MétaCan
Menu
Retour à la cohorte
Enregistrement W4387412067 · doi:10.1017/s0968565023000070

Adam Smith's reversionary annuity: money's worth, default options and auto-enrollment

2023· article· en· W4387412067 sur OpenAlexaff
Moshe A. Milevsky

Notice bibliographique

RevueFinancial History Review · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAnnuityLife annuityActuarial scienceEconomicsLump sumAdam smithInvestment (military)FinancePaymentPensionLawPolitical scienceClassical economics

Résumé

récupéré en direct d'OpenAlex

When Adam Smith – author of Wealth of Nations (1776) and Theory of Moral Sentiments (1759) – was elected a professor at the University of Glasgow in 1751, he also joined an annuity ‘scheme’ that was unique for its time. The Scottish Ministers’ Widows’ Fund, as it was known, offered members of the Presbyterian Church as well as the university a choice of levels at which to contribute investment savings, ranging from 2 to 10 percent of their wages. The life-contingent benefits were in the form of a reversionary annuity to a spouse and/or lump sum death benefit to children. This article (i) describes the scheme in financial and actuarial terms, (ii) values Smith's reversionary annuity and (iii) examines the choices made by individual participants. The specific research contribution is to compile the archival data to measure the extent of insurance anti-selection and to demonstrate that debates around choice architecture, default options and auto-enrollment, which infuse the literature in the twenty-first century, were prevalent in the mid eighteenth. For the record, Adam Smith actively contributed at the highest allowed rate, but it wasn't a ‘good’ investment for him, either ex ante or ex post . As for why, one must read the article.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0010,003

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 Opus0,026
Tête enseignante GPT0,227
Écart entre enseignants0,201 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFinancial History ReviewMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207