AI 驅動的洪水風險核保

勝過 FEMA 分區的洪水費率因子，並在 DOI 審查員之前擋下自己。

FloodProof 對準一本真實的 NFIP 洪水理賠業務簿，證明由真實建築屬性組成的複合評分對損失的排序優於 FEMA 洪水分區；對每一個定價變數，對照真實人口普查人口統計進行差別影響稽核；並組裝審查員就緒的 DOI 申報套件。當某個變數未能通過 80% 規則，確定性政策閘門拒絕將申報標為就緒，並將最嚴重違規項轉交人類精算辯護。

1.69x

在最高十分位損失捕捉上，相對 FEMA 分區的樣本外提升

40,615 筆保留集真實 NFIP 理賠，Gini 0.31 對比 0.08

$3.1B

在 FEMA 高風險區之外已賠付的真實建築理賠金額（45.9%）

這本哈里斯郡（Harris County, TX）業務簿，未經建模

NOT FILING-READY

當 5 個定價變數未能通過 80% 規則時，閘門擋下了自己的申報

複合評分本身以 AIR 0.938 通過

每一個數字都在每次執行時，從真實公開資料即時重算。請將其歸屬於這本哈里斯郡業務簿與這次保留切分，而非開放世界保證。

FEMA 分區在兩端都錯估定價，而更聰明的模型也可能讓申報失敗

以 Zone AE 對 Zone X 為錨的洪水定價，是一個用地圖回答的財產層級問題。

將洪水費率錨定在 FEMA 洪水分區，會對區內抬升房屋過度收費，對區外平板式地基房屋收費不足。承保方真正的曝險是財產層級問題，分區地圖無法回答。在這本真實的哈里斯郡業務簿中，$3.1B（45.9%）的建築理賠金額賠在 FEMA 評為高風險特殊洪水危害區之外的物業上。這直接來自資料，沒有任何模型介入。

市場的答案一向是去買更好的模型。但更聰明的費率因子只是工作的一半。任何經 AI 強化的費率如今都必須通過保險監理機關（Department of Insurance）的公平性審查，因為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 EEOC 80% 規則，從而送出審查員會駁回的歧視性費率。紐約州 DFS 第 2024-7 號通函要求代理歧視測試，科羅拉多州要求對 AI 驅動保險費率逐變數辯護，且 NAIC《AI 模型公告》已獲 24 個或更多州採納。一個自己給自己打分的更好模型並不是證據，而一個夾帶人口統計訊號的更好模型，是一份會被退回的申報。

耐久的工程是模型周圍的基礎設施：非循環回測、對每一個定價變數的公平性稽核，以及一道產出審查員申報套件或拒絕產出的閘門。這就是我們所打造的，也是示範在真實公開資料上所證明的。

FloodProof 如何運作

九個可量測階段，從真實 OpenFEMA 理賠到確定性申報裁決。沒有任何硬編碼。

FloodProof 即時管線面板，顯示在 135,381 筆真實理賠上完成的 9 個階段：讀取快取的 OpenFEMA 記錄、保留已賠付建築理賠、工程化真實建築特徵、載入 CDC-SVI 人口統計與普查區質心、以種子 9 做 70/30 切分並擬合脊迴歸複合、以 1.694x 對照 FEMA 分區回測、加總高風險區外已賠付的 $3.1B、對每一個變數篩查差別影響，以及確定性政策閘門回傳 NOT FILING-READY 並將樓層數轉交人類。 — 九階段管線在每次執行時即時運行。信任關鍵數字是普通 numpy，在任何代理框架之外計算。

評分引擎

由真實 OpenFEMA 建築屬性（建築年齡、樓層數、抬升指標、post-FIRM 代碼、佔用類型、障礙物）組成的脊迴歸複合，在 70% 訓練切分上擬合，並在保留的 30% 測試切分上評分。投保保額刻意排除在評分之外，因為賠付在機制上受其封頂，納入會使回測變成循環。基線是真實的 ratedFloodZone，標籤是真實的 amountPaidOnBuildingClaim，兩者皆獨立於模型。

回測與歸因

保留集理賠依複合評分與 FEMA 分區排序，引擎回報各自的最高十分位損失金額捕捉與 Gini，並附上驅動評分的精確線性 Shapley 歸因。固定種子（SEED=9）使切分可重現，因此同一執行產出相同數字。

公平性稽核

差別影響篩查針對每一個定價變數、複合評分本身、投保建築保額，以及每一項建築屬性，對照來自 CDC/ATSDR SVI 的真實普查區少數族裔佔比。對每個變數計算不利影響比率，以及它是否落在 EEOC 80% 規則區間 [0.80, 1.25] 內。

確定性政策閘門

唯有保留樣本夠大、複合評分相對 FEMA 分區的提升幅度達到規定下限（1.10x 或更高）、不利影響比率落在區間內，再加上各州申報檢查清單，申報才標為就緒。若任何變數未通過，閘門發出 NOT FILING-READY，點名最嚴重違規項，並將其轉交人類精算辯護。預設拒絕：filing_ready 當且僅當阻擋性發現為零。

可選的 LLM 團隊

一組 Pydantic-AI 團隊——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——可以提供建議，但由閘門裁決。不需要 API 金鑰。沒有金鑰時代理會棄權，確定性示範不受影響。每一個信任關鍵數字都活在代理框架之外的普通 numpy 中。

示範在真實資料上證明了什麼

德州哈里斯郡（Harris County, TX）。真實 OpenFEMA NFIP 理賠。下方每一個數字都是即時計算。

FloodProof 並排地圖，顯示同一本哈里斯郡業務簿。左側，理賠依 FEMA 洪水分區檔位著色，點大小等於真實已賠付金額。右側，相同理賠依 AI 複合風險著色，金色環標示 FEMA 漏網：FEMA 評為安全、複合評分卻判為高風險的物業。角落紅色徽章寫著合規憑證 NOT FILING-READY。 — 同一本業務簿，兩張地圖。同一批哈里斯郡理賠的 FEMA 分區視圖與 AI 複合視圖，金色環標示 FEMA 評為安全、複合評分卻標為高風險的物業。

FloodProof 樣本外提升圖，附頭條統計卡：$3125.0M 真實建築理賠賠在 FEMA 高風險區之外、複合評分相對 FEMA 分區最高十分位捕捉提升 1.694x、全部真實理賠金額中 45.9% 位於高風險區外，以及回測中 40,615 筆保留集真實理賠。長條圖僅比較 AI 複合與僅 FEMA 分區在最高十分位理賠金額捕捉與 Gini 上的表現。 — 樣本外結果：在 40,615 筆保留集理賠上，最高十分位捕捉提升 1.694x，Gini 0.31 對比 0.08。

在 40,615 筆保留集真實理賠上，複合評分捕捉到 FEMA 分區基線最高十分位損失金額的 1.69x，Gini 0.31 對比分區的 0.08。因為評分在訓練集上擬合、在保留切分上讀取，且基線與標籤皆獨立於模型，這是真正的樣本外結果，而非自己給自己打分。

提升幅度在不同隨機種子下大致穩健落在 1.69x 到 1.85x 區間，因此不是幸運切分。範圍是一本郡業務簿與一次保留的 30% 切分，我們也這麼說。

稽核並不假裝 AI 才是問題。複合評分本身以 AIR 0.938 通過 80% 規則，對照真實 CDC/ATSDR SVI 普查區篩查。但篩查會跑在每一個定價變數上，而 5 個未通過：最差的是樓層數，AIR 0.363，其次是投保價值 0.526，以及——令人吃驚的是——FEMA 自己的分區檔位 1.467。

在審查員之前先抓住資料中的合規風險，才是價值所在。閘門隨後拒絕將申報標為就緒，並將最嚴重違規項——樓層數——轉交人類精算辯護。

FloodProof 合規憑證模態標示為 NOT FILING-READY。差別影響表對照真實 CDC/ATSDR SVI 2022 普查區篩查每一個費率變數：複合評分以 AIR 0.938 通過，而定價變數中有 5 個未能通過 80% 規則，最差為樓層數 0.363，其次投保建築保額 0.526，以及 FEMA 自己的分區檔位 1.467。紅字註明最嚴重違規項樓層數已轉交人類精算辯護，費率不會自動核准，下方為各州 DOI 申報檢查清單。 — 差別影響稽核篩查每一個定價變數。複合評分以 0.938 通過；5 個變數未通過，包括 FEMA 自己的分區檔位。

FloodProof 州 DOI 申報文件，標題為哈里斯郡（Harris County, TX）承保業務簿的 AI-Augmented Flood Rating Factor，蓋有 NOT FILING-READY 戳記。內含精算備忘錄、樣本外回測表（顯示複合評分捕捉 FEMA 分區最高十分位損失金額的 1.694x，Gini 0.31 對比 0.08，基於 40,615 筆真實理賠），以及精確線性 Shapley 貢獻的特徵重要性表。 — 審查員就緒的 DOI 申報套件：精算備忘錄、樣本外回測，以及特徵歸因，由閘門產出或阻擋。

FloodProof 誠實地落在哪裡

這是機制的示範，不是已部署的管線。以下精確說明什麼是真實的、什麼是 stub。

組件	在此示範中	狀態
理賠、人口統計、地理	OpenFEMA FimaNfipClaims（170,803 筆記錄，135,381 筆已評分）、CDC/ATSDR SVI 2022、Census Gazetteer 2023	真實、公開、無需 API 金鑰
評分、回測、公平性稽核、閘門	脊迴歸複合、樣本外提升與 Gini、差別影響篩查、確定性政策閘門	真實，普通 numpy 與 Python
供應商訊號饋送（ZestyAI Z-FLOOD、ICEYE SAR-depth）	真實 schema 背後的轉接器，畫面上揭露為 stubs	Stub，已文件化的生產替換
Guidewire / Duck Creek 連接器	暖快取查詢位於 /api/score，回傳時間低於 50 ms	Stub，非即時整合
Pydantic-AI 團隊（因子解釋器、公平性辯護器、備忘錄起草器）	僅諮詢敘事；無 API 金鑰時棄權	可選、諮詢性質，絕不裁決

FloodProof 費率因子工作表，針對哈里斯郡一個普查區，展開「經 Guidewire 連接器擷取費率因子」控制項。主控台日誌標示為 stub guidewire-integration-data-manager，並從暖快取查詢回傳複合費率因子，在 UI 中揭露為 stub 而非即時整合。 — 內嵌報價綁定故事具體但誠實：Guidewire 連接器是 stub 化的快取查詢，並在 UI 中如此標示。

此示範不做什麼

它不運行即時的 ZestyAI、ICEYE、First Street、Guidewire 或 Duck Creek 饋送。那些是 stubs。
它不主張 DOI 合規或認證。申報套件是證據產物，不是法律意見，也沒有任何審查員核准過任何事。
它不呈現經建模的年度金額滲漏數字。誠實的頭條是未經建模、真實賠在 FEMA 高風險區之外的 $3.1B，加上樣本外提升。
它不使用外部柵格（不透水地面、DEM、NOAA Atlas-14）。複合評分使用 OpenFEMA 自身的真實建築屬性；柵格是已文件化的未來強化。
它沒有客戶、承保方、部署、見證或 ROI。沒有具名保險公司使用過這套系統。這是在一本郡業務簿上的機制示範。
它不假裝自己的模型有偏誤。複合評分以 AIR 0.938 通過 80% 規則；重點是稽核與閘門抓住未通過的變數。

核保人與合規團隊會問的問題

這會取代我們已經採購的洪水模型，例如 ZestyAI 或 ICEYE 嗎？

不會。FloodProof 不是與 ZestyAI 或 ICEYE 競爭的另一個洪水模型。它是圍繞你所用任何模型的整合與證明層：對照真實 FEMA 分區基線的非循環樣本外回測、對每一個定價變數的差別影響稽核，以及產出或阻擋審查員就緒 DOI 申報套件的確定性閘門。該價值在任何模型品質下都成立，因為一個自己給自己打分的更好模型並不是證據，而一個夾帶人口統計訊號的更好模型，是審查員會駁回的申報。

你如何知道複合評分相對 FEMA 分區的提升不是過度擬合？

回測在構造上就是非循環的。複合評分在 70% 訓練切分上擬合，在它從未見過的保留 30% 上評分；基線是真實的 FEMA 評定分區，標籤是真實已賠付理賠金額。基線與標籤皆獨立於模型，投保保額刻意排除，使評分無法偷瞄賠付上限。在 40,615 筆保留集真實 NFIP 理賠上，複合評分捕捉到 FEMA 分區基線最高十分位損失金額的 1.69x（Gini 0.31 對比 0.08），結果在不同隨機種子下大致落在 1.69x 到 1.85x 區間。

當費率變數未能通過 80% 規則時，閘門實際上做什麼？

它拒絕將申報標為就緒。政策閘門是確定性 Python，只有一條不變式：filing_ready 當且僅當阻擋性發現為零。在這本哈里斯郡業務簿上，複合評分本身以 AIR 0.938 通過 80% 規則，但稽核標出 5 個未通過的定價變數，最差為樓層數 AIR 0.363。閘門發出 NOT FILING-READY，點名最嚴重違規項，並將其轉交人類精算辯護，而不是送出歧視性費率。代理建議，程式碼裁決。

這是跑在真實理賠資料上，還是合成樣本？

真實。示範跑在德州哈里斯郡 170,803 筆原始 OpenFEMA NFIP 理賠記錄上，其中 135,381 筆有已賠付建築理賠並完成評分，再加上真實 CDC/ATSDR SVI 2022 普查區人口統計與 2023 Census Gazetteer。這是無需 API 金鑰的公開資料，首次執行時快取。示範在畫面上揭露的一項誠實但書：FEMA 將理賠地理座標脫敏到大約普查區質心，因此回測跑在公開資料所允許的解析度上。

供應商饋送與 Guidewire 連接器在此示範中是即時的嗎？

不是，示範也在畫面上這麼說。ZestyAI Z-FLOOD 與 ICEYE SAR-depth 饋送，以及 Guidewire Integration Data Manager 連接器，是真實 schema 背後的 stubs。連接器端點是暖快取查詢，回傳時間低於 50 ms，好讓內嵌報價綁定整合變得具體。生產路徑是已文件化的設定替換，而非重寫，誠實的主張是 stub，不是即時整合。

「審查員能夠核准的費率因子」是否意味著已獲認證合規？

不是。DOI 申報套件是證據產物——精算備忘錄、樣本外回測、特徵歸因，以及各州檢查清單——不是認證或法律意見。「審查員能夠核准」是設計目標，不是任何審查員已核准任何事的保證。沒有保險公司在生產中使用過這套系統，也沒有部署、客戶或案例研究。隨著 24 個或更多州採納 NAIC《AI 模型公告》，重點是閘門產出審查員會要求的證明，並在資料不足以支撐申報時誠實地失敗。