11月28日，南开-泰康保险与精算研究院张连增教授与硕士毕业生庄源（现为澳大利亚新南威尔士大学精算学博士生）的合作论文“What KAN Mortality Say: Smooth and Interpretable Mortality Modeling Using Kolmogorov-Arnold Networks”（使用Kolmogorov-Arnold网络对死亡率建模——平滑与可解释模型）在国际精算协会会刊ASTIN Bulletin在线发表。

ASTIN Bulletin: The Journal of the IAA. Online 2025-11-28, doi:10.1017/asb.2025.10079

ASTIN Bulletin是国际精算学界公认的保险精算领域权威期刊，主要发表保险、精算、以及风险管理等研究方向国际一流的学术研究成果。该期刊是南开大学金融学类英文A类期刊。

研究概要

以传统死亡率模型“反哺”神经网络：

论文系统地探讨了如何利用已拟合的传统死亡率模型（如LC、APC）的关键组成部分（年龄、时期、队列效应）来初始化神经网络，从而在深度学习中保留结构信息与可解释性。

提出KANN系列模型：

在研究基础的浅层KAN[2,1]与ARIMAKAN后，作者基于经典的CANN（Combined Actuarial Neural Net）扩展出KANN（KAN-based Actuarial Neural Network）以及KANN[2,1]、KANNLC、KANNAPC三种变体，使神经网络可直接利用GAM（广义可加模型）和GNM（广义非线性模型）的组成部分初始化，突破了以往GLM（广义线性模型）的限制。

显式控制“平滑度”：

针对以往有些深度模型“更平滑”却不易控制的问题，论文给出无需伪样本的内生平滑路径与机制。

研究表明，以传统死亡率模型组成部分初始化神经网络是死亡率建模的有效路径；KANN框架在保持可解释与平滑控制的同时，能给出稳健预测。模型的模块化设计也便于扩展至多群体情形，探讨不同国家（地区）的死亡率异质性及共享结构，为长寿风险度量、年金定价与准备金评估等精算实践提供了最新工具。论文附有完整的教程代码和在线交互显示板，方便读者查阅及复现结果。

作者简介

张连增，教授，博士（理学），长期从事精算与风险管理、精算数据科学等领域研究，在风险理论、非寿险准备金评估、机器学习的精算应用等领域都有系统性的研究，成果发表于精算学知名期刊 ASTIN Bulletin; Insurance: Mathematics and Economics; North American Actuarial Journal; Scandinavian Actuarial Journal。近年来在本科、硕士、博士层次，开设机器学习与R、定量风险管理、非寿险精算、统计学习等课程，致力于将统计学与精算数据科学的前沿理论与方法引入到精算学教学与科研。

文案 | 张连增 陈孝伟

审校 | 沈钰