导言：应对财务规划中的“波动”

欢迎！在至今为止的精算学习旅程中，你可能花了大量时间计算未来现金流量的现值。通常，题目会给你一组“预期”数字，然后让你开始计算。但在现实世界中——以及在 CP1 考试中——没有什么事是绝对确定的。我们无法准确预知某人何时去世、会发生多少起车祸，或者十年后的通胀率会是多少。

本章的核心在于我们如何从简单的“最佳推测”转向复杂的估值方式，从而考虑风险与不确定性 (allows for risk and uncertainty)。这是负债定价与估值 (Pricing and valuation of liabilities) 部分的核心技能，因为如果我们忽视了出错的可能性，金融产品的提供者可能会面临资金枯竭。如果“风险”和“不确定性”之间的区别起初让你感到模糊，请不用担心——我们会循序渐进地为你拆解！

1. 风险 vs. 不确定性：有什么区别？

在精算实务中，我们在交谈时经常交替使用这两个词，但在建立模型时，它们具有截然不同的含义：

  • 风险 (Risk)： 这是指结果存在变动性，但我们可以估算其概率分布 (probability distribution)。例如，我们可能不知道某个特定的人今年是否会去世，但根据大量的数据集，我们对其死亡的概率有非常准确的掌握。
  • 不确定性 (Uncertainty)： 这就是所谓的“未知的未知”。当我们无法准确预测事件发生的概率，甚至不知道可能出现什么结果时，就会出现这种情况。这通常是由于缺乏数据或环境变化过快（例如新法律的通过或突然的技术变革）所致。

类比： 风险就像投掷一枚六面骰子；你不知道结果是多少，但你知道赔率。不确定性则像投掷一个你从未见过的神秘物体——你甚至不知道它有多少个面！

2. 在现金流量中考虑风险的方法

当我们对负债进行估值时，我们希望确保准备金 (provisions)（拨备的资金）是充足的。在现金流量预测中加入“保障”主要有三种方式：

A. 概率加权现金流量（期望值）

我们不假设一个固定的结果，而是观察所有可能的结果，并根据它们发生的可能性进行加权。这就得到了现金流量的期望值 (expected value)。

在时间 \( t \) 的预期现金流量公式为：
\( E[CF_t] = \sum (P_i \times CF_{i,t}) \)

其中 \( P_i \) 是情景 \( i \) 发生的概率，而 \( CF_{i,t} \) 是该情景下的现金流量。

B. 采用谨慎的“最佳估计”假设

我们从最佳估计 (best estimate)（最可能的结果）开始，然后调整假设使其更加谨慎 (prudent)。这意味着我们假设情况会比预期稍微糟糕一点。

  • 对于费用 (expenses)，谨慎的假设会是比预期更高的成本。
  • 对于利率 (interest rates)（在对负债估值时），谨慎的假设通常是较低的利率。
  • 对于人寿保险合约中的死亡率 (mortality)，谨慎的假设是较高的死亡率。

C. 加入逆境偏差边际 (Margin for Adverse Deviation, MAD)

这是在最佳估计之上添加的“缓冲”。如果你对赔付额的最佳估计是 \( \$1,000 \)，你可能会加上 10% 的边际，将其估值为 \( \$1,100 \)。这确保了即使实际经验比最佳估计稍差，提供者仍能保持偿付能力。

重点总结： 我们通过概率加权结果，或在假设中有意保持“悲观”（谨慎），来为风险预留空间。

3. 在现值中考虑不确定性

一旦我们确定了现金流量，就必须使用折现率 (discount rate) 将其“拉回”到今天的价值。选择折现率是管理不确定性的重要工具。

风险调整折现率 (Risk-Adjusted Discount Rate, RADR)

我们可以调整折现率 \( i \)，以反映现金流量的风险程度：

  • 在定价 (pricing) 时，如果一个项目风险很高，我们可能会使用较高的折现率，以确保潜在回报与风险相匹配。
  • 在负债估值 (valuing liabilities) 时，为了保持谨慎，我们通常使用较低的折现率。较低的 \( i \) 会导致较高的现值 (Present Value, PV)，这意味着我们今天会拨出更多资金以求保险。

基本的现值公式仍然是我们的基础：
\( PV = \sum_{t=1}^{n} \frac{CF_t}{(1 + i)^t} \)

快速复习： 如果你想在计算为未来账单存多少钱时保持安全（谨慎），你会假设投资回报率高还是低？你会假设回报率低！这就是为什么较低的折现率可以在负债估值中考虑风险。

4. 确定性 vs. 随机性方法

我们如何计算这些数值，取决于风险的复杂程度。

确定性模型 (Deterministic Modelling)

这对假设使用固定的“点”估计。你输入一组数字，得到一个结果。要在这里考虑风险，你需要手动更改输入值（例如：“如果通胀率是 5% 而不是 3% 会怎样？”）。

随机性模型 (Stochastic Modelling)

我们不使用单一固定数字，而是为输入值使用概率分布 (probability distributions)。模型运行数千次（使用蒙特卡罗模拟等技术），以产生一系列可能的结果。

  • 它帮助我们看到“尾部风险 (tail risks)”（发生概率低但影响巨大的事件）。
  • 这对于估算期权与保证 (options and guarantees) 的价值至关重要（我们将在后面的章节中讨论）。
  • 它让我们可以说：“我们有 95% 的信心，负债不会超过 \( X \)。”

5. 测试不确定性的工具

即使是最好的模型也可能出错。我们使用这些技术来观察我们的“解决方案”对世界变化的敏感程度：

  • 敏感性分析 (Sensitivity Analysis)： 我们每次只改变一个假设（例如将折现率增加 1%），看看总价值变化了多少。这能识别哪些风险对我们的估值最为“危险”。
  • 情景分析 (Scenario Analysis)： 我们同时改变多个假设，以代表特定事件。例如，“全球经济衰退”的情景可能涉及低利率、高违约率和高通胀同时发生。
  • 压力测试 (Stress-Testing)： 我们将假设推向极端的情景，看提供者是否仍能保持偿付能力。

常见错误： 学生经常混淆敏感性分析和情景分析。记住：敏感性 = 1 个变量改变。情景 = 一个完整的“故事”或事件，多个变量同时改变。

核心概念总结

目标： 确保负债的价值足够高，即使情况转坏也能覆盖未来的利益赔付。

必须记住的方法：
1. 调整现金流量： 使用概率加权或在假设中加入谨慎边际。
2. 调整折现率： 在谨慎的负债估值中使用较低的利率。
3. 使用随机性模型： 了解风险的完整分布，特别是对于复杂产品。
4. 测试结果： 使用敏感性和情景分析来观察环境变化时的情况。

你知道吗？ 许多监管制度（如在一般商业环境章节中讨论的内容）实际上要求精算师加入这些边际，以保护公众利益并确保公司不会倒闭，从而落实“公平对待客户”。

交叉引用： 虽然本章重点在于考虑风险的“技术”，但执行此操作的特定市场一致 (market-consistent) 方法将在公平与市场一致估值 (Fair and market-consistent valuation) 章节中详细介绍。