MétaCan
Menu
Retour à la cohorte
Enregistrement W4411889128 · doi:10.3390/jrfm18070364

A Behavioral Theory of the Income-Oriented Investors: Evidence from Japanese Life Insurance Companies

2025· article· en· W4411889128 sur OpenAlexvenueno aff
Hiroyuki Sasaki

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInsurance and Financial Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésLife insuranceBusinessActuarial science

Résumé

récupéré en direct d'OpenAlex

This study investigates the yield-seeking behavior of income-oriented institutional investors, who are essential players in financial markets. While external pressures compelling firms to “reach for yield” are well-documented, the firm-level behavioral drivers underlying this phenomenon remain largely underexplored. Drawing on the behavioral theory of the firm, this study argues that an investor’s performance relative to their social aspiration level (the peer average) influences their yield-seeking decisions, and that this effect is moderated by “portfolio slack,” defined as unrealized gains or losses. To test this theory in the context of persistent low-yield pressure, this study constructs and analyzes a panel dataset of Japanese life insurance companies from 2000 to 2019. The analysis reveals that these investors increase their portfolio income yield after underperforming their peers and decrease it after outperforming. Furthermore, greater portfolio slack amplifies yield increases after underperformance and mitigates yield decreases after outperformance. In contrast, organizational slack primarily mitigates yield reductions after outperformance. This research extends the behavioral theory of the firm to the asset management context by identifying distinct performance feedback responses and proposing portfolio slack as an important analytical construct, thereby offering key insights for investment managers and financial regulators.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil0,668

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,228
Écart entre enseignants0,208 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInsurance and Financial Risk ManagementTravaux en français237 207