Statistical and machine learning approaches for the minimization of trigger errors in parametric earthquake catastrophe bonds
Calvet Liñan, Laura (Universitat Oberta de Catalunya)
Lopeman, Madeleine (Guy Carpenter & Company (Dublin, Irlanda))
Armas Adrián, Jésica de (Universitat Pompeu Fabra)
Franco, Guillermo (Guy Carpenter & Company (Dublin, Irlanda))
Juan, Ángel A. (Universitat Oberta de Catalunya. Internet Interdisciplinary Institute (IN3))

Data:	2017
Resum:	Catastrophe bonds are financial instruments designed to transfer risk of monetary losses arising from earthquakes, hurricanes, or floods to the capital markets. The insurance and reinsurance industry, governments, and private entities employ them frequently to obtain coverage. Parametric catastrophe bonds base their payments on physical features. For instance, given parameters such as magnitude of the earthquake and the location of its epicentre, the bond may pay a fixed amount or not pay at all. This paper reviews statistical and machine learning techniques for designing trigger mechanisms and includes a computational experiment. Several lines of future research are discussed.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Matèria:	Catastrophe bonds ; Risk of natural hazards ; Classification techniques ; Earthquakes ; Insurance
Publicat a:	SORT : statistics and operations research transactions, Vol. 41 Núm. 2 (July-December 2017) , p. 373-392 (Articles) , ISSN 2013-8830

Adreça alternativa: https://raco.cat/index.php/SORT/article/view/330302
DOI: 10.2436/20.8080.02.64

20 p, 419.8 KB

El registre apareix a les col·leccions:
Articles > Articles publicats > SORT
Articles > Articles de recerca