《资产负债管理理论述评2009126资产负债管理AssetLiability》由会员分享，可在线阅读，更多相关《资产负债管理理论述评2009126资产负债管理AssetLiability（7页珍藏版）》请在金锄头文库上搜索。
1、资产负债管理理论述评2009-11-26资产负债管理(Asset Liability Management，ALM)是指金融机构为了在可接受的风险限额内实现既定经营目标，而对其资产负债组合所进行的计划、协调和控制的过程，以及前瞻性地选择业务策略的过程。即是风险限额下的一种协调式管理。资产负债管理理论产生于20世纪70年代后期。在资产负债的传统理论中，利率敏感资金缺口模型和持续期缺口模型主要关注银行面临的利率风险，而资产负债管理模型的新发展在关注利差和成本的波动的同时，还结合考虑市场风险、信用风险、流动性风险的影响。因此，当今现代资产负债管理在银行、年金、保险公司、机构投资者，甚至在个人投资者中
2、都得到了广泛的运用。本文综合各种文献，主要介绍20世纪80年代以来，资产负债管理理论取得的新突破。分析和评价了三种分析思路，他们可以被看作是资产负债管理理论发展的典型代表。一、资产负债管理理论1、静态投资组合模型(static portfolio models)静态模型、单期随机模型、多期动态随机模型。马克维茨(Harry Markowitz)于1952年发表的投资组合选择一文被公认为是现代投资组合理论研究的起点。该论文阐述了证券收益和风险水平确定的主要原理和方法，建立了均值方差证券组合模型的基本框架。该均值方差模型假设投资者是风险厌恶的，其效用函数是二次的，以资产组合未来回报的方差来度量风险
3、，以预期收益的方差为决策标准，在假设收益率服从正态分布的基础上，可以通过求解一个二次规划问题得到最优投资组合。马克维茨的均值方差分析框架对现代金融理论、资产负债管理模型做出了启发性的贡献。其基本框架假定投资决策的制定是在整个期限的开始，而在此期间投资者不能改变其投资决策，这种策略就是人们常说的买入后长期持有策略“buy-and-hold”。关键的见解是资产的预期回报与系统性风险正相关，并由该资产与完全分散化的市场资产组合的协方差决定。在整个计划决策过程中，当预期回报给定时，可以通过最小化资产组合回报的方差来推导出一个投资者的最优化资产组合。马克维茨理论的核心是“不要将鸡蛋全部放在一个篮子里”，
4、认为通过构造证券的多样化的资产组合，可以降低风险。如果我们着眼于金融计划的战略方面，决策的关键就是要计算投资组合中持有的资产。在美国，典型的资产类别包括：美国大型公司股票(比如，标准普尔500指数中的公司股票)、政府长期公债、政府短期公债、高等级公司债、房地产、商品、货币基金、相关指数等。人们普遍认为，分散化的资产配置决策对长期投资者是至关重要的。下面展示了一个简化的均值方差模型，模型如下：满足Ax=b其中，U=1，2，3，1)是证券的集合域，qij是证券i，j之间的协方差，i，jU；i是证券i的期望回报，xi是投资组合证券I所占的权数；参数丸常被用来平衡回报的方差以描述出有效边界，一般线性限
5、制条件常被用来决定x的可容忍的联合分布。马克维茨的均值方差模型有着严格的假设，即收益是多变量的正态分布，或者投资者的偏好通过投资组合回报的均值、方差能够用一些效用函数来表示。马克维茨认为，对于具有较广范围的效用函数和历史分布，知道了分布的均值和方差，几乎就是给出了分布的期望效用。该模型最后会产生一个有效边界，而不是建议一个单一的行动。然而这给决策者提出了一个问题，即如何在有效边界上选出自己偏好的点。虽然，在马克维茨的均值方差模型单期投资组合分析中，传统的方差风险测量方法计算简便，易于使用，并且作为一种风险度量，显然具有次可加性。然而这种风险测量方法并不能充分揭示资产回报的重要特性，因此许多研究
6、人员提出了不同的风险测量方法。目前，在银行、保险公司和其他公司广泛使用的一种方法就是Value-at-Risk(VaR)。VaR方法及相关模型主要是运用资产定价理论、数理统计分析技术及市场风险的历史数据，评估在一个给定的置信区间(Confidence Level)和持有期间(Holding Horizon)，任何一种金融资产或组合在正常的市场条件下所可能遭受的最大价值损失。其基本原理在于，根据资产组合价值变化的统计分布，找出与置信水平相对应的分位数，即VaR值。如果从数学的角度来精确定义VaR，则：设X是描述证券组合损失的随机变量，F(x)是其概率分布函数，置信水平为a，则：VaR(a)=-i
7、nfx|F(x)a。该模型在证券组合损失X符合正态分布，组合中的证券数量不发生变化时，可以比较有效的控制组合的风险。尽管VaR的概念和计算简单易懂，但它仍然存在一些缺点：比如VaR模型只关心超过VaR值的频率，而不关心超过VaR值的损失分布情况，且在处理损失符合非正态分布(如后尾现象)及投资组合发生改变时表现不稳定。为了克服VaR方法的局限性，Artzner et al.(1997)提出了一致性风险度量模型，认为一个完美的风险度量模型必须满足四个约束条件：单调性、次可加性、正齐次性、平移不变性。Follmer和Schied(2002)通过引入凸风险测度(Convex measures of r
8、isk)进一步推广了一致性风险测度模型。目前，很多由VaR引出的风险测量方法被提出，学者们已经从理论和实证两方面对这些风险测量方法的特性和关系进行了深入的研究，比如说，CVaR(conditional Value-at-Risk)，AVaR(average Value-at-Risk)，ES(expected shortfall)和WCE(worst conditional expectation)等等。特别是Krokhmal et al.(2002)提出了一种线性规划方法，在一致性风险测量方法的投资组合优化模型中，利用此方法可以同时得到资产组合的VaR值以及实现最佳的CVaR值的资产组合比例
9、。金融理论界除了对传统均值方差模型中的风险测度方法进行批评外，还对均值方差模型仅仅只考虑了一个单期、而没有考虑跨期投资策略的改变问题进行了讨论。在金融机构的资金配置中，资产负债管理往往都涉及到一个较长期限的问题。例如，大多数保险产品的期限都超过了10年，年金的期限大多数都超过了30年，社会保障契约安排的期限甚至长达50年。如果仅仅通过一个单期模型来模拟十年、几十年的情形，这显然是不合适的。传统上讲，马克维茨的初始模型忽略了投资者资产负债表的负债方。例如，Randall和Satchell(1997)利用均值方差方法比较了不同养老金资产配置的效率问题。这些模型主要关注了在满足一定期望回报的情况下，
10、如何使投资组合的收益方差最小化。Leibowitz(1987)和Mulvey(1989)首次在这些单期静态模型中考虑了养老金负债。Mulvey(1989)明确将负债看作一种资产类别(这种资产类别有负的预期回报，并且跟投资资产相关)，并把资产和负债分别定义成预期盈余回报和盈余风险。这个模型成功的应用于太平洋互助保险公司，并成为SMART盈余管理系统的核心。Sharpe和Tint(1990)也在总体的资产负债模型框架中提出了关于盈余财富的均值方差的拓展模型。这些模型在应用中虽然有简单快速的优势，但是由于它们太简单而捕捉不到未来不确定性的动态性质；它们所呈现的是次优建议，对投入要素非常敏感，即使投入
11、要素只是稍微地变动，亦可能得到一条差异颇大的效率前沿。在许多情况下，精算师需要根据模型对均值方差进行进一步的抽样模拟，使他们能够评估效率前沿的解决方案。Muralidhar(2001)解释说，虽然模拟可能帮助我们考虑多周期情况下的均值方差模型，并进一步评价目标，但进一步的优化是不可能的，并且这个过程将相当费时。2、资产配置的动态投资组合模型(Dynamic Portfolio Models for Asset Allocation)。在更多实际情况中，投资者应该在动态情况下考虑跨期投资策略的改变问题。早期没有涉及对动态模型的研究主要是因为计算机资源、数据可得性和其他操作及教育方面的问题等。显然
12、，许多长期投资者的投资期限跨越多年。例如，养老信托基金有很多机会重新调整投资组合，在现在或者将来归还供款。将来的条件决策会对养老金管理者在最优策略方面有重要影响。比如说，自愿供款的计划能使基金比例在利润高于平均水平时达到比较高的水平吗?陷入资金供给严重不足和不能供款的概率是什么?回答这些问题，需要彻底分析该计划的环境并预测未来经济状况。动态分析最适合解决这种类型的问题。在过去，由于计算资源的限制，不能解决投资组合最优化这种复杂的问题。但是现代的计算机足以解决这种最优化模型的问题。任何人都可以很容易地通过个人电脑连接英特网得到大量的历史数据。多期投资模式为长期投资者进行风险分析提供了恰当的工具。
13、许多学者对动态资产配置问题进行了研究，包括Samuleson(1969)、Merton(1969)及其他人。Luenberger(1998)对比了单期方法和多期框架。动态分析的建议要与那些单期模型有很大的不同。例如，在单期模型中，最优资产组合是在由单个资产组成的效率前沿的最高端这个资产有最大的预期回报价值。相反，动态模型的最优组合通常包括几种资产，这些资产在每个期间都需要被重新调整。3、资产负债管理的动态模型(Dynamic Models for Asset-Liability Management)。基于一个动态框架，我们可以扩展投资组合模型以解决支付未来的负债和投资目标。这种观念最适合长期
14、投资者，包括养老金信托、保险在保险公司、大学基金、家庭信托基金，个人长期投资者。尽管有共同的主题，但是研究和发展却在比较狭窄的领域里进行。比如，保险公司的投资策略主要是测量资产与负债评估的局部变化，关注的是固定收益资产。相反，绝大多数养老金信托跟个人投资者相似，投资的资产(权益、长短期债券、其他资产类别)要比保险公司广泛得多。同样地，最主要的大学基金已经转移到了对流动性较低的资产的投资，包括风险投资、对冲基金和私募股权。一组非常重要的先进的资产负债模型提倡使用随机规划作为技术工具。这些模型要求产生情景树，并且为养老金计划的最优化投资筹资决策建立起现实的模型。多期资产负债模型的一个早期应用是日本
15、Yasuda保险公司的Russell系统(Carino et al.(1994)。Mulvey(1996)和Mulvey et al.(2000)详细描叙了Towers Perrin CAP。荷兰研究人员在养老金计划中实施资产负债管理模式也取得了显著的成就。Boerder et al.(1998)描述了ORTER模型。Dert(1995)的博士论文提出了一个基于情景分析为基础的模型，用于分析荷兰DB型养老金计划的投资筹资策略。Boerder et al.(2001)使用CVAR测量方法说明养老金模型。Geyer et al.(2001)描述了由Innovest澳大利亚基金公司提出的InnoALM模型。在Kouwenberg和Zenios(2001)、Ziemba和Mulvey(1998)、Zenios和Ziemba(2006)可以看到一些其他的应用系统。另一组资产负债模型是基于连续时间随机控制模型(Merton(1973)。Rudolf和Ziemba(2003)为养老金盈余管理提出了连续时间模型。尽管这些以随机控制为基础的资产负债模型没能像随机规划模型一样为养老金计划加入实际的和法律的限制，但是他们在产生直观closedform方案，或者在解决满足最优化条件的方程方面很有优势。二、全面风险管理框架下的资产负债管理全面风险管理(E
