Capital requirements and optimal investment with solvency probability constraints
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantifying economic capital and optimally allocating it into portfolios of financial instruments are two key topics in the asset–liability management of an insurance company. In general, these problems are studied in the literature by minimizing standard risk measures such as the value at risk and the conditional VaR. Motivated by Solvency II regulations, we introduce a novel optimization problem to solve for the optimal required capital and the portfolio structure simultaneously, when the ruin probability is used as an insurance solvency constraint. Besides the generic optimal required capital and portfolio problem formulation, we propose a two-model hierarchy of optimization models, where both models admit the so-called second-order conic reformulation, in turn making them particularly well suited for numerics. The first model, albeit naively asserting the normality of the returns on assets and liabilities, under minor further simplifications admits a closed-form solution—a set of formulas, which may be used as simple decision-making guidelines in the analysis of more complex scenarios. A potentially more realistic second model aims to represent the ‘heavy-tailed’ nature of an insurer's liabilities more accurately, while also allowing arbitrary distributions of asset returns via a semi-parametric approach. Extensive numerical simulations illustrate the sensitivity and robustness of the proposed approach relative to the model's parameters. In addition, we explore the potential of insurance risk diversification and discuss if combining several liabilities into a single insurance portfolio may always be beneficial for the insurer. Finally, we propose an extension of the model with an expected return on capital constraint added.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 découle