Pay-As-You-Drive Insurance Pricing Model
每一次司机上路,每行驶一英里,都使自己和他人面临事故的风险。然而,保险费与里程数的联系很弱,而且基本上具有一次性总付的特点。结果是太多的驾驶和太多的事故。本文介绍了汽车保险中的“开车即付”的一些理论结果。考虑一个计数过程,当计数过程为非齐次Poisson过程时,得到了贴现集体风险模型的分布。
2019-12-17 q-fin.RM stat.AP
Robust Insurance Pricing and Liquidity Management
School of Economics and Management, Tsinghua University(清华大学经济管理学院);Faculty of Economics and Business, Katholieke Universiteit Leuven(荷语鲁汶大学经济与工商学院)
本文研究模型不确定性下保险公司稳健定价对竞争均衡的影响,发现稳健定价显著提高保费和股权估值,并导致承保周期更长、流动性管理更保守,为承保周期实证争议提供了新解释。
2025-10-17 q-fin.RM
Insurance Pricing Optimization via Off-Policy Evaluation
Department of Mathematics, ETH Zurich(苏黎世联邦理工学院数学系)
本文提出基于离线策略评估和随机控制的保险定价方法,利用核化逆倾向得分估计器降低方差,并通过数据共享Lasso和神经网络两种策略优化方法实现最优定价。
2026-05-28 cs.LG q-fin.RM stat.AP
Monopoly Pricing of Weather Index Insurance
The University of Hong Kong(香港大学)
本文研究了天气指数保险的垄断定价问题,通过构建顺序博弈模型,分析了保险公司与农民在风险度量和定价策略上的互动,发现灵活的定价内核能系统性提高保险公司的利润。
2025-12-01 q-fin.RM
Robust Investment-Driven Insurance Pricing and Liquidity Management
School of Economics and Management, Tsinghua University(清华大学经济管理学院);Faculty of Economics and Business, Katholieke Universiteit Leuven(荷语鲁汶大学经济与商学院)
本文建立了一个保险市场的动态均衡模型,在模型不确定性和金融摩擦下联合刻画承保、投资、再资本化和分红政策,揭示流动性驱动的承保周期和避险行为,并证明稳健性关注不会消除投资对冲渠道。
2026-06-23 q-fin.RM
Adaptive Pricing in Insurance: Generalized Linear Models and Gaussian Process Regression Approaches
研究了动态定价在保险中的应用。我们认为这是一个在线收入管理问题,保险公司希望通过设定价格来优化销售新保险产品的长期收入。我们开发了两个定价模型:自适应广义线性模型(GLM)和自适应高斯过程(GP)回归模型。两者都在探索和利用之间取得平衡,在探索中,我们选择价格以了解保险产品的需求和索赔的分布,在利用中,我们从迄今为止收集的信息中选择最佳价格。定价策略的性能是用后悔来衡量的:由于没有使用最优价格而导致的预期收入损失。正如保险中常见的那样,我们通过GLM对需求和索赔进行建模。在我们的自适应GLM设计中,我们使用最大准似然估计(MQLE)来估计未知参数。我们表明,如果价格选择适当降低的变异性,MQLE参数最终存在,并收敛到正确的值,这反过来又意味着,所选择的价格序列也将收敛到最优价格。在自适应GP回归模型中,我们从高斯过程中对需求和索赔进行采样,然后根据置信上限规则选择销售价格。我们还分析了这些GLM和GP定价算法与延迟索赔。虽然类似的结果存在于其他领域,这是第一次考虑在保险领域的动态定价问题。我们还认为,这是第一个考虑高斯过程回归的保险定价的背景下。这些初步研究结果表明,在线机器学习算法可能是未来保险研究和应用的一个富有成效的领域。
2019-07-02 econ.EM math.OC q-fin.MF
Minimizing ruin probability under dependencies for insurance pricing
在这项工作中,破产概率的Lundberg风险过程被用来作为一个标准,以确定最佳的安全负载保费存在的价格敏感的保险需求。考虑了单个索赔过程和聚合索赔过程,并对独立和非独立索赔情况进行了分析。对于单风险的情况下,我们表明,最优加载不依赖于初始储备。在多风险的情况下,我们考虑到不同风险之间的任意依赖结构和客户获得不同风险的政策的概率之间的依赖关系。在这种情况下,最佳载荷取决于初始储备。在所有情况下,使破产概率最小化的载荷与使期望利润最大化的载荷并不一致。
2021-08-03 math.PR q-fin.RM
Pricing Temperature-Index Insurance under Long Memory and Stochastic Time Change
Department of Applied Mathematics, Faculty of Mathematics and Computer Science, Amirkabir University of Technology(阿米尔卡比尔理工大学数学与计算机科学学院应用数学系);Department of Mathematics and Statistics, University of Vaasa(瓦萨大学数学与统计系)
本文构建了考虑长记忆与随机时间变化的单位一致精算框架,通过分数布朗运动与CIR过程建模温度异常,实现了温度指数保险的易处理定价,实证表明长记忆和随机时间变化会显著影响保费。
2026-08-18 q-fin.RM
Tab-TRM: Tiny Recursive Model for Insurance Pricing on Tabular Data
insureAI;Department of Mathematics, ETH Zurich(数学系,苏黎世联邦理工学院)
Tab-TRM是一种基于递归推理的保险定价模型,结合传统精算方法与现代机器学习技术,通过迭代优化实现高效准确的保险定价。
2026-01-12 cs.LG q-fin.RM
Pricing foreseeable and unforeseeable risks in insurance portfolios
在这篇文章中,我们提出了一种定价保险产品的方法,不仅包括传统的风险,但也不可预见的。通过考虑泊松过程参数是一个混合的随机变量,我们捕获的异质性的可预见和不可预见的风险。为了说明这一点,我们估计了葡萄牙保险公司真实数据集的两个风险流的权重。为了计算保险费,我们将频率和严重程度设置为属于线性指数族的分布。贝叶斯设置下,我们表明,当工作与共轭先验的有限混合,保费可以估计的混合后验均值,更新参数,根据索赔历史。我们通过选择重尾分布来强调不可预见趋势的风险。在使用期望最大化算法估计了分布参数后,我们发现贝叶斯保费比传统保费对索赔趋势更具反应性。
2020-07-15 q-fin.GN q-fin.RM
Optimal Insurance to Maximize RDEU Under a Distortion-Deviation Premium Principle
本文研究了风险厌恶者寻求最大化其终端财富的等级依赖期望效用(RDEU)的最优保险问题,保险定价采用一般的扭曲偏离保费原则.我们证明了最优解所满足的充分必要条件,并考虑了三个模糊度阶数,以进一步确定最优补偿。最后,我们在三个扭曲-偏离保费原则下进行了实例分析,探讨了无保险或免赔额保险最优的具体条件。
2022-02-05 econ.TH q-fin.RM
Is TabPFN the Silver Bullet for Insurance Pricing?
KU Leuven University of Antwerp-imec(根特大学安特卫普-imec);KU Leuven(根特大学);University of Antwerp-imec(安特卫普大学-imec)
本文首次实证评估 TabPFN 在车险定价中的表现,与 GLM 和 XGBoost 对比,发现其性能不稳定、推理时间长且对上下文训练集大小敏感,目前无法替代传统精算方法。
2026-10-12 cs.LG q-fin.RM
Fairness-Aware Insurance Pricing: A Multi-Objective Optimization Approach
本文提出一种多目标优化方法,通过NSGA-II算法同时优化保险定价中的准确性、群体公平性、个体公平性和反事实公平性,实现公平性与盈利性的平衡。
2025-12-31 cs.LG q-fin.RM
Discrimination-free Insurance Pricing with Privatized Sensitive Attributes
Department of Risk and Insurance, University of Wisconsin-Madison(风险与保险系,威斯康星大学麦迪逊分校);Department of Statistics and Operations Research, University of North Carolina-Chapel Hill(统计与运筹系,北卡罗来纳大学教堂山分校)
针对保险公司无法直接获取敏感属性(如性别、种族)的公平定价问题,提出利用隐私化(加噪)敏感属性估计无歧视保费的方法,并建立理论保证与实证验证。
2026-06-16 cs.CY cs.LG q-fin.RM
Neural networks for insurance pricing with frequency and severity data: a benchmark study from data preprocessing to technical tariff
KU Leuven(鲁汶大学);University of Amsterdam(阿姆斯特丹大学);LRisk, Leuven Research Center on Insurance and Financial Risk Analysis, KU Leuven(鲁汶大学保险与金融风险分析鲁汶研究中心)
本文通过深度学习方法比较了四种保险定价模型,展示了如何利用神经网络改进频率和严重程度的保险定价,并构建可实际应用的技术费率表。
2025-01-17 cs.LG q-fin.RM
Endogenous Reinsurance Pricing in Large Competitive Insurance Markets: Finite-Player and Mean Field Analysis
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
研究一个战略再保险公司与众多异质保险公司构成的竞争市场中的内生再保险定价,通过标量不动点刻画保险公司均衡自留额,并利用阈值结构将再保险公司的定价问题简化为紧区间上的单变量优化,证明了有限参与者均衡收敛到平均场均衡。
2026-06-26 math.OC q-fin.RM
Benchmark-Neutral Risk-Minimization for insurance products and nonreplicable claims
本文基于Platen的基准中性定价框架,研究变额年金等不可复制或有索赔的定价与对冲,推导了风险最小化对冲策略,并提出算法再融资策略以建模工作资本,证明该方法能有效避免第一类保险金融套利。
2025-06-24 q-fin.MF q-fin.PR q-fin.RM
Stackelberg Equilibria in Monopoly Insurance Markets with Probability Weighting
University of Waterloo(滑铁卢大学)
本文研究了垄断集中顺序行动保险市场中的Stackelberg均衡,探讨了保险公司在使用扭曲保费原则设定保费时,如何与风险厌恶的投保人寻求最小化扭曲风险测度的相互作用,揭示了均衡中的保险赔付函数结构及保费扭曲函数的决定因素。
2026-05-21 econ.TH q-fin.MF q-fin.RM
Robust risk evaluation of joint life insurance under dependence uncertainty
Graduate School of Economics, Hitotsubashi University(一桥大学经济学研究科)
本文研究了在依赖不确定性下联合人寿保险产品的稳健定价与风险评估,通过Copula的顺序关系证明了风险度量的单调性,并提出基于规范球的线性规划方法改进现有界。
2026-03-27 q-fin.RM
Optimal Insurance Menu Design under the Expected-Value Premium Principle
Nankai University(南开大学);University of Waterloo(滑铁卢大学)
本文研究在Stackelberg框架下不对称信息下的最优保险设计,探讨在风险态度和风险类型不确定时,如何通过最优保险合同最大化双方的均方效用。
2026-04-17 econ.TH q-fin.RM
Self-protection and insurance demand with convex premium principles
本文在扭曲风险测度框架下研究凸保费原则中自我防护与保险需求的互动,刻画了TVaR等风险测度下的最优组合,发现无道德风险时二者互补,事前道德风险会将互补效应转为替代效应。
2025-02-21 q-fin.RM
Optimal Insurance to Minimize the Probability of Ruin: Inverse Survival Function Formulation
我们发现,最优赔偿,以最小化破产概率时,保费计算根据失真保费原则与比例风险负荷,和容许赔偿是这样的赔偿和自留的基础损失的非减函数。我们重新制定的问题与逆生存函数作为控制变量,并证明了免赔额保险的最大限度是最优的。我们的主要贡献是通过逆生存函数来解决这个问题。
2020-12-07 q-fin.RM
A neural network model for solvency calculations in life insurance
本文提出用神经网络作为人寿保险偿付能力计算的代理模型,解决复制组合中特征工程与基函数选择难题,并支持风险中性定价以整合入市场风险框架。
2020-05-05 q-fin.CP q-fin.RM
Optimal Investment and Pricing in the Presence of Defaults
我们考虑的最优投资问题时,交易的资产可能会违约,导致其价格上涨。对于一个具有恒定绝对风险厌恶的投资者,我们计算了可违约债券的无差异价格,以及动态违约保护的价格。对于后一个问题,我们的工作补充了Sircar & Zariphopoulou(2007),其中隐含地假设投资者受到违约保护。我们考虑一个因子模型,其中资产的瞬时收益率、方差、相关性和违约强度由在任意区域E取值的时间齐次扩散X驱动。证明了一类函数和梯度均为二次增长的半线性退化椭圆型偏微分方程的确定性等价。在风险市场价格的最小可积性假设下,我们证明了确定性等价是一个经典解。特别是,我们的结果涵盖了当X是一个一维仿射扩散,当回报,方差和默认强度也仿射。数值例子突出了因子过程与无差别价格和违约保险之间的关系。最后,我们证明了在对偶最优测度下,保险保护价格不是违约强度。
2017-02-28 q-fin.MF q-fin.RM
Disability insurance with collective health claims: A mean-field approach
University of Copenhagen(哥本哈根大学)
本文提出了一种结合个体和集体健康索赔的残疾保险模型,通过均场方法将复杂的多体问题简化为非线性单体问题,从而提高预测能力。
2026-05-18 math.PR q-fin.RM
Premiums And Reserves, Adjusted By Distortions
净保费原则被认为是精算应用中最真实、最公平的保费原则。然而,一家保险公司,应用净保费原则,破产的概率为1,从长远来看,即使该公司通过向客户收取相应的费用来支付其全部成本。因此,保险业有内在的必要适用保险费原则,这至少保证了公司本身的进一步存在;否则,公司自然无法为其客户提供保险,以支付他们潜在的未来索赔。除了这个有趣的事实,潜在的损失分布通常是不准确的。因此,制定了替代保费原则。一个简单的原则,确保风险调整后的信誉溢价,是扭曲溢价原则。这一原则在保险公司很方便,因为精算师不必改变他或她的工具来计算保费或准备金。本文从多个角度探讨了扭曲保费原理。首先,发展了双重特征。其次,扭曲的保费通常是通过低估或忽略低,但高估高损失计算的。这里证明了存在另一种相反的观点,即保持概率测度不变,但增加结果。事实证明,这种新的观点在精算实践中是自然的,因为它可以用于保费计算,以及以时间一致的方式确定随后几年的准备金。
2013-04-01 q-fin.RM
Distributionally Robust Insurance under Bregman-Wasserstein Divergence
University of Calgary(卡尔加里大学);Shanghai University of International Business and Economics(上海对外经贸大学);Southern University of Science and Technology(南方科技大学)
本文从潜在投保人角度研究了在分布不确定性下的两个最优保险合约问题,利用Bregman-Wasserstein球刻画损失分布的模糊集。通过分析BW散度对基准分布偏差的非对称惩罚,探讨了保险需求模型和稳健优化框架下的最优赔偿结构及凸扭曲风险度量。
2026-10-02 q-fin.RM
Three fundamental problems in risk modeling on big data: an information theory view
自从克劳德·香农创立信息论以来,信息论已经广泛地促进了其他科学领域的发展,如统计学、人工智能、生物学、行为科学、神经科学、经济学和金融学。不幸的是,精算学几乎没有从信息理论中受益。到目前为止,学术搜索引擎只能搜索到一篇关于信息论的精算论文。毫无疑问,信息和风险都是不确定性,都受到熵定律的约束。如今的保险大数据时代,意味着更多的数据、更多的信息。风险管理和精算学忽视信息理论是不可接受的。因此,本文旨在利用信息理论来发现保险大数据系统的性能极限,并为风险建模和精算定价系统的开发寻求指导。
2021-09-08 q-fin.MF q-fin.RM
A Dirichlet Mixed-Membership Model for Exact Multivariate Distributional Credibility
Nanyang Business School, Nanyang Technological University(南洋商学院,南洋理工大学)
本文提出Dirichlet混合成员模型(DMMM),将多元分布信度扩展至条件均值之外,通过潜在风险类别组合个体经验与组合信息,实现精确后验预测并应用于车辆远程信息处理。
2026-10-06 q-fin.RM stat.ME