Catastrophe Bond Risk Modeling MVP

📋 프로젝트 개요

이 프로젝트는 강수량 시계열 데이터를 기반으로 재해 발생 가능성과 손실 규모를 예측하는 통합 모델을 개발합니다. 예측 결과를 바탕으로 CAT Bond의 기대 손실과 수익률을 계산해 가격을 결정하는 시스템을 구현합니다.

🎯 주요 기능

1. Two-Part 모델 구조

• Part 1: Trigger 발생 확률 모델 (LightGBM 분류)
• Part 2: 조건부 손실 규모 모델 (LightGBM 회귀)

2. 지역별 위험 모델링

• 159개 지역의 강수 임계값 기반 트리거 모델
• 충주 지역 특화 분석 및 가중치 적용

3. Expected Loss 계산

• 연간/3년 만기 Expected Loss 계산

🏗️ 프로젝트 구조

catbond-mvp/
├── src/
│   ├── pipeline.py              # 메인 파이프라인 (수정됨)
│   ├── data.py                  # 데이터 로더 (수정됨)
│   ├── model.py                 # 모델 클래스 (수정됨)
│   ├── features.py              # 피처 엔지니어링
│   └── utils.py                 # 유틸리티 함수
├── data/
│   └── processed/               # 처리된 데이터
├── models/                      # 학습된 모델
├── config.yaml                  # 설정 파일
├── train.py                     # 실행 스크립트
└── requirements.txt             # 의존성 패키지

🚀 빠른 시작

1. 환경 설정

# 가상환경 생성
python -m venv catbond-env
source catbond-env/bin/activate  # Windows: catbond-env\Scripts\activate

# 의존성 설치
pip install -r requirements.txt

2. 모델 학습

# 새로운 파이프라인 실행 (권장)
python train.py --config config.yaml

# 또는 직접 파이프라인 실행
python -c "
import sys
import os
sys.path.append('src')
from src.pipeline import train_catbond_pipeline
results = train_catbond_pipeline('config.yaml')
print('파이프라인 실행 완료!')
"

3. 결과 확인

• 트리거 모델: trigger_probability_model.pkl
• 손실 모델: conditional_severity_model.txt
• 지역 정보: region_info_mtl.pkl

📊 주요 결과 (최신)

충주 지역 Expected Loss (3년)

• 충주 지역: 충청북도 충주시
• 임계값: 227.0mm
• 연간 기대 사건 수 (λ): 0.050건
• 사건당 손실률 (L): 9.88%
• 액면가 (F): 1,000억원
• 기대 손실률: 0.89%
• 기대손실 (EL): 8.9억원
• 3년간 최소 1회 발생 확률: 8.61%
• 추정 보험료: 148만원

모델 성능

• 트리거 모델: LightGBM 분류 (ROC-AUC: 0.996)
• 손실 모델: LightGBM 회귀 (MAE 최적화)

📋 필수 데이터 파일

data/processed/
├── merged_flood_data.csv           # 메인 손실 데이터 (5.2MB)
├── rain_nation_daily_glm.parquet   # 강수 데이터 (1.5MB)
├── features.parquet                # 피처 데이터 (2.1MB)
├── climate_indices.parquet         # 기후지수 데이터 (0.8MB)
└── land_use_merged.parquet         # 토지이용 데이터 (1.2MB)

⚙️ 설정 파일 (config.yaml)

model:
  face_value: 100000000000 # 1,000억원 (액면가)
  quantile_level: 0.999918 # 99.9918% 분위수
  random_state: 42

expected_loss:
  face_value: 100000000000 # 1,000억원
  years: 3 # 3년 만기
  loading_factor: 0.05 # 5% 수준

🤝 기여 방법

1. Fork the repository
2. Create a feature branch
3. Commit your changes
4. Push to the branch
5. Create a Pull Request

📄 라이선스

MIT