UN NUOVO FRAMEWORK DI MACHINE LEARNING PER LA STIMA DEGLI ONERI DI RISCATTO PER PRODOTTI DI RENDITA VARIABILE
“Machine learning of surrender: Optimality and humanity” (JOURNAL OF RISK AND INSURANCE - First published: 03 May 2023)
Bowen JIA, Ling WANG, Hoi Ying WONG
WILEY Online Library
https://onlinelibrary.wiley.com/
Gli Autori sviluppano un nuovo framework di Machine Learning (ML) per stimare gli oneri di riscatto per i prodotti assicurativi di rendita variabile (VA), ricercando un equilibrio tra evidenze comportamentali e ottimalità razionale.
L’optimality tiene conto delle potenziali perdite degli assicuratori derivanti dai riscatti strategici da parte degli assicurati che tentano di trarre vantaggio dalla situazione del mercato. Tuttavia, i clienti a volte devono riscattare un prodotto assicurativo a causa di improvvise difficoltà finanziarie personali o di una malattia terminale.
La letteratura contiene contributi per le due menzionate decisioni di riscatto, che sono invece considerate simultaneamente nel lavoro utilizzando il Machine Learning. Il framework ML è un mix bayesiano di una regola di scelta ottimale del momento della decisione (‘optimal stopping’), basata su variabili finanziarie potenzialmente multidimensionali, e di un modello statistico con dati storici.
Tale framework può aiutare le imprese assicuratrici e i fondi pensione a stabilire oneri di riscatto ed eseguire stress test in modo da bilanciare profitti e responsabilità sociale, incorporando i dati comportamentali degli assicurati.