近日，中央财经大学保险学院王玲副教授与合作者澳门城市大学贾博文助理教授、香港中文大学王海婴教授在国际权威期刊《European Journal of Operational Research》发表题为“Generative adversarial network stopping for robustsurrendering”的研究论文。

可变年金是金融保险市场中广受欢迎的产品之一，这类产品将市场投资与一定的收益保障相结合，兼顾投资与养老保障属性。投保人的提前退保行为会直接影响保险公司的资金安排、准备金评估和风险管理。本文考虑金融市场模型的模糊性，针对传统方法在模型不确定性与多资产情境下的求解难题，提出了用于研究稳健退保决策的机器学习框架。该框架将生成对抗网络与深度最优停止方法相结合，通过生成器、判别器和决策网络的协同训练，在控制生成数据与真实数据分布差异的同时，构造不利市场情景，并据此学习稳健退保策略。为提高训练稳定性，本文采用带梯度惩罚的 Wasserstein 生成对抗网络，并从理论上证明了算法的局部收敛性。模拟实验及基于恒生指数历史数据校准的案例表明，该方法有助于缓解模型估计偏差造成的退保率与资金需求低估，为保险公司评估退保风险、制定资金储备方案提供新的量化工具。

（撰稿：王玲；审稿：王庆焕；编辑：薛丽娜；审核：马冰）