EQUITABLE RETIREMENT INCOME TONTINES: MIXING COHORTS WITHOUT DISCRIMINATING
Notice bibliographique
Résumé
Abstract There is growing interest in the design of pension annuities that insure against idiosyncratic longevity risk while pooling and sharing systematic risk. This is partially motivated by the desire to reduce capital and reserve requirements while retaining the value of mortality credits; see for example, Piggott et al. (2005) or Donnelly et al. (2014). In this paper, we generalize the natural retirement income tontine introduced by Milevsky and Salisbury (2015) by combining heterogeneous cohorts into one pool. We engineer this scheme by allocating tontine shares at either a premium or a discount to par based on both the age of the investor and the amount they invest. For example, a 55-year old allocating $10,000 to the tontine might be told to pay $200 per share and receive 50 shares, while a 75-year old allocating $8,000 might pay $40 per share and receive 200 shares. They would all be mixed together into the same tontine pool and each tontine share would have equal income rights. The current paper addresses existence and uniqueness issues and discusses the conditions under which this scheme can be constructed equitably — which is distinct from fairly — even though it isn't optimal for any cohort. As such, this also gives us the opportunity to compare and contrast various pooling schemes that have been proposed in the literature and to differentiate between arrangements that are socially equitable, vs. actuarially fair vs. economically optimal.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».