Баланс рисков и прибыли: стратегии для страховых компаний
![Наблюдения показывают, что функция ценности [latex]g(x)[/latex] и оптимальные стратегии перестрахования [latex]\bar{\pi}_{1}(x), \bar{\pi}_{2}(x)[/latex] существенно изменяются в зависимости от параметров [latex]\beta_{1}[/latex] и [latex]\beta_{2}[/latex], что демонстрирует влияние неопределенности модели на принятие решений в области перестрахования.](https://arxiv.org/html/2603.25350v1/x15.png)
Новая модель позволяет оптимизировать выплаты дивидендов, перестрахование и привлечение капитала в условиях неопределенности и взаимосвязанности различных бизнес-направлений.
![Наблюдения показывают, что функция ценности [latex]g(x)[/latex] и оптимальные стратегии перестрахования [latex]\bar{\pi}_{1}(x), \bar{\pi}_{2}(x)[/latex] существенно изменяются в зависимости от параметров [latex]\beta_{1}[/latex] и [latex]\beta_{2}[/latex], что демонстрирует влияние неопределенности модели на принятие решений в области перестрахования.](https://arxiv.org/html/2603.25350v1/x15.png)
Новая модель позволяет оптимизировать выплаты дивидендов, перестрахование и привлечение капитала в условиях неопределенности и взаимосвязанности различных бизнес-направлений.

Некоторое время рынок, как обычно, попытался пошалить, сбросив часть акций после новости, как будто это что-то предосудное. Но, в конечном итоге, акции устояли и даже прибавили почти 9% за неделю, согласно данным S&P Global Market Intelligence. Полагаю, это неплохой результат, учитывая, что мир полон всяких там «медвежьих» настроений.

Расчеты основаны на средней цене акций в день сделки – 55,23 доллара. Поверьте, эти цифры не имеют никакого отношения к высшим материям, лишь к земным расчетам.

И ладно бы акции падали. Нет, у них там рост на 53% за год! 53%! Все радуются, а я вот думаю: что-то тут нечисто. Может, он просто решил купить себе новую яхту? Ну да, логично. А потом еще удивляются, почему люди не доверяют рынку. Вот вам и прозрачность.
![Тепловые карты, отображающие отклонение оценки [latex]\widehat{x}_{n}^{(\texttt{RPJ})}[/latex] от истинного значения [latex]x^{\star}[/latex] для различных значений <i>n</i>, демонстрируют сходимость алгоритма, инициализированного в точке, отстоящей на расстоянии [latex]2\sqrt{2}[/latex] от минимизируемого значения, причём анализ основан на [latex]10{,}000[/latex] испытаниях для каждого <i>n</i>.](https://arxiv.org/html/2603.25657v1/polyak_averaging_combined.png)
Исследование предлагает новый алгоритм, VISOR, и доказывает его оптимальность для решения задач стохастической оптимизации в условиях ограниченного количества данных.