IFRS17微言之非金融风险调整计量方法

IFRS17准则（以下简称准则）及其国内版的实施，不但在报表列示方式、保险合同收入、计量模型等方面带来了显著的变化，而且在精算技术上也对国内行业造成了较大挑战。

其中，非金融风险调整（Risk Adjustment以下简称RA）的计量与预测，就是一个典型的例子。

目前行业内普遍认为，国内老准则下风险边际的做法难以达到准则关于RA计量的要求。但受精算技术和模型架构等一系列因素影响，依照准则规定执行RA计量，对行业存在相当挑战。

同时，又由于准则仅对RA的计量进行了原则性的规定，并无类似监管对于偿付能力一般的详细规定，目前国内行业往往通过种种“变通方法”予以应对。

那么，是否存在既比较符合准则规定，国内行业又实际可行的RA计量方法呢？

基于笔者在准则评估工作中的实际经验，本文提出一套RA计量的解决方案。另外，该方案已在国内IFRS17准则报表编制过程中得到实际应用，本文在最后也将简单分析不同计量方法对报表结果的影响。

根据准则规定，RA为主体在履行保险合同时由于承担非金融风险导致的现金流金额和时间的不确定性而要求得到的补偿，属于保险合同负债中履约现金流的一部分。

准则规定了RA应具体包含保险风险、退保、费用等其他非金融风险。

同时明确RA不应反映并非由保险合同产生的风险，如一般操作风险。

基于原则性导向，准则规定了RA应具备的五项特征：

① 低频但是严重程度高的风险比高频但严重程度低的风险将导致更高的RA；

② 对于相似的风险，RA ∝ 合同期限；

③ RA ∝ 风险的概率分布分散程度；

④ 1/RA ∝ 对当前的估计及其趋势了解程度；

⑤ 当新的经验使现金流金额和时间的不确定性减少时，RA也将减少，反之亦然。

准则并未规定RA的具体计量方法，但要求若采用置信区间法以外的技术方法，应披露所采用的技术方法和置信度水平。

目前行业内，除少数公司使用置信区间法外，多数使用情景对比法与偿二代二期方法计量RA。

这两种方法为何仅仅是所谓的“变通”方法呢？

关于老准则的风险边际，行业内在实务中往往采用情景对比法进行计量。

具体来说，对于寿险合同的未到期责任准备金，基于各个非金融变量的最优估计假设，通过分别设置一定的不利偏差，得到不利情景下的假设。不利情景假设计算的现金流现值，减去最优估计假设计算的现金流现值，作为风险边际。而对于非寿险合同的未到期责任准备金，以及未决赔款准备金，则更加简单粗暴，直接在最优估计负债上乘一个系数，作为风险边际。

情景对比法在老准则下操作起来相对简单，故而目前行业内部分公司照搬了老准则的情景对比法来计量IFRS17准则的RA。尤其对于已发生赔款负债（以下简称LIC），除个别公司外，目前行业基本直接沿用老准则的未决赔款准备金风险边际系数。

然而，对照准则相关规定，使用情景对比法进行RA计量，却存在一系列准则与实操上的障碍。

（1）准则上的障碍

① 情景对比法得到的RA，无法将其对应到准则所要求的置信水平[1]；

② 情景对比法难以满足准则B91规定RA应具备的五项特征。

（2）实操上的障碍

相对于老准则仅需计量报告日负债，IFRS17准则不但要求计量报告日负债，为满足CSM计量所需，也要预测下一个报告日的负债。

而受制于行业内绝大多数人身险公司的精算模型架构（即所谓的“评估模型”[2]），使用情景对比法预测下一期RA时，往往需使用精算软件提供的起点重置功能方能实现。而这些功能的使用，又往往会显著影响模型运行效率，造成结账时效性方面的问题。

可见，情景对比法的简单易行，对于人身险业务的未到期责任负债（以下简称LRC）也并不太适用。

所以，目前行业内大多数公司仅仅在LIC的计量上使用该方法。

既然情景对比法存在以上障碍，那么行业内多数公司在计量LRC（严格说是非PAA模型的LRC）时，转而使用基于《保险公司偿付能力监管规则（II）》的风险边际评估方法[3]计量RA（以下简称偿二代二期方法）。

偿二代二期的风险边际评估方法，实质上将99.5%置信水平的寿险风险最低资本，转换为相应置信水平的风险边际。因此，虽然大多数公司实质上使用的是偿二代二期方法，但在披露IFRS17准则（或CAS25）财务报告时，将RA方法表述为“置信区间法”。

因此，这里将其命名为名义上的“置信区间法”。

（1）看上去很美

表面上看，这种方法兼顾了准则适用性与实操性，堪称“完美”：

① 该方法可以满足准则对于RA置信水平的披露要求；

② 从实操上看，行业内使用该方法计量RA时，并非每个报告日均严格依照偿二代二期方法，计算公司寿险风险最低资本；而一般仅在年度报告前，计算并更新一个风险边际水平，然后选取一个摊销载体，将风险边际与摊销载体的比例作为因子，在一定期间内各报告日的期末时点和预测时点，均使用载体法进行计算。

这样，偿二代二期方法在很大程度上避免了上文提及的精算模型预测难题。甚至可以说，这点乃是目前行业内大多数公司采用该方法的背后动机。

（2）实则一地鸡毛

然而，实质上该方法依然具有很大的“变通”性，仅仅看上去很美：

① 该方法其实是个“瘸腿”方法。

偿二代二期的风险边际基于寿险业务的保险风险最低资本，因此仅适用于寿险业务，对于非寿险业务则无能为力。

而寿险与非寿险的区分，更多属于老准则而非IFRS17准则的范畴。且IFRS17准则下基于保险合同而非险种进行计量，同一个保险合同下可能同时存在寿险与非寿险险种，且两者具有高度关联。因此通过这种方法计量RA，会人为拆分保险合同，明显违反准则。

另外，当非寿险业务无法通过PAA模型的等效性测试，需使用一般模型计量时，显然也无法使用这种方法计量RA。

最后，这种方法对于LIC的RA计量更是风马牛不相及。

② 该方法披露的置信水平似是而非。

准则要求RA反映主体自身的非金融风险和风险偏好，主体披露的RA置信水平应为自身非金融风险的置信水平。

然而，偿二代二期的风险边际，及其背后的保险风险最低资本，均为监管基于行业整体水平设置，只能反映行业整体的风险状况。基于此方法披露出来的RA置信水平，自然似是而非。

③ 该方法导致CSM扭曲。

根据准则，在LRC中CSM与RA在数额上其实是个跷跷板，RA较高则CSM必然相对较低，甚至出现亏损。

既然该方法下的RA无法反映主体自身非金融风险状况，则其对应算出的CSM也将必然存在扭曲。

那么，目前行业实操上，是否存在既符合准则要求，又相对简便可行的RA计量方法呢？

目前行业内个别公司，基于真正而非名义上的置信区间法，计算RA。该方法顾名思义，可以直接满足准则对披露RA置信区间的要求。且可以满足准则B91规定RA应具备的五项特征。

但该方法最大的挑战来自实际操作层面。为此，基于在IFRS17准则评估工作中的实际经验，笔者将在下一段中详细介绍一套基于置信区间法的RA计量解决方案（其中包含LRC与LIC两个部分）。

部分财产险公司采用在链梯法中应用基于随机模型的自举法（Bootstrap），得到LIC的预测分布，并将随机模拟的对应分位点水平的LIC与最优估计的偏差应用于RA。

该方法满足准则对于披露的置信区间和计算方法的要求。但无法满足准则B91规定RA应具备的五项特征。

然而，自举法的实质是模拟LIC在链梯法下模型波动的随机结果。通过该方法得出的，至多仅为链梯法模型自身的波动性偏差，而非由于公司固有风险导致的风险调整。因此，使用自举法计量LIC的RA难免似是而非。

（1）实操层面的难点

目前行业内大多数公司，未选择采用真正的置信区间法（而非名义上的置信区间法，即偿二代二期方法）计量LRC的RA其主要原因大概有以下几点：

① 难以找到符合公司自身非金融风险特征的概率分布；

② 当RA存在风险分散或聚合时，难以将RA分摊至对应合同组；

③ 在计量LRC时，置信区间法往往需使用随机模型。而大多数公司的精算模型在运行随机情景时，难以满足结账时效性要求。

（2）解决方案的技术方法论

针对以上情况，笔者提出的解决方案如下：

① 在保险合同组合层级，确定符合公司自身风险特征的概率分布。

将RA所涉及的风险类型分类为死亡/长寿风险、疾病风险、退保/失效风险、费用风险等几个大类。

通过经验分析，计算公司各保险合同组合的各风险大类历年经验波动情况。基于波动的均值、方差，得到各保险合同组合的各风险大类概率分布。

② 考虑到各风险大类之间可能存在聚合和分散效应，应对得到的概率分布进行相关性校验。

通过对不同风险大类相关系数的分析和显著性检验，验证不同风险大类之间的独立性。

根据笔者的经验，在保险合同组合层级，由于保险合同组合内的合同本身就具有相似风险，因此不同风险大类之间的相关性一般并不显著，可以视为相互独立。

然而，如果在公司整体层级（如偿二代二期方法），则不同风险大类之间更易出现相关性。

③ 根据各个保险合同组合的概率分布确定随机情景。

一部分风险大类，如：疾病风险对于健康险产品，随着发生率上升，将导致RA上升；或随发生率上升，将导致RA下降，故具有单调性。对于单调的风险大类，可以直接选取其概率分布在相应置信水平下对应的情景，作为此类风险的RA因子。

对于非单调的风险大类，如：死亡风险、退保风险等，通过随机模拟产生一系列满足概率分布的情景。

最后，将单调风险大类的RA因子，与非单调风险大类的随机情景，合并组合成新的随机情景[4]。以此作为精算模型的输入情景。

④ 基于输入的随机情景，通过精算模型计算各情景下的未来现金流现值。

根据置信水平，选取满足要求的分位点结果，并将该分位点结果对应的情景，作为该合同组合在报告日的RA假设。

在预测下一报告日履约现金流时，可简化处理为RA假设保持不变。

⑤ 公司无须每个报告日重新完成以上全套流程，可以定期更新RA假设，如：每个报告年更新一次。

以上解决方案，实际上通过经验分析得出风险的概率分布，进而构造随机情景。通过计算随机情景，得到对应置信水平的RA假设。从而将置信区间法，在精算模型的履约现金流计算中，转化为行业熟悉的情景对比法。

（3）解决方案的模型方法论

上述关于置信区间法的技术方案，如何在精算模型中得到实现，尤其是在满足时效性的前提下得到实现呢？

① 精算模型随机情景高效计算问题。

目前行业内，绝大多数人身险公司的精算模型，从架构上较难支持高效完成多达上千个随机情景的运算。例如：模型需要的运行时间可能不得不以月为单位。可以说，模型运行随机情景的效率问题，成为了制约行业使用置信区间法的瓶颈。

对于这个难点、堵点，笔者的解决方案非常简单——改变模型计算的步长。即在进行随机计算时，将传统的月度精算模型，简化改为年度精算模型。

缩短计算的步长，可以非常显著地提升模型运行效率。同时，随着年度模型的使用，还可以进一步大幅合并模型点数量（例如：将同一个生效年的保单，置为生效日期相同）。在笔者实际工作中进行RA的随机计算时，使用2台32核256G内存的虚拟服务器，100万个模型点，1000个随机情景，不到4.5小时即可完成模型计算。

但有人可能会提出质疑，将月度模型简化为年度模型，容易导致RA计算结果出现偏差。

正是考虑到可能存在这个问题，笔者在上文技术方法论部分，仅仅通过随机情景的计算确定RA假设，即类似于情景对比法的风险边际假设，而非具体的RA余额。

笔者进行过测试，年度模型虽然无法精确计算RA余额，但可以精准确定RA的假设。再将RA假设代入月度精算模型，即可完成RA余额的精确计算。

② 精算模型高效预测下一期RA问题。

上文情景对比法的部分已经讨论过，受制于行业内绝大多数人身险公司的精算模型架构属于“评估模型”，才会产生负债预测的困难。

只要模型架构为“预测模型”[5]，以上方案预测下一期RA则“不费吹灰之力”。

相较LRC，LIC的RA计量问题简单许多。

LIC面临的非金融风险，相对单一且单调。因此，从原理上无须专门使用随机方法。

笔者提出的解决方案如下：

① 确定符合公司自身风险特征的延迟赔款波动的概率分布。

通过对不同时点LIC回溯分析，得出LIC相较实际延迟赔款的波动情况。基于波动的均值、方差，得到符合公司自身风险特征的概率分布。

② 由于其单调性，基于概率分布，可以直接得出相应置信水平下LIC的RA水平，作为RA假设，应用于报告日的LIC计量。

③ 同样，公司无需每个报告日重新完成以上全套流程，可以定期更新RA假设，如：每个报告年更新一次。

从目前行业内公布的上市保险公司2023年年报来看，部分公司RA水平非常接近，同时也有少数公司RA水平明显高于前者[6]。

除了各家公司业务结构的差异，造成以上局面的最大原因还是由于RA计量方法的不同，导致的一系列差异：

① RA的计量层级不同。

使用偿二代二期方法，同时就意味着LRC的RA计量层级为公司保险业务整体。

而使用置信区间法，则既可能在公司保险业务整体计量，也可能在保险合同组合层级计量RA。

对于同一主体，在更高层级计量，必然意味着包含更多的风险分散因素，RA水平必然更低一些。

② RA反映的风险不同。

LRC的RA使用偿二代二期方法，LIC的RA使用老准则下的系数，反应的风险水平从原理上讲更趋近于行业平均水平。

而使用置信区间法，则更容易反映公司自身业务的风险水平。

对于业务结构“非主流”的公司以及更多创新型业务的公司，置信区间法下的RA水平必然相较偿二代二期方法显著不同。

以上RA计量方法的不同，必然会对报表结果造成一系列的影响：

① 扭曲CSM水平。

上文已经指出，在LRC中CSM与RA在其实是个跷跷板关系，当由于计量方法不同带来RA水平的明显差异时，CSM的水平也很容易随之被扭曲。

② 行业内可比性下降。

由于计量方法不同带来的RA水平显著差异，必然导致行业内不同主体之间的可比性下降。

目前行业内提出了一些在IFRS17准则下衡量业务发展质量的指标，例如：新业务利润率（新业务CSM/新业务保费现值）等。

笔者认为，这些指标如果用作公司内部考核，具有一定的合理性。但用于行业比较，则存在一系列无法克服的缺陷[7]。其中之一，就是当RA计量方法的不同，导致CSM水平差异明显时，任何基于CSM的行业对比分析都丧失了合理性。

通过介绍分享上文的RA解决方案，笔者只是想吐露心声：

虽然IFRS17准则及其国内版的实施，在精算技术上对国内行业造成了较大挑战。然而很多情况下，并无需通过所谓的“变通方法”虚与委蛇，完全可以找到，既比较符合准则规定，又实际可行的解决方法。

虽然其间肯定要付出更大的辛劳，但这才是体现专业价值，贡献专业智慧的人间正道。

[1]说得难听一些，目前行业主体已经披露的IFRS17准则（或CAS25）财务报告中的RA置信水平，其实基本并不适用于主体的LIC。即主体LIC的RA基本无法达到其对外披露的置信水平。对外披露的置信水平，往往仅适用于其LRC的RA。

[2] 简单讲，模型设计和搭建时，“评估模型”主要满足时点评估需求，附带预测功能。具体可参见本公众号2024年1月18日的《精算软件效能真的能对IFRS17落地实施的影响如此之大？》一文。

[3] 《保险公司偿付能力监管规则第3号：寿险合同负债评估》第三章 风险边际

[4] 如果无法证明不同风险大类之间的独立性，或者其相关性具有显著性，则确定的随机情景数量将明显增加。

[5] “预测模型”在模型设计和搭建时，主要考虑预测功能的实现，时点评估仅作为一种特殊情况被包含在内。同样可参见本公众号2024年1月18日的《精算软件效能真的能对IFRS17落地实施的影响如此之大？》一文。

[6] 后者可以达到前者的4-5倍。

[7] 缺陷还包括：1、不同公司一般模型以及VFA模型包含的业务口径不同（例如：对于短期险，有的公司使用一般模型，而有的公司使用PAA模型，从而造成一般模型包含的业务差异明显）；2、不同公司一般模型与VFA模型计量方法、假设不同等（例如：对于VFA模型的折现率，有的公司使用无风险利率，有的公司使用投资收益率与无风险利率）。

本期直播主题：低利率环境下，寿险产品体系将如何变化？

直播时间：9月12日（周四）20:00

关注视频号“13个精算师”，一起来参与讨论

入驻平台：雪球、头条号、微博、百家号、知乎

邮箱：thirteenactuary@163.com

小编微信号：xxjss13