MétaCan
Menu
Retour à la cohorte
Enregistrement W2595573420 · doi:10.1017/asb.2018.30

ON THE OPTIMALITY OF A STRAIGHT DEDUCTIBLE UNDER BELIEF HETEROGENEITY

2018· article· en· W2595573420 sur OpenAlex

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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueAstin Bulletin · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Science Foundation of Shandong ProvinceUniversity of TorontoNational Natural Science Foundation of China
Mots-clésDeductibleCeteris paribusEconomicsActuarial scienceMoral hazardRisk aversion (psychology)Insurance policyArrowMathematical economicsExpected utility hypothesisMicroeconomicsIncentiveComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This article attempts to extend Arrow’s theorem of the deductible to the case of belief heterogeneity, which allows the insured and the insurer to have different beliefs about the distribution of the underlying loss. Like Huberman et al. [(1983) Bell Journal of Economics 14 (2), 415–426], we preclude ex post moral hazard by asking both parties in the insurance contract to pay more for a larger realization of the loss. It is shown that, ceteris paribus , full insurance above a constant deductible is always optimal for any chosen utility function of a risk-averse insured if and only if the insurer appears more optimistic about the conditional loss given non-zero loss than the insured in the sense of monotone hazard rate order. We derive the optimal deductible level explicitly and then examine how it is affected by the changes of the insured’s risk aversion, the insurance price and the degree of belief heterogeneity.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,044
Tête enseignante GPT0,230
Écart entre enseignants0,185 · 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