MétaCan
Menu
Retour à la cohorte
Enregistrement W3123288161 · doi:10.2143/ast.42.2.2182808

Are Flexible Premium Variable Annuities Under-Priced?

2012· article· en· W3123288161 sur OpenAlexafffund
Yichun Chi, X. Sheldon Lin

Notice bibliographique

RevueAstin Bulletin · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaVedecká Grantová Agentúra MŠVVaŠ SR a SAVChina Scholarship CouncilUniversity of Toronto
Mots-clésAnnuityValuation (finance)Variable (mathematics)EconomicsActuarial scienceLife annuityMutual fundEconometricsMathematical economicsFinanceMathematicsPension

Résumé

récupéré en direct d'OpenAlex

A variable annuity (VA) is a deferred annuity that allows an annuitant to invest his/her contributions into a range of mutual funds. A separate account termed as sub-account is set up for the investment. Unlike a mutual fund, a VA offers a guaranteed minimum death benefit or GMDB and often offers a guaranteed minimum living benefit or GMLB during the accumulation phase of the VA contract. Almost all the research to date has focused on single premium variable annuities (SPVAs), i.e. it is assumed that an annuitant makes a single lump-sum contribution at the time of issue. In this paper, we study flexible premium variable annuities (FPVAs) that allow contributions during the accumulation phase. We derive a valuation formula for guarantees embedded in FPVAs and show that the delta hedging strategy for an FPVA is substantially different from that for an SPVA. The numerical examples illustrate that the cost in the form of mortality and expense (M&E) fee for an FPVA in many situations is significantly higher than the cost for a similar SPVA. This finding suggests that the current pricing practice by most VA providers that charges the same M&E fee for both should be re-examined.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,863
Score d'incertitude au seuil0,999

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,296
Écart entre enseignants0,262 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

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