从一条规律到一则预言
在上一篇里，你搭起了一张损失进展三角形：事故年沿左侧自上而下排列，进展月龄横向铺开，三角形内部则是损失随着理赔被报案、被重估、被赔付而缓缓绽放的过程。你也学会了读逐龄因子——那些告诉你「24 个月时的损失通常是 12 个月时的 1.15 倍」的比率。那张三角形是对过去的一份*描述*。而链梯法把它变成对未来的一则*预测*：它拿起每一个仍只长到一半的事故年，沿着平均成长轨迹把它一路推向前，直到它长足、了结，到达它完整的大小——也就是它的最终值。
这个名字本身就是一幅生动的画。每一个逐龄因子都是一根*横档*；拿一个年份当下的损失，乘以它所在位置往上的那根横档，再乘下一根、再下一根，你就爬完了这架*梯子*——一连串相乘，把你从今天尚未成熟的数字一路抬到顶端的最终值。再减去已经赔出去的（对已报案三角形而言，则减去你目前仍持有的准备金），剩下的就是你必须留存的钱：未付理赔的估计，其核心便是为尚未浮现的理赔所留的IBNR。
把一个年份送上梯子
我们就用真实的算术，在一张小小的三角形上把它做一遍。假设从历史数据里，你*选定*的进展因子是：12 到 24 个月为 1.50，24 到 36 个月为 1.20，36 到 48 个月为 1.10，此后你认为理赔已彻底了结。把这些相乘，就得到累积因子——把一个年份从某个月龄一口气送到最终值的那个单一数字。从 12 个月起算，便是 1.50 × 1.20 × 1.10 = 1.98：在这套规律下，一个只看到 12 个月的年份，其实才长到大约一半。
Acc. Dev age (cumulative paid) Cum. Ultimate Reserve
year 12mo 24mo 36mo 48mo factor = latest x f = ult - latest
--------------------------------------------------------------------------
2021 1,000 1,500 1,800 1,980 1.000 1,980 0 (done)
2022 1,100 1,650 1,980 . 1.10 2,178 198
2023 1,200 1,800 . . 1.32 2,376 576
2024 1,300 . . . 1.98 2,574 1,274
--------------------------------------------------------------------------
selected age-to-age: 1.50 1.20 1.10 (tail 1.00)
cumulative to ult: 1.98 1.32 1.10
Total reserve (IBNR + future paid) = 198 + 576 + 1,274 = 2,048看事故年 2024：只知道它 12 个月的数字 1,300，于是乘以完整的累积因子 1.98，得到最终值 2,574。它已赔付 1,300，所以还欠 1,274。2023 年看到 24 个月，只需 1.20 × 1.10 = 1.32，依此类推。每个更年轻的年份都更多地倚靠因子、更少地倚靠自己那点单薄的数据——这也正是为什么最新的年份带着最多的猜测成分。把四笔准备金加起来，你就把整张三角形都发展完了：这就是把损失发展到最终值，而那个 2,048 便是损失进展法给出的未付理赔总额估计。
「*选定*」这两个字在悄悄地、却很重要地工作着。三角形在每一步都递给你好几个历史逐龄比率，而它们从不会完全一致。精算师要从中挑一个——简单平均、按业务量加权的平均、五年平均、剔除某个反常年份后的平均，或者在一纸判决、一次流程变更让近期变得不典型时，凭判断微调出来的数字。因子一旦选定，链梯法便是机械的；但*挑选*因子才是真功夫，两位都诚实的精算师，从同一张三角形里完全可能得出不同的准备金。
数据之外：尾部因子
请留意例子里藏着的那个悄无声息的假设：理赔到 48 个月就彻底了结了。对短尾业务——一块挡风玻璃、一次轻微剐蹭——这大致成立。可对责任险、劳工补偿险、石棉这类长尾意外业务，理赔会一路缓缓爬升十年、二十年、甚至四十年，远远越过你所能搭出的任何三角形的右边缘。你的三角形就这么*停住*了，损失却没有。最后一列数据之后还会发生的那部分进展，由尾部因子来承接。
尾部因子不过是梯子上多出的一根横档——一个单一乘数（比如 1.05），你把它接在末尾，用来涵盖从最后一个可观察月龄一直到真正最终值的全部进展。可数据既然戛然而止，它从何而来？来自行业进展模式、来自给你*能*看到的那些因子拟合一条平滑曲线再外推、或来自某项基准研究。这每一样都是借来的假设，而非测量出来的事实，所以尾部正是准备金评估最倚重判断、也最可能严重出错的地方。
两张三角形：已付与已报案
链梯法并不在乎你往格子里放什么——它只在乎这些数字是否沿着一条稳定的规律成长。于是精算师几乎总是在*两*张不同的三角形上各跑一遍，再相互比对。已付三角形只装真正付出去的现金；它干净、无从作假（一张支票就是一张支票），却很慢，因为最大的理赔总是最后才赔。已报案（或称*已发生*）三角形装的是已付损失*加上*理赔员的个案准备金——他们对每一宗未结理赔最终成本的最佳估计。它反应更快，却也继承了理赔部门所有的乐观、悲观与留备习惯。
当两个答案彼此吻合，你便睡得安稳。当它们分道扬镳，那道缺口就是一个值得细读的故事，而学会读它是一项实打实的准备金评估功夫——这正是已付对已报案诊断的核心。若已报案最终值远高于已付最终值且久久不降，理赔留备或许偏于保守。若已报案损失在一列里*下行*——个案准备金随理赔以低于预期的金额结案而被释放——你的已发生因子甚至可能跌破 1.00。再若几年前理赔员悄悄收紧或放松了个案留备的标准，已报案三角形的规律便在你脚下悄然挪移，而已付三角形仍守着它更老的节奏。
唯一的那个假设——以及它在哪里碎裂
把链梯法剥到只剩骨架，撑起整座大厦的只有一个假设：*每一个事故年都沿着同样的比例规律进展*，无论这一年体量多大。一个年份未来的进展，只取决于它当前的累积金额与选定的因子——与它是哪一年无关，与损失是怎么走到那一步的也无关。这是个很强的断言，而链梯法那个著名的弱点正在于：它对此深信不疑。拿一个错的数字乘以一个因子，你得到的便是一个自信满满的错误答案。
正因如此，这套方法在*最年轻*的事故年上会错得离谱。那一年要乘以最大的累积因子（在我们的例子里是 1.98），所以杠杆最大——可它倚靠的却是最少的数据和最随机的第一条对角线。一笔异常巨大的早期理赔，或一个异常清淡的季度，会被放大近两倍。一个数据单薄、噪声又大的新生年份，恰恰是链梯法最不可信之处，也恰恰是下一篇里的 Bornhuetter-Ferguson 法要靠倚重先验预期来稳住方向盘的地方。
每当过去不再像未来，这个假设同样会碎裂。理赔处理速度的变化、业务结构的转移、医疗或维修成本的失控通胀、一纸为旧理赔重新定价的判决、一场嵌在原本平常年份里的一次性巨灾——每一样都会扭弯进展规律，而一个假定规律恒定不变的方法，会径直冲下悬崖。因此，诚实的准备金精算师从不把链梯法当作神谕。他们跑它一遍，再各跑一遍已付与已报案版本，细读诊断指标，追问究竟发生了什么变化，并把得到的答案当作几个有据可循的估计中的一个。