Catastrophe risk sharing and public-private partnerships : From natural disasters to terrorism
Notice bibliographique
Résumé
Recent extreme events showed how insurers, deprived of reinsurance capacity at an affordable price, could decide to stop covering for specific extreme events and rapidly let people and firms uncovered. Developing public-private partnerships could constitute one of the most appealing ways to solve the problem of financing the consequences of those extremes events by taking advantage of strengths of both sectors. Catastrophic risks present, however, very specific characteristics which really challenge any traditional economic approach to analyse those issues. So as of today little has been done in the economic literature to reassess the role of public and private sectors with respect to making available protection to victims as well as better understanding how those risks are effectively shared between all partners in those partnerships. This paper aims to provide a partial answer by analysing policy issues related to risk sharing between insurers and a dedicated state-backed governmental reinsurer, who are part of a national partnership of insurance against extreme events. The insurance is mandatory with premium policy that is decided by Treasury. We show that a government can modulate its premium policy levied against insured to make the private insurers in the country participating in the partnership instead of leaving the market and then to adopt two different strategies: (1) to behave as a simple financial intermediary between insured and the public reinsurer so as the former supports the largest portion of the risks or (2) to conserve the largest part of risks to benefit from government incentives. National schemes for covering against natural hazards and those developed post 9/11 for emerging terrorism provide illustrations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».