MétaCan
Menu
Retour à la cohorte
Enregistrement W4405011975 · doi:10.1017/s1748499524000290

Pensions and protestants: or why everything in retirement can’t be optimized

2024· article· en· W4405011975 sur OpenAlexaff
Moshe A. Milevsky, Marcos Velazquez

Notice bibliographique

RevueAnnals of Actuarial Science · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensInternational Centre for Infectious DiseasesYork University
Organismes subventionnairesnon disponible
Mots-clésPensionContext (archaeology)PopulationValue (mathematics)Actuarial sciencePension planEconomicsIndex (typography)Positive economicsDemographic economicsSociologyFinanceHistoryComputer scienceDemography

Résumé

récupéré en direct d'OpenAlex

Abstract A common narrative among insurance actuaries and business economists is that national or regional pension systems can be finetuned, optimized, and improved simply by tinkering with demographic and financial parameters; all within the context of the “right” mathematical model. Indeed, recent papers in the actuarial literature have offered technical fixes around savings rates, retirement ages, decumulation strategies as well as more refined mortality and interest rate models. But alas, not everything in the world of pensions and retirement can be optimized, in particular as it relates to the history, background culture, or religion of the underlying population. This paper documents a statistically significant relationship between a region’s pension plan “health status” and the fraction of the region’s population identifying as Protestant Christians (PC). We begin the analysis at the national level using a well-known pension quality index and then obtain similar results for the actuarial funded status of U.S. state pension plans. Overall, this work is within the sphere of recent literature that indicates historical religious beliefs, values, and culture matter for financial economic outcomes; a factor which obviously can’t be optimized within a mathematical Hamilton–Jacobi–Bellman (HJB) equation. In other words, some things in retirement are truly beyond control.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,277
Tête enseignante GPT0,535
Écart entre enseignants0,259 · 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'étudeSans objet
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Actuarial ScienceMême sujetGlobal Health Care IssuesTravaux en français237 207