绪论
第一节 研究背景及意义
2012年下半年,保监会启动了针对保险资产管理业务的新一轮改革,除了陆续放幵各项资产的投资比例上限外,还放幵了保险资产的投资渠道限制。一时间,“险资投资创业板"等话题迅速成为投资行业内的热点。然而,2013年,保险资金的资金并没有大局进入股市进行布局,反而转向非标资产投资领域。由保监会发起的基础设施债权投资计划截止至2013年12月底已达160多项1,险资持有的信托理财类产品比重也在日益提高,保险资产管理业的资产风险有增加的趋势。
与此同时,中国寿险业的负债端也在悄然发生变化。近两年影响负债稳定性的两个趋势是利率市场化改革和费率市场化改革。前者作为中国金融改革的重要组成部分,在近年来明显提速。在利率市场化的进程中,随着新的金融工具的不断推出和市场格局的打破重建,中国金融市场正在经历一个较为动荡的时期。期间实际利率波动显着,市场风险日益增大,从而影响资产甚至是负债的价值,这对于保险资产负债管理人员来说是一个巨大的挑战。能否做好风险对冲将是决定保险资产管理业未来成败的关键因素。与利率市场化相配套的费率市场化进程则从产品端打破原有的寿险销售竞争格局,中小保险公司纷纷推出约定利率高于3.5%的寿险产品。高约定利率预示着未来的高负债成本,也要求保险资产管理者提高资产端的收益率以保障保单持有人的权益。
此外,2013年也被誉为中国“大资管时代”元年。而在这一年内,保监会也放开了保险资产管理公司从事广义资产管理业务的限制,同时打破了证券公司、期货公司、基金公司、银行、保险公司、信托公司之间的竞争壁鱼,这意味着提高投资决策能力对于保险资产管理者来说是一件迫在眉睫的事。如何有效利用市场上和自身投资研究机构的分析信息,并结合保险投资机构的特殊需求来帮助提高寿险组合投资决策能力,也是未来保险资产管理者亟需解决的难题。
本文研究的对象是保险资金可运用余额的配置结构,从平均来看,这部分资金占保险业总资产达到了 92%左右1,可谓举足轻重。因此,利用好这部分资金,合理优化资产结构对于整个保险行业具有的深远的意义。
本文正是基于这样的背景,从我国金融市场的阶段性特点和保险资产管理公司的特殊使命出发,从定性和定量的角度分析了中国保险资产管理业务存在的几个问题,为寿险资产管理者的资产选择、风险对冲、投资决策提出相应建议,并给监管者提供一些用于市场规范和风险防范的政策建议,具有一定的理论和现实意义。
第二节研究方法和文章结构
本文主要釆用基于利率风险对冲的长期资产负债管理模型来研究我国寿险投资组合的资产结构优化问题。在论文中先就中国寿险资产管理业普遍存在旳几个问题做定性分析,再采用量化分析的形式将改进思路嵌入最优化模型。在定量分析模型中,采用Markowitz模型旳最优化思想,结合一阶向量自回归模型作收益和方差动态演进预测,以此来构建利率风险对冲组合。最后,使用Black-Litterman模型对最优化结果作贝叶斯改进,并得出结论和相关建议。
本文除绪论外,共分为四章,具体安排如下:
第一章从我国保险业资产管理现状出发,结合寿险业资产结构的特点和国际比较(英国、美国、日本和欧洲),对我国寿险业资产结构中两个突出的特征进行简要阐述:权益比重相对较低和非标资产权重增幅明显。
第二章结合寿险资产结构中的突出特征分析了我国寿险资产管理可能存在的几个问题:过分追求短期利益、资产负债管理框架缺位和战术战略配置与保险资产管理目标的结合不紧密。接下来,本章还结合近两年保监会对保险资产管理的监管措施改革,分析了寿险资产管理的政策环境。最后,本章对本文将重点分析的非标资产投资作了详细介绍。首先,简要介绍了当前非标资产投资的现状和趋势;其次结合利率市场化和费率市场化分析了非标资产对保险资产管理业务的重要性;最后对该资产的风险作了简要分析。
第三章结合第一章提到的寿险业资产管理的三大问题一一追逐短期收益、脱离资产负债管理框架和战术配置问题——分三个步骤,将解决方案一一关注长期收益、结合资产负债管理框架和在ALM框架下改进战术战略配置流程——逐一嵌入模型,并使用中国金融市场2003年到2013年的月度资产收益数据进行实证分析。最后,通过三个模型的横向比较得出相关结论。
第四章关于寿险资产结构优化的政策是基于第三章的结论提出的,这里分别从政府角度和保险资产管理机构角度分别提出了相关建议。
第三节国内外研究现状
一、 国外研究现状
1.资产负债管理(Asset Liability Management)的相关研究关于资产负债管理的研究,可追溯至1800年,伦敦公平人寿保险协会要求保险机构留有充足准备金以覆盖未来的负债。Vander Meer和Smink (1993)将资产负债管理技术分为两类:静态方法和动态方法。在传统静态方法中,有由Tjailing C (1942)提出的现金流匹配(Cach Flow Matching)方法,该方法由Elton和Gmber (1992)重新审视并加以完善;还有研究利率敏感性缺口的缺口分析(Gap Analysis)。动态方法侧重于对冲动态利率风险,Redington提出免疫理论(Immunization Strategy)后,Fisher 和 Weil (1971)提出了 F-W 久期,Fong 和Vasicek (1984)提出使M2最小化的免疫方法,而M2则表示风险水平;LeslawGajek (2005)则首次将偿付能力指标(Funding Ratio)作为研究目标引入模型研究组合免疫策略。
随着现代信息处理能力和金融数学的快速发展,随机规划模型和动态财务分析逐渐进入人们的视野。Kusy和Ziemba (1986)提出多期随机线性模型,Dert(1995)和Boender (1998)基于DB (DefinedBenefits)年金和荷兰养老金建立随机规划模型,Vrontos、Meligkotsidou等人(2013)则在波动率可变的环境下探讨养老金的资产负债管理问题。Ziemba和Mulvey (1998)总结了前人的资产负债管理建模方法,并提出了养老金资产负债管理体系,Raubenheimer和Kruger(2008)在随机规划模型中引入选择权特征,并以风险控制为目标,Yang、Gondzio和Grothey (2010)在这一课题上进行了进一步的探讨。在动态财务分析领域,Klein (1993)将随机思想加入到现金流预测模型中,初步提出动态财务分析框架;Lowe和Stanard( 1996)则专门讨论了财险再保险公司的动态财务分析系统,Schmautz和Lampenius (2013)在这个领域引入了最小风险资本目标函数进行进一步探讨;Philbrick、Painter (2001)则探讨了保险动态财务资产配置方法和资本充足率管理。此外,Hardy (1996)、Shiu和Moles (2006)等人则讨论了由动态财务分析方法派生出的动态资本充足性测试问题,Perers (2011)则讨论了资产增值和负债对冲两方面的权衡问题。
在保险产品定价领域,不少学者从精算学的角度探讨了准备金提取、利润测算、产品市场价值等问题,这其中有Schnidt (1997)、Kunkler (2006)、Barbarin和DevoWer (2005)等人。最后,在资产负债管理框架下的投资评价体系方面,Ryan (2001、2004、2009)和 Babbel (2010)等均作了不少分析和总结。
2.机构长期战略资产配置的相关研究在这部分研究中,学者将大部分精力投入到对于资产端的研究中,因此这部分的研究是以资产定价理论作为基础的。Brennan和Xia (2002) ,Lioui和Poncet(2001) jBajeuxBesnainou 等(2003), Barberis (2000), Wachter (2002), Campbell等(2004) ,Campbell等(2003)尝试使用长期动态方差演进来考虑长期投资问题,但是这些文献只考虑仅持有资产(Asset-Only)投资者。Leibowitz (1987)、Sharpe和Tint (1990)则将养老金的负债结合到投资问题的探讨中,并得出单期盈余最优的结论。Sundaresan和Zapatero (1997)则是将这个问题拓展到多期,考虑长期战略资产配置。Campbell和Viceira (2002,2005a)则是通过资产和负债的对数-线性近似来得出长期方差阵演进。Van Binsbergen和Brandt (2008)贝U是试图处理长期盈余比率和短期风险约束之间的权衡关系,并使用名义长期债券作为养老基金负债的代理。Michaud (1989)首次提出,对于资产类别的拓展将会导致严重的问题,他称之为“错误的最大化”(Error Maximization)。这个概念在被提出后,被后来的许多学者重视并探讨。Kan和Zhou (2007)、DeMiguel等(2008)都通过实证证明了当资产类别被拓展后,得到的组合收益率并不会在新样本中获得超额收益。Hoevenaars等(2008)则是将可使用的资产范围拓展到房地产、大宗商品和对冲基金上,并使用实际长期债券作为负债的代表,试图探索引入新的资产能否给投资组合带来价值;在资产端,他认为采用对长期盈余比率和长期方差演进的探讨将会在一定程度上减轻错误最大化的问题。Huang等(2010)则是将模型拓展到了离散的情形,使用的是跨期离散时间模型来进行资产配置。最后,Schmautz等(2013)还将模型拓展到财险公司的资产负债管理问题上。
3. Black-Litterman资产配置模型的相关研究。
Black和litterman (:1990,1991,1992)采用贝叶斯方法,使用先验信息和市场均衡信息相结合的方法,估计出资产收益的后验分布,进而得到最优资产组合的权重。通过这种方法得出的最有权重,其对于资产收益率的敏感度将大大低于传统的Markowitz模型,这种方法将从另一个侧面解决错误最大化的问题。后面的文献围绕这一思想,对参数设定进行了许多有益的探索。Bevan和Winkelmann( 1988)认为标量(t )的设定应该使信息比率(IR, Information Ratio)不超过2,它的值通常在0.5到0.7之间。Satchel】和Scowcroft (2000)认为t是刻度因子,经常设定为1。Qian和Gorman (2001 )对模型进行了拓展,认为收益的协方差阵应该使用条件估计方法,使得投资者能够表达波动性和相关系数的观点。Idzorek (2002)提出了一种使用信心程度(LC)和校准因子(CF)来校准观点误差阵的方法。Idzorek (2004)在校准的研究中,提出将tilt引入到所得的新权重向量W中的方法。Cheung (2007)提出了 ABL模型(AugmentedBlack-Littlerman Model),将BL模型与因子分析模型相结合。Walters (2011)提出了另外一种无需使用T的参考模型。0’Toole (2013)尝试用主动管理中的风险预算方法来理解Black-Litterman模型。
二、 国内研究现状
1.资产负债管理(Asset Liability Management )的相关研究
我国早前关于资产负债管理的研究比较多地集中在利差损问题的探讨上。李秀芳(2000)和王宪章(2002)等人研究了利率波动将如何影响利差损。此后的学者们则在更深的层次中探寻利差损的成因,归结起来有:保证最低收益率(陈文辉等,2001),责任准备金率提高(刘虹等,2001),不良行为(李秀芳,2002)和成本手段落后(杨星,2003)。之后旳研究则是集中在应对利差损的对策上,主要有:资本金弥补(李秀芳,2004),鼓励资金入市(康惜,2004)和建立资产负债管理模式(高尚雪,2005)。
进入21世纪后,我国学者逐渐意识到现代动态资产负债管理体系对于保险公司经营管理的重要性,开始着手进行相关研究。研究的成果主要分为两大类:免疫理论研究及其完善和动态财务分析法。在第一类研究中,魏雪梅(2003)把精力集中于对不同利率敏感度寿险产品的资产负债管理研究,苏莉(2004)则在此基础上引入了违约和各种期权,迟国泰(2008)则是引入信用免疫理论来完善传统的利率免疫体系,闫达文(2011)则是通过控制资本充足率预留缺口来对免疫理论进行完善,白冰(2013)则是将讨论的焦点集中在固定收益类资产的配置上来阐释利率风险对冲原理。在对动态财务分析方法的研究中,李燕(2007)将其和现金流预测技术进行比较从而阐释其优越性,张琳等(2008)运用中国的数据做了实证分析;金秀和黄小原(2006)总结了多阶段随机规划模型,并从银行和保险公司等不同的校对进行情景分析,魏法明(2009)则对模型的参数生成进行系统阐释,解强等(2009)以保险公司利润和偿付能力最大化作为目标函数建立了规划模型。郭茵(2012)则利用分层评价方法来构建目标函数,进而建立规划模型。
2.资产管理机构长期战略资产配置的相关研究
陈友平(2002)在研究保险投资策略是认为应该将问题划分为资产负债匹配、投资组合和投资风险控制三个部分。秦振球等(2002,2003)对保险投资组合收益进行了归因分析,而安时等(2003)将经典的Markowitz模型运用到构建最优寿险公司投资组合的问题中。戴成峰(2007)则研究了财险公司的最优组合问题,并结合财险负债的特点合理进行大类资产配置。此外,麽发达(2005)则是结合各国资本市场和保险市场的特点从不同国家保险公司资产结构的横向比较来对国内保险公司提出政策建议。
3. Black-Litterman资产配置模型的相关研究
在国内,郭畅(2010);温琪等(2011)使用BL模型研究对国内股票市场进行行业选择与配置。孟勇(2012)运用BL模型研究了外汇资产投资策略,孟勇(2011)则首次将这个模型运用于探讨保险资金投资多元化的问题上。李心渝和付丽莎(2013>使用该模型对国内金融市场的各种大类资产进行配置研究,得出了在约束条件下的市场均衡最优配置。.
第四节主要创新及研究展望
一、 主要创新
本文可能的创新之处有:
首先,将一阶结构向量自回归模型的方差动态演进运用于中国寿险资产管理问题中,将资产负债管理框架下的利率对冲组合拓展至长期(10年)。从长期和短期、非ALM框架和ALM框架两个维度进行结果比较,并验证了中国寿险业在ALM框架下进行长期利率风险对冲旳可行性。
其次,首次运用B-L模型将长期资产收益和方差预测信息作为观点收益向量对ALM框架下的长期利率对冲模型进行贝叶斯优化,并结合市场先验信息对寿险业资产组合进行再优化,将得出的相关权重与前面两个模型对比,总结出一些规律。
最后,在大类资产的选取上摒弃了相关文献中选取的各类基金和细分债券(如金融债)。事实上,这些资产基本都是由本文选取的五种基础资产构成的1,而且保监会关于保险资产比例上限旳规定基本都是基于五种基础资产制定的。基于以上原因,本文摒弃了上述各类资产以避免共线性带来的模型权重敏感性太强,并得出基于五种资产的简化结论。
二、 研究展望
对于本文所研究的问题,在未来可能的研究思路有:
其一,本文使用的模型均是在无约束条件下得出的理论优化权重,并没能将监管比例和保险公司的偿付能力指标结合进模型。在实务中,监管层面的规定可能对寿险资产管理者的配置决策产生重大影响,如果将这个因素结合进模型,将帮助我们更好地理解寿险公司的资产配置决策。该问题可以作为未来的研究方向之一》
其二,对于大类资产的变量选取,本文按照保监会的划分标准将协议存款归入利率债等固定收益产品中。事实上,协议存款的收益率和利率债到期收益率并不同步,但由于其收益率的市场数据缺失,张旭等(2012) 1用SHIBOR和回购利率拟合出的完整协议存款收益率也只是基于年度数据频率得出,具有一定的误差。获取同业存款的市场价格并将其导入到模型中加以完善,这是未来可能的研究方向之一。
