OPTIMAL REINSURANCE WITH LIMITED CEDED RISK: A STOCHASTIC DOMINANCE APPROACH
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract An optimal reinsurance problem from the perspective of an insurer is studied in this paper, where an upper limit is imposed on a reinsurer's expected loss over a prescribed level. In order to reduce the moral hazard, we assume that both the insurer and the reinsurer are obligated to pay more as the amount of loss increases in a typical reinsurance treaty. We further assume that the optimization criterion preserves the convex order. Such a criterion is very general as most of the criteria for optimal reinsurance problems in the literature preserve the convex order. When the reinsurance premium is calculated as a function of the actuarial value of coverage, we show via a stochastic dominance approach that any admissible reinsurance policy is dominated by a stop-loss reinsurance or a two-layer reinsurance, depending upon the amount of the reinsurance premium. Moreover, we obtain a similar result to Mossin's Theorem and find that it is optimal for the insurer to cede a loss as much as possible under the net premium principle. To further examine the reinsurance premium for the optimal piecewise linear reinsurance policy, we assume the expected value premium principle and derive the optimal reinsurance explicitly under (1) the criterion of minimizing the variance of the insurer's risk exposure, and (2) the criterion of minimizing the risk-adjusted value of the insurer's liability where the liability valuation is carried out using the cost-of-capital approach based on the conditional value at 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,001 | 0,006 |
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 découle