace vyvořené pod MS Excel. Aplikace je členěna do 15 vzájemně provázaných lisů (pro ČR celkem a 14 krajů ČR), což umožňuje i velmi flexibilní nasavení scénářů kombinací základních varian projekce pro jednolivá pololeí projekovaného období (2018-2032). Na Grafu 4 se prezenuje ukázka vývoje budoucích počů pojišěnců VZP ČR celkem podle ří základních varian predikce a pro jednu hypoeickou kombinaci varian pro ČR, kerá je vyspecifikována v poznámce pod ímo grafem. Analogickým způsobem lze kombinované variany navoli rovněž individuálně pro každý kraj. Jejich význam se zhodnocuje v napojení na další odvozené ukazaele (podíly na rhu resp. finanční ukazaele). 14 15
Poznámka ke Grafu 4: Variana ČR: Kombinace na Grafu 4 byla navolena jako kombinace varian 0-2 pro různé eapy budoucího vývoje ČR (jmenoviě: 2 pro období 2018-19; 1 pro období 2020-24; 0 pro období 2025-2032) Legenda ke Grafu 6: Vývoj indexů změny (pro daný rok, region a věkovou skupinu) jsme definovali vzorcem (6) jako poměr podílu poču pojišěnců VZP vůči poču obyvael v regionu za následující a předchozí časově srovnaelné období; hodnoy indexu VYŠŠÍ NIŽŠÍ NEŽ 100% indikují počy pojišěnců VZP NADHODNOCUJÍCÍ předpokládaný vývoj demografie, hodnoy NIŽŠÍ NEŽ 100% indikují počy PODHODNOCUJÍCÍ předpokládaný demografický vývoj; na Grafu 6 pro ČR celkem se edy předpokládá akivní bilance poču pojišěnců ve všech varianách predikce až do r. 2022, ve sřední varianě do r. 2026 a ve vysoké varianě do r. 2030 (v modelové kombinované varianě do r. 2022) Meodika použiá pro odhady budoucích počů pojišěnců VZP umožňuje akualizova výpočy po zveřejnění údajů za každé čvrleí - nejlépe dvakrá do roka, vždy po první akualizaci přeregisrací (j. po 15.4. a 15.10. každého roku). Vniřní mechanizmus modelu však projekuje kvarální časové řady jako jednoleé, akže použiý model může bý vůči operaivnějším čvrlením vývojovým změnám ješě příliš konzervaivní. V zásadě ale nic nebrání omu, abychom sávající meodiku (pro ČR v každé z 18i věkových skupin) založili na vzorci (4) aplikovaném přímo na čvrlení časové řady počů pojišěnců. Tím by odpadl i problém poenciální nespojiosi paramerů u kvarálních modelů vzešlých z formální kalibrace dvojiého exponenciálního vyhlazování (viz poslední odsavec ve sai 3.1), proože v každé věkové skupině bude kalibrace za účelem opravy vzorce (5) prováděna pouze jednou. V rámci jednolivých věkových skupin se v modelu významně uplaňují obě použié exogenní proměnné - zn. sraegická demografická i operaivní přeregisrační složka. Tako koncipovanou predikci můžeme považova za poměrně spolehlivou pro období nejbližších dvou až ří le; pro delší horizony se můžeme opíra jen o sofisikovanou demografickou složku. Ta se relaivně brzy začne uplaňova v nejmladších věkových skupinách, keré v několika posledních leech zaznamenaly zjevný přeregisrační boom - jejich podíly na rhu jsou však v někerých krajích (např. v Hlavním měsě Praze) již éměř na sropních hodnoách. Sysemaicky, ale s opačným efekem, působí demografie v nejvyšších věkových skupinách: zde podíly VZP na rhu ZP dlouhodobě sysemaicky klesají. Jmenoviě - počínaje věkovou skupinou 70-74 nedosahují indexy změny na úrovni ČR ani kýžené referenční hodnoy 100% pro žádnou z námi modelovaných varian budoucího vývoje (zn. podhodnocení vývoje demografie). Použié demografické křivky (založené na oficiálních projekcích ze serveru ČSÚ) odpovídají implicinímu předpokladu, že se kmen pojišěnců VZP bude řídi sejně paramerizovanými demografickými procesy (zn. porodnosí, úmrnosí ev. inenziou migrací) jako populace ČR. Teno předpoklad považujeme za oprávněný vzhledem k servale vysokému podílu pojišěnců VZP na rhu zdravoního pojišění ve věšině regionů. Tři akuálně modelované variany budoucího přeregisračního vývoje VZP (sřední /akuální/; vysoká /progrese/ a nízká /zero/) se.č. jeví jako jediné, keré jsou opodsaněné reálnými day. Je zřejmé, že žádná z ěcho varian nebude (jmenoviě na úrovni všech věkových skupin) pro sanovené pěileého období zcela reálná. Proo je sávající práce koncipována ak, aby umožnila sysémový pohled 16 17
pouze na nejjednodušší scénáře budoucích přeregisrací, ale v kombinaci s mnohem více předvídaelným demografickým vývojem. Lieraura [1.] Běláček J, Fiala T, Parma M, Michna P, Lukeš K, Muringerová K: Projekce budoucí pořeby a spořeby zdravoní péče z perspekivy sárnuí ambulanních pacienů v zařízeních AGEL 2012-14. Sborník MEDSOFT, 2017, ČSZIVI ČLS JEP, Praha [2.] Cipra T.: Analýza časových řad s aplikacemi v ekonomii. Praha, SNTL/Alfa,1986 [3.] Projekce obyvaelsva ČR do r. 2100, ČSÚ, 2013; hps://www.czso.cz/csu/czso/projekce-obyvaelsva-ceske-republiky-do-roku-2100-n-fu4s64b8h4 [4.] Věkové složení obyvaelsva ČR, ČSÚ, 2012,, 2016; hps://www.czso.cz/csu/czso/vekove-slozeni-obyvaelsva-2016 [5.] Projekce obyvaelsva v krajích ČR do r. 2050, hps://www.czso.cz/csu/czso/projekce-obyvaelsva-v-krajich-cr-do-roku-2050-ua08v25hx9 Resuls: In he various age groups are in differen rae significan boh componens: " sraegic " demographics and "operaional" (currenly slighly growing) new regisraions. This concep of predicion we assume as relaively reliable for he nex 2-3 years; for longer horizons i mus be based essenially on sophisicaed demographic evoluion. The fuure developmen of new regisered insured people may be effecively modelled by user friendly model scenarios in MS Excel applicaion made unil he regional levels, oo. Conclusions: The VZP healh insurance company currenly says in he saus, when her fuure developmen is possible o predic only wih more uncerainy; herefore o be assumed, ha he resuls achieved by he exising or slighly modified curren mehodology should be updaed afer each quarer or semeser. PREDICTION OF FUTURE NUMBERS OF INSURED IPERSON IN VZP HE- ALTH INSURANCE COMPANY DATA, METHODS AND RESULTS Běláček Jaromír (Deparmen of sraegic analyses, VZP healh insurance company of Czech Republic) Objecives: The aim of his conribuion is o inroduce he applied mehodological conceps and he curren resuls for forecasing he numbers of insured person in VZP insurance company (by age and sex), which should be he base of her fuure solvency and profiabiliy, and in he Czech Republic as a whole. Konak Jaromír Běláček, RNDr., CSc. VZP ČR Orlická 4, 130 00 Praha 3 jaromir.belacek@vzp.cz Keywords: number of healh insured persons by gender and age, regression models for exrapolaion of ime series, populaion projecions, new regisraion of insured, adapive managemen processes Maerials and mehods: Inside available daa sources we have analysed he ime series of insured persons a VZP insurance company beween 2002-2017 in each quarerly period and daa sources for possible explanaory variables. Due o majoriy shareholdings in healh insurance in he Czech Republic (in mos age groups more han 50 percen) we pooled he numbers of living people from official demographic projecions of he Czech Republic from 2013. We exrapolaed he rends of new regisered insured persons of VZP (oucoming and incoming) in corresponding age srucures. The fuure numbers of insured were modelled using exrapolaing algorihms used in he mehodology of derived demographic projecions in combinaion wih adapive adiive regression models. 18 19