MétaCan
Menu
Retour à la cohorte
Enregistrement W4409187619 · doi:10.1016/j.matcom.2025.03.027

A lattice-based approach for life insurance pricing in a stochastic correlation framework

2025· article· en· W4409187619 sur OpenAlexaff
Massimo Costabile, Ivar Massabó, Emilio Russo, Alessandro Staino, Rogemar Mamon, Yixing Zhao

Notice bibliographique

RevueMathematics and Computers in Simulation · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensWestern University
Organismes subventionnairesMinistero dell'Istruzione e del MeritoFP7 Coordination of Research ActivitiesMinistero dell’Istruzione, dell’Università e della RicercaEuropean Commission
Mots-clésCorrelationLattice (music)Life insuranceMathematicsComputer scienceStatistical physicsEconometricsApplied mathematicsActuarial scienceBusinessPhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

We propose a new implementation approach in insurance product valuation to capture the stochastic correlation between financial and demographic factors. This is important to accommodate the prevailing situation where the interest rate and mortality intensity move jointly and randomly. A stochastic correlation model is considered where it follows a diffusion process that may assume the form of a bounded Jacobi process or of a transformed modified Ornstein–Uhlenbeck process. Our contributions strengthen the general modelling set up of dependent financial and actuarial risks. We put forward a discrete-time pricing model that supports the valuation of a relatively wide class of insurance products. Specifically, the pricing of contracts, with an embedded surrender option for which no explicit formulae are available, is facilitated with ease. We customise the construction of lattice discretisations that admit a large set of risk processes having appropriate specifications. In particular, the interest rate, mortality and correlation dynamics are discretised via three different binomial lattices that are then assembled to create a trivariate lattice structured with eight branches for each node. Numerical experiments involving some stylised insurance contracts are conducted. Such experiments confirm the accuracy and efficiency of our proposed approach with respect to two benchmarks: the Monte-Carlo simulation method, and the method and results by Devolder et al. (2024). • The model is useful to evaluate insurance products under stochastic correlation. • The interest rate process and the mortality intensity process are correlated. • The correlation dynamics is described by a stochastic process. • Recombining binomial lattices discretizes the three processes. • The three lattices are combined in a trivariate lattice having eight branches.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,024
Tête enseignante GPT0,318
Écart entre enseignants0,294 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematics and Computers in SimulationMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207