我打造的洪水模型勝過 FEMA 地圖。然後它拒絕讓我申報。
我沒料到打造這個演示時最有趣的一刻，竟是軟體對我說不。
我手上有一個複合評級因子，在它從未見過的資料上，對真實洪水損失的排序勝過 FEMA 洪水分區。以我作為打造者的每一種直覺，這就是勝利。你該出貨了。結果管線最後一階段亮起紅燈，印出 NOT FILING-READY，點名最差的那個變數，並把它轉交給人類精算師。我自己的程式判定：我引以為傲的費率並不安全到可以申報。我坐在那裡一分鐘，想著這究竟是 bug，還是整件事的重點。
這就是整件事的重點。這篇文章要談的是：我為什麼如今認為，那道拒絕申報的閘門，比它背後的模型更有價值。
這個演示叫 FloodProof。它跑在德州哈里斯郡國家洪水保險計畫（NFIP）真實公開理賠簿上，資料來自 OpenFEMA。當我點擊 Re-run Diagnostic，九個階段會在真實記錄上即時執行，並在一秒內完成。沒有任何硬編碼。固定隨機種子讓切分可重現，所以我接下來要引用的數字，每次執行都會重新計算。
第一個讓我停下來的數字，並不是任何模型算出來的
我不斷回到這個數字，因為它不是我算出來的，是理賠自己算出來的。在這本哈里斯郡業務中，真實建築理賠已賠付金額裡，有 31 億美元——占比 45.9%——賠在 FEMA 評為高風險區之外的物業上（特殊洪水危害區，Special Flood Hazard Area）。沒有模型。沒有評分。只是對真實帳本加總。分區地圖——承保方至今仍用來錨定洪水費率的那張圖——對近一半的金額保持沉默——那些真正付出去的錢。
這與我事前讀到的一致。美國超過三分之二的洪水損害發生在 FEMA 高風險區之外；哈維颶風過後，哈里斯郡大約 70% 的洪水理賠來自那些區外（Veriprajna 解決方案頁研究，2026）。我相信它是統計數字。但當你看著它一筆一筆、一個普查區接著一個普查區，以真實美元累積在自己的螢幕上時，感覺完全不同。
分區地圖並不是稍微偏了。它對單一郡業務簿裡 31 億美元的真實損失保持沉默。
所以這張地圖是鈍器。做洪水定價的人早就知道。市場的答案一向是向供應商買更好的模型。我想弄清楚：更好的模型是否真是難點，還是難點在我沒有盯著的地方。
六個樸素的建築屬性能不能勝過分區地圖？
我並不認為普通脊迴歸能把針明顯撥動多少。評分核心刻意不華麗：用真實 OpenFEMA 建築屬性做脊迴歸複合——建築年齡、樓層數、是否墊高旗標、post-FIRM 規範合規、占用類型，以及障礙物。六個老實特徵。我的第一直覺是也要把投保建築保額餵進去，因為保額與賠付相關。我及時住手。賠付在機制上被保額封頂，若把它納入，評分就會偷瞄答案，讓回測變成循環論證。我把它砍掉了。單單這一刪，就是演示與魔術戲法的差別。
回測被設計成非循環。在 70% 訓練切分上擬合複合評分。在它從未見過的保留 30% 上評分，也就是 40,615 筆真實理賠。拿它對照真實的 ratedFloodZone 作為基線，以及真實的 amountPaidOnBuildingClaim 作為標籤。基線與標籤都獨立於模型，所以贏就是真正的樣本外勝利，而不是自己給自己打分。
勝幅超出我的預期。複合評分捕捉到了 1.694 倍 FEMA 分區在保留集理賠上最高十分位的損失金額，Gini 為 0.31，對比分區的 0.08。我換過多組隨機種子重跑，確認自己沒抽到幸運切分。提升幅度站得住，大致在 1.69 到 1.85 之間。六個樸素屬性，誠實擬合，在從未見過的金額上勝過聯邦洪水地圖。
而那正是我差點犯下整個市場正在犯的錯的地方。
那個重新框定整次打造的領悟
我記得當時覺得演示基本上做完了，結果錯了。一個自己給自己打分的更好模型，並不是證據。若我把一個因子交給首席精算師，說「相信我，它勝過分區」，我就等於把作業連同自己打的分數一起交出去。價值從來不會是模型本身。ZestyAI、ICEYE、First Street 這類供應商早已在賣強力洪水模型。真正耐久的是 圍繞任何模型的那些無聊基礎設施：一套懷疑者無法駁倒的回測、一場模型無法辯解過關的公平性稽核，以及一道產出申報或拒絕申報的閘門。這一點在任何模型品質水準下都成立，這也是為什麼它不會隨著模型進步而過時。你可以親自查看機制與誠實揭露：veriprajna.com/zh-Hant/demos/flood-risk-underwriting。
一個自己給自己打分的更好模型，並不是證據。那是你的作業，上面寫著你自己打的分數。
還有第二個、更難的理由說明模型不能是全部故事。一個對損失排序很好的因子，也可能夾帶人口統計訊號；未能通過差別影響測試的費率，是保險監理機關（Department of Insurance）審查員會駁回的申報。排得好與可申報，是兩個不同的問題。我答完了第一個。第二個還在等著。
我把公平性稽核對準自己的模型，並預期它會是反派
我真心做好準備，以為複合評分會是問題所在。稽核會用 CDC/ATSDR 社會脆弱性指數（Social Vulnerability Index，2022 版）的真實普查區少數族裔占比，篩查每一個定價變數，計算各自的不利影響比率，並對照 EEOC 五分之四規則——0.80 到 1.25 的區間（29 CFR 1607.4(D)）。我以為那個搶眼的 AI 分數，才會是帶著人口統計代理變數的那個。
並不是。複合評分本身以 0.938 的不利影響比率通過。 我並不是為了假裝自己的模型是反派才做這個演示，它也確實不是。但稽核會篩查一切，而 5 個定價變數未能通過 80% 規則。最差的是樓層數，比率 0.363。投保價值以 0.526 未通過。真正讓我吃驚的是：FEMA 自己的分區檔位以 1.467 未通過，高側偏斜比我的複合評分在任何一側都更糟。人人當成安全、中立、監管背書錨點的那條基線，所承載的人口統計偏斜，比人們緊張的 AI 因子還多。
我的 AI 因子以 0.938 通過公平性測試。FEMA 的分區檔位以 1.467 未通過。
這種倒置，正是我最希望精算師坐下來想清楚的事。在這本業務上，不信任模型、信任地圖的直覺，方向反了。
它在我能申報之前先擋下了自己
我想把接下來發生的事說精確，因為這是我最引以為傲的部分，而且完全是毫不戲劇性的程式碼。政策閘門是純 Python，只有一條規則：唯有保留樣本夠大、相對 FEMA 分區的提升幅度跨過規定下限，且每一個被篩查的變數都落在公平性區間內，申報才就緒。預設拒絕。filing_ready 當且僅當阻擋性發現為零。 在這本業務上有一個變數未通過，因此閘門回傳 NOT FILING-READY，點名樓層數為最嚴重違規項，並將其轉交人類精算辯護，而不是直接出貨費率。它也跑了各州檢查清單，科羅拉多州的逐變數辯護要求顯示為未完成。
堆疊中可選的部分是一小組 Pydantic-AI 代理：因子解釋器、與對抗挑戰者配對的公平性辯護器，以及申報備忘錄起草器。它們提供建議。它們草擬敘事。它們無法覆寫閘門；若沒有 API 金鑰，它們乾脆棄權，確定性結果不變。每一個信任關鍵數字都是閘門框架外的普通 numpy。代理建議，程式碼裁決。這個建置裡的供應商饋送（ZestyAI Z-FLOOD、ICEYE SAR-depth）與 Guidewire 連接器，是真實 schema 背後的 stub——文件化的生產替換，不是即時整合。我寧願把這件事說清楚，也不暗示一條並不存在的管線。完整套件，連同申報產物，都在 veriprajna.com/zh-Hant/demos/flood-risk-underwriting。
閘門拒絕時產出的並非死路。它是一套審查員就緒的 DOI 申報套件：精算備忘錄、樣本外回測表、特徵歸因、公平性篩查，以及明確說明哪些項目被轉交人類、為什麼。它是證據產物，不是認證，也不承諾任何審查員已批准任何事。它是審查員會要求的文件軌跡，在他們開口之前就已組好。
我一直把這叫做：在審查員之前先抓住合規風險。這就是買家價值的一句話版本。另一條路，是你已申報之後，才在一封信裡、公開地發現自己的費率具有歧視性。
我一直放不下的事
我帶著「自己在打造更好的洪水模型」的假設走進這次建置，離開時卻確信模型是最不重要的那一塊。誠實揭露比準確度更重要。FEMA 把理賠地理座標脫敏到大約普查區質心，所以這套系統跑在公開資料誠實允許的解析度上，演示也在畫面上這麼說。提升幅度來自一本哈里斯郡業務與一次保留切分，不是開放世界保證。點名這些限制，並不是賣點裡的弱點。它就是賣點本身。
隨著超過 24 個州採納 NAIC《AI 模型公告》，且紐約州 DFS 第 2024-7 號通函把代理歧視測試從禮節變成期望，拒絕申報的程式碼就不再是文書工作，而開始成為產品。評級因子從來不是難點。證明它、治理它，才是。
若你寧願看它如何裁決，而不是聽我一面之詞，整套端到端執行就在這裡。
所以這裡有一個我自己尚未完全答完、也真心想聽精算師看法的問題。若你自己的稽核告訴你：你多年來錨定費率的 FEMA 分區檔位，未能通過你即將套用到新 AI 因子的同一套公平性測試——你會先停止信任哪一個？
