基于多目标优化的公平感知保险定价

本文解决了人工智能驱动的保险定价中公平性的关键问题。它超越了单目标优化，单目标优化通常会导致不同公平性标准之间的权衡，而是提出了一个多目标优化框架。这允许采用更全面的方法来平衡准确性、群体公平性、个体公平性和反事实公平性，从而可能导致更公平和符合法规的定价模型。

• •提出了一个用于公平感知保险定价的多目标优化框架。
• •使用 NSGA-II 生成权衡解决方案的帕累托前沿。
• •解决了在平衡相互竞争的公平性标准方面，单目标优化的局限性。
• •评估了不同模型（GLM、XGBoost、Orthogonal、Synthetic Control）在各种公平性指标上的表现。
• •展示了实现更公平和符合法规的保险定价的潜力。