新形势下保险资产管理公司风险管理实务

张贵宾  太平资产管理有限公司首席风险管理执行官、合规负责人

 

一、风险预期与实际的偏差

2020年以来的市场表现和以往很不一样，最大的不同是全球遭遇了罕见的“新冠”疫情的冲击，并且到目前为止还没有在世界范围内得到有效的控制，因此也对风险的预期带来了很大的挑战。过去我们对风险的预期采用的是一种高度抽象化的风险量化表达，即把预期损失和非预期损失做统计学上的概率分布。但这一次疫情期间，很多专家也发现在风险管理的过程当中，风险预期与实际情况存在偏差。这也说明一些传统的方法尽管其技术仍是有效的，但是需要对其逻辑进行转变。

（一）宏观分析与预期的偏差

在进行投资和风险管理时，宏观分析都是一个很重要的过程，因为宏观分析可以让我们对经济的基本面有一个了解。在对 1-6月（以下月份无特殊注明均指2020年）的宏观经济进行分析时，我们可以看到许多宏观经济指标都出现了预期与实际的偏差（如图1）。

 图1  2020年1-6月部分经济指标的实际值与预期值的变化

因为机构在 2019年12月和2020年1月对经济进行预期时，疫情还只是零散的分布，没有扩散至全国；而2月疫情全面爆发，使宏观经济几乎陷入停摆的时期，这种冲击就使实际值远低于预期。到了3月和4月，疫情对我国的影响逐步减弱，生产生活秩序也逐渐恢复正常，各种指标都开始回升，但此时很多预期值相比实际值都是偏低的。比如规模以上工业增加值、M2同比增速、社会融资规模总额、社会融资规模增速、出口同比增速、进口同比增速等指标，在3月和4月其实际值和预期之间都形成了很大的偏差，而到了5月和6月这个偏差的值就开始收窄。一般而言，实际和预期之间较大的偏差预示着拐点的出现，比如图中高亮部分的3月和4月就反映了这种情况。

从历史看，中国经济增长开始减速以来，市场预期多数时间要低于实际值，但二者趋势基本一致，预期对拐点判断也较好（如图2）。

图2  2013-2019年GDP同比增速的实际值和预期值

对疫情期间中国经济的预测进行复盘之后，我们也可以看出实际与预期偏差的内在原因。 2020年一季度，疫情暴发，市场分歧大，实际值弱于预期。由于中国GDP增速长期以来窄幅波动，加上市场对疫情冲击影响缺乏评估的锚定，彭博调查反映，机构对Q1 GDP的市场预期分歧较大——最悲观的预期为-16%，最乐观的为3.6%；中位数为-6%，实际值为-6.8%，低于市场中位预期。今年二季度，市场普遍悲观，实际值强于预期。到了二季度，疫情开始向全球蔓延，悲观情绪下，市场对经济的中位数预期为2.4%，实际值为3.2%，好于预期，其主要原因是地产和基建投资传统引擎发力，以及防疫物资出口带动外贸强于预期。从市场当前预期看，下半年中国经济继续修复，三季度GDP预期增速5.0%附近，四季度GDP预期增速6.0%左右，到年底有望恢复到2019年底的增速水平。

对 A股整体净利润的预期增速而言，机构预测总体增速下调，但疫情冲击后增速会渐进修复。机构对2020年全A净利润从2019年的12.1%下调至1.8%，对2021年净利润增速预测为20.7%，和2017年的全A净利润增速的实际值相当。2020年只要不出现黑天鹅事件，当年的净利润增速实际值应该会高于预期值。但从分析师目前对2022年权益市场的净利润增速的分析而言，可能会发生一次反转，出现新的拐点。

（二）预期偏差之于固定收益市场

目前保险资金的运用中，有 70%-80%是投入了固定收益类产品，所以固定收益市场的全年走势就基本决定了保险资管公司的总体表现（如图3）。就2020年3月和4月的数据来看，除CPI和PPI以外，市场对于宏观经济的预期整体持续低于实际情况，即经济基本面实际情况好于市场预期。事实上，3月、4月的预期都低于实际值，并且偏差的绝对值还比较大，这就已经给了机构一个强烈的风险提示信号，即拐点可能即将到来。到了5月份起中国债券市场大幅回落，部分原因就是对于基本面预期的纠偏。因此，对于疫情等冲击出现时，对预期偏差和拐点的判断就十分重要。

图3  2020年1-8月中债总全价指数变化

以 2015年至今PMI预测与实际偏差为例进行分析。图4中蓝色的阴影部分代表PMI的预测平均值与实际值之间的差值，也就是预期偏差。阴影部分突出的峰越高或谷越深，则表示预期偏差越大。从图4中可以看出，关键指标预测值与实际值偏差较大的情况，往往与市场反转同步发生，比如2016年的9月和2020年的5月。因此对于持续性的、同方向、较大幅度的预期偏差需要持续特别关注，后续市场纠偏产生的波动风险可能较大。

图4  PMI的预期偏差和中债总全价指数

（三）预期偏差之于权益市场

从 1927到2019年美股的历史数据来看，低市净率的股票年平均收益率为16.51%，高于高市净率的股票平均收益率11.29%。图5中红色的曲线代表低市净率股票的收益率，绿色曲线代表高市净率股票的收益率，黄色的部分代表低市净率股票对高市净率股票的收益率溢价。从直观上来看，红色和绿色的曲线总体变动趋势一致，但红色的曲线长期高于绿色的曲线，说明在长期上价值股跑赢了成长股。所以对险资而言，权益市场的长期配置盘应该选择价值股，而交易盘应该选择成长股；即战略资产配置（Strategic Asset Allocation）可以选择价值股获取长期收益，而战术资产配置（Tactic Asset Allocation）可以选择成长股抓住阶段性机会。

图5  美股市场1927-2019年低PBV股票与高PBV股票收益率变化图

Piotroski & So (2012)发表于Review of Financial Studies上的文章，第一次提出了权益市场的预期差（Expectation Errors）概念，指出价值股战胜成长股背后的原因是错误定价，即市场参与者低估了前者、高估了后者。这里的高估和低估都是价格相对于其内在价值而言，价格反映了投资者对于股票的市场预期，而内在价值反映了股票本身的基本面预期，高、低估说明这两个预期之间存在差异。当预期差出现时，预期差的修正是市场的必然行为，也反映了价值股跑赢成长股的内在逻辑。因此投资经理在构建投资组合时，就可以把组合中的价值股和成长股进行分类后，判断其中是否有预期差的存在。

在Piotroski & So的研究中，使用P/B即市净率指标作为股票的市场预期，P/B越高即市场预期越高。然后使用F-score打分模型，通过ROA、ROA同比、经营活动现金流、应计利润、长期负债率同比、流动比率同比、股票增发、毛利率同比和资产周转率同比等9个指标给股票的基本面打分，分数越高说明上市公司的基本面越好。随后把基本面预期、市场预期分别分成高、中、低三档，将股票划分为9类（如表1）。

表1  按基本面预期、市场预期将股票分为9类

随后作者以美股进行实证分析，构建三个对冲组合：

（1）Value/Glamour Strategy代表仅以P/B构建的价值、成长对冲策略，即买入价值股，卖出成长股。

（2）Congruent Strategy代表使用不存在预期差的价值股和成长股构建的策略，即买入上图标橙的股票，卖出标紫的股票。

（3）Incongruent Strategy代表使用存在预期差的价值和成长股构建的策略，即买入标红的股票，卖出标绿的股票。

实证分析结果反映在图6中，图中黑色的长方形代表Value/Glamour Strategy的年收益率，虚线代表Congruent Strategy的年收益率，实线代表Incongruent Strategy的年收益率。

图6  不同组合战略的年收益率

实证分析的结果显示，使用存在预期差的价值和成长股构建的策略获得的年收益率最高，也就是说预期差错误定价的修正为这一策略带来了超额收益。

对于 A股市场，实证分析显示同样存在预期差。我们选取2009年12月到2008年12月间的数据来看（图7）。黄色的曲线代表存在预期差的组合，绿色的曲线代表不存在预期差的组合，蓝色的曲线代表一般买入价值股，卖出成长股的组合。Incongruent Strategy，即使用存在预期差的价值和成长股构建的策略的收益率最高。并且从图中也反映了收益率最高的组合也是回撤控制最好的组合。

图7  不同组合战略的年收益率

二、大类资产配置

（一）大类资产配置存在一定的路径依赖

路径依赖指的是大类资产当年的配置会受前一年的影响。从全行业增量资金的配置来看，上一年度市场情况对下一年度的配置决策的确有较大的影响。因此我们可以根据上一年的行业配置情况来解释下一年的配置情况，也可以对冲击的影响做出稍微前瞻性的预判和安排。比如在 2017年年初时利率的水平很低，尽管在年底时利率到达了一个高位，但银行存款在当年有很大比例的减配。再比如2014年股市大涨，但增量资金并没有较多地配置股票和基金，反映出配置与市场存在偏离。尽管2015年整体的股市是趋于回落的，但由于路径依赖的影响，保险资金对股票和基金仍然有很大的增配。一些优秀的机构能够及早进行预判，在其他公司增配的时候并未进行增配，或者增配的幅度低于市场平均，它们的表现在当年也是比较好的。

（二）大类资产配置随机动态规划的应用前沿

现在国内很多保险机构在资产配置方面都广泛使用了 Conning模型。使用Conning模型进行大类资产配置的第一步是要基于负债的成本制定一个战略资产配置（SAA）的绝对收益目标，同时基于资产负债管理的理念，SAA收益目标的要求至少要战胜负债端的成本。因此，我们的收益目标就是负债成本加上利差。SAA是一个中长期的规划，其考核采用的是3到5年的滚动平均。

第二步是基于风险偏好体系制定SAA的限制条件，包括偿付能力、投资收益的负债成本匹配、财务收益、流动性要求等。

第三步是将资产负债的模拟和组合优化选点，包括大类资产的收益率的假设数据、参数、资产负债数据，将其都放到 Conning系统中进行模拟。模拟基本上是使用蒙特卡罗的随机情形，在这个系统中可以看到每个时点、每个不同经济情形下的投资组合表现。在2020年我们也把西班牙曾发生过的大流感的情形拿来做“新冠”疫情下的蒙特卡罗模拟。同时这个系统也能反映该投资组合未来可能面临的尾部风险。在进行完模拟之后，需要再把数据放回到Coning系统的优化器中去进行投资组合的优化。再根据投资风险偏好，选择适合自身的大类资产配置方案，并提交给管理层进行决策。

第四步是将备选方案进行新一轮的系统外的压力测试（对可能最糟糕的情形进行测试）或敏感度测试，这样就可以对风险偏好进行细微的调整。因为通过系统外的压力测试和敏感度测试，我们就可以确保这个备选的战略资产配置方案满足各个维度风险偏好体系的要求。

在整个 SAA的制定过程当中，应该对其尾部风险多加关注。因为SAA是一个中长期的配置规划，市场中短期的波动会有一个相互的抵消；但长期来看，我们更关注的是系统性风险或者是各种危机到来的时候（如这次“新冠”疫情），整个组合是否能够抵御风险，是否能够让公司的偿付能力和整体财务水平保持在合理、健康的范围内。

（三）宏观突发事件对大类资产配置的影响

对于公共卫生事件的冲击，根据其发展阶段可以将其分为扩散期、处理期和后处理期。这种事件的爆发是一个突然性的脉冲，人们很难对其进行预测，但对随后的扩散期、处理期和后处理期还是有能力对其进行判断。对比 2003年的非典（SARS疫情）和2020年的“新冠”疫情这两次突发公共卫生事件在国内各阶段中大类资产涨跌幅可以看出：大类资产在处理期和后处理期受到的影响最大，其中涨幅由高到低分别是黄金>债券>权益>原油，表明石油这类大宗商品的表现是最差的，这也与公众在这种公共卫生事件冲击下的不确定性和避险情绪相符。

突发公共事件的冲击对大类资产的影响是暂时的，并会随着后处理期的结束而结束，所以投资者对大类资产配置的选择中对各阶段的时点判断就很重要。在扩散期时，黄金、债券等避险资产是较好的投资产品，而投资者需要对处理期进行预判，比如这次  “新冠”疫情的发展，在我国2月是一个处理期，而对全球而言3月是一个处理期，在这时是权益资产最好的配置时期。目前最需要关注的是后处理期的结束，对权益资产进行获利了结。

三、权益价格风险

（一）关注回撤控制

在前面也提到了，收益率较好的组合也是回撤控制做得较好的。现在也有许多工具可以进行回撤的控制，比如一些量化投资产品。在一项关于回撤控制效用的实证分析中，将公募主动管理股票投资基金按照年度最大回撤进行排序和分组。结果发现，本年度回撤最小的基金组，净值增长率一般也最高；在时间维度观察，也能发现本年度回撤最小的基金组，在下一年度最大回撤一般仍然能控制在最小水平，且净值增长率仍在最高水平。这也说明了权益投资目前最关键的一个问题就是关注回撤的控制。

（二）权益类投资的趋势

由于市场预计长期处于较低利率水平，以及新国际会计准则 IFRS9实施，越来越多险资考虑涉足或增加长期股权投资。对于IFRS9实施以后释放出的增量资金，其中长期股权投资预期有4300余亿元，二级市场股票投资预计有1400余亿元。

2020年7月15日的国务院常务会议上指出，要“取消保险资金开展财务性股权投资行业限制”，以优化融资结构，降低杠杆率。2020年7月17日，中国银保监会发布《关于优化保险公司权益类资产配置监管有关事项的通知》，支持偿付能力水平充足、财务状况良好、风险承担能力较强的保险公司适度提高权益类资产配置比例，积极发挥保险资金长期稳定的优势，为实体经济和资本市场提供更多资本性质的资金。从配置盘的角度而言，价值股是一个选择；从结构性的角度而言，长期股权投资未来也是一个方向。

长期股权投资的一个明显的优势是其能提供较高的收益回报。另外，使用权益法核算时，相较于二级市场股价的波动，长期股权投资可以降低整体资产配置收益率的波动。另外，由于保险资金特别是寿险资金，负债端是非常长期的资金，要与其资金期限相匹配，长期股权投资是一个好的选择。

但是长期股权投资需要关注减值风险。《企业会计制度》对长期股权投资提出了一些减值拨备的要求，如果达到某些条件就需要计提减值准备。由于上市公司做了很多股权投资，通过对全部上市公司长期股权投资和减值准备的分析可以发现，长期股权投资在每一年都有减值。因此投资长期股权时要特别关注减值，对减值的安排有一个前瞻性的预判。

四、利率风险

（一）保险资金的利率风险管理难度日益增大

利率风险管理的一个方法是判断是否存在预期偏差，如果预期偏差持续偏大，则拐点就可能会出现。交易类产品的利率风险管理因为有很多工具，相对还是比较容易的。但对保险资金而言，如果利率水平上升，固定收益的资本利得会有损失；而如果利率水平下降，固定收益的息票就会下降，而且还有再投资的风险，从而对资产负债的成本收益匹配造成不利影响。所以这其中的难点就是一个平衡的把握，委托人尤其需要注意是将资产放在交易类还是持有到期。

保险资金采取早配早收益的策略会面临较大的利率风险。比如对于 10年期国债的到期收益率，其变化随国债托管量的增量变化反方向变化，这对委托人而言也是一项挑战。

（二）衍生品的运用

衍生品放开为保险资金利率风险对冲提供了工具。中国的国债期货从 2013年9月6日上市以来，目前整个市场的运行比较平稳，投资者的参与也比较理性，两年期、五年期和十年期国债期货主力合约的期现货的价格相关系数差不多在99%，表现出较好的联动性，基差基本合理，市场运行总体平稳。这类衍生品的存在为资管公司的利率风险管理提供了一个很好的工具。在关键期限的国债现券发行的时候，可以看到明显的国债期货对现货价格的引领作用，体现出国债期货价格的发现功能。同时，在基差出现较大的变动的时候，我们也可以看到机构参与者参与国债期货套利的积极性也比较高，体现了国债期货资源配置的功能。国债期货的风险对冲策略主要包括空头套期保值、多头套期保值和资产负债匹配管理，其未来在对冲利率风险、控制组合久期、增强投资收益方面还有很大的发挥空间。

五、信用风险

（一）保险资金运用信用风险常态化

保险资金的信用风险管理也是一项比较困难的工作，尤其是另类投资的信用风险管理。固定收益投资方面，国内违约风险和利差风险持续常态化，特别是在 2019年，利差的分化非常大，违约债券的数量也上了一个等级。所以信用风险的管理依然比较紧迫。

在中国保险资产管理业协会令各保险机构对 2020年下半年信用风险做出预判的调查问卷中，超过六成的保险资产管理机构预期2020年下半年信用风险呈平稳态势。但如果到了9月以后，实际的信用风险与预期出现偏差的时候，就又会给保险资金的信用风险带来新的挑战。

（二）保险资金运用信用风险管理前瞻性要求提高

IFRS9中一个比较大的变化是将金融资产减值由“已发生损失模型”改为“预期信用损失模型”。已发生损失模型中只有发生信用违约触发事件导致产生信用损失情况下才计提减值，具有时滞性。并且一次性的计提减值对保险公司而言是很大的数目，对于一些非标项目的违约，保险公司是很难消化的。IFRS9改为预期信用损失模型，要求公司一旦获取金融资产即需对预期信用损失计提准备，当真实发生违约时，其缓冲性要比现有的会计准则更大。但这也对各家机构有了更高的要求，需要进行更详尽的内部评级和对预期的判断。

此外保险资金还面临着基础资产信用风险、市场风险的叠加放大。但是目前保险公司相比于银行，其实质性管控手段仍比较欠缺，在异地管理、资金流向的掌控、质押抵押等的增信措施和行业数据的获取等方面仍需要继续改善。

六、操作风险

操作风险的管理也非常重要。对资产管理公司而言，其基本上都是轻资产的公司，操作风险的尾部风险很大，一旦发生可能会拖垮整个公司。

当前很多机构都在使用机器算法来执行比较复杂的交易指令，的确这种机器算法的指令可以高效地确认市场机会，也比任何的人为操作可以更快地成交。利用机器算法的指令进行交易是很普遍的，有统计指出，标普 500指数的交易中有超过一半都是机器交易员达成的。2018年2月5日美股闪崩的抛售潮，当时道琼斯指数在10分钟内下跌了800个点，算法交易在其中就放大了系统风险。并且有一些算法可能还会出现算法错误的风险，比如2016年10月7日亚洲早盘的英镑闪崩，跌幅一度达到6.1%，达到了1985年3月26日以来的最低点，其主要原因可能就是人为失误和执行算法校准不当。所以在使用机器指令交易时要审慎，确保在万无一失的情况下再增加规模。

操作风险涉及到保险公司的方方面面。操作风险管理体系的建设涉及到操作风险治理、操作风险偏好、操作风险管理基础建设、操作风险管理三大工具（风险与控制自我评估、损失数据收集、操作风险关键风险指标）、操作风险计量和操作风险管理制度体系建设，最后形成操作风险信息管理系统。操作风险管理是一项很大的工程，特别是 “偿二代”之后，资产管理公司需要做很多相关工作。

操作风险的量化机制包括以下六个阶段：数据模型 、随机过程、因果分析、风险管理、风险对冲和衍生风险分析。

在操作风险管理中，主要与大家分享我在长期实务中的三个体会。第一是公司的发展战略是在经验效率、操作风险和内控管理中寻求平衡的。战略决定文化，对操作风险要始终重视，我们不仅要在战术上重视它，也要在战略上重视它。第二是制度与信息系统等平台操作风险管理的保障。操作风险的管理是需要通过严格的内控管理制度和先进的信息系统来实现的，这是一项长期、系统的工程。第三是人是战略的制定者和执行者，也是系统的运用者。所以在操作风险方面也需要团队进行专业性的深入和研讨，在实践中除了积累数据、验证模型外，还要不断的进行人为分析，去判断哪些是操作风险可能会发生的地方。在公司层面也需要有合理的激励机制，去有效地规避道德风险。

 

来源：TGES2020周末在线前沿讲座（8月）