中德安联人寿资产负债匹配管理经验分享

2018年6月27-29日，mg游戏_mg游戏官网￥【电子平台】在北京举办“保险资产负债管理实务系列培训班”第一模块，该模块分财产险和人身险两个会场，内容聚焦于资产负债模型与工具、量化匹配管理实务操作与重点难点。以下内容根据授课嘉宾的演讲内容整理，不代表协会与所在单位。

文┃中德安联人寿保险有限公司首席投资官朱彦

一、安联投资价值链

资产负债管理作为价值链的起始端，后面包括投资策略、资产管理人的管理、资产管理和资产监控。在这个价值链上，首先要了解负债端的需求，将配置组合传导到投资策略，再具体到大类配置的调整和配置基准的设置，然后转换成资产管理人的管理，在投资策略确定以后把这些标准设立到资产管理人的考核制度中。投资监控是必须的，就是因为有了每个独立帐户的设置、报表分析、业绩衡量，才能更有效地实现从资产负债管理到资产管理人管理的价值链的价值。

安联投资管理大概有十年的历史了，现在面临的最大问题是如何做好资产配置基准的考核。我们都知道有些资产端的配置基准其实是很难设定的，因为当设定了资产配置基准以后如何有效地用投资的方案来实施，如何有效符合负债端的联动效应是目前的难题。

在这十多年的投资管理中，安联在欧洲也取得了很好的成果，实现了偿二代的资本管理并满足了欧洲监管的要求。低利率情况下很多欧洲公司都碰到了一些实际问题，比如低利率使得资产负债不匹配情况浮出水面，并且低利率情况下如何去开发有吸引力的产品，这都是现阶段每个公司面临的挑战，但是安联在低利率之前就有效地通过这种投资管理模式，使得在低利率下的投资回报率超过行业其他一些公司。这是十几年来的一些经验，同样也适用于当前中国寿险业所面临的挑战。

那么安联投资的经验是什么？首先一定要有明确的价值链，有高质量的资产负债管理，明确每个团队的分工，绩效考核，因为60%-80%的投资回报都是来源于好的长期资产负债管理。其次，渐进的组合风险投资也达到了好的效果，包括投入非标、不动产或者另类资产。三是竞争性资产管理人的选择，为什么要着重提出？因为很多集团公司只有一家资产管理公司，就会导致对这家资产管理公司的依赖性非常强，所以我们会引入比较优质的第三方资产管理，这样对投资标的和绩效考核都会有很好的Alpha。

二、新增业务对资产负债的影响

资产负债管理一定是既考量新增业务，也考量有效业务。现在很多公司大部分精力都花在有效业务上，因为有效业务的量比较大，而一些刚刚起步的小公司或者转型的大公司新增业务是特别大的，所以资产负债管理适用于这两方面，特别是亚洲的公司，因为新增业务特别大，所以要考量到新增业务对有效业务的影响。

新增业务对资产负债的影响怎么管控？下面来看传统寿险产品运营负债现金流的组成，这里强调的其实就是现金流流入和流出的分化，现金流出包括理赔与给付中的死亡给付、退保支出、保单红利、满期给付等，以及成本费用中的佣金等，还有一些再保费用、税金等；现金流入主要是期缴趸缴的保费以及再保所得。

为什么要把现金流列出来？因为我们想知道新增业务现金流中哪部分的现金流出和流入对利率比较敏感，再把它细分到产品类别。一般来说非分红产品的敏感度比较小，因为投保人不参与分红，所以产品条款是属于固定利率的回报。分红产品是通过现金、定期分红等方式与公司共享利润，敏感性肯定要比非分红产品强。这里所谓的保费有些成本费用是例外，因为有些成本费用可能随着利率投资回报的变动而变动，就不去具体细化了。但是一般来说，我们都知道保费对利率不是很敏感，非分红产品大部分也是对利率不敏感，我们要特别注意分红产品对投资策略的回报和对利率现状的敏感度。

（一）分红险结算利率对股东风险的影响

分红产品结算利率会影响到股东风险，就是因为它的敏感度比非分红产品高。之前我们做过一个简单的案例，比如10年的保单，期缴10000美元，保费10年返还，其负债结构有两个：一个是3%的结算现金红利，其它都归股东，另一个是90%的现金红利分给投保人。这是比较粗放的结构，其实我们希望看一下如果有两种不同的投资策略，资产和负债的久期错配会怎么变化。这里也用了两种假设：一种是投资1年期的无风险债券，另一种是投资10年期的无风险债券。通过这个案例我们得出的结论是如果现金流出对组合回报不敏感，那么负债久期一开始是不依赖于投资策略的，也就是投资策略对负债久期不会有任何影响，因此股东价值的敏感性只是来自于资产久期和负债久期的差异。分红产品因为现金流出是敏感于投资回报的，负债久期和投资策略的关系是非线性的，负债久期和资产久期是同向移动，程度取决于产品的特征。

结论：特别是分红帐户的资产久期和负债久期不宜分开管理，这一点其实在多年的投资策略或产品开发中也得到了相应的验证，就是当市场环境特别不稳定的时候，组合回报的波动率也特别大，所以对分红产品的资产久期和负债久期管理是特别复杂的。

（二）期缴保费对有效久期的影响

我们都知道期缴和趸缴是两种保费付款方式，这对资产负债管理的挑战是什么？趸缴比较简单，第一期的保费拿到以后就可以做相应的投资，期缴保费对有效久期的影响目前行业内还没有很好的定论，我们用的是久期时间差的概念，就是当第一期保费非常小的情况下，初始久期差会变大，因为保费收入是非常小的，同时负债端的久期特别大，导致保费流入的时点和规模以及用保费剩余现金流买入的资产驱使股东价值敏感性随时间变化。

1.市场波动情况下收益敏感型产品的负债现金流估计愈发复杂。前面为什么要重点介绍期缴保费？因为大部分保险代理卖的产品期缴保费是特别多的，银保渠道卖的产品趸缴保费是特别多的，所以资产负债管理如果按照渠道来分的话，一般来说管理代理卖的产品会有一定困难，因为期缴保费的含量比较多、占比比较大，以后再投资的压力就非常大，同时对久期的敏感度也特别大。对分红产品，从趸缴和期缴来说，外部的市场波动会影响到组合的回报，组合的回报就会影响到再投资的风险，同时一些风险也会带来不同的分红水平，同时又会影响到负债端的现金流，这些反复的联动，如果缺少资产负债联动的模型支持的话，很难测算新产品真正的久期负债差。

结论：可以用简单的方法或者略复杂的方法考虑新业务的久期差。从单独评估的视角来看，久期差是资产久期减去负债久期，同时会有一个相应的分母。这对趸缴的产品不重要，因为收到趸缴保费后，可以马上进行投资，如果实现完美匹配，可以看到最左边的深蓝色就是假设趸缴保费马上可以投到浅蓝色的标的，如果预计的现金流比较稳定的话可以达到完美的资产负债匹配，这样单个产品的资产负债的管理和资产负债的差都可以利用这个方案解决，所以我们对趸缴的产品看得比较少，因为它的资产负债管理产生的风险是比较低的。

2.初始久期差的概念不清晰。期缴产品初期久期差的概念是不清晰的，因为我们不知道什么时候付保费，再就是不知道付多少。蓝色的是保费，红色的是赔付，我们可以看到净现金流包含资产现金流（首笔净保费），还有未来保费的现金流，这是对正久期的贡献。负久期就是所谓负债端的现金流，包括成本和其它现金流出，然后得出一个久期差。

3.当现金流得以投资时，久期差被缩小。初始久期差为什么会这么高？就是因为只收了第一期的保费，第一期保费投入到标的所做的分母是特别低的，所以会导致负债的久期差特别大。第二年和第四年会越来越好，就是当投资目标是减少久期差，同时不断收取保费，时间也在往后递延，使得这里第六年的保费资产久期差为零。这个例子是想说明，当面对一个期缴产品时，它相应的久期差第一年是很大的，但是随着比较稳定的投资策略使得久期差慢慢缩短，可以把整个资产负债久期差变成零。但是这需要时间的推移，同时也会面临再投资回报的风险，因为每次投入新保费时投资回报是不确定的，所以管理期缴产品的时候有两点是确定的：一是久期差一开始会比较大，二是如果投资策略预期已经决定的时候，久期差可以缩短，但同时会有再投资的风险。

（1）从初始久期差视角：所有的多期支付和固定承诺的收益产品都会有较大的初始久期差，但也准确反映了初始阶段对利率变化的风险敞口，这些敞口证明了将来保费投入对利率风险的不确定性，也反映出后续对承保人的承诺收益无法对冲，特别是国内衍生品市场还没有得到很好开发的情况下，使用衍生品来对冲这些承诺收益还不是很完善，这是现有期缴产品资产负债管理的困境。为什么我们要说出这种不利的因素？就是因为随着现金流得以投资，它的久期差会随时间缩小，所以这不能完全代表产品预期的久期敞口。销售期后，存量业务或可以降低新业务的久期差 。

（2）从后续变化的久期差视角：随着现金流的流入，我们可以把期缴产品的投资买成长期资产匹配的产品，产品周期中可以确定一个参考年份，在该年份评估久期差，这样做的好处就是让管理层可以预见一段时间以后经济价值的利率风险，是对投资收益的经营假设。不好的地方是假设太多，忽视参考日前的再投资风险；要求对参考年份前遵循投资策略作出假设；要求对参考日前现金流的投资收益率作出假设；如何设定参考年份模棱两可；忽略该产品的过去销售对新产品久期差的降低；当比较两种产品时，最初久期差和预期久期差可能会得出相反的结果。所以以时间来算久期差，既有好处也有坏处。

如何计算久期随时间的演化。这里有一个期缴的终身寿险，投资策略是所有保费都投入到30年的无风险债券。看下图，不同颜色代表不同的现金流，下面的黑线刚开始久期差是很大的，但随着时间推移，它的久期差变得越来越小；紫色的是保费，刚开始现金流特别大，因为还没有再投资，所以随着时间的推移，将来的续增保费也越来越少；绿色是可以投资的标的，随着保费的递减，资产的标的也会逐渐上升，使得我们的久期差从很差的位置变得越来越好。

不同投资策略的影响：我们同时还做了一个比较，如果不是投30年债券，而是分开来投，50%投五年期债券，30%投十年期，20%投权益，可以看出资产负债的久期差和之前100%投30年债券的区别。我们可以看到，随着时间的推移，产品的久期差是不一样的，而且资产端和负债端分开来也是不一样的，所以不同的策略会给产品端尤其是期缴产品端的久期差带来不一样的影响。

支付期限不同的影响：保费期限的不同会使得资产和负债久期出现变化，这个变化还是很明显的。当很早就收到保费时，确定性就会增大，同时可以看到如果投入了30年无风险债券，它的久期差可以在很短的时间内规避。所以久期差特别是新产品的久期差会受到两个因素的影响：一是趸缴还是期缴，二是投资策略。

（3）持续经营方法的视角：上面讲的是假设公司还没有有效业务，只有新产品。但是我们知道，一般公司都有有效业务，是不是应该在新产品开发的时候有所考虑？这也没有统一的定论，需要看各个公司不同的帐户管理，如果用持续经营的方法，那评估总帐户下的新产品利率风险是对的，因为这个公司要持续经营，但是存量账户提升久期并不容易，比如一些新进的保费，特别是存量帐户可能不多，我们必须考虑到存量帐户的一些负债端的负效应（额外分红等），同时也要注意如果一个公司的新业务不多，但存量业务特别多，那么这种情况下资产负债管理的问题还是挺多的。

举例来说，假设我们有一个完全匹配的普通帐户，如果新开发了一个多期的支付产品，初始的久期差是10年，从单个产品的角度来看，这个产品应该是被拒绝的，因为它使得整个存量帐户的影响是负的，但如果有新的业务产生，使得初始久期从10降到2，这个产品就会被统一。因此当我们去判断产品开发对资产负债管理的影响时，最有效的方法就是用不同的期限错配，不同种类的新产品和不同期限的新产品去管理存量帐户。

总结来看，如果产品是一个新的独立帐户，有独立的投资策略，我们应该用独立的帐户和单个产品的方法来看是不是要开发此类产品，如果不是，我们就应该从存量帐户层面来评估。当然，这个产品的参数也很重要，比如业务的预计规模，存量的帐户规模，长期资产的可获得性和拉长久期的存量负债影响等。就像有些公司卖万能险比较多，可能资产久期要比负债久期长，这些公司其实也可以通过一些产品开发使得资产和负债久期能够完美地匹配起来，比如可以开发一些长期的产品，这样负债端的久期就可以拉长，同时因为已经投入了一些长期标的，这样可以使得资产和负债完美地匹配起来。如果不是按照独立帐户而是按照存量帐户来评估产品，所谓的交叉匹配可以得到很好的运用。

我们知道分红险对透明度的要求是比较高的，使用单独分析方法时分红帐户用得比较明显，就是因为分红帐户的特定性比较多，分红的比例也是按照不同的产品来设计，所以很难应用到交叉效应。所以我们使用单独分析法运用于分红帐户比较多。普通帐户的风险一般来说是股东风险更多，所以可以使用边际的方法，就是新开发的产品对现有的存量影响，如果这些产品的存量是正面影响，可以考虑开发这个产品，或者是投资策略以及保费期缴的期限可以变动，使得新产品对现有帐户的影响是正面的。当然，也不能太过于依赖，所以执行方面会有一些措施，比如对实际销量的控制，因为对现金流的要求特别大，对流动性的要求特别大，所以执行层面会要求很多。

个人认为在公司转型或者小公司成长的阶段要知道如何去管理将来的业务，因为新增产品将来都会变成有效业务，如果投资策略不确定会很难有效管理以后的有效业务，因此，在新产品开发时，建议大家和管理层讨论投资策略应该是怎样的，保费期限应该怎么设计，从而可以对将来的有效业务管理有很好的提升。

三、有效业务资产负债管理经验

有效业务和新增业务最大的区别在于，有效业务对模型工具的要求特别强，因为一般来说大型企业或者产品复杂的企业需要很强大的工具和平台去测算和优化资产负债管理业务，使得长期配置的质量提升，因为长期配置的质量提升可以有效地减少未来资产负债损益。

（一）资产负债管理系统

安联集团随机模型底层是精算系统，现金流模型都是按照这个平台搭建的。模型的输入包括资产的标的和单位，负债假设，管理层行动（即利率波动下管理层怎么做，其实就是再匹配和再平衡），情景模拟器和在风险情况下所做的设定也都会纳入模型的输入。这样得出来的就是右上角资产负债或长期资产配置的优化，我们在市场上看到很多优化模型，但是因为不同公司有不同的KPI要求，很难用哪个模型就能够把SAA作为优化，最主要的还是和管理层人员沟通，了解业务的特征以及对未来所谓的长期公司策略，使得整个长期资产配置得到优化。

在欧洲和美国，安联用随机模型已经用了将近二十年，分红产品的负债端是随着投资组合和投资收益的变化而变化的，那这些变化怎么才能在资产负债模型中体现出来？一般成熟的公司都会用随机模型去量化，但随机模型时间比较长，情景比较多，可能会导致赶不上汇报时间，或者解释时不一定能够了解是哪个情景会导致这种长期配置方案成型，所以会通过机器人或者Machine Learning技术来缩短这种运算时间。

（二）交互式的商业智能仪表盘

因为我们最后还是要把所有结果通过报表展现给管理层。这是随机模型搭建的集团资产管理的基础设施，所有这些都是在一个平台上面搭建的，这个平台在欧洲，所有安联子公司都会把自己的数据输入到这个平台，同时我们有一个单独的情景库，就是所谓的ESG，这种情景器同时也会输入cluster，通过服务器的运作和计算把所有的数据导入到仪表盘。

为什么花这么多时间来讲运算？因为就有效业务来说，不管是初期公司还是比较成熟的公司都会面临这样的问题，就是对资产负债管理或者长期配置最后优化结果的信任度，80%是债券，20%是其它资产，管理层就会考虑这是不是最优化的？所以还是回到原点，就是对情景库有要求，或者对负债端增加了解，会使得长期配置优化程度的信任度得到很好提升。

下面是报表，最左边是风险特征，可以把风险因子呈现出来。右上角是资产策略，可以让我们对不同资产策略导致的风险特征有详细的了解，下面是现金流的展示，因为在改变资产配置的时候，现金流也会不断配置，若负债端不变，可以很好地展现资产负债的透视。

四、SAA优化中的机器学习

复杂的资产负债交互会导致寿险负债的评估比较慢，当分红险长期负债端随着投资回报变动而变动时，我们怎么计算内涵价值。左边是不同的情景，这些情景中的内涵价值可以通过右边绿色的分布展现出来，如果没有现有的技术，按照前面的交互平台大概需要一个多小时的时间才能评估出来。

 机器人学习什么？学习输入、模型和输出，学完以后按照不同的策略、市场环境变化相应地熟悉业务策略和投资策略的变化而导出来一个分布。一般来说，现在所谓的随机模型和现金流模型，如果用机器人学习的话一般都会加快时间运算的节点，比现在用的时间快了将近500倍。将来的趋势还是需要机器人学习资产负债或者长期资产配置的优化，因为SAA的优化不是简单的优化，特别是如果有分红帐户的话，它的优化不仅仅是甘于现阶段的情景，而是将未来的情景作为Cluster的形式展现出来，从这个角度来说，它的优化过程其实是很难的，同时还要加入不同指标，不同的指标对SAA的影响又不同，假设指标放得越多，或者指标的重要性和指标的强度越高，SAA整个优化过程也会受到一定影响。

在SAA优化情况下，安联集团已经走了两三步：第一步是原有偿一代情况下的长期资产配置，没有用到随机模型；第二步是偿二代下随机模型得到了很好的运用，然后也用到了很多现金流模型，搭建了很多平台。现阶段我们也是通过机器人的学习把长期资产配置的方案进行最优化。

在可预见的将来，特别是在中国，在资产负债管理方面，可能要有一个平台的整合，针对一些数据进行分析，同时随着对分红业务的关注，现在很多有实力的大机构都用随机模型和现金流模型进行资产负债管理，最后还是会回到人工智能和机器学习，因为随机模型在计算时间以及优化程度方面面临挑战，所以还是需要用其它手段来弥补。