Cat Bond Pricer
sburstein/cat-bond-pricer
Parser e precificador de cat bonds com ML e dashboard Streamlit
Ver no GitHubFerramenta de análise e precificação de títulos de catástrofe (catastrophe bonds) que extrai dados de PDFs via Claude API, armazena em DuckDB e calcula fair-value spreads através de regressão OLS. Inclui dashboard interativo em Streamlit para upload, visualização de dados e predição de preços.
Instalação
npx convez-ai sburstein/cat-bond-pricer1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Análise de term sheets de títulos de catástrofe
- Modelagem de fair-value spreads em instrumentos de climate finance
- Avaliação de risco de desastres naturais em carteiras de renda fixa
Veredito

Solução especializada e bem arquitetada para o nicho de climate finance. Combina extração de dados com Claude, warehouse em DuckDB e regressão OLS de forma integrada, mas requer domínio técnico e conhecimento do mercado de cat bonds.
README
A tradução para o português deste README ainda está na fila.
Cat Bond Pricer
A climate finance tool that parses catastrophe bond term sheets (PDFs from the Artemis Deal Directory), extracts structured fields using Claude, stores them in DuckDB, runs an OLS regression (multiple ~ EL + peak_peril + diversifier + post_Ian), and produces a fair-value spread calculator via Streamlit.
Setup
cd cat-bond-pricer
uv venv && source .venv/bin/activate
uv pip install -e ".[dev]"
Set your Anthropic API key for the PDF parser:
export ANTHROPIC_API_KEY=sk-ant-...
Usage
Run the Streamlit app:
streamlit run app/app.py
Run tests:
pytest
Architecture
src/catbond/
models.py Pydantic models (CatBond, FairValueResult, enums)
parser.py PDF text extraction + Claude structured extraction
warehouse.py DuckDB storage (create, insert, query)
regression.py OLS: multiple ~ EL_bps + peak_peril + diversifier + post_Ian
calculator.py Fair-value spread prediction with confidence intervals
app/
app.py Streamlit UI (Upload, Warehouse, Regression, Calculator)
tests/ pytest suite for models, warehouse, parser, regression
data/ PDFs and DuckDB file (gitignored)
Regression Specification
multiple = B0 + B1*EL_bps + B2*peak_peril + B3*peril_diversifier + B4*post_ian + e
- EL_bps: expected loss in basis points
- peak_peril: 1 if US Hurricane or US Earthquake
- peril_diversifier: 1 if non-US peril (Europe Windstorm, Japan EQ/Typhoon)
- post_ian: 1 if issued after Hurricane Ian (Sep 28, 2022)