دانلود رایگان ترجمه مقاله استراتژی بیمه مجدد و سرمایه گذاری بهینه برای بیمه گر تحت نرخ بهره و ریسک تورم – الزویر ۲۰۱۴

دانلود رایگان مقاله انگلیسی بیمه اتکائی و استراتژی سرمایه گذاری بهینه برای بیمه گر تحت نرخ بهره و ریسک تورم به همراه ترجمه فارسی

 

عنوان فارسی مقاله: بیمه اتکائی و استراتژی سرمایه گذاری بهینه برای بیمه گر تحت نرخ بهره و ریسک تورم
عنوان انگلیسی مقاله: Optimal reinsurance and investment strategies for insurer under interest rate and inflation risks
رشته های مرتبط:  مدیریت و علوم اقتصادی، بیمه، اقتصاد مالی، مهندسی مالی و ریسک
فرمت مقالات رایگان مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند
کیفیت ترجمه کیفیت ترجمه این مقاله متوسط میباشد 
نشریه  الزویر – Elsevier
کد محصول F483

مقاله انگلیسی رایگان (PDF)

دانلود رایگان مقاله انگلیسی

ترجمه فارسی رایگان (PDF)

دانلود رایگان ترجمه مقاله

خرید ترجمه با فرمت ورد

خرید ترجمه مقاله با فرمت ورد
جستجوی ترجمه مقالات جستجوی ترجمه مقالات

 

 

بخشی از ترجمه فارسی مقاله:

۱٫ مقدمه
استراتژی سرمایه گذاری بهینه برای بیمه گر به تازگی موضوع مهمی شده است. بیمه گر می تواند در بازار مالی شرکت کند تا از ریسک جلوگیری کند. اخیرا، پیشینه تحقیق زیادی حداکثر استفاده از ارزش ترمینال یا به حداقل رساندن احتمال ضرر وزیان برای بیمه گر بررسی کرده اند براون (راجع براون ۱۹۹۵) بررسی راه حل صریح برای شرکتی جهت به حداکثر رساندن نماد استفاده از ثروت ترمینال و به حداقل رساندن احتمال خرابی با فرآیند مازاد آن توسط مدل ریسک لاندبرگ را ارائه کرده است. برای اندازه ادعای مختلف بیمه گر، استراتژی بهینه توسط معادله بلمن در هیپ و پلام (۲۰۰۰) برای به حداقل رساندن احتمال خرابی ارائه شده است. وانگ، شیا و ژانگ ( مراجعه کنید به وانگ و همکاران، ۲۰۰۷) بطور موثر از روش مارتینال برای بررسی انخاب بهینه نمونه کارها برای بیمه گر تحت معیار واریانس متوسط و همچنین افزایش دادن کاربرد اجتناب از ریسك مطلق ثابت مورد انتظار (CARA) استفاده می کند. به عنوان مثال خوانندگان به یانگ و ژانگ (۲۰۰۵)، وانگ (۲۰۰۷)، لیو و یانگ (۲۰۰۴)، بای و گو (۲۰۰۸) و منابع در آنجا مراجعه می کنند.
علاوه بر ریسک بازار، بیمه گر نیز ریسک بیمه را بررسی می کند. ریسک بیمه نمی تواند توسط سرمایه گذاری منحصربه فرد در اوراق قرضه و دارایی های دیگر در بازار اجتانب شود. به هرحال، کسب و کار بیمه اتکایی شیوه ای برای بیمه گر فراهم می کند تا از این ریسک جلوگیری کند، و همین طور اخیرا نیز در مورد نگرانی به آن پرداخته نشده است.
کسب و کار بیمه اتکایی در شکل های متفاوت ظاهر می شود. در اصل، بیمه اتکایی مشارکتی و سرمایه گذاری توسط پرامیسلو و یانگ (راجع پرامیسلو و یانگ ۲۰۰۵) بررسی می شوند. بیمه اتکایی نسبی در باروئل (۲۰۰۵) در دسترس بود که نویسنده فاصله مورد انتظار دو طرفه را به حداقل می رساند ارزش ترمینال بیش از یک ثابت مثبت و بطور موفقیت مشکل مربوط به میانگین – واریانس را حل کرده است.
زنگ و لی (راجع زنگ و لی، ۲۰۱۱ ) اساسا مرز کارآمد میانگین واریانس را از مدل پخش با دارایی های متعدد خطرناکی در مورد بیمه اتکایی نسبی بدست می آورد. قیمت سهام در مدل های فوق به طور کلی یک حرکت هندسی براونی را دنبال می کند و قیمت بازار ریسک همبستگی با سهام ثابت است. اما در بازار واقعی قیمت سهام ممکن است ویژگی های دیگری، به عنوان مثال، نوسان تصادفی داشته باشد. لیانگ، یوئن و گو (راجع لیانگ و همکاران، ۲۰۱۱) نرخ لحظه ای سهام توسط روند اورنشتین-اوهلنبک مشخص شد که از بیمه اتکایی و استراتژی سرمایه گذاری بهینه حاصل شده است.
مدل کشش ثابت واریانس (CEV) توسط گو و همکاران (۲۰۱۲) ثابت شد که در آن بیمه گر می تواند بیمه اتکایی مازاد خسارت را بخرد. در باروئل و بلاتر (۲۰۱۱)، هر دو مازاد بیمه گر و شاخص سهام در بازار صریحا به دنبال روند لوی و سرمایه گذاری بهینه و سیاست های بیمه اتکایی هستند. علاوه بر این، استراتژی سرمایه گذاری بهینه با زیبایی توسط بادوئی و فرناندز حل می شود (بادوئی و فرناندز، ۲۰۱۳) زمانی که نرخ فوری و نوسانات با یک عامل تصادفی مشترک ارتباط داشتند.
بر اساس استراتژی سرمایه گذاری و بیمه اتکایی، بیمه گر می تواند بطور موفقیت آمیزی از خطر جلوگیری کند. به هرحال، زمان سرمایه گذاری ممکن است مدت طولانی برای بیمه گر باشد، بنابراین طبیعی است که ریسک نرخ بهره بررسی شود. تا کنون، پیشینه تحقیق کمی برای بیمه گر تحت نرخ بهره تصادفی در دسترس است. الیوت و سیو ( راجع الیوت و سیو، ۲۰۱۱) استفاده می کند که رویکرد نظری بازی برای پیدا کردن بهترین تخصیص در بازار استفاده می شود زمانی که نرخ بهره با یک مدل سوئیچینگ رژیم داده شد. در واقع، بیشتر کار سرمایه گذاری تحت تمرکز بهره تصادفی بر انتخاب نمونه کارها تمرکز می کند.
در مورد نرخ بهره تصادفی، اوراق قرضه صفر کوپن، ارائه یک بازده ثابت از ۱ دلار در زمان موعد، در بازار صادر می شود تا از خطر نرخ بهره جلوگیری کند. با کمک اوراق قرضه کوپن صفر، ما می توانیم یک بازار کامل را ایجاد کنیم. باژوکس-بسناینو و پورتریت (راجع باژوکس-بسناینو و پورتریت ۱۹۹۸) برای اولین بار مشکل انتخاب نمونه کارها را حل کرد وقتی که نرخ بهره لحظه ای تصادفی بود. آنها هسته قیمت گذاری را معرفی کردند و مرز کارآمد میانگین -واریانس تحت تعمیم مدل واسجک مشتق شدند. باژوکس – بسناینو، جردن و پورتریت (راجع باژوکس – بسناینو و همکاران، ۲۰۰۳) بررسی می شود زمانی که نرخ بهره پس از فرآیند اورنستاین-اولنبکه و استراتژی سرمایه گذاری بهینه برای به حداکثر رساندن CRRA و کاربرد اجتناب از ریسک مطلق هذلولی (HARA) برای سرمایه گذاران با روش های مارتینال را دریافت کرد.
مشکل میانگین- واریانس با کاکس-انگرلس-راس (CIR) و مدل گسترده نرخ بهره تصادفی توسط فرلاند و ویتر مورد بررسی قرار گرفت (راجع فرلاند و ویتر ۲۰۱۰). علاوه بر این، بولیر، هوانگ و تایلارد (راجع بولیر و همکاران، ۲۰۰۱)، جوزا-فامبلیدا و رینکون-زاپاترو (راجع. جوزا-فامبلیدا و رینکون-زاپاترو ۲۰۱۰) مشکل سرمایه گذاری بهینه را در نرخ بهره تصادفی در سهم تعریف شده (DC) و برنامه های حقوق بازنشستگی مزایای تعریف شده را (DB) به ترتیب حل کردند.
همچنین، ریسک تورم عامل مهمی در سرمایه گذاری دراز مدت است. برای جلوگیری از ریسک تورم، در مورد تخصیص دارایی مطلوب با تورم، اوراق بهادار محافظت شده با تورم خزانه داری (TIPS) مورد نیاز است. در عمل، TIPS های بسیاری وجود دارد که در آن مردم اغلب از اوراق قرضه صفر کوپن با شاخص تورم در بازار استفاده می کنند.
مدل نرخ تورم اغلب شامل نرخ بهره اسمی، نرخ بهره واقعی و شاخص تورم است. شاخص تورم نیز یک عامل مهمی برای مشخص کردن ارتباط بین بازار اسمی و بازار واقعی است. معروف ترین معادله بین آنها معادله مشهور فیشر است. جارو و ییلدیریم ( راجع جارو و ییلدیریم، ۲۰۰۳) موفق به ایجاد مدل جارو- ییلدیریم (JY) برای مشخص نمودن شاخص تورم، نرخ بهره اسمی آتی و نرخ بهره واقعی آتی شد.
برنا و ژیا ( راجع برنا و ژیا ۲۰۰۲)، شاخص تورم را در یک چارچوب متفاوت مدل سازی کرده و استراتژی های سرمایه گذاری بهینه را تحت فشار قرار دادند. علاوه بر این، ژانگ، کورن و اوالد ( راجع ژانگ و همکاران، ۲۰۰۷) معادله فیشر را تحت خطر غیر مستقیم اندازه گیری و استفاده از روش مارینگال برای به دست آوردن تخصیص بهینه است. بعدها، هان و هانگ ( مراجعه کنید به هان و هانگ، ۲۰۱۲) ابتدا ریسک تورمی و نرخ بهره را در یک مدل صندوق بازنشستگی DC معرفی کردند.
متأسفانه، تا آنجا که ما نگران هستیم، هیچ یک از سوابق بیمه گر در مورد دو خطای مهم بازار در همان زمان مورد توجه نیست. اما هنگامی که ما نگران بیمه اتکایی و استراتژی های سرمایه گذاری بهینه برای مدت زمان طولانی هستیم، هر دو ریسک نرخ بهره و تورم باید شامل شود.
در این مقاله، ما بر بررسی مشکالت بیمه اتکایی و سرمایه گذاری بهینه برای یک بیمه گر تحت ریسک نرخ بهره و تورم تمرکز خواهیم کرد. هدف بیمه گر به حداکثر رساندن استفاده CRRA مورد انتظار از ثروت واقعی ترمینال است، فرض می کنیم که نرخ بهره اسمی از فرآیند اورنستاین – اولنبکه پیروی می کند، ارتباط بین نرخ بهره واقعی، نرخ بهره اسمی و شاخص تورم توسط معادله مشهور فیشر بدست می آید. برای تکمیل بازار و جلوگیری از خطر بازار، اوراق قرضه صفر کوپن، TIPS و سهام نیز در بازار مالی گنجانده شده است.
علاوه بر این، ما همچنین فرض می کنیم که بیمه اتکایی نسبی اجازه داده می شود. با استفاده از روش برنامه ریزی پویا تصادفی، ابتدا معادلات همیلتون-ژاکوبی-بلمان (HJB) را برای مسئله به ارمغان می آوریم و سپس آن را با استفاده از تکنیک تغییر متغیر حل می کنیم، در نهایت فرم های بسته ای از استراتژی های بیمه اتکایی و سرمایه گذاری بهینه را در مشکل بهینه سازی پویا حل می کنیم.
به هر حال، از زمان وجود بیمه، ما یک فرایند ثروت خود تامین مالی را دریافت نخواهیم کرد و این مشکل را بسیار دشوار می سازد.
برای رسیدگی به این وضعیت، فرآیند کمکی معرفی خواهد شد تا بازار خود را نیز تامین مالی کند و فرآیند کمکی به حل مشکالت بیمه اتکایی و سرمایه گذاری بهینه برای بیمه گران می کند.
این مقاله به شرح ذیل سازماندهی می شود. مدل بیمه اتکایی نسبی با شاخص نرخ تورم اسمی تصادفی و شاخص تورم در بخش ۲ ارائه شده است و همچنین پویایی اوراق قرضه صفر کوپن و TIPS نیز ارائه شده است. بخش ۳ یک مشکل کمکی را معرفی می کند و استراتژی های بیمه اتکایی و سرمایه گذاری بهینه را با برنامه ریزی های پویا تصادفی به ارمغان می آورد. بخش ۴ تجزیه و تحلیل حساسیت را برای توضیح رفتار مدل ما فراهم می کند. بخش ۵ نتیجه گیری است

بخشی از مقاله انگلیسی:

۱٫ Introduction

Optimal investment strategy for insurer has recently become an important subject. The insurer can participate in the financial market to avoid risk. More recently, many literatures have studied maximizing the utility of terminal value or minimizing the probability of ruin for the insurer. Browne (cf. Browne, 1995) initiated the study of explicit solution for a firm to maximize the exponential utility of terminal wealth and minimize the probability of ruin with its surplus process given by the Lundberg risk model. For different claim sizes of insurers, the optimal strategy was given by the Bellman equation in Hipp and Plum (2000) to minimize the ruin probability. Wang, Xia and Zhang (cf. Wang et al., 2007) efficiently applied martingale method to study the optimal portfolio selection for insurer under the mean–variance criterion as well as the expected constant absolute risk aversion (CARA) utility maximization. The readers are referred to, for example, Yang and Zhang (2005), Wang (2007), Liu and Yang (2004), Bai and Guo (2008) and references therein. In addition to the risk of market, the insurer also takes into account the risk of insurance. The risk of insurance cannot be avoided by singly investing in the bond and other assets in the market. However, the business of reinsurance provides a way for the insurer to hedge this risk, and this way has also recently drawn much concern. The business of reinsurance comes up in different forms. Quota-share reinsurance and investment were originally considered by Promislow and Young (cf. Promislow and Young, 2005). Proportional reinsurance was accessible in Bäuerle (2005) in which the author minimized the expected quadratic distance of the terminal value over a positive constant and successfully solved the related mean–variance problem. Zeng and Li (cf. Zeng and Li, 2011) essentially got the mean–variance efficient frontier of the diffusion model with multiple risky assets in the case of proportional reinsurance. The stock price in the above models generally follows a geometric Brownian motion and the market price of the risk correlated with the stock is constant. But in the real market, the stock price may have other features, for example, stochastic volatility. Liang, Yuen and Guo (cf. Liang et al., 2011) characterized the instantaneous rate of the stock by Ornstein–Uhlenbeck process and derived the optimal reinsurance and investment strategies. The constant elasticity of variance (CEV) model was established in Gu et al. (2012) in which the insurer can buy excess-of-loss reinsurance. In Bäuerle and Blatter (2011), both the surplus of the insurer and the stock index in the market followed the Lévy process, and optimal investment and reinsurance policies were explicitly derived. Moreover, the optimal investment strategy was beautifully solved by Badaoui and Fernández (cf. Badaoui and Fernández, 2013) when the instantaneous rate and the volatility were related with a common stochastic factor. Based on the investment and reinsurance strategy, the insurer can successfully avoid its risk. However, the time of investment may be long for the insurer, so it is natural to take the risk of interest rate into account. So far, few literature is available for insurer under stochastic interest rate. Elliott and Siu (cf. Elliott and Siu, 2011) used the so called game theoretic approach to find the best allocations in the market when the interest rate was given by a regime-switching model. In fact, most of the work of investment under stochastic interest focus on portfolio selection. In the case of stochastic interest rate, zero coupon bonds, delivering a fixed return of $1 at maturity, are issued in the market to hedge the risk of interest rate. With the help of zero coupon bonds, we can establish a complete market. Bajeux-Besnainou and Portait (cf. Bajeux-Besnainou and Portait, 1998) first solved the portfolio selection problem when the instantaneous interest rate was stochastic. They introduced the pricing kernel and derived the mean–variance efficient frontier under the generalized Vasicek model. Bajeux-Besnainou, Jordan and Portait (cf. BajeuxBesnainou et al., 2003) considered a case when the interest rate followed an Ornstein–Uhlenbeck process and got the optimal investment strategies to maximize CRRA and hyperbolic absolute risk aversion (HARA) utility for investors by martingale methods. Mean–variance problem with extended Cox–Ingersoll–Ross (CIR) stochastic interest rate model was studied by Ferland and Waiter (cf. Ferland and Waiter, 2010). Besides, Boulier, Huang and Taillard (cf. Boulier et al., 2001), Josa-Fombellida and Rincón-Zapatero (cf. Josa-Fombellida and Rincón-Zapatero, 2010) solved the optimal investment problem under stochastic interest rate in defined contribution (DC) and defined benefit (DB) pension plans, respectively. Also, the inflation risk is an important factor in the long run of investment. To hedge the inflation risk, in the case of optimal asset allocation with inflation, Treasury Inflation Protected Securities (TIPS) are needed. There are many TIPS in practice, in which people often use inflation-indexed zero coupon bond in the market. The model of inflation often includes nominal interest rate, real interest rate and the inflation index. The inflation index is also a factor to characterize the connection between the nominal market and the real market. The most famous equation between them is given by the famous Fisher equation. Jarrow and Yildirim (cf. Jarrow and Yildirim, 2003) made a breakthrough in establishing the Jarrow–Yildirim (JY) model to characterize the inflation index, the forward nominal interest rate and forward real interest rate. Brennan and Xia (cf. Brennan and Xia, 2002) modeled the inflation index in a different framework and obtained the optimal investment strategies under inflation. Besides, Zhang, Korn and Ewald (cf. Zhang et al., 2007) extended the Fisher equation under the riskneutral measure and used the martingale method to derive the optimal allocations. Later, Han and Hung (cf. Han and Hung, 2012) first introduced the risks of inflation and interest rate in a DC pension fund model. Unfortunately, as far as we are concerned, no literature of insurer cares about the above two important risks of market at the same time. But when we concern the optimal reinsurance and investment strategies for a long time, the both risks of interest rate and inflation should be included. More precisely, in this paper, we will concentrate on studying the optimal reinsurance and investment problem for an insurer under risks of interest rate and inflation. The objective of the insurer is to maximize the expected CRRA utility of the terminal real wealth, where we assume that the nominal interest rate follows an Ornstein–Uhlenbeck process, the connections among real interest rate, nominal interest rate and the inflation index are given by the famous Fisher equation. To make the market complete and hedge the risk of market, zero-coupon bonds, TIPS and stocks are also included in the financial market. Moreover, we also assume that the proportional reinsurance is allowed. By using the stochastic dynamic programming method, we first derive the Hamilton–Jacobi–Bellman (HJB) equations for the problem, and then solve it by employing a variable change technique, finally get the closed-forms of the optimal reinsurance and investment strategies in the dynamic optimization problem. However, since the existence of insurance, we will not get a selffinancing wealth process and this makes the problem very difficult. To handle this situation, auxiliary process will be introduced to make the market also self-financing, and the auxiliary process will help to solve the optimal reinsurance and investment problem for insurers. The paper is organized as follows. The model of proportional reinsurance with stochastic nominal interest rate and inflation index is presented in Section 2, and the dynamics of zero coupon bonds and TIPS are also given. Section 3 introduces an auxiliary problem and derives the optimal reinsurance and investment strategies by stochastic dynamic programming. Section 4 provides a sensitivity analysis to clarify the behavior of our model. Section 5 is a conclusion.

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *