MétaCan
Menu
Retour à la cohorte
Enregistrement W3166311919 · doi:10.3390/jrfm14060266

Financial Stability of European Insurance Companies during the COVID-19 Pandemic

2021· article· en· W3166311919 sur OpenAlexvenueno aff
Karolina Puławska

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolvencyBusinessPandemicGermanCoronavirus disease 2019 (COVID-19)Actuarial scienceAccountingFinanceMarket liquidityMedicineDiseaseGeography

Résumé

récupéré en direct d'OpenAlex

The European Insurance and Occupational Pensions Authority suggests that as the coronavirus disease 2019 (COVID-19) pandemic has caused significant disruption to the economy, businesses, and people’s lives, national supervisory authorities should mitigate the pandemic’s impact on the European insurance sector. The functioning of insurance companies is in danger as they must balance a drastic increase in the number of claims with their capital and solvency stability. In this study, we evaluate the effects of the COVID-19 pandemic on insurance companies using European insurance companies’ financial statement data from 2010 to 2020. The results unambiguously demonstrate that the pandemic has negatively affected the functioning of the insurance sector. In particular, the return on assets decreased in German and Italian insurance companies during the pandemic. Furthermore, the solvency ratio decreased in the Belgian, French, and German insurance sectors. Conversely, the Polish insurance sector was unaffected. Moreover, we did not find any effects on the Z-score ratio in our sample. Lastly, the value of receivables owed to Belgian insurance companies increased. Based on this evidence, we argue that European legislators should discuss how to manage the probable financial problems of insurance companies during the COVID-19 pandemic.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,223
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), 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

Citations63
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInsurance and Financial Risk ManagementTravaux en français237 207