收益：
- 能够在人工智能的支持下建立损害发展三角、IBNR（已发生但未报告的损害）和链梯法并解释发展因素
- 能够将结果与 Bornhuetter-Ferguson 和 Mack 等替代方法进行比较，并利用人工智能解释储备不确定性（变异性、置信区间）
- 能够坚持认为，人工智能计算出的准备金数字是草案，而非最终的，发展因素的选择和司法修正属于责任精算师。
当保险公司今天支付损害赔偿金时，它实际上还清了过去出售的保单的债务。但并非所有损坏都会立即报告，也并非所有报告的损坏都会立即全额赔偿。今天发生了一场交通事故，三个月后通知公司，法庭程序花了两年，最后的付款在四年后才清楚。因此，公司今天必须为尚未全额支付甚至尚未报告的损失预留资金。这笔钱称为准备金，其准确计算是保险公司最关键的精算任务。如果他离开得少，公司就会破产；如果他离开得少，公司就会破产；如果他离开得少，公司就会破产。如果配置过多，资金就被白白占用，利润就被隐藏了。
在本单元中，我们将介绍拨备核算的三个核心概念：损害发展三角、IBNR 和链梯法。然后我们将考虑替代方法（Bornhuetter-Ferguson，Mack）和不确定性。 AI编写这些计算的代码，填充三角形，计算因子并解释结果；但发展因素的选择、司法修正和最终拨备数字由责任精算师负责。
什么是损伤发展三角？
拨备计算的基础是发展三角/径流三角。行显示损坏发生的时期（事故年份），列显示为该损坏支付的金额（开发年份）。内容是这样的：2021事故年第一年赔付400万，第二年累计赔付620万，第三年赔付700万。旧的事故年份已经成熟（几乎所有付款都已支付），而新的年份仍在发展。因此三角形得名：右下角是空的，因为新的一年的进一步发展还没有发生。精算师的工作就是估算这个空角。
IBNR（已发生但未报告）正是这一差距的一部分：已发生但尚未向公司报告的索赔的未来成本。还有 IBNER（已报告但保留不足的索赔的额外开发）。在实践中，三角方法估计所需的总准备金（已付费+未来发展）；当您减去已付费部分时，剩余的准备金仍然存在，包括 IBNR。
提示：您可以在两个不同的基础上设置三角形：“已支付的损害”和“已发生的损害（已支付 + 已知储备）”。将两者结合起来检查可以帮助您了解理赔团队预订行为的变化。
链梯一步一步
链梯是最常见的应对方法，其逻辑很直观：如果过去的损失从一个发展年到下一个发展年平均以一定的速度增长，那么新的年份将以类似的速度增长。步骤：
- 设置累积三角形。按事故发生年份对每起事故的累计已赔付索赔进行排序。
- 计算发展因素。对于每列传递：下一列的总和/当前列的总和（仅使用两列都被占用的行）。例如，因子1→2为1.45；因子2→3可以是1.12。这个因素称为年龄因素。
- 求累积（堆积）因子。将其余因素相乘即可进入每年的决赛。
- 填补空缺的角落。通过将每个新事故年份的最后已知值乘以其余因素来估计最终损失。
- 计算响应。最终损失 - 迄今为止已支付的金额 = 未来应付的准备金（包括 IBNR）。
下表是一个小示例（累计已付费损失，百万里拉）：
事故年
来吧。 1
来吧。 2
来吧。 3
来吧。 4
2021年
4.0
6.0
6.8
7.0
2022年
4.4
6.5
7.3
？
2023年
4.8
7.0
？
？
2024年
5.2
？
？
？
在这个三角形中，因子 1→2 约为 1.47； 2→3约1.12； 3→4 大约等于 1.03。 2024年最终5.2×1.47×1.12×1.03≈882万；由于支付金额为 5.2，因此准备金约为 362 万里拉。人工智能在几秒钟内完成这个算术，但精算师决定这些因素是否合理。
替代方法和不确定性
仅靠链梯是不够的，因为发展因素对小波动极其敏感，因为最近事故年份的数据很少；一次重大损坏就可能毁掉整个预估。这就是为什么使用Bornhuetter-Ferguson（BF）方法：BF利用外部预期损失率信息来估计未开发的部分，从而平滑波动性。成熟年份优先选择链梯，新年份和未成熟年份优先选择BF；他们一起给出了一个平衡的估计。
为了测量不确定性，使用了麦克方法：它分析地给出了链梯估计的标准误差（变异性）。此外，可以通过 bootstrap（通过重复采样数据进行模拟）来生成响应的完整概率分布；这回答了“在最坏的情况下我们会采取什么反应？”的问题（对偿付能力标准 II 至关重要）。人工智能在生成代码和比较这些方法方面非常强大。
注意：生长因子的选择不是机械的。一年之内，立法的变化、大量的诉讼或索赔支付率的变化都可能扰乱这些因素。 “简单平均、加权平均、最近3年”的选择是司法性的，必须有正当理由。
如何在储备会计中使用人工智能
1）链梯代码：
用 Python 编写一段带注释的代码来计算链梯。输入：累积付费伤害三角形（列表列表，缺失单元格无）。 1) 计算每次柱通过的体积加权年龄因子。 2) 求累积因子。 3) 填写空白角并估计每个事故年份的最终损失。 4) 计算并求和补偿（最终-支付）。将每个中间步骤打印到屏幕上；不要构建库，使用基本的Python。
2）方法比较：
向精算师解释链梯和 Bornhuetter-Ferguson 之间的区别。- 在哪种情况下哪个更可靠？- 为什么在新的（不成熟的）事故年份首选 BF？- 如何确定 BF 所需的“预期损坏率”？用表格总结优点/缺点。
3）因素合理性检查：
我有以下年龄因素：1->2：1.47； 2->3：1.12； 3->4：1.03； 4->5：1,45。与其他因素相比，4->5 因素看起来很奇怪。- 这种跳跃的可能原因是什么（监管、重大损坏、数据错误）？- 我应该做哪些检查来验证？决策；给我一份清单。
4）不确定性解释：
我的链梯最佳猜测规定是 4200 万 TL，Mack 标准误差是 530 万。我如何向经理和监管者解释这一点？- 用通俗易懂的语言解释 75% 和 99.5% 水平的含义。- 我如何传达“范围而不是单个数字”的信息？
弱提示/强提示
弱提示：
计算一下我的奖励。
没有三角形，没有方法，没有数据。人工智能填补了这一空白。
强力提示：
您的角色：预订助理。我会给你累计赔付索赔三角形（匿名，百万TL）：2021：[4.0，6.0，6.8，7.0]2022：[4.4，6.5，7.3]2023：[4.8，7.0]2024：[5.2]任务：1）计算加权年龄与年龄因素，每个显示。2）填写空白角，写每年的最终损失。3）计算总准备金（最终-已支付）。4）2024年是很新的；因此请解释一下为什么你的估计更加不确定。显示中间数字，以便我可以手动验证它们。只需使用我给你的数据即可。
三个迷你箱子
案例 1——规定不充分。一家公司使用直链梯计算了其快速增长的交通组合中过去两年的事故情况。由于新年因素较低，预计拨备金额为 3100 万里拉。当精算师与 BF 核对并使用预期损失率时，实际反应为 4400 万 TL。一年后，实际损失证实了1300万美元的差异。教训：新的一年里，单纯的链条欺骗了梯子。
案例 2 — 损坏的因素。助理精算师在人工智能生成的三角形中看到了 3→4 因子为 1.42；而历史平均值为1.05。如果它在没有提出质疑的情况下通过，回应将会夸大大约 30%。调查显示，由于数据加载错误，两起事故年份发生了偏移。 AI没有产生错误，但它没有注意到；精算师的合理性检查开始流行。
案例 3——正确表述不确定性。一位负责的精算师只告诉管理层，“拨备金额为4200万”。管理层认为这是确定的，并分配了利润。第二年，当实际数字为4800万时，危机出现了。下个学期，精算师提供了一个范围，Mack 和 bootstrap 说“最佳猜测是 42，但 75% 水平是 46，99.5% 水平是 5500 万”；管理层据此作出决定。节省了大量准备AI引导代码和图表的时间。
常见错误
- 仅使用链梯近年来发生事故较多。数据少意味着波动因素；与BF保持平衡。
- 不对发展因素进行合理控制。一个腐败因素就会毁掉整个反应；与历史规律进行比较。
- 将倒数表示为单个精确数字。响应是一个猜测；在没有不确定性范围（Mack，bootstrap）的情况下呈现它是具有误导性的。
- 混淆了付费和变现的三角关系。两者衡量的事物不同；在一个基础上持续工作或有意识地比较两者。
- 忽略通货膨胀和监管中断。过去的发展模式，未来可能不会一成不变；还要考虑结构变化。
综上所述
准备金是对未来责任的当前估计，是保险公司最关键的精算计算。过去的支付模式是通过发展三角看到的；链梯用年龄因素填充空角，并估计最终损害和赔偿，包括 IBNR。新的一年，BF更加稳定；不确定性通过 Mack 和 bootstrap 来衡量。 AI填三角形、写代码、对比方法；但因素选择、合理性检验和最终数字取决于负责精算师的判断和签字。
应用任务
创建累积已赔付索赔的匿名小三角（4 个事故年 × 最多 4 个开发年）。让AI计算出与链梯的当量。手动验证年龄因素和最终的 2 年。然后询问 AI“BF 如何在最近一年产生不同的结果”并比较这两种方法。有意识地扭曲其中一个因素（例如，将细胞放大 10 倍）并观察 AI 的响应如何变化以及合理性检查将如何捕捉到这一点。
清单
- [ ] 我是否根据已支付的伤害或已发生的伤害来建立三角形？
- [ ] 我是否通过将年龄因素与历史模式进行比较来检查其合理性？
- [ ] 我是否与 BF 交叉检查了新的/未成熟的年份？
- [ ] 我是否用不确定性范围而不是单个数字来呈现响应？
- [ ] 我是否独立重新计算了最终的伤害和反击算法？
- [ ] 我是否以书面形式说明了选择因素（平均类型、周期）的理由？