Fair pricing: A framework towards sustainable life insurance products
Notice bibliographique
Résumé
This research aims to fill the gap in sustainable insurance product study. The central research question of this research is how to develop a fair pricing framework in order to design a sustainable financial product. Current profit testing method is arguably lack of policyholder considerations. The profitability decision under current method only considers profit margin for company. There is no profitability measurement for policyholder. To improve fairness under current pricing, the proposed study proposes a concept of equity in risk between company and policyholder. In order to establish equity in risk, profitability for policyholder needs to be defined and risk measure Conditional Tail Expectation (CTE) for company and policyholder is proposed as a solution. Fairness is achieved if CTE between company and policyholder falls within certain range. CTE generated under new framework could be used as a reference point to all stakeholders to assess the fairness of Unit Linked price. The target population for the study was any regular premium Unit Link product. This research used simple random sampling. From the population consisting of 34 companies 20 samples were drawn. Data is taken from the Indonesian Financial Service Authority. The data used is from the time period between 1 January 2015 and 30 June 2019. Using the CTE, this study finds that most of the Unit Linked pricing are far from fair. It is recommended that companies could be more efficient in their operating and distribution cost in order to be fairer to policyholder and therefore will make the product more sustainable.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».