因子模型下的公平决策学习：用于年金定价的应用
统计方法学
2025-04-15 v2 应用统计
摘要
公平性感知统计学习对于减轻基于性别、种族和民族等受保护属性在数据驱动决策中的歧视至关重要。这在高风险应用中尤为关键，例如保险定价和年金定价，其中偏见的商业决策可能对财务和社会产生重大影响。因子模型在这些领域常用于风险评估和定价；然而，它们的预测输出可能无意中引入或放大偏见。为此，我们提出一种公平决策模型，纳入公平性正则化以减轻结果差异。具体而言，该模型旨在确保不同人口组之间的预期决策误差均衡——我们将此标准称为决策误差平等。我们将此框架应用于基于死亡率建模的年金定价。基于澳大利亚死亡率数据的经验分析表明，公平决策模型在减少决策误差差异的同时，也比基准模型（包括传统模型和公平因子模型）提高了预测准确性。
引用
@article{arxiv.2412.04663,
title = {Learning Fair Decisions with Factor Models: Applications to Annuity Pricing},
author = {Fei Huang and Junhao Shen and Yanrong Yang and Ran Zhao},
journal= {arXiv preprint arXiv:2412.04663},
year = {2025}
}