MétaCan
Menu
Retour à la cohorte
Enregistrement W2000284357 · doi:10.1080/10807039.2012.738154

Catastrophe Risk Analysis: A Financial Perspective

2013· article· en· W2000284357 sur OpenAlexaff
Cui Cui Luo, Dexiang Wu

Notice bibliographique

RevueHuman and Ecological Risk Assessment An International Journal · 2013
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPortfolioDiversification (marketing strategy)Index (typography)Composite indexActuarial scienceReal estateFinancial economicsStock market indexEconomicsBusinessModern portfolio theoryPortfolio insuranceBankruptcyFutures contractHedgeStock marketFinanceStock exchangePortfolio optimizationReplicating portfolio

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This article examines how catastrophe events affect risk analysis from a financial perspective. Data from different industries such as Advanced Sustainable Performance Indices, gold, energy, real estate, and insurance were collected and analyzed. The performance of these funds was compared by using various financial ratios. Then we tested the stock selecting and market timing abilities. We also assessed whether a particular catastrophe event has affected stock prices by analysis of two event studies, the 9/11 terrorist attacks in the United States and the collapse through bankruptcy of Lehman Brothers. We examined how an asset portfolio performs under catastrophic events and under the situation of adding Advanced Sustainable Performance Indices into an investor's portfolio basket. We found that the 9/11 terrorist attacks affected the Dow Jones Real Estate Index's prices a lot. Lehman Brothers' bankruptcy filing had a positive impact on the CBOE Gold Index, and had a large impact on the Fidelity US Bond Index. The ASPI Index in our optimization problem gave us better diversification. From our analysis, we conclude that portfolio diversification is a good way to hedge against catastrophic risk.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman and Ecological Risk Assessment An International JournalMême sujetInsurance and Financial Risk ManagementTravaux en français237 207