基于宏观经济情景下的 CVaR 约束强化学习自适应保险准备

我们构建了一个强化学习（RL）框架，用于保险准备， 将准备设置建模为在索赔开发不确定性、宏观经济压力和偿付治理下进行的有限时域顺序决策问题。在准备过程中，调整会影响未来的准备充足性、资本效率和偿付结果。我们采用条件价值-at-risk（CVaR）控制尾部风险，使用风险敏感奖励函数对 Proximal Policy Optimization（PPO）智能体进行训练，该奖励函数惩罚准备不足、资本低效以及偿付底线（经波动率调整）的违规。为反映监管压力测试实践，智能体在情景感知的课程下进行训练，并使用情景分层模拟和固定冲击情景进行评估。针对 Workers Compensation 和 Other Liability 的实证结果表明，所提出的 RL-CVaR 策略在控制尾部风险和减少偿付违规方面优于经典精算准备方法，同时保持相当的资本效率。我们进一步讨论了将模型参数与 firm-specific 风险偏好及监管机构预期相匹配的校准和治理考量，尤其是在 Solvency II 和 Own Risk and Solvency Assessment（ORSA）框架下。