MétaCan
Menu
Retour à la cohorte
Enregistrement W2974645000 · doi:10.1080/10920277.2019.1625789

Hedging Mortality/Longevity Risks for Multiple Years

2019· article· en· W2974645000 sur OpenAlexafffund
Tzuling Lin, Cary Chi‐Liang Tsai

Notice bibliographique

RevueNorth American Actuarial Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Science and Technology, Taiwan
Mots-clésLongevity riskLongevityActuarial scienceEconometricsEconomicsGerontologyMedicine

Résumé

récupéré en direct d'OpenAlex

In this article, we develop strategies of hedging multiyear mortality (longevity) risk for a life insurer (an annuity provider) through purchasing some mortality-linked securities from a financial intermediary. Under the multiyear hedges for a life insurer (an annuity provider) involving two uncertain factors—the mortality rate and the number of life insureds (annuity recipients)—we derive closed-form formulas for the optimal units of purchasing underlying mortality-linked securities. Numerical illustrations show that the downside risk of loss because of mortality (longevity) risk for the life insurer (annuity provider) can be significantly hedged by purchasing the optimal units of mortality-linked securities, and the sample risk can be reduced by increasing the number of life insureds (annuity recipients) at issue. For a financial intermediary, adopting an optimal weight of a portfolio of life and annuity business can reduce extreme losses from the longevity risk but could slightly increase losses from the mortality risk, and the sample risk cannot necessarily be eliminated by increasing the number of life insureds/annuity recipients at issue.

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)0,002
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 enseignants0,078
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,048
Tête enseignante GPT0,355
Écart entre enseignants0,307 · 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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNorth American Actuarial JournalMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207