MétaCan
Menu
Retour à la cohorte
Enregistrement W4386561824 · doi:10.1080/03461238.2023.2255399

Stackelberg reinsurance chain under model ambiguity

2023· article· en· W4386561824 sur OpenAlex
Jingyi Cao, Dongchen Li, Virginia R. Young, Bin Zou

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueScandinavian Actuarial Journal · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbability and Risk Models
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésReinsuranceStackelberg competitionAmbiguityVariance (accounting)Differential gameEconomicsOrder (exchange)MicroeconomicsMathematical economicsComputer scienceActuarial scienceMathematicsFinanceMathematical optimizationAccounting

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider a continuous-time version of a reinsurance chain, which is sequentially formed by n+1 companies, with the first company being the primary insurer and the rest being reinsurers. Because of possible model misspecification, all companies are ambiguous about the original risk of the primary insurer. We model each reinsurance contracting problem as a Stackelberg game, in which the assuming reinsurer acts as the leader while the ceding company is the follower. Reinsurance is priced using the mean-variance premium principle and all companies are risk neutral under their own beliefs. We obtain equilibrium indemnities, premium loadings, and distortions in closed form, all of which are proportional to the original risk, with the corresponding proportions decreasing along the chain. We also show that the reinsurance chain with ambiguity aversions in increasing order is optimal from the perspectives of both selfish individual companies and an unselfish central planner.

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 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)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,216
Tête enseignante GPT0,420
Écart entre enseignants0,204 · 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