保险定价常面临公平性质疑——基于性别、婚姻状况等受保护特征定价可能构成歧视。本文提出一种数学化的“无歧视定价”框架，核心思想是：允许保险公司在损失建模时使用所有变量（含受保护特征）以提升风险预测精度，但在定价原则层面要求保费对受保护特征的分布扰动不敏感。
具体操作上，以实际概率测度下的损失分布为基准，通过KL散度最小化，寻找一个“最近”的概率测度，使得在该测度下保费对每个受保护特征的敏感度（Gateaux导数）为零，同时保持条件期望损失不变，避免交叉补贴。该最优测度具有指数族形式的Radon-Nikodym导数，拉格朗日乘子通过累积量生成函数的梯度方程求解。
当多个受保护特征导致无解时，论文引入两步重加权重心法：先分别求解各单一特征的边际无歧视测度，再通过KL重心进行加权融合，并施加期望约束，得到近似的无歧视定价测度。数值案例以车险为例，对比了“最优估计保费”“无意识保费”“无歧视保费”等，结果显示无歧视保费可视为不同子群体最优估计保费的合理插值，既避免歧视又覆盖预期损失。
该方法为保险公司在监管禁止使用性别等变量时提供了一种可操作的定价修正工具，平衡了风险精准度与社会公平性。论文还讨论了离散特征的平滑处理及权重选择策略，具有较强的实践参考价值。
发布者：保险日报，转转请注明出处：https://www.insurdaily.com/archives/6789.html
微信扫一扫 
