Chainladder：它是否适用于估值周期不一致的多三角形？

如何解决Chainladder：它是否适用于估值周期不一致的多三角形？

尝试从三角形/开发类（例如age_to_age）中提取属性，因为它被参数化为多个三角形，每个三角形都有不同的估值日期。

这个例子说明了这个问题：

导入链梯为 cl 将熊猫导入为 pd

import networkx as nx


def create_graph(adj_list):
  length = len(adj_list)
  g = nx.DiGraph()

  for node in range(length):
    for towards in adj_list[node]:
      g.add_edge(node,towards)

  return g


def get_longest_cycle(adj_list,s):
  g = create_graph(adj_list)

  cycles = nx.simple_cycles(g)

  # print(cycles)
  largest = 0
  to_return = []
  for c in cycles:
    if s in c:
      if len(c)>largest:
          to_return=list(c)
          largest=len(c)

  

  return to_return

然后过滤三角形以提取特征，但它“爆炸”了估值日期，结果毫无意义：

data = [['2010-01-01','2011-06-30','premium',100.0],['2010-01-01','2011-12-31','incurred','2012-06-30',200.0],'2012-12-31','2013-12-31',['2011-01-01',['2012-01-01',200.0]]

df = pd.DataFrame(data,columns=['origin','val_date','idx','value'])

cl_tri = cl.Triangle(data=df,index='idx',columns='value',origin='origin',development='val_date',origin_grain='%Y',origin_format='%Y-%m-%d',development_format='%Y-%m-%d',cumulative=True)

处理这种情况的最佳方法是什么？分离类对象？