我院与麦考瑞大学精算研究和商业分析系联合举办的线上研讨会于2022年11月11日顺利举行。此次研讨会由麦考瑞大学的Zhuo Jin教授以及我院的郑敏老师主持，邀请了澳大利亚新南威尔士大学、墨尔本大学、麦考瑞大学以及我校共六位专家学者就保险、养老、投资、消费等诸多领域进行了学术分享。

新南威尔士大学的Qihe Tang教授认为保险和金融领域中概率分布普遍存在模糊性，传统的最坏情况理论将概率分布的模糊性纳入到投资决策中，虽然考虑的更全面但是相对来说决策过于保守。针对这一问题，Tang教授将概率分布的模糊性分为可忽略的模糊性和显著的模糊性，利用Wasserstein距离构造模糊球，进而考虑显著模糊下的最坏情况，与传统最坏情况理论建立联系的同时，缓解了过度保守问题。Tang教授的结果在金融、保险领域都有很好的应用价值。

麦考瑞大学的Jinhui Zhang教授基于2008-2018澳大利亚卫生福利研究所的数据，对澳大利亚老年照护时长进行的估计，发现居民的预计照护时长（LOS）因年龄（一般来说，老年群体更长）和性别（女性更长）而异。截至2100年的样本预测表明，最长照护时长属于100岁及以上的女性，估计/预测照护时长从2018年的58.6个月增加到2100年68.9个月，进而为澳大利亚老年照护设施的投入以及政策制定者服务质量的改善提供理论支持。

麦考瑞大学的Yanlin Shi教授发现现有精算文献中，大多数随机索赔准备金计算方法忽略了异常值的过度影响；然而，在实践中，这些极端观测可能发生并对现有的准备金模型产生不可预料的影响。为了减轻这种负面影响，Shi教授提出了一种稳健的广义加性模型（GAM），还开发了一种基于分层采样的稳健bootstrap方法，以获得更可靠的未决索赔分布。实际数据表明，当不存在异常值时，稳健GAM提供了与其他模型类似的结果；但是当存在异常值的时候，稳健GAM在估计精度和效率方面表现出了显著的改进。

墨尔本大学的Xueyuan Wu教授针对保险理赔零数据的问题，提出了两种处理方法：多元零膨胀模型和多元零修正模型。利用实际汽车保险数据，这两种模型都展现出很好的有效性。特别对于记录不完整导致零数据缺失的情况，多元零修正模型仍然有效。

我院刘敬真教授将习惯形成引入到家庭的投资、消费和保险的最优策略中。通过动态规划方法，利用CRRA效用函数得到解析解，并利用中国数据说明了习惯形成对消费、投资和保险的影响。

我院伍慧玲教授在贴现函数为准双曲线且退出概率随时间动态变化的情况下，分析了一个多周期投资消费问题。结果表明，准双曲贴现函数可以改变投资-消费比例的“驼峰储蓄”现象。此外，研究结果表明在大多数情况下，如果决策者或其继任者在最终时间之前增加退出市场的概率，那么决策者会提高消费。当决策者不允许继任者调整退出概率时，这种专制行为会降低继任者的价值函数。

最后，麦考瑞大学的Tak Kuen Siu教授、Zhuo Jin教授以及我院池义春教授和郑敏老师就未来的合作和交流进行了展望。