在基于风险定价的市场中平衡利润与公平性
人工智能
2025-06-05 v2 机器学习
综合经济学
经济学
摘要
动态的基于风险的定价可能会系统性地将弱势消费群体排除在健康保险和消费信贷等基本资源之外。我们表明，监管者可以通过一个学习到的、可解释的税收方案，将私人激励与社会目标重新对齐。首先，我们提供了一个正式命题：限制每个公司的局部人口统计差距会隐式地限制全局退出差异，这为对公司层面的处罚提供了动机。基于这一见解，我们引入了 MarketSim——一个开源的、可扩展的异质消费者与利润最大化公司模拟器——并训练了一个强化学习 (RL) 社会规划者 (SP)，它通过 正则化器在选择分段公平税的同时保持接近简单的线性先验。因此，学习到的策略既透明又易于解释。在两个经验校准的市场中，即美国健康保险和消费信贷市场，我们的规划者在没有显式协调的情况下，相对于不受监管的自由市场将需求公平性提高了高达 ，并在社会总福利方面优于固定的线性税收方案。这些结果说明了 AI 辅助监管如何将竞争性社会困境转化为双赢均衡，为公平感知的市场监管提供了一个有原则且实用的框架。
引用
@article{arxiv.2506.00140,
title = {Balancing Profit and Fairness in Risk-Based Pricing Markets},
author = {Jesse Thibodeau and Hadi Nekoei and Afaf Taïk and Janarthanan Rajendran and Golnoosh Farnadi},
journal= {arXiv preprint arXiv:2506.00140},
year = {2025}
}