欢迎来到数据假设的世界！
在你的 CP2 学习之旅中，你很快就会发现现实世界中的数据鲜少是完美的。它们可能杂乱无章、缺失不全，甚至显得怪异。这就是假设（Assumptions）发挥作用的地方。你可以将假设视为一座“桥梁”，连接你所获得的不完美数据与你需要建立的工作模型。在本章中，我们将学习当数据无法提供完整信息时，如何做出明智且专业的选择。
如果起初觉得这有点像是在凭空猜测，不必担心。精算假设并非随意的盲目臆测；它们是基于我们现有信息所作出的合理辩证（reasoned justifications）。读完这份笔记，你将会更有信心处理那些“棘手”的数据！
1. 为什么我们需要做出假设？
当你收到一份 CP2 项目的数据集时，可能会发现其中存在缺漏。也许有些保单持有人忘了填写年龄，或者某一栏数字中出现了明显的输入错误。如果我们直接忽略这些问题，模型可能会崩溃或得出错误的结果。
我们做出假设是为了：
• 填补缺失的信息。
• 修正明显的错误（异常值）。
• 简化复杂的数据，使模型运行更有效率。
• 在无法取得所需特定数据时，建立一个替代指标（proxy）。
生活类比：想象你正在按照食谱烤蛋糕，但食谱页面破损，你看不到该用多少糖。根据你烤其他蛋糕的经验，你假设用一杯糖大概就可以了。这正是我们处理数据时所做的事——利用已知的知识来填补空白。
2. 处理缺失数据
缺失数据是最常见的障碍。处理缺失数据主要有两种方法，具体取决于数据缺失的程度。
A. 删除数据（“删除”法）
如果数据缺失的比例极小（例如 10,000 笔纪录中只有 2 笔缺失），最安全的做法可能是直接剔除它们。你假设这几笔纪录不会影响整体的计算结果。
B. 填补数据（“填补”法）
如果缺失的数据量较大，删除它们可能会导致结果产生偏差。此时，你应做出假设来填补空缺。例如：
• 平均值：如果“投保年龄”缺失，你可以假设该人员为其余群体的平均数（mean）或中位数（median）年龄。
• 谨慎原则（Prudence）：在某些情况下，为了安全起见，你可以采取“最坏情况”假设（例如，在寿险模型中，假设缺失吸烟状态的样本为“吸烟者”）。
快速检视：务必问自己——“我的假设会实质性地改变最终答案吗？”如果答案是肯定的，你必须在审计追踪（audit trail）中非常仔细地解释你的选择！
3. 处理异常值与特例
异常值（Outlier）是指那些偏离其他数据太多，看起来明显错误的数据点。例如，你看到某位保单持有人的年龄被标记为 150 岁，或者月缴保费为 \$-5,000。
该如何处理这些数据？
1. 设定上限与下限（Cap and Floor）：如果那是保单的限制，你可以假设该年龄实际上为 100 岁（设上限）或 18 岁（设下限）。
2. 修正：如果数值明显是输入错误（例如 202.3 而非 2023），你可以根据周边背景来假设其预期的数值。
3. 删除：如果该数据点在物理上是不可能的，且你无法推断出正确数值，则直接将其排除。
你知道吗？在 CP2 考试中，评分员较不在意你做了什么假设，而更在意你为什么做这个假设。通常没有唯一的“正确”答案，只有“论证充分”的答案。
4. 使用替代指标（Proxies）
有时，你需要的数据根本不存在。在这些情况下，你会使用替代指标（proxy）——一种行为与缺失数据相似的替代方案。
例子：你正在为电动车（EV）进行汽车保险索赔建模，但你只有汽油车的数据。你可以假设电动车驾驶的行为与汽油车驾驶相似，并可能因为电动车零件较昂贵，而将维修成本假设略微调高几个百分点。
记忆法：P.A.R. 原则
做出假设时，检查它是否符合：
• Practical（实用性）：它能被轻易地建模吗？
• Appropriate（适当性）：它对于这个特定问题合适吗？
• Reasonable（合理性）：其他精算师会同意你的看法吗？
5. 审计追踪：记录你的假设
在 CP2 中，如果没有记录下来，就等于没发生过！这是“数据准备与分析”部分最重要的环节。你必须写下你对所提供数据所作出的每一项假设。
文件应包含的内容：
• 假设内容（例如：“假设缺失的年龄均为 45 岁”）。
• 假设原因（例如：“45 岁是有效纪录的平均年龄”）。
• 潜在影响（例如：“由于仅有 1% 的数据缺失，预计对最终保费的影响微乎其微”）。
避免常见错误：不要只写“我假设缺失值为 0”。你必须解释为什么 0 是一个合理的选择。如果不合理，就不要这样做！
总结检查清单
在进入建模阶段前，请确保你已经：
• 识别出所有缺失或不一致的数据点。
• 决定了是否要排除或调整这些数据点。
• 检查了你的假设是否与任务的整体目标保持一致。
• 在摘要文件中为每一项假设写下了清晰的论证。
关键收获：假设并非“作弊”——它们是使模型运行的必要工具。只需对你的操作保持诚实，并清楚解释你的逻辑即可！