論文の概要: Pricing Algorithmic Insurance
- arxiv url: http://arxiv.org/abs/2106.00839v1
- Date: Tue, 1 Jun 2021 22:32:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-04 11:16:18.680801
- Title: Pricing Algorithmic Insurance
- Title（参考訳）: 価格アルゴリズム保険
- Authors: Dimitris Bertsimas, Agni Orfanoudaki
- Abstract要約: 本稿では, アルゴリズム保険の概念を導入し, 導出保険契約の価格設定を実現するための定量的枠組みを提案する。
提案手法は, 精度, 解釈可能性, 一般化可能性などのモデルの性質が, 保険契約評価にどのように影響するかを概説する。
- 参考スコア（独自算出の注目度）: 3.705785916791345
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As machine learning algorithms start to get integrated into the
decision-making process of companies and organizations, insurance products will
be developed to protect their owners from risk. We introduce the concept of
algorithmic insurance and present a quantitative framework to enable the
pricing of the derived insurance contracts. We propose an optimization
formulation to estimate the risk exposure and price for a binary classification
model. Our approach outlines how properties of the model, such as accuracy,
interpretability and generalizability, can influence the insurance contract
evaluation. To showcase a practical implementation of the proposed framework,
we present a case study of medical malpractice in the context of breast cancer
detection. Our analysis focuses on measuring the effect of the model parameters
on the expected financial loss and identifying the aspects of algorithmic
performance that predominantly affect the price of the contract.
- Abstract（参考訳）: 機械学習アルゴリズムが企業や組織の意思決定プロセスに統合され始めると、保険製品は所有者をリスクから守るために開発される。
本稿では, アルゴリズム保険の概念を導入し, 導出保険契約の価格設定を実現するための定量的枠組みを提案する。
本稿では,バイナリ分類モデルのリスク露出と価格を推定する最適化式を提案する。
本稿では,モデルの性質,すなわち正確性,解釈性,一般化性が保険契約評価に与える影響について概説する。
提案手法の実践的実装を示すために,乳がん検出の文脈における医療的誤りの事例研究を行った。
本分析は,モデルパラメータが期待される損失に与える影響を計測し,契約の価格に大きく影響するアルゴリズム性能の側面を特定することに焦点を当てる。
関連論文リスト
- Measuring and Mitigating Biases in Motor Insurance Pricing [1.2289361708127877]
非生命保険部門は高度に競争力があり厳格に規制された枠組みで運営されている。
年齢ベースのプレミアムフェアネスは、特定の保険ドメインにも義務付けられている。
ある保険領域では、重篤な疾患や障害の存在などの変数が、公正性を評価するための新しい次元として現れている。
論文 参考訳（メタデータ） (2023-11-20T16:34:48Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Prediction of Auto Insurance Risk Based on t-SNE Dimensionality
Reduction [0.0]
ニューラルネットワークと次元還元技術t-SNEを組み合わせたフレームワークを開発した。
得られた結果は、実際の保険データに基づいて、高リスクと低リスクの政策保持者との明確な対比を明らかにした。
論文 参考訳（メタデータ） (2022-12-19T11:50:18Z) - Adaptive Risk-Aware Bidding with Budget Constraint in Display
Advertising [47.14651340748015]
本稿では,強化学習による予算制約を考慮した適応型リスク対応入札アルゴリズムを提案する。
リスク・アット・バリュー(VaR)に基づく不確実性とリスク傾向の本質的関係を理論的に明らかにする。
論文 参考訳（メタデータ） (2022-12-06T18:50:09Z) - A Risk-Sensitive Approach to Policy Optimization [21.684251937825234]
標準深層強化学習(DRL)は、政策の定式化における収集経験を均等に考慮し、期待される報酬を最大化することを目的としている。
そこで本研究では,フルエピソード報酬の分布の累積分布関数 (CDF) で規定されるリスク感性目標を最適化する,より直接的なアプローチを提案する。
エージェントの動作が不十分なシナリオを強調する中程度の「悲観的」リスクプロファイルの使用が,探索の強化と,障害への継続的な対処に繋がることを示す。
論文 参考訳（メタデータ） (2022-08-19T00:55:05Z) - Algorithmic Assistance with Recommendation-Dependent Preferences [2.864550757598007]
選択に影響を及ぼすアルゴリズムレコメンデーションの効果と設計について考察する。
我々は、レコメンデーションに依存した選好が、意思決定者がレコメンデーションに過度に反応する非効率性を生み出すことを示す。
論文 参考訳（メタデータ） (2022-08-16T09:24:47Z) - A Survey of Risk-Aware Multi-Armed Bandits [84.67376599822569]
我々は、様々な利害リスク対策をレビューし、その特性についてコメントする。
我々は,探索と探索のトレードオフが現れる,後悔の最小化設定のためのアルゴリズムを検討する。
今後の研究の課題と肥大化についてコメントし、締めくくりに締めくくります。
論文 参考訳（メタデータ） (2022-05-12T02:20:34Z) - Algorithm as Experiment: Machine Learning, Market Design, and Policy
Eligibility Rules [10.134708060109404]
そこで我々は, 分類および決定論的アルゴリズムのための楽器を用いた治療効果推定装置を開発した。
我々は,コロナウイルスエイド,リリーフ,経済保障法の評価に推定器を適用した。
この資金は、新型コロナウイルス関連の病院活動にはほとんど影響を与えないことが示されている。
論文 参考訳（メタデータ） (2021-04-26T23:18:34Z) - Risk-Constrained Thompson Sampling for CVaR Bandits [82.47796318548306]
CVaR(Conditional Value at Risk)として知られる量的ファイナンスにおける一般的なリスク尺度について考察する。
本稿では,トンプソンサンプリングに基づくCVaR-TSアルゴリズムの性能について検討する。
論文 参考訳（メタデータ） (2020-11-16T15:53:22Z) - SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。
我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。
アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
論文 参考訳（メタデータ） (2020-06-12T10:40:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。