<scp>Robustly Hedging Variable Annuities With Guarantees Under Jump and Volatility Risks</scp>
Notice bibliographique
Résumé
Abstract Recent variable annuities offer participation in the equity market and attractive protection against downside movements. Accurately quantifying this additional equity market risk and robustly hedging options embedded in the guarantees of variable annuities are new challenges for insurance companies. Due to sensitivities of the benefits to tails of the account value distribution, a simple Black–Scholes model is inadequate in preventing excessive liabilities. A model which realistically describes the real world price dynamics over a long time horizon is essential for the risk management of the variable annuities. In this article, both jump risk and volatility risk are considered for risk management of lookback options embedded in guarantees with a ratchet feature. We evaluate relative performances of delta hedging and dynamic discrete risk minimization hedging strategies. Using the underlying as the hedging instrument, we show that, under a Black–Scholes model, local risk minimization hedging can be significantly better than delta hedging. In addition, we compare risk minimization hedging using the underlying with that of using standard options. We demonstrate that, under a Merton's jump diffusion model, hedging using standard options is superior to hedging using the underlying in terms of the risk reduction. Finally, we consider a market model for volatility risks in which the at‐the‐money implied volatility is a state variable. We compute risk minimization hedging by modeling at‐the‐money Black–Scholes implied volatility explicitly; the hedging effectiveness is evaluated, however, under a joint model for the underlying price and implied volatility. Our computational results suggest that, when implied volatility risk is suitably modeled, risk minimization hedging using standard options, compared to hedging using the underlying, can potentially be more effective in risk reduction under both jump and volatility risks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».