第三章我国寿险业资产结构优化模型研究
在上一章,文章指出了三个寿险资产管理业的潜在问题:结合第一章的对寿险业资产结构的探讨,我国寿险业资产管理可能存在的问题有:追求短期收益、资产负债管理失位和战术资产配置流程与保险资产管理目标脱节。本章的任务就是提出相应的解决措施,并将这些措施作为模型的前提条件引入实证分析模型,以探索这样的措施宄竟会给寿险资产结构和资产管理效果带来怎样的效果。
第一节长期资产配置模型
对于追求短期收益的问题,寿险资产管理者往往将短期收益最大化作为经营目标。与此对应,本文的对应建议当然是追求长期稳定的收益,毕竟这样才是对寿险保单持有人最为有利的(寿险保单的长期性)。为了探究该建议在我国的实效性,本文通过将短期目标函数替换成长期目标函数的方式来体现。
一、模型构建
基于寿险负债的长期性,寿险公司的投资绩效评估体系中最为重要的一部分当属长期风险-收益权衡。正如前文所述,中国寿险业负债的平均年数在15-20年之间,而资产则在7.5年左右,因此,本文选取十年以上的年平均资产收益率作为寿险公司投资收益率的评价指标。
作为一家以长期经营为目的的寿险公司,对冲通货膨胀风险和利率变动风险的能力将直接影响资产配置效果。因此,本文的资产收益率指标釆用的是超额资产收益率——各大类资产收益率减去无风险利率。此外,Cambell和Viceira(2002)在实证上证明了资产收益率预测模型将会对资产长期回报的方差演进(long-termcovariance dynamics)产生重要影响,而他们采用的一阶结构向量自回归模型(VAR,Vector Auto-Regression)能很好地对资产收益率进行长期预测,但是前提是需要引进具备对资产收益率预测具有前瞻性的状态变量,例如:(动态)市盈率指标、基准利率指标或者利率期限结构指标。
设代表包含了各类资产在t+1时刻(超额)收益率的列向量,为了方便下文的讨论,我们将这个列向量表示为如下形式：
出于建模的方便性考虑,在这里,资产(超额)收益率都用小写字母表示对数收益率,Xt+i表示的是资产超额收益率,Tb,t+1则表示的是无风险利率(基准)。假设Zt+i向量有m个元素,有n+1中资产类别,则表示状态变量的St+i向量则有m-n-1个元素。本文构建的VAR(1)模型则是针对Zf+i建立的,并用表示Uf+i随机冲击。
在这里,本文假设斜率矩阵￠1统计性质良好,这意味着自回归方程的单位根将在单位圆内。这个特性保证了在没有外部冲击的条件下,方程中的变量将在长期内趋向于其长期均值。
接下来,我们定义了随机冲击向量的统计分布:
在这里,Hp代表了随机冲击向量的协方差矩阵,我们可以将其分解为以下的形式:
有了预测模型,并不能代表我们真的可以使用这个模型去预测长期的资产收益率,但这个模型可以给本文之后的讨论提供一个重要的信息——资产超额收益率的长期演进(long-term dyanamics of covariance)。以下是借鉴 Cambell 和"S^ceira(2005)附录中的推导得出的结论。
假设有k期的资产收益率预测,根据VAR(1)模型的推导,可得出到k期末的资产超额收益率总和为:
在确定了长期方差后,接下来就可以运用经典的Markowitz模型进行资产配置。在这里需要将对数收益率还原成一般收益率。
二、实证分析
本部分将使用中国金融市场的实际数据来对上述模型加以运用,继而得出相关结论。主要还是分为两个部分:1)资产收益率的预测模型;2)长期最优资产配置模型。
对于Zt+1,其中的各个变量的实际选取对象为:基准收益率,釆用的是一个月的国债实际到期收益率(下文标记为RTB,Nominal Treasury Bill)。这是市场上普遍认可的短期无风险收益率,而且本文所采用的预测模型各个变量频率都是月,因此采用一个月期限的相应债券将会为后续的数据处理和分析节省很多精力。
2)rt+i,各大类资产实际收益率。如前文所述,根据中国保险公司可选择资产范围和资产配置久期,本文选取4种资产作为组合风险资产的备选范围,其代表性收益率分别采用:中信标普300全收益指数收益率、5年期国债实际当期收益率2、企业债实际当期收益率和非标资产实际当期收益率3。
选取这几种资产的收益率,原因在于中信标普300指数是权益类资产表现的良好代表,5年期国债是中长期利率债表现的指针,企业债指数则代表了信用债市场的表现,而非标资产收益率,则是表示了中国保险监督管理委员会规定的不动产投资类和其他金融资产投资类产品,该类产品并不像证券资产那样具备高流动性且可自由交易,其中有房地产信托投资、基础设施投资计划、基础设施及矿产能源投资信托等。
3);Ct+i,各大类资产超额收益率,即为其实际收益率和短期国债实际到期收益率之差,分别为:沪深300全收益超额收益率、5年期国债实际当期超额收益率、企业债实际当期超额收益率和非标资产实际当期超额收益率。在模型中分别标记为:XS (Excess Stock Return)、XGB (Excess Government Bond Return)、XCB (Excess Corporate B ond Return)、XN SAC Excess Non-Standard Asset Return)。
当期收益率的计算公式为
其中:y代表的是到期收益率,D代表的是组合的久期,基于当今中国保险业的资产结构,这里假设为5年。如模型所述,以上所有收益率都表示对数收益率。
4) St+i,状态变量采取4个与本模型中的备选资产具有极大关联的变量。
用于预测股票市场收益率变化的是市盈率指标的倒数,即沪深300指数的成分股在过去12个月的股息除以它的价格,在模型中标记为DY (Dividend Yield);用于预测利率债市场走势的是利率期限结构(TS,Term Spread),即长、短期国债到期收益率的差值;用于预测非标资产表现的是M2-M1剪刀差,这个指标的走势包含了中国人民银行的货币政策,这将通过影响企业融资能力间接对于信用债和非标资产的表现产生很大的影响1。
事实上,这里还有一个状态变量,长期国债当期收益率,其计算公式与前面的5年期国债当期收益率相似,只不过是公式中的组合久期D要改为20年。加入这个状态变量在这一部分的模型中并没有什么太大意义,但也不会产生严重的多重共线性问题,中期(5年期)和长期(20年期)国债当期收益率之间的相关性很小,仅为0.039。但这个变量却在本文的分析中必不可少,因为在后面的模型中将引入代表负债的变量,为了便于模型之间的互相比较,此处先引入这个变量。
关于指标的选取,有一点要作特殊说明的是虽然我们在全收益指数中选取了中信标普300指数作为研宄对象,但并没有相应的机构对其市盈率指标进行统计,因此只能选择与中信标普300指数成分股极为相似的沪深300指数市盈率作为状态变量指标。
样本周期的选取为2003年1月至2013年12月,样本频率为月,采用的是环比数据,样本量为132个。由于中国资产市场只经历了短短20年的发展,若选取季度数据将面临样本量不足的问题,故此处没有采取跟Cambell (2005)、Hoevenaars (2008)等人相似的季度数据。
对于各类资产的预测效果可以从以各种资产收益率作为因变量的自回归的R平方值看出,对于短期国债、权益、长期国债、企业债和非标资产这五种资产的超额收益率的预测解释度分别为96%、16%、20.5%. 24%和17.4%。短期利率的预测效果最好、企业债和利率债次之,而收益率波动程度最大的股票和非标资产预测解释力最低。
各类资产的各期方差演进和互相之间的协方差演进就不一一列出,以下是各类资产的长期方差变动过程。可以得出,从短期到长期,各类资产的方差都趋于稳定,除了短期基准利率的方差在长期内稍有增加以外,各类资产的方差均随着时间的推移而下降(股票波动性在短期内会略有上升,但随后也会缓慢下降)。
其中,利率债的波动性下降趋势最为明显。
三、主要结论
根据一阶向量自回归所得的数据和方差演进结论,套用经典Markowitz模型进行资产配置,并选取不同的投资年限(InvestmentHorizon)进行横向对比。在这里,我们取风险厌恶系数1为6,这与国内的相关研究保持一致2。从最后的配置结果来看,我们可以得出以下初步结论:
1.随着投资年限的延长,现金类资产(在本例中为资产中不是期限在一个月内的高流动性资产)的比重不断地下降,到达30年期投资期限时,甚至要卖空高流动性资产来为其他高收益资产进行融资。这种情况在一些投资基金中不是很常见,因为这意味着需要借杠杆来提高资产组合的收益率,但大部分投资基金都面对这不同程度的融资约束和流动性约束,而且大部分投资基金的投资年限并没有那么长,大多追求的是短期的收益。
2.由于权益类资产的长期收益率保持稳定,而随着期限的延长,波动率的下降,这类资产的吸引力在变强,比重逐步提升。这与投资者的直觉相违背,因为想要最求短期收益爆发的人,往往会提高权益类资产的权重。然而,这个模型从理论上证明了在长期内,随着长期平均方差的稳定,权益类价值投资对于养老保险金、人寿保险金投资的可行性。
3.基于固定收益类产品(在模型中表现为利率债和企业债)票息的稳定性,这类产品不分长短期,都是投资组合中一个重要的组成部分。对于固定收益类产品的优良特性,下文还将继续加以阐述。但是,值得注意的是,固定收益类产品的整体比重随着投资年限的延长并没有显着增长。原因在于随着投资年限的延长,原本不确定性较大的权益类、非标资产的方差变得稳定,再加上这两类资产原先具备的高回报特性,使得这两类资产的吸引力大增。
4.非标资产也在组合中占据一席之地,虽然中国现阶段的非标资产投资期都比较地短暂,一般在五年以内,但模型揭示了这类资产的收益率在长期内的稳定性。这点和前文所述的结论保持一致,即长期投资基金需要适当增加对于长期基础设施、长期矿场能源幵发类项目、长期产业投资信托产品的投资。
总体来看,随着投资年限的延长,风险资产波动率下降导致风险资产的权重明显上升。由于风险资产的风险溢酬,因此长期限的投资组合将取得更高的投资回报,这就是模型预示的将投资目标由短期转为长期带来的好处。
四、模型不足
虽然结合了长期收益和方差的探讨,但这个模型的缺点是并没有结合具体机构的负债形式进行大类资产配置。以上的配置模型可以广泛地运用于没有明显负债的投资基金中,但是对于寿险投资基金来说,缺乏针对性。在下一节中,本文将对这一缺陷进行弥补和改善。
第二节基于资产负债管理的长期资产配置模型
对应于上一章的“资产负债管理失位”问题,这一节将围绕“建立基于资产负债管理的战略资产配置体系”这一建议展开。对于保险投资机构来说,资产配置计划是被某些长期负债所约束的。正如前文所说的,中国寿险负债的平均久期长达15-20年,而现阶段的大部分资产的投资久期都无法达到这样的投资期限。
这种现状产生的直接后果是,对于长期负债来说,其中隐含的大量通货膨胀风险和长期实际利率风险无法得到有效的对冲。在国外,应对这类负债最为有效的方法就是购买对应的指数关联债权。然而,问题并没有被完全解决,原因在于这类债权相对于庞大的寿险负债来说,体量上来说远远不够。在中国的金融市场上,这类产品甚至很多还没有被设计出来。对于中国庞大的寿险负债来说,可供选择的资产还是主要集中在我们在上文中介绍的五种大类资产:高流动性资产、权益类资产、利率债(及协议存款)、信用债和非标资产。
一、模型构建
Leibowitz等(1994)构建了一种相对简洁的针对资产负债管理的研宄框架,在本文中我们沿用他釆用的方法,使用盈余比率(F,Funding Ratio)作为主要研究对象,将“建立基于资产负债管理的战略资产配置体系”这个建议结合到资产配置模型中。为了与前文保持一致,对于盈余比率的处理还将继续使用对数化的方式加以简化。
这里的A和L分别表示的是资产组合和负债,而且这里的资产和负债对数收益率依然釆用实际收益率的形式,即依然要扣去通胀因素的影响。基准利率仍然釆用与前文相同的一个月短期国债到期收益率,由此可得超额资产收益率和超额负债收益率。
关于收益向量的期望和方差演进依旧釆取跟前文相同的设定,此处不再赘述。资产收益率的对数线性化公式可以表示为:
沿用Van6insbergen和Brandt (2008)的做法,我们对融资比率的效用模型依旧沿用和上文一致的CRRA偏好形式,即
在这里需要特别指出的是,在这个模型中,我们的资产选择和上一节的五种基础资产相同,对传统的资产最优化模型釆用的现金、权益和固定收益模型继续进行拓展。沿用Hoevenaars等(2008)的方法,在这一章中的模型推导仍然是在一个较长的投资期限内进行的,目的就是为了防止“错误最大化’”的出现。
本文假设投资者将会在一个较长时间区间内持有固定比例的组合资产,这和保险机构投资者的投资决策机制^-分吻合。在业界,保险投资机构,尤其是针对寿险账户,在作投资计划时都是先假设一个固定权重,并在长期内保持这样的权重,这个过程被称为“制定战略投资计划”。在完成了资产负债管理框架设定后,机构投资者才允许组合管理者在某个时间间隔内重新审视投资计划,并称之为“战术投资计划调整”。
将(18)式代入(16)式中,可得:
将每一期的投资收益对数线性化方程叠加,并假设投资者在每一期末都会自动将组合投资权重恢复至期初,可得以下公式
由此可得对数盈余比率在f期的期望和方差,方法和上一章对于长期收益期望和方差演进过程的推导相似,比较特别的是,我们称盈余比率的波动性为“不匹配风险”(Mismatch Risk)。由CRRA偏好函数,结合传统Markowitz组合投资理论,我们可以得到针对本问题的最优化问题:
将所得的盈余比率期望和方差代入到目标函数中,我们可以得到在资产负债管理框架下的机构投资者的最优组合投资权重:
根据Campbell和Viceira (2002)的研究,该权重还可以分为两个部分,这两个部分源自组合资产的投机需求(Speculative Demand)和对冲需求(HedgingDemand)o两个部分可以分别表示为:
投机需求在宏观经济领域中并不陌生,多见于凯恩斯对于货币需求的解释中,其与交易需求和预防需求并称为货币三大需求。从定义上看,投机需求是投资者对于金融资产的需求,这种需求并不能在实际商品交易和融资中得到满足,因而会产生一定的机会成本。为了避免机会成本,并获得超额收益,投资者就产生了持有流动性资产以外旳其他资产的需求。在本文中,投机需求对于组合投资者来说就是尽量获得组合收益最大化的需求,这种需求和机构投资者负债的结构相关性很小。
对冲需求顾名思义就是应对风险对冲需要而产生的,与投机需求相对应的是,该需求跟机构投资者负债的结构关联性非常大,主要目的也是对冲负债所藴含的各种风险。在本文中,风险的来源主要为:通货膨胀和实际利率波动。
二、实证分析
在这一部分的分析中,关于长期收益率的期望和方差演进,仍然要借鉴上一章构建的VAR模型。不同的是在这一部分,我们还要引入寿险公司负债的代理变量。寿险公司的负债往往是由精算师利用复杂的定价模型和准备经评估模型计算得出,并且时刻处于变化之中,想要准确衡量十分不易。寿险负债主要面对的风险由:
1)利率风险
由于寿险产品的销售和保费给付时间不同,导致寿险产品的设计定价必须采取某一个约定利率。当寿险产品销售出去以后,保险公司则面临着市场利率波动所带来的负债增值风险。在过去的十几年间,央行不断下调基准利率都导致保险公司面临较大的偿付压力,由此产生的损失被称为“利差损”。
2)通胀风险
上述的利率风险主要还是指实际利率的波动,而名义利率的波动还要更为剧烈,主要原因就在于代表宏观经济总体价格指数的通货膨胀率也一直在波动。然而,本文中的模型变量都釆用的是实际变量,如资产的超额收益率、实际利率等,都副除了通货膨胀的影响。因此,在下文的讨论中将不会对通货膨胀风险的对冲展开讨论。
3)定价风险
寿险保单价格的定价过程需要使用很多的数据,如生命表、发病率等。一方面,这些数据本身也在随着时间的推移而推移;另一方面寿险定价的理论基石是大数定律,而寿险保费的给付过程是离散的,寿险公司时刻暴露在需要进行大额给付的风险之中。
4)经营风险
寿险公司也是公司的一种,只要是企业,就会面临一定程度的经营风险。再加上中国金融市场并没有完全实现利率市场化,可投资的品种较少而且寿险公司受到的限制较多,中国保险市场的费率市场化也还在处于推进过程,这些不利因素都无疑增加了受限公司的经营风险。
在以上几种风险中,学界常常将利率风险和通货膨胀风险视为可预测风险,而定价风险和经营风险则视为不可预测(或难以预测)风险。在许多对于保险公司负债面临的风险的研宄文献中,都将传统寿险与年金的可预测部分用保单未来现金支出来折现,从而可以将这部分负债看做是一个债券组合,可以用久期调整后的债券指数来代理,此风险实则为利率风险。不可预测部分风险包含了死亡率变动风险、流动性风险、保险企业运营风险等等,可以用服从某一种分布的随机变量代理,而且最重要的是,该风险与利率风险并不相关。假设要求回报率为E（Rx）不不可测风险为则负债收益率可以表示为:
如果我们将作为负债收益率的代表代入模型,会发现如果假设不可测风险和利率风险相互独立,那么S将不会进入本模型。由于本文的研究对象集中在寿险业资产结构上,由于寿险负债相对于非寿险负债容易预测且不可测风险较小,而且在实际情况中,由于不可测风险的内容较多而且难易度量,寿险精算师对于这些风险的定价十分困难,而在精算假设较为保守的情况下,通过对于偿付能力指标的控制和监管,就已经将部分不可用于投资的资产抽离,在剩余的资产组合中,用于应对不可测负债风险的资产体量己经很小。
综上所述,我们可以将长期国债当期收益率作为寿险公司负债风险的一个代理变量,考虑到中国寿险业负债久期较长,为与上一部分的讨论保持一致,在这里我们选取的是20年期国债的长期国债当期收益率。
对于负债的自回归模型解释力度(R2值)只有18.4%,仅次于非标资产的12.4%和权益类资产17.4%的解释力度排名倒数第三,预示了长期负债的高波动性性。由于中国寿险业的负债久期过长,实际利率的轻微波动将对负债产生剧烈影响。剧烈波动的负债将给寿险公司的现金管理和投资管理带来巨大的困难,因此也突出了对冲实际利率风险的必要性。
三、主要结论
根据式(23)和VAR模型估计出的长期方差,我们可以得出对于ALM投资者来说的最优投资权重,将新权重和经典Markowitz组合投资理论得出的权重相比较,可以发现:
1.债券类资产的总体权重几乎不变,但是其内部的结构发生了巨大变化,利率债权重下降,信用债的权重大大上升。
2.持有现金等流动性资产的比重下降了,权益类产品的比重上升。
3.非标资产的投资权重下降了。
根据式(24)和式(25)可以得到ALM权重的分解,其各自成分如表3.8和图3.4所示。我们注意到,在总体投资结构上,ALM权重中的投机成分构成和原权重十分相似:二者都是将最大的权重赋予利率债、非标资产次之、再接下来是信用债,最后才是权益类资产。虽然具体的权重数值上有差异,但二者在总体结构上面的相似体现了两模型在最优化思想上的连贯一致。
再来看对冲需求对应的权重,联系各种资产在长期内和实际负债(20年期国债当期收益率)之间的相关性(图3.5),可以得出以下结论:
1.随着投资期限的延长,权益类资产收益率与长期利率之间的相关性迅速上升,在5年左右时达到顶峰(0.55),在此之后保持稳定(略有下降),表明在中期至长期内,权益类资产的对于实际利率风险的对冲能力较强,因此在对冲需求组合中建议增加权益类资产的权重。
2.利率债收益率与长期利率之间的相关性呈现出U型曲线的情况,一幵始下降并呈现出负相关,并且在10年期左右将会重新变为正相关,但相关性较弱。表明了该类资产在短期到中期内对于长期利率的对冲效果不好,因此在对冲需求组合中建议渐少利率债资产权重。
3.与利率债相反,信用债资产收益率与长期利率的相关性在中长期显着为证,并稳定在0.1左右,因此对冲需求组合建议增加该类资产的权重。相似结论可从非标资产与长期利率的相关性中得出,非标资产与实际利率长期内都是负相关的,原因在于非标资产中绝大部分还是投资期限在3-5年以下的信托理财产品。从久期匹配的角度来说,短期产品是不适合用来对冲长期风险的。然而,非标资产的权重依然超过了 20%,原因在于非标资产本身的高收益特性在预测模型中得到反映,再加上引入非标资产能够给组合带来多样化效应。
总地来说,结合长期ALM框架后,组合的(相对)高风险资产——权益、企业债的权重都得到提升,将不可避免地提高组合的整体收益,这是该建议带给寿险资产管理者旳一个最直观的益处,在接下来我们将用模拟的办法证实。
四、模型不足
至此我们分别用两种方法得到了两组最优投资策略,以下采用随机模拟的方法来对比一下这两种投资策略对于10年后盈余比率的影响。此处采用的方法是假设VAR(l)方程中的随机项服从的是各资产的相关系数为0的多元正态分布,期望为0,方差阵则为回归残差阵,则模拟表达式的残差项为回归残差阵的Cholesky分解。每次都生成120个资产收益率向量和负债收益率标量,获得0到120期内的资产和负债对数收益率,二者之差就是盈余比率的对数增长率。将这个过程重复20000次,取平均值则得到各期的盈余比率平均值。
可以看出,在5年以内的时间内,不考虑负债的投资策略会稍微比ALM投资策略更具有吸引力,因为它的盈余比率更高,但是在5到10年期间,基于资产负债管理的投资策略能获得更高的盈余比率,意味着平均而言,釆取这种投资策略的保险公司将取得更大的财务稳定性。
通过模拟取得的ALM配置方法平均盈余比率是令人满意的,但是我们还关注盈余比率的稳定性,毕竟收益增高的同时也将不可避免地增加组合的风险,这是寿险资产管理者们所不愿意看到的。有可能平均而言这种方法取得的投资比例_是成功的,但在某时刻发生的“黑天鹅”事件却将公司置于流动性危机中,并最终导致破产。本文截取了第120期(10年期)盈余比率分布图,并计算了在10年末盈余比率的各分位数。
由以上结果可以得到的结论是,如果遵循同样的投资策略并长期保持下去,在正态分布假设下,10年后盈余比率小于0 (保险公司面临亏损风险)的可能性依然高达15.65%。即使是保险公司在初始的盈余比率高于0,能承受10%或者20%的盈余比率降幅,也分别有高达11.6%和7.7%的可能性出现兑付危机。这样的概率对于一家稳健经营、追求保单持有人长远利益的保险公司是不能接受的。
从本节模型的假设来看,会出现这种情况的原因在于:1.本模型假设机构投资者在每一期的期末都会保持这样的最优投资比例,而这个最优投资比例是根据几年前某一个时间点以前的所有信息推导出来的,不仅没能反应未来的投资信息,更是连这个比例确定后之后的几年信息都没有利用到。2.经典的Markowitz组合投资理论有一个很大的缺点,就是当资产收益率发生轻微变化的时候,反应最优投资比例的权重将会发生剧烈变化。由于模型选取的风险资产中权益和非标资产的收益率波动率都比较大,因此我们从10年期盈余比率的分布可以看出,盈余比率的波动性十分巨大。3.Hoevenaar (2008)提出的引入长期收益期望值和方差演进的确能在一定程度上缓解盈余比率的剧烈波动,但基于本文所研宄的内容是针对寿险公司,而不是针对特定的养老金保险公司,因此投资期限无法拓展到20年或以上。根据中国保险资产管理业的现状,笔者认为采用10年期的投资期限是最为符合现实情况的1。
第三节基于BI ack-L i tterman模型的寿险业长期资产配置模型
对于“战术资产配置流程与保险资产管理目标脱节”的问题,事实上在业界是存在争议的。一方面,中国的保险资产管理机构对于战略资产配置(SAA)的考虑期限一般只有三年,决策者们认为在执行SAA时体现保险资产管理的目标就行了;另一方面,即使是在制定SAA计划时,上文所用到的ALM框架也不一定被运用。因此,这里的假设是,作为基于资产负债管理框架下的战略资产配置的有效补充,通过战术资产配置(TAA,Tactical Asset Allocation)来实现投资策略的微调,使其与保险投资目标始终保持高度的吻合。
从上一节模型结论可以看出,基于资产负债管理的长期战略大类资产配置由于对于市场收益率的敏感度太大,很难在长期内长期保持同样的资产配置权重,需要定期对于资产配置比例进行微调,即实施所谓旳“战术资产配置”。
战术资产配置与战略资产配置的主要区别是,其着眼的投资期限较为短暂,通常是以季度为单位的。保险机构投资者从事战略资产配置的主要依据是公司的负债特征、现金流特性、风险承受能力以及投资者对于投资收益的要求;对于战术资产配置,投资者关注的信息往往是当前的宏观经济形势、各类资产轮动的判断以及市场上的一些突发事件。二者的有效结合,是保持保险投资机构获得长久、稳定投资收益的重要保障。
在进行战术资产配置分析时,分析师需要就市场信息做出相应的判断,形成相应的“观点”。这些“观点”大致可以分为两类:一类是绝对收益观点,也就是针对某一种大类资产的收益率走势的判断,例如某分析师预测下个月国债收益率将会上扬等;另一类就是相对收益观点,是针对某几种大类资产之间的相对投资价值判断,例如:美林证券的“投资时钟” 1理论就是基于资产相对投资价值的判断。而且,这些“观点”进入到投资经理的手中时,并不一定能被投资经理完全同意并遵循,毕竟判断也会有出现失误的时候。以上的过程就相当于统计中的先验信息,人们总是不断地利用手头上可获得的新信息来修正自己过去对某一事件概率分布的判断。
然而,如前文所述,寿险资产管理者面临的一大难题就是如何利用市场信息和研宄结果来改善战术资产决策流程。原因在于单纯利用市场信息进行保险投资决策,其结果往往是决策行为无法反应保险资产管理的目标和框架。另一方面,如果坚持战略资产配置中的资产负债管理框架,又往往会错过很多投资机会。
在这一节,本文引入Black-Litterman模型来帮助寿险公司进行作为长期资产配置策略有效补充的战术资产管理。B-L模型与经典的Markowitz模型相比较,其最大的不同就是引入了贝叶斯的统计方法。该模型还有另外一个特点,就是将市场均衡信息引入模型,在估计权益类、固定收益类产品的均衡收益时,都将市场中性作为基本假设。在这里,市场均衡是指资产的供求平衡。
相比于上一节的模型,此处引入B-L模型的优势在于:
1.使用当前时点的市场信息作为获得期望收益的来源,放弃历史收益率及其一系列严格的假设。
2.组合权重对于收益的敏感度下降,进一步减少“错误最大化”的发生概率。
3.与上一章的模型不同,对于将来的判断信息,该模型并不是全盘接受而把整个组合的权重预测都建立在预测上,而是将预测信息赋予一定的置信度,有条件地接受。
4.体现战术资产配置的灵活性,随着时间的推移,预测信息将会实时更新,预测信息的形式也将发生变化(绝对收益观点和相对收益观点),这些都能在模型中得到良好的体现。
5.允许保险资产管理者延续战略资产配置中的ALM框架,一定程度上解决战术资产配置与保险投资目标脱节的难题。
为了达到上诉目的,我们将B-L模型的思路嵌入到资产负债管理的框架当中,并且作出了相应的修改,以使其能够更好地适应寿险公司的最优化条件和长期投资期限,以下就简要介绍本章模型的主要内容。
一、模型构建
在对市场均衡收益率进行估计时,与上一章不同的是采用的市场信息不再是历史收益率,而是现阶段的市场均衡权重。再通过最优化方程的“逆优化”得到均衡收益率。此时由于优化的对象是盈余比率,最优化方程的形式也将采取和上一章相同的形式:
对于市场收益率的方差阵,B-L模型中一般是使用历史收益率的方差阵,但基于本文研究的投资期限的长期性,此处依然使用和前两张相同的长期方差演进,这里依然使用一阶结构向量自回归VAR(l)作为方差演进的预测基础。借鉴Idzorek (2002)的方法,风险厌恶系数的估计方法如下:
在这个模型中我们至始至终都是用超额收益率作为变量的形式,因此无风险利率(基准利率)为0。由此可得先验均衡收益的分布为N(n,Tie),这里的T代表的是标量,用于调整先验分布方差的大小。在下文中也可以发现,后验收益是先验均衡收益和投资者观点的复杂加权,如果先验均衡收益的方差大,相比较而言,投资者观点的重要性就更大,就会被赋予更高的权重。因此T的值对于最后的投资权重有着举足轻重的作用。不同的文献中对于T的设置方式是不一样的,Sevan和Winkelmann (1988 )提出的设定的t值不能使信息比率(IR,Information Ratio)不超过2, Satchell and Scowcroft (2000)认为刻度因子t经常被设定为1。
Idzorek (2002)提出了另外一种估计t的方法,表达式为:
其中LCi为第i个观点的信心水平,CF为标准刻度因子(Calibration Factor),其计算公式为:
这个表达式将观点的置信度纳入了模型.在本模型中,我们使用预测方程的解释度(R2)来代替观点信心水平。
代表投资者观点的观点向量表示为Q,对于观点Q,代表其不确定性的方差为n,则观点收益服从的分布为N(Q,fl)。需要特别指出的是,观点向量有自己的观点矩阵P,矩阵的形式可以表达绝对收益观点和相对收益观点。如果需要表达.多个观点时,观点矩阵应该根据表达观点所代表的资产市场权重来进行调整。
结合先验市场均衡收益和观点收益信息,我们就可以获得后验收益的分布形式:
得到资产的后验收益分布后,再经过原先的盈余比率最优化方法,可以求得在无约束条件下的新的最优大类资产权重W。
整个过程可以分解为以下步骤:
对于该模型,还需解释观点误差阵Q的设定方法,本文借鉴Idzorek(2002)的设定方法,这种方法使得每一种观点的置信度分别进入模型,使各个观点得到不同程度的体现:
二、实证分析
本章的实证分析仍将采用前两章的部分结论,具体的参数设定也和前文保持一致。根据Idozorek (2002)的风险厌恶系数估计方法,可得A = 5.29,为了和前文保持一致,此处仍然设定风险厌恶系数为6。
要估计作为先验信息的市场均衡收益率,就需要得到各大类资产的市场均衡权重。为了尽量与实际情况吻合,我们选取了 2013年12月底的市场权重作为市场均衡权重,各类资产的权重如下表所示:
如前文所述,这里将利率债与协议存款合并。在这里我们使用的观点均为绝对收益观点为例,以前文所得的长期收益率预测模型作为绝对收益观点的基础,以长期方差阵作为绝对观点误差阵,而信心水平的值比较随意,投资经理可以根据对分析师本身或者分析师观点的信任程度设置LC的值。此处,我们假设分析师也是基于.VAR(l)模型来做出预测判断,因此我们釆用VAR模型的拟合程度作为我们的信心指数。观点收益矩阵P、置信度向量LC的形式为:
由此可得标量T的估计值为0.716,基本符合Bevan和Winkelmann (1988)所设定的0.5-0.7的范围。进一步可以得到观点误差阵:
三、主要结论
利用式(35)和前文所得的资产收益率分布,可以得到在风险厌恶水平为6的条件下的市场资产均衡收益情况。最后,结合市场观点得出资产收益率后验的后验分布,根据收益率的后验分布又能得出新的后验权重。将先验信息和后验信息进行比较,可以发现:
1.权益类资产、利率债的后验收益率有所下降,反应在权重变化上面就是二者的后验权重都下降了;由于预测模型对于我国未来十年的信用债市场和非标资产看好,故这两类资产的后验收益率都有所提高。
2.由于此模型也是在资产负债管理框架下进行的,根据上一节的结论,信用债对利率风险的对冲效果比非标资产好,因此在后验收益均有所提升的情况下,信用债的权重提升程度更高。
考虑到T是影响先验收益和后验收益进行加权平均的重要影响因素,T越大,后验收益的重要性越高,然而对于T的校准依旧是学界争议的对象。下图描绘了对应不同的T,后验权重分布的走势。
可以看出,随着观点矩阵的引进,利率债的权重将迅速下降,信用债的权重迅速上升,而权益类和非标资产类的变动则不是很明显。原因固定收益类产品的收益率波动并不及权益类和非标资产类的大,反映在预测模型中的预测置信度较高,信心水平(LC)也较高。这里体现了 B-L模型的调节作用:首先,信心水平的引进让决策过程变得温和有弹性,加入了投资经理本人对市场的判断,避免了政策的前后矛盾;其次,市场均衡权重为资产配置树立了标杆,使得资产配置结果反映市场均衡收益水平,从而使^产配置结果更加符合实际,这就是最后一条建议带来的直观效果。
第四节模型的主要结论比较分析
一、从权重的相对数量来看
首先,无论有没有运用到贝叶斯方法,在资产负债管理框架下的修正权重都比原权重在方向上发生了一些相似的变化。最主要的趋势是利率债、非标资产权重的下降和权益类资产、信用债权重的上升。
这反映了不同大类资产对于长期利率风险的对冲能力不同,体现了信用债和权益类资产对于寿险投资组合的长期风险管理的重要性。从ALM模型和B-L模型对画定收益类产品的配比来看,B-L模型的配置结果对信用债的偏好比ALM模型更强。这可能是由于B-L模型结合了市场供需信息后的动态先验收益率强化了预测模型中对未来信用债表现良好的观点,这与现阶段我国信用债的迅猛发展趋势相一致。
其次,从ALM权重和后验权重的对比来看,权益和信用债的比重上升,利率债(协议存款)和非标资产的比重下降了。
原因之一在对预测模型的置信程度上,由于非标资产收益率难以预测,如果投资经理对预测模型中的高收益持怀疑态度,其所占的权重将会下降;另一个原因可能在于我国的非标产品占所有大类资产比重还很低,而在这些有限的投资项 .
目中,像基础设施投资计划这类适合寿险组合长期对冲的资产占比也很小,只能满足占可运用资产16%的非标投资基金的一小部分需求,现阶段还是得依靠信托理财类资产加以补充。因此,结合市场供需信息来看,保险投资机构也不应该对该类产品情有独钟,毕竟信托业本身也承担着一定的兑付风险,优质的信托项目数量有限。
二、从权重的绝对数量来看
权益类资产的建议权重都高于20%,无论是在ALM模型还是B-L模型下,在现有的监管规定下已经允许保险公司增加权益类资产的占比至30%,但整个保险业对于权益类资产的配置还是十分谨慎,权重维持在10%左右。从权益比重的历史变化来看,在2007年保险业的基金和股票占比曾达到27%左右,相信寿险账户的配置权重将更高。因此,本文认为现阶段保险资产管理业对权益类的谨慎态度还是来源于对中短期市场的悲观态度,这点和日本寿险资产结构的情况类似。
然而,从长期来看,权益类资产长期收益率可观,对长期利率风险的对冲能力良好,很适合寿险账户长期持有。
固定收益类产品的占比始终保持在50%以上,依旧是寿险投资组合配置的首选,但在总量上低于现阶段险资的固定收益持有量。原因在于我国保险投资机构仍然有30%的资产依赖于与银行签订的协议存款单。虽然随着利率市场化的推进,其整体占比呈逐年下降的趋势,但在近几年银行资金紧张局面中又有所反复。与此同时,固定收益产品的内部结构发生了显着变化。模型建议将权重与风险对冲能力挂钩,降低利率债的占比,提高信用债的权重。
非标资产的占比在所有模型中都很大,要高于该类资产在整个市场中的权重(16.89%),说明了寿险资产管理者对于这类资产偏好。然而非标资产长期风险对冲能力较弱而且波动剧烈难以预测,ALM权重和基于B-L模型的后验权重则反映了这样一种担忧,相对降低了非标资产的建议权重。
