The Valuation of a Guaranteed Minimum Maturity Benefit under a Regime-Switching Framework
Notice bibliographique
Résumé
Global insurance markets have become more sophisticated in recent times in response to the evolving needs of populations that tend to live longer. Policy holders desire the benefits of longevity/mortality protection while taking advantage of investment growth opportunities in equity markets. As a result, insurers incorporate payment guarantees in new insurance products, known as equity-linked contracts, whose values are dependent on prices of risky assets. A guaranteed minimum maturity benefit (GMMB) is now common in many equity-linked contracts. We develop an integrated pricing framework for a GMMB focusing on segregated fund contracts. More specifically, we construct hidden Markov models (HMMs) for a stock index, interest rate, and mortality rate. The dependence between these risk factors is characterized explicitly. We assume that the stock index follows a Markov-modulated geometric Brownian motion and the interest and mortality rates have Markov-modulated affine dynamics. A series of measure changes is employed to obtain a semi-closed-form solution for the GMMB price. A Fourier transform method is applied to numerically approximate the prices more efficiently. Recursive HMM filtering is used in our model calibration. Numerical investigations in our article demonstrate the accuracy of GMMB prices and an extensive analysis is included to systematically examine how risk factors affect the value of a GMMB.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».