金融机构资产负债管理模式及技术因素研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇金融机构资产负债管理模式及技术因素研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

[摘要] 管理策略采用动态多阶段管理策略，既能兼顾长期投资的需要，又能及时响应市场因素的动态变化；风险控制使用CVaR，既能对风险进行全面控制，又能保证风险度量满足次可加性、凸性及线性的条件；数理工具使用随机线性规划，使得模型最终能转为线性规划问题；控制模式采用双层控制，以充分保证运作的安全性；期末资产调整策略采用局部多次调整，既能灵活捕捉投资机会，又有利于节省交易成本。

[关键词] 资产负债管理；风险管理；金融优化；情景分析

[中图分类号] F830.4[文献标识码] A[文章编号] 1006-5024(2008)02-0157-03

[作者简介] 顾能柱，上海理工大学管理学院博士生，研究方向为金融优化。(上海 200093)

资产负债管理(Asset Liability Management， ALM)理论产生于20世纪70年代后期。资产负债管理是指在市场因素不确定的情况下及在监管法则许可的范围内，金融机构对资产与负债实行一系列的动态匹配管理，以达到规避风险，实现预期收益的目的。Korhonen(2001)考虑了多目标的资产负债管理。Gondzio及Kouwenberg(2001)主要从计算效率的角度考虑了资产负债管理模型。Papi及Sbaraglia(2006)提出了用动态规划方法求解的资产负债管理模型。Bertocchi等(2006)从投资期限的角度考虑资产负债管理模型。Consiglio等(2006，2007)主要从最低回报保证的角度研究资产负债管理。Hilli等(2007)提出了基于现金、债券、股票等外部不确定性因素影响的用于芬兰养老保险公司的资产负债管理模型。资产负债管理方面的定量研究在国外已有规模，但在我国几乎近于空白(朱书尚等2004)。上述文献在应用效率对比、多目标分析、情景产生、算法对比、最低回报约束、资产波动等方面都进行了深入的探讨。本文在前人工作的基础上，总结分析影响资产负债管理的模式及因素，就经营管理、风险管理、数理工具、模型结构以及数值计算五方面进行了全面分析。

一、经营管理

管理模式、管理策略和管理约束是影响资产负债管理效率的重要因素。

(一)管理模式。按照对投资业务和负债业务侧重点的不同，可分为以资产为主导和以负债为主导的两种管理模式。以资产为主导的管理模式将资产的投资渠道、投资比例、风险控制、投资收益率和期限结构摆在首位，然后根据资产的配置结构、流动性和利率波动来调整负债规模和结构。以负债为主导的管理模式将负债的安全性要求、流动性要求、收益性要求、风险承受能力及偿还期限摆在首位，根据负债的要求特点来进行资产最优配置。金融机构应根据资金的来源特点和经营宗旨来采取不同的管理模式，基金管理公司可以考虑建立以资产为主导的资产负债管理模式，而商业银行和保险公司强调稳健经营为主，适宜采取以负债为主导的管理模式。

(二)管理策略。资产负债管理策略可分为静态管理策略和动态管理策略。静态管理策略强调的是单周期的、被动式的管理，而动态管理策略强调的是多周期的，灵活且全面的管理。由资产负债管理的发展历程来看，管理策略的采用受管理水平和外界条件影响，早期的资产收益波动、利率波动相对平稳，金融衍生产品也少，因此商业银行都采用静态的策略，如利差管理法(Interest Margin)、缺口管理法(Gap Man-agement)、久期管理法(Duration Management)。当今的金融市场逐步形成全球一体化，金融产品价格、利率、汇率等因素波动更加难以预测。资产负债管理逐渐由静态策略向动态策略转变，并取得了很大进展。动态管理策略有现金流量检测(Cash Flow Test)、现金流量匹配 (Cash Flow Matching)、动态偿付能力检测(DynamicSolvencyTest)、随机规划资产负债管理模型(stochastic programming asset liability model)、随机控制资产负债管理模型(stochastic control asset liability model)以及动态财务分析模型(Dynamic Financial Analysis)。

(三)管理约束。一般的监管约束因素包括经营范围、投资准入方式、准备金提取、资产配置渠道及比例限制、会计准则、资产估值方法以及偿付能力限制。对于商业银行，约束条件有总资本充足率指标约束、核心资本充足率约束、短期存款与贷款比例约束、中长期贷款与存款比例约束、资产流动性比例指标约束、备付金比例约束、拆入资金比例约束、拆出资金比例约束、存款准备金约束等。对于保险公司，约束条件最主要有投资渠道约束、单项投资比例约束及偿付能力约束等。在制定资产负债管理策略时，必须以模块的形式将这些约束条件考虑进资产负债管理模型里，因为这些约束条件影响着最优决策方案。

二、风险管理

资产负债管理的主要目标是计量资产与负债的市场风险，因此有效的风险度量是提高资产负债管理效率的关键。典型的风险度量方法经历了Markowitz(1952)提出的方差(variance)、Jorion(1996)提出的价值风险(Value at Risk， VaR)、Rockafellar及Uryasev(2000)提出的条件价值风险(Conditional Value at Risk， CVaR)。

(一)方差。方差是用来衡量一个随机变量波动大小的指标，当随机变量的波动呈对称性分布时，收益波动越大的随机变量，其潜在的损失也就越大。因此，当随机变量呈对称分布时，用方差来表示风险是恰当的。投资组合理论是建立在各项资产的收益率的联合分布为正态分布的假设基础之上的。然而，这一假设条件受到了众多学者的质疑，后来的一系列的实证分析基本否定了资产收益服从正态分布的假设，如法玛、依波持森和辛科费尔德等人对美国证券市场投资收益率分布状况的研究和布科斯特伯、克拉克对含期权投资组合的收益率分布的研究等。

(二) VaR方法。VaR基本含义是指在正常的市场条件和给定的置信水平下，在给定的持有期间内，风险资产预期可能发生的最大损失。记随机变量ζ(x，η，ξ)=ηTx-ξ，其中x代表决策变量，η是一个n维随机向量，ξ是一个随机变量。(η，ξ)定义在概率空间(Ω，F，P)上，ζ(x，η，ξ)的正值表示损失，负值表示收益，α为给定的置信水平，则VaR在数学上的定义为v(x，α)=min{y|P[ζ(x，η，ξ)?燮y]?叟α}。虽然VaR已广泛地应用于金融风险的计量，但VaR本身带有不尽人意的地方。首先，VaR缺乏次可加性和凸性，VaR只有在资产收益服从正态分布时才是一致性风险度量。其次，由于带v(x，α)约束的优化问题在数学上通常是非凸的，在数值计算上难以求解，并且会出现多个局部极小值的情形。此外，VaR还有个最明显的缺点是，虽然在很高的置信水平α下，损失不会超过v(x，α)，但VaR没有考虑损失一旦超过v(x，α)的情形，即VaR对尾部风险的预测与控制不足。

(三) CVaR方法。为了改进VaR的不足之处，Rockafellar及Uryasev (2000)提出了CVaR测量方法，其含义是损失超过VaR的条件期望损失，也称为尾部VaR(Tail VaR)。沿用前面的随机变量定义，CVaR在数学上表示vc(x，α)=E[ζ(x，η，ξ)|ζ(x，η，ξ)?叟v(x，α)]。CVaR不仅满足次可加性，而且对于一般的概率分布，是一致性风险度量，符合分散投资风险的原则。在一般的概率分布下，CVaR也可以表示为vc(x，α)=min{Z|Z+E[(ζ(x，η，ξ)-z)+]}，其中(ζ(x，η，ξ)-z)+表示ζ(x，η，ξ)-z的正部，vc(x，α)集合的最左端z即为VaR。CVaR不仅弥补了上面提到的VaR的三大缺陷，并且基于CVaR约束的优化问题可转为随机线性规划问题，从而进一步转为线性规划问题。

三、数理工具

由于利率、汇率和产品价格波动具有不确定性，因此需要用可求解不确定性规划问题的数值分析理论来进行资产负债管理数量分析。

(一)最优控制。基于最优控制理论建模的资产负债管理，着重于研究资产收益、利率变化不确定的状态下，建立资产与负债动态变化的表达式，在变量约束许可的范围内分析其状态转移情况，得出最优管理方案。最优控制模型在管理问题的解析和数值分析上占优势，但在最优解的计算方面不如随机规划模型，因为随机规划模型得出的是全局最优解，而最优控制模型往往得出一个局部最优解，并且如果约束条件过多，则求解非常困难。最优控制模型大多停留在理论研究上，并且局限于资产管理(Zhou，2002，2003)。最优控制与随机优化的分析比较见文献(Cheng，2004)。

(二)动态规划。在资产负债管理模型表达式的描述上，基于动态规划方法求解的表达式与最优控制表达式相同，只是离散化后按阶段求解，在计算上也非常复杂，目前基于动态规划求解的资产负债管理研究文献不多，Papi及Sbaraglia (2006)给出了用动态规划方法求解资产负债管理模型的一个算法。由于计算复杂，模型的推广应用受到一定的限制。

(三) 随机规划。目前，以随机规划资产负债管理模型的应用最广泛，典型的应用案例有Carino等(1994)为日本Frank Russel公司和Yasuda公司设计一个六阶段的Russel-Yasuda Kasai模型，Mulvey等(2000)为世界著名的Towers Perrin保险精算咨询公司设计的用于养老保险管理的资产负债管理系统，Boender等(1998)为荷兰养老金计划设计的资产负债管理模型，Seshadri等(1999)为纽约联邦家庭信贷银行设计的资产负债管理策略，更多的综述文献见(津巴等，2003；金秀等，2007)。

(四) 稳健规划。最近，Ben-Tal等(1999，2002，2006)提出了一种新的优化理论分支――稳健优化(Robust Optimiza-tion)，其理论主要用于解决参数在某一范围内波动的不确定性数学规划问题。稳健优化与随机优化最主要区别在于：稳健优化只需知道参数的波动范围，不需进行资产收益假设和情景分析，而随机优化模型必须假设资产收益的概率分布。多阶段稳健优化理论为求解资产负债管理模型提供了一种新的思路，不过还处于理论探索阶段，实际应用研究很少。

四、模型结构

采用不同的控制结构和资产与负债的调整策略对管理效果的影响很大。

(一)控制结构。控制结构可分为单层结构和双层结构，双层结构也称为主-分控制结构。单层结构是指只有一个控制模型的资产负债管理策略。对于投资渠道和投资比例没有受到过多约束的金融机构，可直接使用单层控制结构的资产负债管理策略。双层结构是指有两个控制模型的资产负债管理策略，分主-分两个模型。对于比较强调资金运用安全，且投资渠道及比例约束有明确规定的金融机构，如保险公司，则适合采用双层控制结构的管理策略。

(二) 调整策略。投资阶段末的资产调整结构可分为整体调整策略与局部调整策略。整体调整策略是指在每个投资周期末，将资产配置和到期的债务全部进行调整，以便有利于整体效益最优化；局部调整策略是指在每个投资周期末对有必要调整的资产配置结构和负债结构进行调整，以便优化调整成本。理论上，局部调整策略有利于节省成本，又不失整体最优性，采用局部调整策略比全局调整策略效果稍微好一些。另外，从期末投资周期调整次数来看，如果某一时间段范围内的周期划分越详细，情景分析就越接近资产收益、利率和汇率等因素的波动变化，因此资产负债管理的效率就越高，意味着多次调整策略比单次调整策略效率高。

五、数值计算

目前应用最广泛的资产负债管理模型是基于随机优化理论，因此本节主要分析随机规划模型的一些影响因素。

(一) 情景分析。影响情景分析结果的三大因素为：随机变量(决策变量)的概率分布假设、情景模拟结构和情景模拟个数。受资产组合理论启发，早期的大多数研究成果都假设风险资产的收益呈正态分布。然而，众多的实证研究表明风险资产收益呈“尖峰厚尾”现象，因此，选择恰当的概率分布假设是进行情景模拟的重要前提条件。通常的情景模拟分析都采用树型结构，但是Hibiki (2006)的研究成果表明，采用模拟路径结构的情景分析效果更佳。情景模拟个数直接影响到计算结果，情景模拟个数越多，考虑出现的情况就越周到，因此得出的结果可靠性越强。由于情景越多，模型求解的约束条件就会越多，受到计算机性能的限制，情景模拟个数只能适当地选取。

(二)计算软件。不同的软件采用不同的算法结构，计算效果也不尽相同。目前用于求解随机规划的出色的软件有IBM公司的软件 OSL (Optimization Subroutine Library)、ILOG公司的大型线性规划求解软件CPLEX、GAMS公司的GAMS软件，以及NuOPT软件等。

六、结语

资产负债管理是金融技术、管理技术、计算机应用技术和最优化技术的结合物。一个有效的资产负债管理模式可以这样建立：由金融机构根据自身的资产与负债结构及公司经营理念确定资产主导型或负债主导型管理；管理策略采用动态多阶段管理策略，使得既能兼顾长期投资的需要，又能及时响应市场因素的动态变化；风险控制使用CVaR，既能对风险进行全面控制，又能保证风险度量满足次可加性、凸性及线性的条件；数理工具使用随机线性规划，使得模型最终能转为线性规划问题；控制模式采用双层控制，充分保证运作的安全性；期末资产调整策略采用局部多次调整，既能灵活捕捉投资机会，又利于节省交易成本；财务目标是追求盈利最大，并且要求投资风险最小。这样的模型，在灵活性、安全性、简易性、规范性等方面都得以兼顾。

参考文献：

[1]Korhonen A. Strategic Financial Management in a Multinational Financial Conglomerate： A Multiple Goal Stochastic Programming Approach [J]. European Journal of Operational Research，2001， 128： 418-434.

[2]Gondzio J， Kouwenberg R. High Performance Computing for Asset-liability Management [J]. Operations Research， 2001， 49： 879-891.

[3] Consiglio A， Saunders D， Zenios S A. Asset and Lia-bility Management for Insurance Products with Minimum Guaran-tees： the UK case[J]. Journal of Banking & Finance， 2006， 30：645-667.

[4]HilliP， KoivuM， PennanenT，RanneA. A Stochastic Programming Model for Asset Liability Management of a Finnish Pension Company[J].Annals of Operations Research， 2007， 152： 115-139.

[5]朱书尚，李端，周迅宇，汪寿阳.论投资组合与金融化――对理论研究和实践分析与反思[J].管理科学学报， 2004，(6).

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”