導言：應對財務規劃中的「波動」

歡迎！在至今為止的精算學習旅程中，你可能花了大量時間計算未來現金流量的現值。通常，題目會給你一組「預期」數字，然後讓你開始計算。但在現實世界中——以及在 CP1 考試中——沒有什麼是絕對確定的。我們無法準確預知某人何時去世、會發生多少宗車禍，或者十年後的通脹率會是多少。

本章的核心在於我們如何從簡單的「最佳推測」轉向複雜的估值方式，從而考慮風險與不確定性 (allows for risk and uncertainty)。這是負債定價與估值 (Pricing and valuation of liabilities) 部分的核心技能，因為如果我們忽視了出錯的可能性，金融產品的提供者可能會面臨資金枯竭。如果「風險」和「不確定性」之間的區別起初讓你感到模糊，請不用擔心——我們會循序漸進地為你拆解！

1. 風險 vs. 不確定性：有什麼區別？

在精算實務中，我們在交談時經常交替使用這兩個詞，但在建立模型時，它們具有截然不同的含義：

  • 風險 (Risk)： 這是指結果存在變動性，但我們可以估算其概率分佈 (probability distribution)。例如，我們可能不知道某個特定的人今年是否會去世，但根據大量的數據集，我們對其死亡的概率有非常準確的掌握。
  • 不確定性 (Uncertainty)： 這就是所謂的「未知的未知」。當我們無法準確預測事件發生的概率，甚至不知道可能出現什麼結果時，就會出現這種情況。這通常是由於缺乏數據或環境變化過快（例如新法律的通過或突然的技術轉革）所致。

類比： 風險就像投擲一枚六面骰子；你不知道結果是多少，但你知道賠率。不確定性則像投擲一個你從未見過的神秘物體——你甚至不知道它有多少個面！

2. 在現金流量中考慮風險的方法

當我們對負債進行估值時，我們希望確保準備金 (provisions)（撥備的資金）是充足的。在現金流量預測中加入「保障」主要有三種方式：

A. 概率加權現金流量（期望值）

我們不假設一個固定的結果，而是觀察所有可能的結果，並根據它們發生的可能性進行加權。這就得到了現金流量的期望值 (expected value)。

在時間 \( t \) 的預期現金流量公式為：
\( E[CF_t] = \sum (P_i \times CF_{i,t}) \)

其中 \( P_i \) 是情景 \( i \) 發生的概率，而 \( CF_{i,t} \) 是該情景下的現金流量。

B. 採用謹慎的「最佳估計」假設

我們從最佳估計 (best estimate)（最可能的結果）開始，然後調整假設使其更加謹慎 (prudent)。這意味著我們假設情況會比預期稍微糟糕一點。

  • 對於費用 (expenses)，謹慎的假設會是比預期更高的成本。
  • 對於利率 (interest rates)（在對負債估值時），謹慎的假設通常是較低的利率。
  • 對於人壽保險合約中的死亡率 (mortality)，謹慎的假設是較高的死亡率。

C. 加入逆境偏差邊際 (Margin for Adverse Deviation, MAD)

這是在最佳估計之上添加的「緩衝」。如果你對賠付額的最佳估計是 \( \$1,000 \)，你可能會加上 10% 的邊際，將其估值為 \( \$1,100 \)。這確保了即使實際經驗比最佳估計稍差，提供者仍能保持償付能力。

重點總結： 我們通過概率加權結果，或在假設中有意保持「悲觀」（謹慎），來為風險預留空間。

3. 在現值中考慮不確定性

一旦我們確定了現金流量，就必須使用折現率 (discount rate) 將其「拉回」到今天的價值。選擇折現率是管理不確定性的重要工具。

風險調整折現率 (Risk-Adjusted Discount Rate, RADR)

我們可以調整折現率 \( i \)，以反映現金流量的風險程度：

  • 在定價 (pricing) 時，如果一個項目風險很高，我們可能會使用較高的折現率，以確保潛在回報與風險相匹配。
  • 在負債估值 (valuing liabilities) 時，為了保持謹慎，我們通常使用較低的折現率。較低的 \( i \) 會導致較高的現值 (Present Value, PV)，這意味著我們今天會撥出更多資金以求保險。

基本的現值公式仍然是我們的基礎：
\( PV = \sum_{t=1}^{n} \frac{CF_t}{(1 + i)^t} \)

快速複習： 如果你想在計算為未來帳單存多少錢時保持安全（謹慎），你會假設投資回報率高還是低？你會假設回報率低！這就是為什麼較低的折現率可以在負債估值中考慮風險。

4. 確定性 vs. 隨機性方法

我們如何計算這些數值，取決於風險的複雜程度。

確定性模型 (Deterministic Modelling)

這對假設使用固定的「點」估計。你輸入一組數字，得到一個結果。要在這裡考慮風險，你需要手動更改輸入值（例如：「如果通脹率是 5% 而不是 3% 會怎樣？」）。

隨機性模型 (Stochastic Modelling)

我們不使用單一固定數字，而是為輸入值使用概率分佈 (probability distributions)。模型運行數千次（使用蒙地卡羅模擬等技術），以產生一系列可能的結果。

  • 它幫助我們看到「尾部風險 (tail risks)」（發生概率低但影響巨大的事件）。
  • 這對於估算選擇權與保證 (options and guarantees) 的價值至關重要（我們將在後面的章節中討論）。
  • 它讓我們可以說：「我們有 95% 的信心，負債不會超過 \( X \)。」

5. 測試不確定性的工具

即使是最好的模型也可能出錯。我們使用這些技術來觀察我們的「解決方案」對世界變化的敏感程度：

  • 敏感性分析 (Sensitivity Analysis)： 我們每次只改變一個假設（例如將折現率增加 1%），看看總價值變化了多少。這能識別哪些風險對我們的估值最為「危險」。
  • 情境分析 (Scenario Analysis)： 我們同時改變多個假設，以代表特定事件。例如，「全球經濟衰退」的情境可能涉及低利率、高違約率和高通脹同時發生。
  • 壓力測試 (Stress-Testing)： 我們將假設推向極端的「臨界點」，看提供者是否仍能保持償付能力。

常見錯誤： 學生經常混淆敏感性分析和情境分析。記住：敏感性 = 1 個變量改變。情境 = 一個完整的「故事」或事件，多個變量同時改變。

核心概念總結

目標： 確保負債的價值足夠高，即使情況轉壞也能覆蓋未來的利益賠付。

必須記住的方法：
1. 調整現金流量： 使用概率加權或在假設中加入謹慎邊際。
2. 調整折現率： 在謹慎的負債估值中使用較低的利率。
3. 使用隨機性模型： 了解風險的完整分佈，特別是對於複雜產品。
4. 測試結果： 使用敏感性和情境分析來觀察環境變化時的情況。

你知道嗎？ 許多監管制度（如在一般商業環境章節中討論的內容）實際上要求精算師加入這些邊際，以保護公眾利益並確保公司不會倒閉，從而落實「公平對待客戶」。

交叉引用： 雖然本章重點在於考慮風險的「技術」，但執行此操作的特定市場一致 (market-consistent) 方法將在公平與市場一致估值 (Fair and market-consistent valuation) 章節中詳細介紹。