[发明专利]投资-再保险决策方法及系统

说明书

本发明提供一种投资‑再保险决策方法及系统，属于投资‑再保险技术领域，包括获取模块获取市场环境下的历史数据；第一计算模块根据历史数据计算模型构建参数；构建模块根据模型构建参数构建策略优化模型；第二计算模块采用随机最大值原理，结合对偶法和直接构造法求解策略优化模型，求得投资‑再保险收益最大化的最优解显示表达式，获得投资‑再保险最优策略；控制模块根据投资‑再保险最优策略进行投资‑再保险。本发明采用随机最大值原理、对偶方法、直接构造法并结合深度学习，确定了最优策略的显示解表达式，为市场环境不确定时保险公司的外汇投资、消费以及比例再保险行为提供了指导，实现了更贴近实际市场环境的投资、消费和再保险策略。

技术领域

本发明涉及投资-再保险技术领域，具体涉及一种考虑市场环境不确定因素，确保保险公司实现匹配市场环境下最大收益的投资、消费以及再保险行为最优策略的投资-再保险决策方法及系统。

背景技术

作为分散风险的手段，再保险可使保险人避免索赔风险过于集中的情况，不至于因一次巨大事故的发生而导致无法履行赔款义务，对保险公司的业务经营起到了一定程度的稳定作用。

随着保险公司间的竞争日趋激烈，保险资金的投资成为保险公司越来越重要的收入来源，投资策略的选择将在很大程度上影响保险公司的收益。保险公司可以通过再保险和投资等手段来减少风险、扩大收益，如何选择最优的经营策略以达到既定的经营目标，是经营者必须要考虑的问题。同时，由于金融市场和保险行业存在许多不确定性，这使得保险公司在进行决策时不得不考虑金融市场或保险行业的模型不确定性问题。

描述模型不确定性的一种流行方法是一种鲁棒方法，这种方法的基本原理是纳入模糊厌恶。通过扰动逼近模型引入了一系列概率模型，并在扰动概率模型的“最坏情况”场景中做出了不确定性下的最优决策。在连续时间优化问题中，通常通过Girsanov变换引入一族概率测度，并且在最坏情况下的期望效用最大化被描述为两人零和随机微分博弈。

一般解决最优控制问题涉及两大经典核心方法，即最大值原理和动态规划方法。目前，国内外大多采用动态规划方法对带有限制约束或者基于期望方差保费原理的最优投资和比例再保险问题进行研究。另外，也有对于模型不确定情形下保险公司最优投资-再保险策略的研究文献，但文献中采用Malliavin变分技术仅给出了问题的最优解的大致形式，未给出具体的最优解显示表达式。

发明内容

本发明的目的在于提供一种投资-再保险决策方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

一方面，本发明提供的一种投资-再保险决策方法，包括：

获取市场环境下的历史数据；其中，所述历史数据包括股票历史价格数据、汇率转换历史数据、债券价格历史数据、投资盈余历史数据；

根据历史数据，计算模型构建参数；其中，所述模型构建参数包括股票期望回报率、股票价格波动率、汇率转换利率、汇率转换波动率、债券利率、投资回报率、投资风险波动率以及再保险安全负荷；

根据模型构建参数，构建策略优化模型；

采用随机最大值原理，结合对偶法和直接构造法求解策略优化模型，求得投资-再保险收益最大化的最优解显示表达式，获得投资-再保险最优策略；

根据投资-再保险最优策略进行该市场环境下的投资和再保险。

优选的，通过股票市场监测数据库收集股票历史价格数据，进行分析和处理，计算该股票期望回报率和股票价格波动率，包括：

获取某一固定时刻t之前的一段时间T₁内的该股票历史价格数据S(t_i),i＝1,2,...,N₁，T₁内的样本个数为N₁，时间单位为年；