人身险公司资产负债管理模型与工具实务操作与重点、难点分析

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┃工银安盛人寿保险有限公司风险管理部总经理李进

本次资产负债监管体系中的定性能力评估对于模型和工具提出了较高的要求，对于只有一年的资产负债管理监管体系过渡期来说，各家公司既要对自身资产负债管理制度体系进行查缺补漏，又要对资产负债管理和资产配置模型与工具进行建设，难免会觉得有些资源有限。今天在此结合资产负债管理体系定性要求中对模型与工具的要求，分享一下工银安盛自2012年以来模型工具建设的一些心得和感悟。

一、能力评估对模型与工具的要求

资产负债监管定性评估要求中针对模型与工具的要求分成两大类：一是对资产负债管理模型的要求，一是对资产配置模型的要求，那么这二者的监管要求到底有什么共同点和差别？为了更好的回答这个问题，这里将模型与工具的监管评估要求进行了重新整理。

首先，从应用和功能复杂度来说，不管是资产配置模型还是资产负债管理模型，监管要求都强调要选取适当的，即符合公司的业务要求、规模和负债特征。也就是说，找到公司自身的需求点在哪里，根据需求点建立模型的机制体系，可持续地提升自身模型工具能力的长效机制，从而优化资产负债决策，这才是能力评估提出模型与工具要求的目的。那么接下来再来看一看监管体系对资产负债管理模型和资产配置模型功能的要求的差异是什么。资产配置模型的应用场景还是主要针对资产配置流程，保险公司的资产配置设定过程中不但需要兼顾不同资产的风险与收益，还要考虑公司整体风险容忍度、资本消耗等对公司整体经营的影响。而资产负债管理模型相对应用要广泛很多。任何需要统筹资产负债两端的业务决策都需要资产负债模型。一定程度上甚至可以说，某些资产配置模型是为资产配置服务的资产负债管理模型。同时也由于两者定位不尽相同，对两者的功能、输入、产出也提出了不同的要求。这里值得注意的是如果我们将大家定期上报监管定量评估要求都建立相应模型和工具，那其实大多数定性要求中对模型与工具的要求也就同时满足了。

接下来是监管对于模型维护和管理方面的要求，我们会发觉监管对资产负债管理模型和资产配置模型的要求基本完全一致，数据质量、参数维护方面基本上也是一样的。这些要求简单地说就是公司是否知道自己对模型与工具的需求、是否了解各种模型工具的优缺点、哪种模型最适合自己、该怎么使用和维护以及如何评估其有效性。这方面的管控要求在国外成熟保险市场已经有了相应完善的管理体系和举措。后面的部分将进行介绍。

下面的这个图将定性要求中对模型与工具评估的总分按做好监管量化评估规则可满足的得分点、模型管理体系相关的得分点以及其他得分点进行统计。

在模型管理体系以及数据质量、参数维护方面，如果公司建立了有效的模型工具管理体系将最高能够得46%的得分，另有44%的可通过建立定期监管量化评估规则报送的相关模型来得到。剩下的10%相对要求较高，比如针对动态退保这种资产负债关联的要求等。考虑到目前大多数公司管理层对资产负债管理处于学习了解过程中，建议同业们今年可以先建立起满足监管定量评估体系的模型工具，配以完整的模型管理体系。先将监管报送要求做好，同时可以先以监管量化指标体系作为资产负债管理建设初期的主要抓手，并同时建立模型管理体系的长效机制，随着公司逐步提升自身资产负债管理能力，根据内部对资产负债管理需求的提升，逐步建设完善内部资产负债管理模型，为管理层提供更好的资产负债管理的决策依据。

下面几个部分将分别从资产配置模型、战略资产配置模型、随机情景生成器等分享一下工银安盛这些年来的一些尝试和心得。希望能起到抛砖引玉的作用。

二、资产配置流程

资产配置模型在资管行业已经是使用比较成熟。在资产负债管理能力评估中对资产配置模型提出了明确的要求，那是不是对保险资金中的资产配置流程不能使用现有资管行业的各类资产配置模型？先回顾一下资产配置制定的四个主要组成步骤，再分析一下每个步骤对模型工具的需求和所适用的模型。

第一步是明确投资目标与投资限制。即委托方明确告知受托方委托投资的目的是什么？什么样的投资结果是不愿接受的？这个过程看似显而易见，却是整个资产配置流程中最重要的一环。往往是保险公司未全面考虑评估提出的投资目标对自身的影响或者未有效设定投资限制，而导致负债端的风险传导到资产端。因此，推行资产负债管理的目标与其说为了投资端更多考虑负债端需求，不如说是帮助公司学会合理提出对资产端的管理要求。

第二个步骤是战略资产配置。投资专业人士对保险业专业概念和术语理解有限。因此，这时就需要通过制定和提出战略资产配置将保险公司经营需求完全转化成纯投资语言。比如每类大类资产的配置方案、基准选择、风险特征、久期范围等。因此，对保险公司而言，战略资产配置更像是一座连接资产管理和公司经营的桥梁。这样的战略资产配置不仅被应用到资金运用过程中，还被应用到各类负债管理流程中。比如在产品开发中的投资收益率假设。对于投资端来说，战略资产配置往往也可以是投资业绩的评估基准。所以说对保险公司来说，明白选择某一战略资产配置方案对公司短期长期的影响要比这个战略资产配置方案是什么来得更为重要。监管在评估要求中对战略资产配置的约束条件包括（1）公司资产负债管理的总体目标与策略（2）风险偏好、容忍度与限额（3）偿付能力要求（4）客户行为与负债成本（5）现金流及流动性要求（6）会计分类（7）合规性要求等。这些都是在选择战略资产配置时需要考虑的对公司的影响。显然，在这个步骤中使用能够量化评估出以上影响的资产负债管理模型最为恰当。

第三个步骤是战术资产配置。战略资产配置作为指导方针和基准，投资受托人将在战术资产配置阶段通过主动管理发挥其专业性，给保险公司创造价值。由于有了战略资产配置的指导，在战术资产配置阶段，不用过多关注负债端，可以将精力集中于基于中短期市场的资产配置方案。年度资产配置方案是一种战术资产配置。战术资产配置中的资产分类的颗粒度也较战略资产配置来的细。投资经理基于对市场判断的配置安排不会出现在战略资产配置中，但会在战术资产配置中。当然，在制定战术资产配置时，也还是需要考虑对公司的各类影响，如权益市场波动对公司偿付能力充足率的影响等。但比战略资产配置中对负债端和公司整体的影响的考虑要少很多。可以说是以资产为主，兼顾公司整体影响。从资产配置方法和模型角度来看，传统资产配置方法加上一定公司层面的情景分析将足以满足战术资产配置的要求。

第四个步骤是再平衡。由于不同资产的市场表现存在较大差异，整体组合中各类资产的实际比例会逐渐偏离预定基准和期望占比，从而导致组合的风险收益特征偏离预期，因此，需要有纪律地对资产配置进行动态管理。通过卖出组合中占比过高的资产，买入组合中占比过低的资产，可达到将组合的风险敞口维持在可接受范围内的目的，同时还需兼顾交易成本等因素。这个过程中相对而言对于公司整体和负债端所需考虑的程度是最少的。

可以看到在上述资产配置流程中不同的资产负债管理模型和资产配置模型都将在不同步骤中被用到。当然，要完全做到这四个步骤需要公司投入巨大资源的。不是每家公司都能做得到的。但是战略资产配置这一步相信是各家公司必须要做的。

这里还有个重要的资产配置步骤没展示，那就是绩效归因。整个资产负债管理和资产配置管理是个系统性工程，必须有配套的绩效分析来支持，以不断提升管理能力，不然一切都将只是空中楼阁。我们在刚开始建立模型方法时就要考虑如何合理地去分析到底结果应该归因到哪个因素。举个例子来说，在评估一家保险公司投资能力时，一个简单的方法是看行业综合投资收益率排名。但不幸的是这种方法并不能真正评估某家保险公司的投资能力。像前面提到的，保险公司的资产配置基准和允许范围是由其经营和负债需求以及自身风险容忍度所决定的。这些因素都是因公司而异的，因此，不同公司之间的综合投资收益比较没有多大意义。就像今年要是一个纯固收基金比股票基金表现好，不能表示固收经理投资能力更强。虽然今天的主题不是绩效分析，但这里想强调的是如果建立复杂的配置模型却没有配套的绩效分析去评估和理解什么原因导致实际结果和模型预期的差别的话，那这种模型将会非常的危险。但要做好绩效归因分析，对数据准确性、基准制定和系统功能等方面要求非常高，而且，不同资产配置管理方式所需绩效分析方法也不一样。所以说，建立绩效分析体系本身也需要大量的模型与工具的支持，甚至要比资产配置模型更花资源。所以，建议在模型建设规划时，也需同时评估自身使用和评估该模型的能力。

三、不同类型的资产负债管理模型

资产配置流程中战略和战术资产配置制定中，不同程度的需要不同复杂程度的资产负债管理模型。这里不同复杂程度指的是模型实现资产和负债之间的联动能力的差别。用于资产配置流程的资产负债管理模型方法，按资产负债联动复杂度来分，在安盛集团中大致分成了好几大类。

对资产负债联动复杂度要求最低的第一层级模型是以资产组合优化模型为基础，加上情景分析验证的模型方法。这其实是两种模型的结合。资产负债管理模型只是负责其中情景分析验证那一步。具体做法是先使用资产端的资产配置模型，基于各大类资产的预期收益和风险特征，得出各类资产配置有效前沿。再从有效前沿上选取备选的战略资产配置方案，这些配置方案都是给定资产端风险下的最优资产配置。但由于这一步中没考虑结合负债考虑对公司的整体影响，因此，需要通过资产负债管理模型和情景分析方法，去理解不同备选资产配置组合对公司的各类影响包括前面提到的监管评估要求里对战略资产配置的各类限制条件。这个模型方法中的核心是资产组合优化模型，而资产负债管理模型相对可以比较简单，一个Excel上汇总自各方的数据源（如资产负债现金流、资产估值预测、负债准备金和最低资本等）并进行一定加总处理的模型就能达到这一作用。这类资产负债管理顶多能反映出负债现金流对资产决策的影响，却不能完全反映资产端负债的反作用（如分红高低对退保的影响等）。所以，适用于财险或者利率不敏感型寿险产品（如传统险）的战略资产配置设定。但比较适合各类战术资产配置应用。

而资产负债联动最复杂的一类模型方法是基于随机情境生成器的动态财务分析模型。在后面会具体介绍。简单地讲，这类模型就是能够拿到监管能力评估中加分项的那类模型。利率或投资敏感型产品如分红和万能险中的最低利率保障和客户退保行为都是客户持有的隐含期权，资产负债的匹配度确定了这些期权价值。所以，必须通过有效量化资产负债动态的相关性模型来深刻理解匹配负债以及客户合理预期的最优资产组合。所以，利率敏感性产品需要使用这类复杂的模型来设定战略资产配置。

四、资产配置模型简单比较

我们如果使用第一层级的模型方法制定战略资产配置，对其中的资产组合优化配置模型有哪些注意点？这里列了四种配置模型：均值方差（mean variance）、Black-Litterman、动态资产配置和风险平价（risk parity）。

（一）均值方差模型

这是最经典的资产配置模型。需要公司先对每类资产的预期回报率、风险指标（如Variances、VaR等）以及不同资产间的相关性等进行估计，再基于这些主要输入假设，进行优化求解，得到给定组合风险下对应的最高预期收益的投资组合，即有效前沿。也可以加入各类限制如不允许卖空、各类资产可配置范围等。也可以对优化条件进行改良，得到更灵活和更个性化的资产配置结果。如将预期投资收益改为预期资本调整后的收益可将偿付能力影响考虑在模型内。但这里指出在偿二代下最好考虑不同资产组合对公司总体的资本消耗，而非纯资产端的。这一模型看似简单，甚至在Excel里也可以搭建。但实际使用中存在以下问题：首先，如果限制条件较多，则对优化程序要求也提高。如果用Excel（特别是2007或者更早的版本）的优化求解功能，可能无法得到优化求解结果。比如最终结果集中于某几类资产，而其他资产配置为0。这里推荐使用R或者Python里的全局优化求解方案。其次，它对输入参数非常敏感。而长期险的战略资产配置投资期限长，其对应的长期资产假设的不确定性较大，在每年回顾时，各类资产假设有少量变化时，最终的资产配置方案会出现较大的变化，换句话说，该模型可能会将输入参数误差放大，这样的性质和结果容易使董事会和管理层对模型的可靠性产生怀疑。所以，如果没有对未来各类资产表现预判的足够把握，请谨慎使用该模型。

（二）Black-Litterman模型

Black-Litterman模型中使用的基于市场均衡收益率的逆向优化过程使得模型对参数敏感度较均值方差模型小很多，同时，该模型可将公司对大类资产的观点以及观点的置信度考虑在内，进行再优化得出配置方案。虽然Black-Litterman模型理论上可以克服均值方差模型对参数敏感度的问题，但对于目前的国内市场和险资的投资品种中存款和非标占比较多，增加了Black-Litterman模型逆向优化过程的难度。事实上，对这些资产的不同处理方式可能会大幅改变Black-Litterman模型市场均衡收益率的结果，从而改变最终配置结果。所以，在个人看来，对目前的保险资金运用而言，Black-Litterman模型并没有解决对均值方差模型资产输入参数敏感的问题。其次，要发挥Black-Litterman模型的优势，公司必须要有足够强的投研能力预估各类资产未来收益率的分布，而且，要能有效评估投研结果。要做到这一点，估计大多数中小公司都有难度。最后，Black-Litterman模型更适合在战术资产配置这一需要发挥投资管理人投资观点的配置流程上，而不是战略资产配置流程。

    （三）动态资产配置

动态资产配置（dynamic asset allocation）是个非常广的概念，可以说是投资管理人根据市场环境频繁改变组合资产配置比例的策略。可以是基于量化因子和量化策略驱动的投资决策，比如常见的CPPI策略。工银安盛在变额年金投资账户使用的目标波动率策略也是一种动态资产配置策略。对于该组合中的权益资产和固收资产配比是由该组合的过去一段时间的实际波动率和想要达到的目标波动率之间的关系来决定的。实际波动率过高就降低权益类资产占比，反之亦然。

动态资产配置策略既可以作为战略资产配置模型（如风险平价模型），也可以作为战术资产配置模型。这里有几点关于动态资产配置模型使用的建议：（1）明确选用某一动态资产配置的目的，并基于该目的评估该策略执行有效性。每一个动态资产配置模型都有其设计的初衷。如我们使用的目标波动率策略的目的并不是为了从量化策略上得到超额收益率，而是为了在不能使用权益期权的情况下，通过降低组合波动率降低该产品附带7年看跌期权的Gamma风险。因此，评估该策略时，我们更关心组合波动率范围，而非仅仅看收益率。（2）全面了解策略模型的回报和风险。就拿CPPI策略来说，长期预期理论收益率和组合内高风险资产预期收益率与策略乘数成正比，通过提升乘数可增加长期预期收益率。但对应风险也大。即使将乘数设在5以内，也要考虑在市场缺乏流动性的情况下，市场冲击对交易带来的损失导致的gap risk，以及相应的最大回撤。（3）动态资产配置模型策略必须评估其在极端市场下的表现和风险，所以，要做足够多的回测和模拟测试，而且选用市场数据时，尽量使用历史日内实际交易数据，而非仅是收盘价或均价。

（四）Risk Parity模型

 风险平价Risk Parity模型近年来被提的比较多。上证专门推出了基于上证180、上证380、国债和信用债几个指数的风险平价指数。如果大家复制一下这一指数历史数据，会发现大多数时候风险平价组合中权益占比不足10%。似乎和保险资金稳健配置的特点比较一致。但风险平价模型在使用过程中要注意以下事项：（1）风险平价模型也可以看成一种动态资产配置模型。它的原理是确保组合中的每一类资产对组合总体风险的贡献度都相同。拿一个简单的风险平价模型来说，风险用波动率来衡量。那权益类资产的波动较固收类大很多，自然配置比率会小很多。（2）风险平价模型配置比例是由历史数据决定，而非对未来的投资研判决定。同时风险平价模型中不考虑公司经营和负债端需求。这是风险平价模型作为保险公司战略资产配置模型的最大问题之一。因此，该模型对保险公司来说，更适合于资产端子类配置决策。以结果来说，上证风险评价指数的年化收益率在3%-5%之间，这样的收益率水平怕是不见得可以覆盖负债成本。所以，使用风险平价模型时，往往是通过放杠杆提升收益，并通过目标波动率控制总体组合风险。国外风险平价产品中两、三倍的杠杆也算常见的。但险资这样做会违背保险监管相关规定。（3）触发风险平价策略sell off的因素不光是各类资产的当期表现，还和各类资产的当期表现相关性相关，需要警惕可能出现的策略sell off。美国市场就有不少人担心大量的带杠杆的风险平价产品一旦触发sell off会对他们市场稳定性带来极大的冲击。

五、  基于动态财务分析的战略资产配置模型

基于随机情景生成器的动态财务分析模型可以在合理时间内运行多个资产配置，在不同随机经济和资产收益情景下模拟未来多年的财务状况。假如我们随机出了20个不同的资产配置备选，对各个资产配置我们都会在1000个不同的未来经济情景下，预测未来每个月的资产和负债现金流、基于净现金投资行为以及相应每个月的各类财务指标如盈利或偿付能力，然后统计每个资产配置在每个情景下的公司关键财务指标（如所用可分配盈余的折现值），而非资产端的收益指标。再统计在这1000个情景下，每个资产配置对应的该财务指标的平均值和波动率为多少。这样就可以将其作为这些资产配置的回报和风险指标，可以做出这20个资产配置的有效前沿。因为这个有效前沿本身就是基于公司整体收益和风险指标得出的，所以，不需要再进行额外情景分析，可直接从上面选取最终的战略资产配置方案。

由于前面提到负债端隐含期权的存在，即使使用相同的资产假设，动态财务分析模型和前面提到的资产组合优化加上情景分析的第一层级模型方法也会产生不同最优资产配置。显然，动态财务分析模型的方法更为可靠。但是，建立和使用动态财务分析模型的难度是远远超过了其他资产负债管理模型。工银安盛对动态财务分析模型的内部研发始于2012年，至今仍在不断完善和提升的过程中。下面是我们的一些感悟。

动态财务分析的资产配置模型本质是一个被动交易策略模拟模型，即市场和负债端发生了什么？资产端必须如何按照既定配置和在各类限制下进行应对？最终影响是什么？虽然是被动策略，但必须要保证各类假设合理。如以前我们股东方的一个团队做了一个动态财务分析模型给我们使用，但是他们假设在每次做再平衡时都会卖掉组合中所有债券，再买新的。这一假设明显未考虑交易成本和市场冲击，非常不实际。因此，我们从不用这个模型。相反在我们模型中会考虑在资产买卖过程中加入各类选择策略，而这些选择策略与我们投资经理的决策判断是一致的。虽然代价就是模型复杂度大幅提高，但还是很值得的。

前面提到的动态客户行为（如动态退保等）是资产负债联动的一个难题之一。有人说没有足够多的数据支持该假设。这是事实，但是我的看法是如果没有足够的历史数据支持，但可以使用一些合理且谨慎的估计，这总比明知有风险，却视而不理好。其实即使在美国欧洲这些保险发达市场也没有足够多的数据支持，但是当地公司还是愿意不断尝试和完善相关假设。一些建议的方法包括基于组合收益率和市场新钱投资收益率的比率的公司（如用二项或三项式公式）或者是期权定价等。同时定期对这些假设进行回顾和更新。

有些资产负债管理模型中负债端的做法是来自外部系统的导入。这个做法本身没问题，但是确保导入的负债结果与情景一致或做合理的负债信息二次开发。比如不同利率情景下的负债偿付能力准备金是要相应调整的。

前面讲的这些难其实都可以在Excel里搭个复杂模型做到。但是这里的模型需要针对几十上百个资产配置分别在几百个情景下进行预测。计算效率的要求非常高，一个要跑1个月的才能出结果的模型在实际应用中是没有价值的。模型效率的提升意味着对模型程序设计要求的提升。比如资产负债管理模型和负债端模型内部设计结构框架等都不一样。程序内存消耗大，对程序内存的管理是其并行计算的一大瓶颈。所以说，可以用GPU做出跑偿二代评估的模型，但是却很难做出基于GPU的高性能的资产负债管理模型。

随机动态财务分析模型从本质上来说是为了产生不同配置在不同的情况下对公司可能产生的不同影响。其根本目的是为了更好的评估适合公司经营所需的配置方案。因此，分析和解读模型结果才是最关键的步骤。为了理解为什么有的配置要比另一个好或者了解某一配置的风险回报特征，就需要对每个资产配置在至少几百的情景下，未来几十年的海量财务预测结果进行充分分析。这里不但需要比较同一情景下不同配置导致公司不同的财务状况，还需要比较同一配置在不同情景下的不同表现。在向管理层和董事会汇报战略资产配置方案时，肯定需要将随机模型的海量结果翻译成简单易懂的纯业务语言。这个过程对模型使用者要求较高，需要对资产和负债都有深刻理解，还要对模型逻辑和处理方法了如指掌。这样才能从模型结果中提炼出深层的业务原因，也能区分模型结果究竟是反映了真实业务结果还只是一些模型处理带来的假象？使用随机模型就怕fooled by randomness。因此，我们在使用动态财务模型时，分析和解释结果是时间和精力花的最多的一个环节。当然，面对海量数据，还需要有效的工具分析工具。既能预筛选出需要分析的情景，也能有效展示不同情景下的结果差异。

六、随机情景生成器

随机经济情景（ESG）是随机动态财务分析中最主要的假设之一，也是本次监管能力评估中的加分项。工银安盛在2011年开始建立的随机情景生成器，这些年来逐步完善升级。接下来分享一些我们的使用感悟。

首先，ESG是为了产生更多将来的可能情景，但不同模型的特点不一样，产生的情景特性也不一样。比如说我们Hull White利率模型和CIR利率模型虽然可以产生一样的平均利率或利率波动率，但一个会出现负利率一个不会。所以，在使用ESG时一定要对备选模型非常了解。

其次，需要寻找最适合的模型，而不是最复杂或者用的最广泛的模型。目前大多数ESG的模型都来自于市场一致衍生品定价模型。为了能够校验到衍生品市场的隐含波动率曲面，而不是产生合理长期资产情景。所以，像是Libor Market Model with Stochastic Volatility以及Stochastic Volatility with Jump Diffusion会是标配。在国内市场我们在ESG使用过程中建议不要直接套用国外最主流的模型。先分析一下这些模型是不是适合我们国内市场。这些模型产生的情景的特性和国内历史数据或者市场参与者的预期是否一致？有没有足够多的历史数据去校验参数？不同校验方法对参数和生成情景的影响？参数会不会过于敏感？

最后，一定要对ESG结果进行详尽的分析，一般我们至少要花2到3天来验证一套ESG的情景，确保结果是合理的。

总之，ESG是好东西，帮助我们进行更详实的资产负债管理模型，但只有在我们完全理解之后才能真正发挥其价值，毕竟ESG对应的市场情景假设是资产配置中最重要的假设之一。

七、模型管理体系

接下来简单介绍一下模型管理体系基本要求。要做好模型管理，首先需要有模型管理流程，包括：

1.业务需求分析。

2.模型项目审批流程。

3.研究与开发。

4.技术细节确定。

5.模型建设。

6.模型测试。

模型管理也需要有效的相应三道防线的治理体系的支持。

第一道防线是用户和开发人员，第二道防线是专门的模型管理委员会，同时要有独立的验证团队和人员，第三道防线就是内审，主要是看一看模型验证的制度如何才能做好。