关于保险定价中歧视与公平性的探讨

间接歧视是算法模型中备受关注的问题。在保险定价中尤为如此,因为受保护的投保人特征不允许用于保险定价。简单地忽略受保护投保人信息并非恰当解决方案,因为这仍可能从非保护特征推断出受保护特征。这导致了所谓的代理或间接歧视。尽管代理歧视与机器学习中的群体公平概念有质的不同,这些群体公平概念仍被提出用以“平滑”受保护特征在保险价格计算中的影响。本札记旨在分享关于保险定价背景下群体公平概念的一些思考并探讨其含义。我们提出了一个无代理歧视的统计模型,因而从保险定价角度看无问题。然而,我们发现该统计模型中的规范价格不满足三种最流行的群体公平公理中的任何一种。这似乎令人困惑,我们欢迎针对该示例及这些群体公平公理对于无歧视保险定价的效用提供反馈。