MétaCan
Menu
Retour à la cohorte
Enregistrement W2120556742 · doi:10.1111/j.1539-6975.2005.00124.x

<scp>The Implied Longevity Yield: A Note on Developing an Index for Life Annuities</scp>

2005· article· en· W2120556742 sur OpenAlexaffabout
Moshe A. Milevsky

Notice bibliographique

RevueJournal of Risk & Insurance · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensWorkplace Safety & Insurance BoardYork University
Organismes subventionnairesnon disponible
Mots-clésLife annuityDeferralEconomicsActuarial sciencePensionIndex (typography)LongevityYield (engineering)Longevity riskEconometricsFinanceGerontologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract I develop an index for tracking the dynamic behavior of life (pension) annuity payouts over time, based on the concept of self‐annuitization. Our implied longevity yield (ILY) value is defined equal to the internal rate of return (IRR) over a fixed deferral period that an individual would have to earn on their investable wealth if they decided to self‐annuitize using a systematic withdrawal plan. A larger ILY number indicates a greater relative benefit from immediate annuitization. I use age 65—with a 10‐year period certain—compared against the same annuity at age 75 as the standard benchmark for the index, and calibrate to a comprehensive time series of weekly (Canadian) life annuity quotes from 2000 through 2004. I find that during this period the ILY varied from 5.45 percent to 6.90 percent for males and from 5.00 percent to 6.42 percent for females and was highly correlated with a duration‐weighted average yield of 10‐year and long‐term Government of Canada bonds. I believe our ILY metric can help promote and explain the benefits of acquiring lifetime payout annuities by translating the abstract‐sounding longevity insurance into more concrete and measurable financial rates of return.

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)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,323
Écart entre enseignants0,291 · 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'étudeSimulation ou modélisation
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

Citations25
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Risk & InsuranceMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207