Abstract Natural catastrophes with their widespread damage can overwhelm the financial systems of large communities. Catastrophe insurance is a well-understood financial risk transfer mechanism, aiming to provide resilience in the face of adversity. However, catastrophe insurance has generally a low penetration, mainly due to its high cost or to distrust of the product in providing a fast financial recovery. Parametric insurance is a form of derivative insurance that pays quickly and transparently based on a few measurable features of the event, offering a promising avenue to increase catastrophe insurance coverage. In the context of seismic risk, parametric policies may use location and magnitude of an earthquake to determine whether a payment should be made. In this paper we follow a design typology referred to as ‘cat-in-a-box’, where magnitude thresholds are defined over a set of cuboids that partition Earth’s crust. The main challenge in the design of these tools consists in finding the optimal magnitude thresholds for a large set of cubes that maximize efficiency for the insured, subjected to a budgetary constraint. Additional geometric constraints aim to reduce the volatility of payments under uncertainty. The parametric design problem is a combinatorial problem, which is NP-hard and large scale. In this paper we propose a fast heuristic and a biased-randomized algorithm to solve large-sized problems in reasonably low computing times. Experimental results illustrate the computational limits and solution quality associated with the proposed approaches.

中文翻译：

---

用于优化参数地震（再）保险解决方案效率的有偏随机算法

摘要 自然灾害及其广泛的破坏可能使大型社区的金融系统不堪重负。巨灾保险是一种广为人知的金融风险转移机制，旨在在逆境中提供弹性。然而，巨灾保险的渗透率普遍较低，主要是由于其成本高或不信任该产品能够提供快速的财务恢复。参数保险是衍生保险的一种形式，它根据事件的一些可衡量特征快速透明地支付，为增加巨灾保险提供了一个有希望的途径。在地震风险的背景下，参数策略可以使用地震的位置和震级来确定是否应该付款。在本文中，我们遵循一种称为“盒子中的猫”的设计类型，其中幅度阈值是在一组分隔地壳的长方体上定义的。设计这些工具的主要挑战在于为大量立方体找到最佳幅度阈值，以最大限度地提高受保人的效率，并受到预算约束。额外的几何约束旨在降低不确定性下支付的波动性。参数化设计问题是一个组合问题，是 NP-hard 和大规模的。在本文中，我们提出了一种快速启发式算法和一种有偏随机化算法，以在合理较短的计算时间内解决大型问题。实验结果说明了与所提出的方法相关的计算限制和解决方案质量。设计这些工具的主要挑战在于为大量立方体找到最佳幅度阈值，以最大限度地提高受保人的效率，并受到预算约束。额外的几何约束旨在降低不确定性下支付的波动性。参数化设计问题是一个组合问题，是 NP-hard 和大规模的。在本文中，我们提出了一种快速启发式算法和有偏随机算法，以在合理的低计算时间内解决大型问题。实验结果说明了与所提出的方法相关的计算限制和解决方案质量。设计这些工具的主要挑战在于为大量立方体找到最佳幅度阈值，以最大限度地提高受保人的效率，并受到预算约束。额外的几何约束旨在降低不确定性下支付的波动性。参数化设计问题是一个组合问题，是 NP-hard 和大规模的。在本文中，我们提出了一种快速启发式算法和有偏随机算法，以在合理的低计算时间内解决大型问题。实验结果说明了与所提出的方法相关的计算限制和解决方案质量。额外的几何约束旨在降低不确定性下支付的波动性。参数化设计问题是一个组合问题，是 NP-hard 和大规模的。在本文中，我们提出了一种快速启发式算法和有偏随机算法，以在合理的低计算时间内解决大型问题。实验结果说明了与所提出的方法相关的计算限制和解决方案质量。额外的几何约束旨在降低不确定性下支付的波动性。参数化设计问题是一个组合问题，是 NP-hard 和大规模的。在本文中，我们提出了一种快速启发式算法和有偏随机算法，以在合理的低计算时间内解决大型问题。实验结果说明了与所提出的方法相关的计算限制和解决方案质量。