MétaCan
Menu
Retour à la cohorte
Enregistrement W2021265906 · doi:10.3138/cpp.2013-009

Canadian Retirement Incomes: How Much Do Financial Market Returns Matter?

2014· article· en· W2021265906 sur OpenAlexafffundvenueabout
Bonnie‐Jeanne MacDonald, Lars Osberg

Notice bibliographique

RevueCanadian Public Policy · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensDalhousie University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of TorontoSociety of Actuaries
Mots-clésFinancial crisisStock marketFinancial marketPopulationPensionEconomicsBoomBaby boomOrder (exchange)Labour economicsFinanceDemographic economicsBusiness

Résumé

récupéré en direct d'OpenAlex

How much might poor financial market returns affect the financial well-being of Canadian seniors? We compare three scenarios: if Canadian financial markets (a) never experienced the financial crisis of 2008 (i.e., continued on their pre-2008 path); (b) experienced the crisis and return to historical trends; or (c) enter a new low normal of depressed stock market returns and continued low interest rates. Using a population microsimulation model, we model the first order impacts—that is, before behavioural responses such as delayed retirement or increased savings—on the retirement income flows of Baby Boom retirees. While annual income from private savings of the median Canadian baby-boom senior drops by over half in the event of continuing low financial market returns, median financial welfare drops by only just over a fifth. Rising social transfers and stable income sources (such as Canada/Quebec Pension Plan and implicit income from home ownership) partially shield Canadian seniors from financial market risk. Canadian research has long recognized that the Canadian social pension system protects poorer Canadian seniors from destitution. Our results indicate that it also helps shield the Canadian elderly population as a whole from financial market 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,056
Score d'incertitude au seuil0,405

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations7
Publié2014
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207