Dynamic Reinsurance Treaty Bidding via Multi-Agent Reinforcement Learning
创建于 更新于
摘要
本文提出一个基于多智能体强化学习（MARL）的动态再保险合约竞标框架，模拟现实中的市场摩擦和信息不对称，通过自主学习的代理优化竞标策略，显著提升承保利润、降低尾部风险并提高夏普比率。系统在多个压力测试场景下表现出强鲁棒性，展示了算法市场设计在再保险领域的应用潜力，为提高风险转移效率和市场透明度提供了新的路径 [page::0][page::1][page::5][page::13][page::18][page::23]。
