寿险公司在经营中,面临的主要风险是资产,负债以及匹配风险和其他风险等。其他风险一般是指税率、税制的改变、法律规定的变化等,对保险公司经营带来损失可能的风险。这类风险保险人一般不能预测和控制。对于前一种风险,寿险公司可以通过实施资产负债管理策略(Asset Liability Management,简称ALM),化解或降低风险。资产负债管理提供了一种方法和观念,使寿险公司更加注意经营中的动态风险,不但认识到现存的风险,还要认识到潜在的、变动的风险,并在事前进行预测、计划和资产负债的协调安排,使风险对公司的影响降至更低。可以说实施资产负债管理策略,己成为化解寿险公司经营风险的重要途径。资产负债匹配风险主要体现在三个方面:一是期限不匹配,二是数额不匹配,三是收益率不匹配。目前国内寿险公司资产负债不匹配现象较为严重,5年以内的资产与负债不匹配程度较低,但中长期资产与负债不匹配程度较高。据估计,5年以上资产负债缺口占资产的比例超过50%。不匹配产生的原因主要有:1、寿险资金运用渠道狭窄,限制了资产方与负债方产品收益率匹配。根据寿险负债来源和性质,寿险产品可以划分为以下四类,一是由寿险公司担保投资回报的传统产品,二是由寿险公司和客户共担风险的分红产品,三是完全由客户承担风险的投资连接型产品,四是客户利益与金融指数和物价指数连接的指数连接型产品。这些负债品种性质不同,风险偏好不同,对收益率的要求不同,相应地保险资金投资的品种和方式也应不同。传统产品应主要投资于协议存款和国债等风险较小、回报稳定的品种;分红产品需良好地配置资产,对股票、企业债等风险较高的产品进行一定比例的投资,保证较好的分红水平;投连型产品更需加大对股票、企业债等资产的投资,实现高风险高回报。目前国内寿险资金运用渠道并未开通股票投资,企业债发行量很小,指数型产品屈指可数,很难保证收益率间的匹配。2.保险投资环境限制寿险公司实施期限和数额匹配策略寿险资金的特点是长期性和收益的稳定性,传统险负债大部分30年以后到期。截止2001年底,我国寿险资金52.4%投资于银行协议存款,而协议存款期限普遍低于10年;债券投资比例占28.4%,而国债和金融债的期限主要集中于10年期以内,以5年期和7年期居多,截止2002年底,20年期国债和金融债各发行了1只,30年期国债发行了1只,客观上限制了寿险公司负债与投资长期匹配。3、尚未掌握先进的资产负债匹配技术和方法发达国家已开发出行之有效的资产负债匹配技术和方法,如缺口分析、累积缺口分析、久期匹配、凸性匹配和现金流测试等,国内寿险业对这些技术和方法仍然十分陌生,无从度量不匹配的风险大小。本文就是从资产负债匹配技术上进行分析。首先本文主要分析了各种传统资产负债管理模型及技术包括缺口模型、现金流匹配模型及免疫模型,这些模型相对简单,容易使用,对于简单的资产负债关系不失为一种合理有效的分析手段。与此同时提出了随机资产负债模型并将他与传统资产负债模型进行了比较分析。传统资产负债模型存在一些固有的缺点。到期缺口模型在考察利率变动对资产和负债的影响时,实际上假设了利率对任何一种资产或负债的影响都相同,但实际上利率的波动对于不同的资产和负债的影响强度差别非常大,而且到期缺口模型未考虑资产和负债中隐含期权对现金流的影响,而现金流匹配一个最主要的障碍就是负债期限本身的不确定性。寿险公司负债的现金流十分不确定,尤其是现在一些寿险产品赋予被保险人多种选择权,这些选择权的行使极大地影响了寿险公司的现金流,而它的另一个障碍是他要求对任何时候的负债现金流都必须有资产现金流与其匹配,但是在寿险公司,负债大都为长期负债,有的负债长达二三十年,但是很难在市场上找到与它相匹配的资产。尽管久期和凸度匹配能有效规避利率风险,但免疫理论还是有其局限性。首先,有些负债的现金流具有高度的不确定性,这必然增加了久期估计的难度。寿险公司经常持有的某些资产也具有这个特点,如抵押担保债权和股票。其次,免疫模型假设利率期限结构为水平的,不同期限的现金流的都按相同的收益率进行贴现,而且该模型还假设收益率的波动大小和方向都相同,但是在实际生活中,收益率曲线一般都是倾斜的,且长期的收益率一般比短期收益率要高。短期收益率变化比长期收益率波动更大。再次免疫模型还假设收益率的波动很小,当波动较大时,该模型就会产生一些较大的偏差,而且持续期会随着收益率的波动而变化,要使资产组合的持续期同负债的持续期匹配,就必须不断调整资产组合,这就增加了资产的交易费用。然后,本文对多阶段随机规划模型的基本知识进行了梳理。在很多生产实践问题中,由于随机因素的影响,规划的目标函数或约束条件不可避免的带有随机(如目标函数或约束条件的系数是随机过程或随机变量等)。此时确定性的数学规划模型往往不适用,而必须依靠新的随机性的数学规划模型来解决,于是随机规划理论的研究就应运而生。描述、刻画随机现象的量称为随机变量,含有随机变量的数学规划称为随机规划。一个复杂的决策系统通常具有多维性、多样性、多功能性和多推则性,并带有随机参数。对于随机规划问题中所出现的随机变量,出于不同的管理目的和技术要求,采用的方法也不尽相同。随机规划模型包括期望值模型,随机相关机会规划,随机机会约束规划,而多阶段随机规划模型表现为一种动态战略,它研究的是计划期内各时点资产组合的最佳调整问题,这就要求分析人员在建立模型前必须把修正和调整资产组合的时间点确定下来。多阶段模型考虑到交易成本,决策者对风险承受的态度,对不确定性的处理采用重要的参数表示,以示对不确定性的重视。同时更加考虑单个完整的模型中的资产和负债,表达了整个金融计划的问题,遵从会计实务,而且还可以把实际决策制定中的因素包括进来,包括成长和预算的需要,与投资者相关的法律、机构和政策。情景生成是在决策模型的生成中采用内部取样或采用基本连续分布的离散近似值,获得随机变量的离散结果的一种方法。在多阶段模型中,每一时期都从旧的情景分支中生成新的情景分支,最终将生成一棵完整的情景树。一般来说,分枝越多,近似的效果也就越好,但分枝增加,决策变量也会倍增,增加模型求解的难度。情景生成的根本目的是构建很多情景,合理地代表众多可能结果。最后本文对模型在寿险公司中的应用进行了分析。首先本文提出了我国寿险资金运用中存在的问题,包括寿险资金与银行存款投资,债券投资,股票投资的不匹配风险等,然后设立模型与实际数据进行比较以便更直观的反映问题。在模型中,本文特设定一些假设条件:模型考虑寿险公司的传统寿险产品。模型假设寿险公司的情景只包括银行存款、国债及股票收益三种生成元素。模型假设资产买卖、受益给付及收益给付都发生在离散时间点。我们选用被保险人年龄为45岁且为男性的趸缴保费两全寿险产品业务,采用的生命表为非养老金业务男表(2000-2003)。在模型的应用过程中首先采用Bootstrap技术构造,例如国债和股票的收益率过程即得到国债和股票的12个月实际收益率分别进行复利运算,得到该两种资产的年实际收益率,即第一期的收益率。重复多次得到多个资产收益率情景即以后各期两资产的收益率,但是在此之前必须在从历史时期中随机的抽取的12个月中,根据债券总指数和上证指数计算出国债和股票这两种资产在每个月的月实际收益率。并运用随机模拟技术模拟被保险人在未来各离散时间点的生存状况,以此构造保费收入、受益给付和负债余额等负债情景。然后通过构造的资产负债情景求解模型,得到了寿险公司的资产配置比例。以各资产收益率、保费收入、受益给付及负债余额等随机变量建立了我国传统寿险产品的多阶段随机规划模型并对模型进行了分析,并对ALM技术在寿险公司的运用提出了一些政策建议。