MétaCan
Menu
Retour à la cohorte
Enregistrement W4317623461 · doi:10.1016/j.insmatheco.2023.01.002

Optimal insurance contracts for a shot-noise Cox claim process and persistent insured's actions

2023· article· en· W4317623461 sur OpenAlexafffund
Wenyue Liu, Abel Cadenillas

Notice bibliographique

RevueInsurance Mathematics and Economics · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésActuarial scienceInsurance policyExpected utility hypothesisInsurance premiumEconomicsAuto insurance risk selectionBusinessProcess (computing)Liability insuranceComputer scienceFinancial economics

Résumé

récupéré en direct d'OpenAlex

We consider a continuous-time model in which an insurer proposes an insurance contract to a potential insured. Motivated by climate change and catastrophic events, we assume that the number of claims process is a shot-noise Cox process. The insurer selects the premium to be paid by the potential insured and the amount to be paid for each claim. In addition, the insurer can request some actions from the potential insured to reduce the number of claims. The insurer wants to maximize his expected total utility, while the potential insured signs the contract if his expected total utility for signing the contract is greater than or equal to his expected total utility when he does not sign the contract. We obtain an analytical solution for the optimal premium, the optimal amount to be paid for each claim, and the optimal actions of the insured. This leads to interesting managerial insights.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,229
Score d'incertitude au seuil0,689

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,152
Tête enseignante GPT0,359
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInsurance Mathematics and EconomicsMême sujetProbability and Risk ModelsTravaux en français237 207