A study on life insurance premiums under asymmetric dependence using Canadian insurance data
Notice bibliographique
Résumé
This study evaluates the impact of symmetric and asymmetric dependence on premium calculations for various annuity and life insurance products across different age groups. Initially, we determined the marginal survival probabilities for individual lifetimes at specific ages using the Gompertz mortality model. Subsequently, joint survival probabilities were derived, considering independent and dependent future lifetimes for individuals within a group. The dependency structure was examined using Archimedean copulas for symmetric models and Khoudraji copulas for asymmetric models, which are widely referenced in the literature. In addition, actuarial calculations were conducted using real data on dependent lifetimes sourced from a Canadian insurance company. The data set is divided into three different populations based on age differences between married couples: the entire population without considering age differences, the population where males are older, and the population where females are older. The symmetric and asymmetric dependence structures of these populations were determined using an asymmetry test. The best-fitting models were identified using maximum likelihood estimation and goodness-of-fit tests. Finally, actuarial calculations were performed on the data set. Our findings showed that there were no significant differences between symmetric and asymmetric premium calculations for the whole population. However, when the population is disaggregated by age, the asymmetry becomes evident in the data structures, which increases the differences in the premium calculations. For example, the Kho-Fr model selected for the population of older female exhibiting asymmetric dependency was generally found to produce higher premiums than the Gumbel model. These findings reveal the importance of determining the dependency structure and working with age-based sub-populations rather than treating the whole population as a homogenous structure in model selection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».