MétaCan
Menu
Retour à la cohorte
Enregistrement W170554987 · doi:10.1007/978-3-319-09114-3_12

Reducing Surrender Incentives Through Fee Structure in Variable Annuities

2015· book-chapter· en· W170554987 sur OpenAlexafffund
Carole Bernard, Anne MacKay

Notice bibliographique

RevueSpringer proceedings in mathematics & statistics · 2015
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueStochastic processes and financial applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaTechnische Universität MünchenSociety of Actuaries
Mots-clésSurrenderAnnuityPaymentActuarial scienceVariable (mathematics)EconomicsIncentiveEconometricsMathematicsFinanceMicroeconomicsLife annuityLawPolitical science

Résumé

récupéré en direct d'OpenAlex

In this chapter, we study the effect of the fee structure of a variable annuity on the embedded surrender option. We compare the standard fee structure offered in the industry (fees set as a fixed percentage of the variable annuity account) with periodic fees set as a fixed, deterministic amount. Surrender charges are also taken into account. Under fairly general conditions on the premium payments, surrender charges and fee schedules, we identify the situation when it is never optimal for the policyholder to surrender. Solving partial differential equations using finite difference methods, we present numerical examples that highlight the effect of a combination of surrender charges and deterministic fees in reducing the value of the surrender option and raising the optimal surrender boundary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,252
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSpringer proceedings in mathematics & statisticsMême sujetStochastic processes and financial applicationsTravaux en français237 207