Reinforcement Learning applied to Insurance Portfolio Pursuit

要約

新規の顧客に直面したとき、保険会社がその顧客にどのような提案をするか決定するには、多くの要因が絡んでくる。保険を提供するために予想されるコストに加え、保険会社は、その顧客に提供される可能性のある他のオファーや、顧客が価格の違いにどの程度敏感であるかを考慮しなければならない。さらに、企業は多くの場合、年齢、場所、職業などに依存し得る特定の顧客ポートフォリオをターゲットとしている。このようなターゲット・ポートフォリオがある場合、企業は個々の顧客のオファーを、企業がその顧客をポートフォリオ内で望んでいるかどうかに基づいて調整することを選択する可能性がある。我々は、望ましいターゲット・ポートフォリオを達成するためにオファーを調整する問題をポートフォリオ追求問題と呼ぶ。ポートフォリオ追求問題を逐次的な意思決定問題として定式化し、その解のための新しい強化学習アルゴリズムを考案する。複雑な合成市場環境で我々の手法をテストし、ポートフォリオ追求に対する現在の業界のアプローチを模倣したベースライン手法を凌駕することを実証する。

要約(オリジナル)

When faced with a new customer, many factors contribute to an insurance firm’s decision of what offer to make to that customer. In addition to the expected cost of providing the insurance, the firm must consider the other offers likely to be made to the customer, and how sensitive the customer is to differences in price. Moreover, firms often target a specific portfolio of customers that could depend on, e.g., age, location, and occupation. Given such a target portfolio, firms may choose to modulate an individual customer’s offer based on whether the firm desires the customer within their portfolio. We term the problem of modulating offers to achieve a desired target portfolio the portfolio pursuit problem. Having formulated the portfolio pursuit problem as a sequential decision making problem, we devise a novel reinforcement learning algorithm for its solution. We test our method on a complex synthetic market environment, and demonstrate that it outperforms a baseline method which mimics current industry approaches to portfolio pursuit.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL