The Solvency II Standard Formula, Linear Geometry, and Diversification
Notice bibliographique
Résumé
The core of risk aggregation in the Solvency II Standard Formula is the so-called square root formula. We argue that it should be seen as a means for the aggregation of different risks to an overall risk rather than being associated with variance-covariance based risk analysis. Considering the Solvency II Standard Formula from the viewpoint of linear geometry, we immediately find that it defines a norm and therefore provides a homogeneous and sub-additive tool for risk aggregation. Hence, Euler’s Principle for the reallocation of risk capital applies and yields explicit formulas for capital allocation in the framework given by the Solvency II Standard Formula. This gives rise to the definition of diversification functions, which we define as monotone, subadditive, and homogeneous functions on a convex cone. Diversification functions constitute a class of models for the study of the aggregation of risk and diversification. The aggregation of risk measures using a diversification function preserves the respective properties of these risk measures. Examples of diversification functions are given by seminorms, which are monotone on the convex cone of non-negative vectors. Each L p norm has this property, and any scalar product given by a non-negative positive semidefinite matrix does as well. In particular, the Standard Formula is a diversification function and hence a risk measure that preserves homogeneity, subadditivity and convexity.
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 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 | 0,003 | 0,001 |
| 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 | 0,002 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».