损失分布
按出险次数和单次损失的分布合成一年的总损失分布，算 VaR、TVaR，也能给单次损失拟合分布。
官方技能第 2 版 · 2026/11/14 发布这是旧版本
- 官方技能，由智元数据编写和维护
- 只调用智元数据的 REST 接口
- 1 个取数脚本，只用 Python 3 自带的库
- API Key 从环境变量 WI_API_KEY 读取
- 依赖的数据集
- 2
- 一次对话
- —
- 安装次数
- 8
- 近 7 天调用
- 0
01怎么用
三步，让你的 Agent 用上这些数据
安装和设置只做一次。以后直接向你的 Agent 提问就行。
01
发安装语句
复制页头的安装语句，发给 你的 Agent。它会下载技能，装进自己的技能目录。可以在页头切换你用的 Agent。
02
设置 API Key
在终端里运行下面的命令，再启动 你的 Agent。
export WI_API_KEY=你的 API Key
创建 API Key03
直接提问
03技能内容
装进 Agent 的，全在这里
SKILL.md 可以看预览，也可以看原文。参考文件由平台按当前数据生成，需要时才读。
- 常驻约 119 token
- name 和 description，Agent 一直带着
- 触发后约 646 token
- 用到这个技能时读入 SKILL.md 正文
- 按需约 10,451 token
- 需要时才读参考文件、运行脚本
SKILL.md
57 行 · 约 765 token · 触发后读入--- name: actuarial-loss description: 用频率和强度合成一年的总损失分布，算均值、标准差、VaR、TVaR，考虑免赔额和限额；也能用最大似然给单次损失拟合分布。用户说"总损失分布""VaR""TVaR""频率强度""拟合损失分布"时使用。用平台的精算工具包 wi_actuarial（底层是开源库 aggregate 和 scipy）写 Python 代码计算。 ---
损失分布
第 1 步：整理参数
从用户的话里取出这些参数。没有说的用默认值，并且在回答里写明用了默认值。
| 参数 | 含义 | 默认 |
|---|---|---|
freq_mean | 一年出险次数的均值（从 0 元起算） | 20 |
freq_dist | poisson（泊松）或 negbin（负二项） | poisson |
freq_cv | 负二项时出险率的年间波动 | 0.3 |
sev_dist | lognorm（对数正态）或 gamma（伽马） | lognorm |
sev_mean | 单次损失的均值（元） | 20000 |
sev_cv | 单次损失的变异系数 | 1.5 |
deductible | 每次事故免赔额（元） | 0 |
limit | 每次事故限额（元），0 表示不限 | 0 |
第 2 步：算
import json
from wi_actuarial import loss
r = loss.aggregate_loss(freq_mean=20, sev_mean=20000, sev_cv=1.5)
print(json.dumps(r["summary"], ensure_ascii=False))
print(json.dumps(r["inputs"], ensure_ascii=False))
for name, t in r["tables"].items():
print(name, json.dumps(t["rows"], ensure_ascii=False))
for n in r["notes"]:
print("说明：", n)用户要拟合单次损失的分布时：
- 用户给了金额：
loss.fit_severity(amounts=[...])。 - 用户没有给：
loss.fit_severity()用平台的健康险演示数据。回答里写"演示数据，不是真实数据"。
怎么回答
- 结论：总损失的均值、标准差、99.5% VaR 和 TVaR，写单位。
- 参数：用了哪些参数，哪些是默认值。
- 分位数表：几个概率水平的 VaR 和 TVaR。
- 方法：库和函数，
notes里的说明。 - 代码：原样附上。
规则
- 数字都要来自代码的输出。不要自己再乘除，不要编造数据。
- 回答里写出数据的性质：真实数据写出处，公开样例写"公开样例"，演示数据写"演示数据，不是真实数据"。
- 回答里写出用了哪个库、哪个函数，以及结果里的说明（
notes）。 - 把运行的代码原样放在回答里，方便用户复算。
- 一次回答最多 6 次运行代码。互不依赖的计算放在同一段代码里。