Constructing Out-of-the-Money Longevity Hedges Using Parametric Mortality Indexes
Notice bibliographique
Résumé
Proposed by Chan, Li, and Li, parametric mortality indexes (i.e., indexes created using the time-varying parameters in a suitable stochastic mortality model) can be used to develop tradable mortality-linked derivatives such as K-forwards. Compared to existing indexes such as the Life and Longevity Markets Association’s LifeMetrics, parametric mortality indexes are richer in information content, allowing the market to better concentrate liquidity. In this article, we further study this concept in several aspects. First, we consider options written on parametric mortality indexes. Such options enable hedgers to create out-of-the-money longevity hedges, which, compared to at-the-money-hedges created with q-/K-forwards, may better meet hedgers’ needs for protection against downside risk. Second, using the properties of the time series processes for the parametric mortality indexes, we derive analytical risk-neutral pricing formulas for K-forwards and options. In addition to convenience, the analytical pricing formulas remove the need for computationally intensive nested simulations that are entailed in, for example, the calculation of the hedging instruments’ values when a dynamic hedge is adjusted. Finally, we construct static and dynamic Greek hedging strategies using K-forwards and options, and demonstrate empirically the conditions under which an out-of-the-money hedge is more economically justifiable than an at-the-money one.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».