MétaCan
Menu
Retour à la cohorte
Enregistrement W3121453267 · doi:10.1017/asb.2017.42

ON THE DISTRIBUTION OF THE EXCEDENTS OF FUNDS WITH ASSETS AND LIABILITIES IN PRESENCE OF SOLVENCY AND RECOVERY REQUIREMENTS

2018· article· en· W3121453267 sur OpenAlexaff
Benjamin Avanzi, Lars Henriksen, Bernard Wong

Notice bibliographique

RevueAstin Bulletin · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSolvencyBusinessDistribution (mathematics)Actuarial scienceFinanceMathematicsMarket liquidity

Résumé

récupéré en direct d'OpenAlex

Abstract We consider a profitable, risky setting with two separate, correlated asset and liability processes (first introduced by Gerber and Shiu, 2003). The company that is considered is allowed to distribute excess profits (traditionally referred to as dividends in the literature), but is regulated and is subject to particular regulatory (solvency) constraints. Because of the bivariate nature of the surplus formulation, such distributions of excess profits can take two alternative forms. These can originate from a reduction of assets (and hence a payment to owners), but also from an increase of liabilities (when these represent the wealth of owners, such as in pension funds). The latter is particularly relevant if distributions of assets do not make sense because of the context, such as in regulated pension funds where assets are locked until retirement. In this paper, we extend the model of Gerber and Shiu (2003) and consider recovery requirements for the distribution of excess funds. Such recovery requirements are an extension of the plain vanilla solvency constraints considered in Paulsen (2003), and require funds to reach a higher level of funding than the solvency level (if and after it is triggered) before excess funds can be distributed again. We obtain closed-form expressions for the expected present value of distributions (asset decrements or liability increments) when a distribution barrier is used.

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)0,001
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 enseignants0,100
Score d'incertitude au seuil0,180

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,019
Tête enseignante GPT0,203
Écart entre enseignants0,183 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAstin BulletinMême sujetInsurance and Financial Risk ManagementTravaux en français237 207