MétaCan
Menu
Retour à la cohorte
Enregistrement W2997613370 · doi:10.1017/asb.2019.38

NATURAL HEDGES WITH IMMUNIZATION STRATEGIES OF MORTALITY AND INTEREST RATES

2020· article· en· W2997613370 sur OpenAlexaff
Tzuling Lin, Cary Chi‐Liang Tsai

Notice bibliographique

RevueAstin Bulletin · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLongevity riskHedgeConvexityInterest ratePortfolioEconometricsInterest rate riskLife annuityLife insuranceEconomicsActuarial scienceAnnuityMatching (statistics)Mortality rateMathematicsStatisticsFinancial economicsFinanceDemographyPension

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, we first derive closed-form formulas for mortality-interest durations and convexities of the prices of life insurance and annuity products with respect to an instantaneously proportional change and an instantaneously parallel movement, respectively, in μ * (the force of mortality-interest), the addition of μ (the force of mortality) and δ (the force of interest). We then build several mortality-interest duration and convexity matching strategies to determine the weights of whole life insurance and deferred whole life annuity products in a portfolio and evaluate the value at risk and the hedge effectiveness of the weighted portfolio surplus at time zero. Numerical illustrations show that using the mortality-interest duration and convexity matching strategies with respect to an instantaneously proportional change in μ * can more effectively hedge the longevity risk and interest rate risk embedded in the deferred whole life annuity products than using the mortality-only duration and convexity matching strategies with respect to an instantaneously proportional shift or an instantaneously constant movement in μ only.

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)0,000
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 enseignants0,112
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,049
Tête enseignante GPT0,312
Écart entre enseignants0,263 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstin BulletinMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207