The optimal reinsurance strategy with price-competition between two reinsurers
Notice bibliographique
Résumé
We study optimal reinsurance in the framework of stochastic game theory, in which there is an insurer and two reinsurers. A Stackelberg model is established to analyze the non-cooperative relationship between the insurer and reinsurers, where the insurer is considered as the follower and the reinsurers are considered as the leaders. The insurer is a price taker who determines reinsurance demand in the reinsurance market, while the reinsurers can price the reinsurance treaties. Our contribution is to use a Nash game to describe the price-competition between two reinsurers. We assume that one of the reinsurers adopts the variance premium principle and the other adopts the expected value premium principle. The insurer and the reinsurers aim to maximize their respective mean-variance cost functions which lead to a time-inconsistency control problem. To overcome the time-inconsistency issue in the game, we formulate the optimization problem of each player as an embedded game and solve it via a corresponding extended Hamilton-Jacobi-Bellman equation. We find that the insurer will sign propositional and excess loss reinsurance strategies with reinsurer 1 and reinsurer 2, respectively. When the claim size follows exponential distribution, there exists a unique equilibrium reinsurance premium strategy. Our numerical analysis verifies the impact of claim size, risk aversion and interest rates of the insurer and reinsurers on equilibrium reinsurance strategy and premium strategy, which can help to understand competition in the reinsurance market
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».