MétaCan
Menu
Retour à la cohorte
Enregistrement W2116000777

Pricing Catastrophic Mortality Bonds Using State Space Models

2013· dissertation· en· W2116000777 sur OpenAlexfundno aff
Zhifeng Zhang

Notice bibliographique

RevueSpectrum Research Repository (Concordia University) · 2013
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesConcordia University
Mots-clésEconometricsBondState spaceAutoregressive integrated moving averageMortality rateLongevity riskOutlierEconomicsStatisticsMathematicsDemographyTime seriesFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Catastrophic mortality bonds are designed to hedge against the mortality risks. The payoff at maturity depends on the realized mortality index over the life of the bond, therefore modeling the mortality index is the main concern in our study. Since mortality shocks are detected using outlier analysis, non-Gaussian state space models with a fat-tailed error term are proposed to fit the mortality index and to handle shocks. By comparing several state space models with different fat-tailed distributions, an ARIMA process for the baseline mortality and the t-distribution for capturing mortality shocks are chosen. We obtain the price of the mortality bond using the proposed model and estimate the market price of risk. It appears that the market price of risk is lower than the ones obtained in the literature, which is consistent with the industrial empirical results from Wang (2004). This implies that our model is capable of handling mortality 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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,280
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,055
Tête enseignante GPT0,331
Écart entre enseignants0,275 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpectrum Research Repository (Concordia University)Même sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207