Dividend Moments in the Dual Risk Model: Exact and Approximate Approaches
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
In the classical compound Poisson risk model, it is assumed that a company (typically an insurance company) receives premium at a constant rate and pays incurred claims until ruin occurs. In contrast, for certain companies (typically those focusing on invention), it might be more appropriate to assume expenses are paid at a fixed rate and occasional random income is earned. In such cases, the surplus process of the company can be modelled as a dual of the classical compound Poisson model, as described in Avanzi et al. (2007). Assuming further that a barrier strategy is applied to such a model (i.e., any overshoot beyond a fixed level caused by an upward jump is paid out as a dividend until ruin occurs), we are able to derive integro-differential equations for the moments of the total discounted dividends as well as the Laplace transform of the time of ruin. These integro-differential equations can be solved explicitly assuming the jump size distribution has a rational Laplace transform. We also propose a discrete-time analogue of the continuous-time dual model and show that the corresponding quantities can be solved for explicitly leaving the discrete jump size distribution arbitrary. While the discrete-time model can be considered as a stand-alone model, it can also serve as an approximation to the continuous-time model. Finally, we consider a generalization of the so-called Dickson-Waters modification in optimal dividends problems by maximizing the difference between the expected value of discounted dividends and the present value of a fixed penalty applied at the time of ruin.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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