MétaCan
Menu
Retour à la cohorte
Enregistrement W2920931937 · doi:10.6000/1929-7092.2019.08.23

Insurance of the Termination Risk of Projects with Joint Companion Activity

2018· article· en· W2920931937 sur OpenAlexvenueno aff
I. V. Sukhorukova, N. A. Chistyakova

Notice bibliographique

RevueJournal of Reviews on Global Economics · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSustainable Finance and Green Bonds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJoint (building)BusinessActuarial scienceEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Actuarial calculations are based on the study of mathematical models of financial schemes in insurance taking into account the stochastic nature of insurable events. They lie at the intersection of mathematical and economic disciplines. This paper is devoted to the formulation and investigation of the mathematical model of insurance of a joint project of partners from the risk of its early termination due to the retirement of one of the companions due to external circumstances. In case of an insured event, the partner remaining in the project receives insurance to continue the project. In order to assess the obligations of the insurance company, an economic-mathematical model of personal joint insurance of participants has been constructed to calculate the necessary characteristics of such an agreement. To describe the dynamically changing threats to terminate the insurance contract, the concepts of the intensity of retirement functions of insured persons are introduced, which are convenient in the study of insurance contracts with several participants. Possibilities of payment of insurance compensation to each partner are received and probability of that the insurance company should pay insurance compensation are received. Calculations are made using the example of specific functions of the intensity of retirement of partners. Practical recommendations are given related to the use of numerical methods or simulation methods in calculations based on the obtained universal formulas.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,240
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reviews on Global EconomicsMême sujetSustainable Finance and Green BondsTravaux en français237 207