保険ドメイン完全ガイド -- 生命保険から損害保険、保険料算出まで

import numpy as np

# 個人の事故は予測不可能、しかし集団の事故率は予測可能！
n_people = [10, 100, 1000, 10000, 100000]
accident_rate = 0.05  # 実際の事故率 5%

for n in n_people:
    accidents = np.random.binomial(n, accident_rate)
    observed_rate = accidents / n
    print(f"  {n:>7}人: 観測事故率 = {observed_rate:.4f} (誤差: {abs(observed_rate - accident_rate):.4f})")

# 10人: 0.1000 (誤差: 0.0500)       <- 不正確
# 100000人: 0.0498 (誤差: 0.0002)   <- ほぼ正確！
# -> 加入者が多いほど保険会社の予測が正確になる

総収入保険料 = 総支払保険金 + 運営費

保険料 = 純保険料（危険保険料） + 付加保険料（事業費）
         ├── 保険金支払い財源      ├── 代理店手数料
         └── 保険リスク備え        ├── 会社運営費
                                   └── 利益

種類:
├── 終身保険: 死亡時に保険金（一生涯保障）
│   └── 保険料が高い、相続・遺族保障目的
├── 定期保険: 一定期間内の死亡時に保険金
│   └── 保険料が安い、20〜30年設定
├── 養老保険: 死亡または満期時に保険金
│   └── 貯蓄 + 保障の組み合わせ
└── 年金保険: 一定の年齢から年金を支給
    └── 老後の備え、税制優遇

# 定期保険料の算出（簡略モデル）
def term_insurance_premium(age, coverage, term_years, mortality_table):
    """
    純保険料 = Σ (死亡確率 x 保険金 x 割引率)
    """
    premium = 0
    discount_rate = 0.035  # 予定利率 3.5%

    for year in range(term_years):
        current_age = age + year
        mortality = mortality_table[current_age]  # 年齢別死亡率
        # 当該年度の死亡時保険金の現在価値
        pv = coverage * mortality / (1 + discount_rate) ** (year + 1)
        premium += pv

    # 年払い純保険料 = 総PV / 年金現価
    annuity_factor = sum(1 / (1 + discount_rate) ** y for y in range(1, term_years + 1))
    annual_premium = premium / annuity_factor

    # 付加保険料の追加（事業費率 〜30%）
    gross_premium = annual_premium / 0.7

    return gross_premium

# 30歳、1億ウォン保障、20年
# premium = term_insurance_premium(30, 100_000_000, 20, mortality_table)

種類:
├── 火災保険: 建物、動産の火災被害
├── 自動車保険
│   ├── 対人賠償 I/II: 他人の死亡・傷害
│   ├── 対物賠償: 他人の財物損害
│   ├── 自身傷害: 自分のけが
│   ├── 車両: 自分の車の修理
│   └── 無保険車: 無保険の相手方との事故
├── 賠償責任保険: 第三者に与えた損害
├── 海上保険: 船舶、貨物
└── 保証保険: 債務不履行の保証

# 自動車保険料の算出要素
auto_insurance_factors = {
    "車両": {
        "車種": "K5（中型）",
        "年式": 2024,
        "車両価額": 30_000_000,
        "用途": "通勤",
    },
    "運転者": {
        "年齢": 30,
        "性別": "男",
        "免許種類": "1種普通",
        "事故歴": 0,  # 直近3年
        "保険加入期間": 5,  # 年
    },
    "割引・割増": {
        "無事故割引": -15,  # %
        "ドラレコ割引": -5,
        "走行距離割引": -10,
        "多子割引": 0,
        "事故割増": 0,
    }
}

# 損害率 = 支払保険金 / 経過保険料 x 100%
# 合算比率（Combined Ratio） = 損害率 + 事業費率
# 100%未満: 保険営業だけで利益
# 100%超: 投資収益で補填が必要

生命保険でも損害保険でもない「人の身体」に関する保険：
├── 実損医療保険: 実際の治療費を補償（最重要！）
├── 傷害保険: 外部事故による傷害
├── 疾病保険: がん、脳卒中、心筋梗塞など
├── 介護保険: 長期療養状態
└── 歯科保険: 歯科治療

総保険料（Gross Premium）
├── 純保険料（Net Premium）-- 保険金支払い財源
│   ├── 危険保険料: 死亡・事故確率に基づく
│   └── 貯蓄保険料: 満期返戻金の財源（貯蓄性保険）
│
└── 付加保険料（Loading）-- 会社の運営費
    ├── 新契約費: 代理店手数料（初年度に集中）
    ├── 維持費: 毎年の管理費用
    └── 集金費: 保険料収納費用

# 保険料算出の3大基礎率
class InsuranceBasicRates:
    # 1. 予定危険率（Mortality/Morbidity Rate）
    #    -> 年齢/性別/職業別の死亡・事故確率
    #    -> 生命表、経験統計に基づく
    mortality_30_male = 0.00098  # 30歳男性の年間死亡確率 0.098%

    # 2. 予定利率（Assumed Interest Rate）
    #    -> 保険会社が運用収益で稼ぐと予想する利率
    #    -> 高いほど保険料 ↓（将来の収益で相殺）
    assumed_rate = 0.025  # 2.5%（現在の低金利時代）

    # 3. 予定事業費率（Expense Ratio）
    #    -> 保険料のうち事業費の割合
    expense_ratio = 0.25  # 25%

def loss_ratio(claims_paid, earned_premium):
    """損害率 = 支払保険金 / 経過保険料 x 100"""
    return (claims_paid / earned_premium) * 100

# 自動車保険: 損害率 80%（高い）
# 生命保険: 損害率 50%（低い）
# 実損医療保険: 損害率 120%（赤字！）

def combined_ratio(loss_ratio, expense_ratio):
    """合算比率 = 損害率 + 事業費率"""
    return loss_ratio + expense_ratio

# 100%未満: 保険営業だけで利益（アンダーライティング利益）
# 100%: 損益分岐
# 100%超: 赤字 -> 投資収益で補填が必要

# 韓国損害保険の平均: 〜105%（営業は赤字、投資で補填）

# 保険会社の健全性指標（金融監督院の監督）
def rbc_ratio(available_capital, required_capital):
    """ソルベンシーマージン比率 = 可用資本 / 要求資本 x 100"""
    return (available_capital / required_capital) * 100

# 最低100%以上の維持が必須
# 150%以上: 健全（金融監督院の勧告）
# 100%未満: 早期是正措置の対象！

伝統的保険               ->    InsurTech
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
対面の代理店営業           ->    アプリ/Web直接加入
紙の請求書                 ->    OCR + AI自動審査
一律の保険料               ->    IoT + AIカスタム保険料
手動の不正検知             ->    ML異常検知
数ヶ月の保険金支払い       ->    リアルタイム自動支払い

# AI保険不正検知モデル（コンセプト）
features = {
    "claim_amount": 50_000_000,      # 請求金額
    "days_since_policy": 30,          # 加入後経過日数（早すぎる請求？）
    "previous_claims": 5,             # 過去の請求回数
    "medical_consistency": 0.3,       # 診断書-請求の一貫性（低いと疑わしい）
    "provider_fraud_score": 0.8,      # 該当病院の不正履歴スコア
    "claimant_network_risk": 0.6,     # 請求者ネットワークリスク
}

# XGBoost / LightGBMで不正確率を予測
# fraud_probability = model.predict(features)
# 0.7を超えたらSIU（特別調査チーム）に自動エスカレーション

保険システムアーキテクチャ:
├── 契約管理（Policy Admin）
│   └── 加入、変更、解約、更新
├── アンダーライティング（Underwriting）
│   └── 加入審査、リスク評価
├── 保険料算出（Rating Engine）
│   └── 保険計理に基づく保険料計算
├── 保険金請求（Claims）
│   └── 受付、審査、支払い、不正検知
├── 収納（Billing）
│   └── 保険料収納、未納管理
├── 再保険（Reinsurance）
│   └── リスク分散（保険会社のための保険）
└── 計理（Actuarial）
    └── 準備金算出、商品設計