Reinforcement Learning for Micro-Level Claims Reserving
创建于 更新于
摘要
本文将个别赔案准备金（OCL）估计问题构造为逐期决策的 Markov Decision Process，并用 Soft Actor–Critic（SAC）实现连续动作空间下的递归更新与时间差学习，同时设计了包含精度、稳定性与平滑性的复合奖励并引入按 OCL 加权以修正组合级别低估偏差，实证表明在 CAS 与 SPLICE 合成数据集上对未成熟（高贡献）分段具有有竞争力的个案精度与较好聚合表现 [page::0][page::12][page::20][page::23][page::29].
