ClauseLens：面向可靠再保险定价的子句导向、CVaR约束强化学习
机器学习
2025-10-10 v1 人工智能
机器学习
摘要
再保险协议定价必须满足严格的监管标准，而当前的报价实践仍不透明且难以审计。我们引入ClauseLens，一种子句导向的强化学习框架，产生透明、符合监管要求且风险感知的协议报价。ClauseLens将报价任务建模为风险感知约束马尔可夫决策过程(RA-CMDP)。从法律和保险核算语料库中检索到的法规和政策条款被嵌入代理的观察中，既用于约束可行动作，也用于生成子句导向的自然语言依据。在校准于行业数据的多智能体协议模拟器中评估的ClauseLens通过51%减少偿付违规，提高尾部风险表现27.9%(CVaR_0.10)，并在子句导向解释准确率达88.2%时，检索精度达87.4%，召回率达91.1%。这些发现表明，将法律上下文嵌入决策和解释路径中，可产生可解释、可审计且符合Solvency II、NAIC RBC和欧盟AI法案要求的报价行为。
引用
@article{arxiv.2510.08429,
title = {ClauseLens: Clause-Grounded, CVaR-Constrained Reinforcement Learning for Trustworthy Reinsurance Pricing},
author = {Stella C. Dong and James R. Finlay},
journal= {arXiv preprint arXiv:2510.08429},
year = {2025}
}
备注
Accepted for publication at the 6th ACM International Conference on AI in Finance (ICAIF 2025), Singapore. Author-accepted version (October 2025). 10 pages, 5 figures