MétaCan
Menu
← Back to cohort
Record W7002295769

Modélisation et gestion du risque de longévité: Application à des instruments financiers liés à la longévité

2017· other· fr· W7002295769 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2017
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)PopulationFilter (signal processing)Subject (documents)Limiting
DOInot available

Abstract

fetched live from OpenAlex

Dans les récentes années, les pays industrialisés, comme le Canada, connaissent de plus en plus d'améliorations de la qualité de vie, des progrès médicaux, la paix, etc. Ceci a contribué à une baisse considérable des taux de mortalité, autrement dit, une amélioration de l'espérance de vie. L'industrie d'assurance et les fonds de pension subissent ce changement démographique et s'inquiètent de ce risque de long évité dans le futur. Il est donc très important, pour ces organismes assureurs de pouvoir prédire l'évolution de la mortalité dans le futur d'une manière adéquate. Dans ce mémoire nous allons modéliser la mortalité par le modèle le plus classique en actuariat Lee-Carter, 1992 puis par le modèle de Fung et al, 2015 qui est un modèle financier stochastique à deux facteurs, le premier facteur est général pour toute la population et le deuxième est spécifique à l'âge. En effet, nous considérons le modèle de Lee-Carter comme un benchmark puisqu'il est le modèle standard utilisé dans l'industrie de l'assurance. Le modèle de Fung et al est un modèle de type affine et gaussien, modèles fréquemment utilisés en finance pour la modélisation du taux d'intérêt. Nous allons tester le fit du modèle Fung et al en le comparant au fit offert par Lee-Carter. Ensuite, nous abordons des portefeuilles de rentes viagères. Une rente viagère est une série de paiements périodiques dont le versement est garanti jusqu'au décès du rentier, ces versements sont faits en échange d'un capital de départ. On les nomme aussi des portefeuilles d'annuités. C'est un produit implicitement offert par les fonds de pension à prestations déterminés. Le risque de longévité peut entraîner des hausses de coûts substantielles pour ces régimes. Nous introduisons par la suite des produits financiers dérives de longévité, pour transférer ce risque, comme les Swaps et les Caps de longévité. Un Swap de longévité est une série de forwards de long évité et chaque forward est un contrat de couverture du risque de longévité o ù le régime de retraite verse à une contrepartie des paiements fixes déterminés par les taux de mortalité estimés par le modèle de Fung et al, en échange, la contrepartie verse au régime des paiements variables dépendant des taux de survie observés dans la population des rentiers. Pour le Cap de long évité, il est sous forme d'options d'achat dont le sous-jacent est encore le taux de survie de la population cible. Après nous être assurés que le modèle de Fung et al performe au moins aussi bien que le modèle de Lee-Carter, nous l'utiliserons pour étudier les couvertures de portefeuilles de rentes à l'aide de Swaps et Caps de long évité respectivement. Le modèle nous permet en plus un ajustement risque-neutre, c.à.d une calibration à d'autres instruments de longévité transigés dans le marché.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.075
Threshold uncertainty score0.150

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.006
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0000.001
Scholarly communication0.0020.001
Open science0.0020.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0040.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.013
GPT teacher head0.228
Teacher spread0.214 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→French-language works237,207→