.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
摘要我们开发了一种新型机器学习（ML）框架，用于估算变额年金（VAs）的退保费用，并在人类行为与理性最优性之间取得平衡。最优性考虑了保险公司因投保人策略性退保而可能遭受的损失，投保人试图利用市场状况获利。然而，投保人有时因突发的个人财务困境或终末期疾病而需要退保。现有文献分别探讨了这两种退保决策，但本研究利用机器学习（ML）将它们同时纳入考量。该机器学习框架是一种贝叶斯混合模型，结合了基于潜在高维金融变量的深度最优停止规则以及基于历史数据的统计模型。该框架能够帮助保险公司和养老金基金通过纳入投保人的行为数据，在设定退保费用和执行压力测试时平衡利润与社会责任。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息