财产险精算
用平台精算方法库算财产险的问题：损失分布、免赔额和限额、总损失、信度、费率厘定、准备金、再保险。每个方法都对过教材例题。
- 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
- 4
- 一次对话
- —
- 安装次数
- 2
- 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
02依赖的数据集
这些数据集都要有授权
技能用到的数据集都要有授权才能查询。缺授权时，Agent 会告诉你缺哪一个。
保险市场损失三角形公开样例
loss-triangle-sample
一行是一张损失三角形的一个格子：一个事故年在一个发展期的累计赔款。包含三角形编号和名称、事故年、发展月数、累计赔款、赔款口径，商业车险一张另有已赚保费。收录 3 张行业公开的样例三角形，共 165 行：RAA（Mack 1993 论文使用的美国再保险协会一般责任险数据，1981—1990 年）、Taylor-Ashe（1983，1—10 事故年）、美国财产险附表 P 商业车险全行业合计（CAS 损失准备金数据库，1988—1997 年）。用来演示和检验链梯法、BF 法、Mack 法等准备金方法。这些是国外公开样例，不是中国市场的数据。
165 行 · 7 个字段登录后查看授权
保险市场健康险报案金额三角形
health-claim-triangle-demo
一行是一个出险月在一个发展期的累计报案件数和申请赔付金额。包含出险月、发展月数（1 到 3）、累计报案件数、累计申请赔付金额和评估日期。由平台的演示数据（健康险保单、理赔案件）按出险日期和报案日期汇总，只算已结案和审核中的案件，评估日期 2026 年 9 月 30 日，覆盖 2019-01 到 2026-09 共 93 个出险月，276 行。用来演示短尾健康险的已发生未报案（IBNR）估计。这是演示数据，不是真实数据。
276 行 · 5 个字段登录后查看授权
保险市场财产险公司分地区业务
insurance-pc-branch-stats
一行是一家财产保险公司在一个地级市（或一个省、直辖市、计划单列市）一年的业务。每行有分险种的保费收入和赔付支出、赔案件数、未决赔款。覆盖全国 31 个省级地区和 5 个计划单列市，统计年度是 2016 年和 2018 到 2020 年，缺 2017 年，2016 年缺广西。用来比较各公司在各地的市场份额和分险种的赔付率，估计一个地区的保险市场规模。
27,887 行 · 33 个字段登录后查看授权
保险市场
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 362 token
- name 和 description，Agent 一直带着
- 触发后约 2,278 token
- 用到这个技能时读入 SKILL.md 正文
- 按需约 14,203 token
- 需要时才读参考文件、运行脚本
SKILL.md
94 行 · 约 2,640 token · 触发后读入--- name: actuarial-pc description: 财产险（非寿险）的精算计算，用平台精算方法库 wi_actuarial 里对过标准答案的方法：损失分布和拟合、免赔额、限额、损失消除率、增额限额因子，频率和强度，总损失分布（Panjer 递推、止损保费），信度（Bühlmann、有限波动、经验贝叶斯），费率厘定（费率指示、趋势、平行四边形法、分类相对数、经验修正），准备金评估（链梯法、BF 法、Mack 法、Cape Cod、Clark、自助法、未分配理赔费用），再保险（成数、溢额、超赔层、恢复保费、暴露定价），奖惩系统，统计检验和估计。用户说"免赔额""损失消除率""IBNR""损失三角形""准备金""信度""费率指示""费率复核""超赔""再保险定价""总损失分布"，或者给出一组损失要拟合分布、做检验时使用。人身险和生命表用 actuarial-life。VaR、TVaR、极值、巨灾、Copula、破产、金融数学用 actuarial-risk。GLM 和机器学习定价用 actuarial-ds-pricing。通过智元数据 World Insight 的 REST 接口取数，需要环境变量 WI_API_KEY。 ---
财产险精算
用平台的精算方法库算财产险的问题。方法库里财产险有 10 个方法族、120 多个方法，每个方法都对过教材例题或闭式解。你的工作是：找对方法，填对参数，运行，核对，再说清楚。
开始前
- 所有命令都在本技能的目录里运行：
python3 scripts/wi.py ...。计算用 run_python 写 Python 代码，方法库wi_actuarial已经装好。 - 脚本从环境变量
WI_API_KEY读取 API Key。没有设置时，请用户先设置，不要猜。 - 取数据会扣点，脚本会打印扣了多少。查方法、运行方法不扣点。
- 方法库的用法（查方法、参数的规则、结果的格式、怎么用平台的数据）见
references/library.md。第一次用时读它。做过的例子见references/examples.md。字段说明见references/datasets.md，查询的写法见references/query.md。
步骤
- 弄清问题。 写下用户要的量（例如 LER、IBNR、信度因子），用户给的数和单位，没给的条件。缺的条件先用方法的默认值，回答里写明。只有缺了就没法算的时候才问用户。
- 查方法。 在一次 run_python 里查几个关键词，并读最可能的方法的说明：
``python import wi_actuarial as wa for w in ["免赔额", "损失消除率"]: for m in wa.find(w): print(m["id"], m["title"], "|", m["question"]) print(wa.describe("coverage.ler")) ``
按下面的"方法族地图"决定先查哪一族。查不到时换说法再查，或者 wa.find("", family="<方法族>", limit=30) 列出整族。
- 运行。 用用户的数，或者先用
wi.py query ... --save取平台的数据（见"用平台的数据"）。打印summary、inputs、data、notes和要用的表。 - 核对。 逐项看：
inputs和用户给的数一样吗？超出范围的数会被截断。data.kind是什么？演示数据要写"演示数据，不是真实数据"。notes里的假设（参数化、近似方法）适合用户的问题吗？- 结果的量级合理吗？例如 LER 在 0 到 1 之间，IBNR 不是负数。不合理时回到第 2 步换方法或改参数。
- 回答。 见"怎么回答"。
方法族地图
| 方法族（family） | 典型问题 | 先看这些方法 |
|---|---|---|
分布库 distributions | 某个分布的均值、方差、分位数、有限期望值，变换后的分布，矩估计 | distributions.explore、distributions.transform、distributions.method_of_moments |
频率与强度 frequency_severity | 出险次数用哪个分布，(a,b,0) 类，混合分布，拼接分布，尾部比较 | frequency_severity.counting、frequency_severity.fit_counts、frequency_severity.splice |
保障调整 coverage | 免赔额、限额、共保、通胀以后每次赔多少，损失消除率，ILF 定价表 | coverage.ler、coverage.mean_excess、coverage.pricing_grid、coverage.empirical_lev |
总损失 aggregate | 一年总赔款的分布、分位数，Panjer 递推，止损保费，正态近似 | aggregate.compound_distribution、aggregate.stop_loss、aggregate.collective_moments、loss.aggregate_loss |
估计与模型选择 estimation | 给损失拟合分布（含免赔额、限额），AIC、BIC，K-S、卡方检验，Kaplan-Meier，均值和比例的检验，贝叶斯估计，充分统计量 | estimation.mle_severity、estimation.model_selection、estimation.gof_tests、estimation.kaplan_meier、estimation.mean_tests |
信度理论 credibility | 自己的经验信几分，Bühlmann、Bühlmann-Straub，有限波动信度，贝叶斯保费 | credibility.buhlmann、credibility.limited_fluctuation、credibility.empirical_bayes、credibility.client_experience |
费率厘定 ratemaking | 整体费率该涨多少，保费调到现行水平，趋势，分类相对数，经验修正，最低保费 | ratemaking.indication、ratemaking.rate_review、ratemaking.on_level、ratemaking.loss_trend、ratemaking.class_relativities |
准备金评估 reserving | IBNR、最终赔款，误差和分位数，发展因子和尾部，BF、Cape Cod，理赔费用准备金 | reserving.chain_ladder、reserving.mack、reserving.odp_bootstrap、reserving.development_factors、reserving.expected_claims、reserving.cape_cod |
再保险 reinsurance | 成数、溢额怎么分，超赔层的期望损失和费率，恢复保费，暴露定价，最优自留 | reinsurance.proportional、reinsurance.xl_per_risk、reinsurance.layers、reinsurance.reinstatements、reinsurance.burning_cost |
奖惩系统 bonus_malus | NCD 系统的平稳分布、效率、最优系数 | bonus_malus.bms、bonus_malus.efficiency |
表里的方法只是起点。同一族里还有别的方法，用 wa.find 查。
用平台的数据
| 数据 | 数据集 | 怎么用 |
|---|---|---|
| 公开样例的损失三角形（RAA、Taylor-Ashe 等） | loss-triangle-sample | 准备金方法的 triangle="raa"、"genins" 直接用。要别的三角形时取数据，整理成 values 传进去 |
| 健康险报案金额三角形 | health-claim-triangle-demo | 演示数据，不是真实数据 |
| 财产险公司分地区业务（保费、赔款，分险种） | insurance-pc-branch-stats | 取一个地区几年的数据，算赔付率、趋势，再给费率厘定、信度的方法用。单位是百万元 |
| 理赔案件的金额 | health-claim | 演示数据。取金额以后给 estimation.mle_severity 等方法拟合分布 |
取三角形并用自己的三角形运行：
python3 scripts/wi.py query loss-triangle-sample --where "triangle = genins" --fields origin_year,dev_months,value --limit 200 --save data/genins.json
然后在 run_python 里按事故年、发展期排好，传给 values（完整代码见 references/examples.md 的例 2）。
怎么回答
- 结论：用户问的数，写单位。
- 方法：方法的名称和标识（例如"损失消除率 coverage.ler"），用的公式或思路，一两句话。
- 输入：实际用的参数（来自
inputs），哪些是默认值。 - 数据：数据的性质和出处（来自
data）。 - 说明：
notes里和这个问题有关的假设和限制。方法写着"方法演示""参数待校准"时照写。 - 代码：把最后一次运行的代码原样附上，方便复算。
不要做
- 不要心算精算的数。所有数字都来自代码的输出，包括相加、相除、换单位。
- 不要编造方法标识。只用
wa.find查到的方法。方法库里没有合适的方法时，用 numpy、scipy 自己写，并说明这不是方法库里测试过的方法。 - 不要改方法的结果去凑一个"应有的"答案。结果和用户的预期不同时，检查参数，说明差别。
- 不要把演示数据的结果说成真实的经验。
- 不要把纯保费、参考费率说成最终价格。最终价格由精算和核保人员决定。
和别的技能的关系
- 只用链梯法、BF 法、Mack 法算一张三角形时，
actuarial-reserving也能做。本技能的准备金方法更全。 - 只算频率和强度合成的总损失分布时，
actuarial-loss也能做。 - 人身险用
actuarial-life。风险度量、极值、巨灾用actuarial-risk。GLM 定价用actuarial-ds-pricing。
04版本
发布后不修改，旧版本保留
数据或说明有变化时，平台发布新版本。旧版本仍然可以查看和下载。
版本 第 1 版2026/11/14 发布
最新下载精算方法库第 1 批收尾：按领域整理的技能。 · 全部文件约 16,843 token