Notice bibliographique
Résumé
As many countries consider mandatory individual retirement accounts as their answer to a secure social security system, the question arises as to whether all workers can get true “market value” annuities when they retire. It is clear today that private-sector life annuities are priced assuming that the applicant is healthy—very healthy. Very little underwriting or risk classification now exists in the individual annuity marketplace. However, if a large percentage of the population were looking to annuitize their social security accounts upon retirement, there would be strong pressure for more risk classes in the annuity-pricing structure. Even without the advent of individual accounts for social security, the authors of this paper feel there may be real market opportunities for more risk classification in the individual annuity market and the offering of “impaired life annuities.” Given that this pressure does or might soon exist, this paper reviews 45 recent research papers that look at factors that affect mortality after retirement. In particular, factors that seem to be important in predicting retirement mortality include age, gender, race and ethnicity, education, income, occupation, marital status, religion, health behaviors, smoking, alcohol, and obesity. for each factor, this paper gives highlights relative to the named factor of the impact expected from that variable as described in the 45 reviewed research papers. The authors believe there is a wealth of information contained in the summaries that follow, and it is our sincere hope that this paper will cause an increased interest in a more broadly based risk classification structure for individual annuities. Summaries of the 45 papers can be found at www.soa.org/sections/farm/farm.html.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».