新科技赋能险企风险偏好管理

本篇文章2601字，读完约7分钟

□王蒙陈竞

近年来，随着一系列监管规则的出台和实施，风险偏好系统在保险公司管理决策中的作用越来越重要。越来越多的保险公司正在寻找在风险偏好和商业决策之间建立更密切关系的方法。围绕这一思路，笔者探讨了新保险技术在近期风险偏好构建中的应用，并结合对当前行业的一些观察，形成以下思路和建议。

支持业务决策，建立新的风险偏好

风险偏好继承了公司的经营战略，也是保险公司风险-资本-价值三位一体经营模式的主要载体。它在公司业务决策中的作用是帮助公司确定为实现预期价值需要资本承担的不确定性，即风险水平。因此，风险偏好除了是保险公司整体风险观和全面风险管理的逻辑起点外，其核心作用是从前瞻性和动态性两个方面补充和修正公司的经营决策。

前瞻性是指风险偏好应融入战略制定和资源配置过程中，通过分析预期业务目标和意外风险损失，为公司制定业务规划、全面预算、产品战略、资产配置等业务决策情景提供决策支持，体现在风险偏好(报表)、风险容忍度和风险限额三个层面，并以关键风险指标为主要出发点，监控各项业务管理活动面临的风险。

动态意味着在设定风险偏好时，应充分考虑未来可能面临的风险情景。对于这些风险场景，有必要对业务场景中的关键风险因素进行参数化，并将其应用于风险偏好的设置和度量。在情景设置过程中，不仅要反映公司股票业务的特点，还要考虑战略规划下增量业务的变化，同时还要考虑整体外部环境对承销和投资可能产生的趋势影响。

技术缺陷限制了风险偏好发挥作用

传统上，在风险偏好系统的构建中，预见性和动态性是不容忽视的。但是，客观上，如以下技术限制，风险偏好不能充分发挥其在企业决策中的支持作用。

1.该模型的处理能力不足

风险偏好的设定不仅涉及与公司宏观规划的互动，还涉及当前具体业务数据的绘制和归纳。这个管理对象的复杂性将带来分析过程的复杂性。目前，保险公司风险偏好的计算往往涉及许多不同的系统、评估工具、定量分析工具和数据库工具。许多公司只能从功能层面选择最大公约数，即excel作为整体分析平台和信息载体。这导致了复杂的计算过程。此外，一些公司无法有效解决上述计算复杂性问题，导致关键风险指标的风险偏好、风险容忍度、风险限额和阈值之间缺乏定量的交叉检验关系。

2.数据管理效率低

风险偏好定量分析的核心是模型，基础在于数据。随着风险偏好和业务决策之间的关系越来越密切，对数据粒度的要求也越来越高。传统上，基于大风险和业务线的数据采集模式已经不能满足需求。但这对于数据采集和管理模式来说是一个巨大的挑战。由于需要与多个部门和岗位以及多个业务、财务和管理信息系统进行接口，并且需要实际获取大量具体的业务级信息，因此在数据流、整理和准备过程中的管理复杂性和相应的人工成本是可以想象的。

3.风险场景已经固化

通过风险情景下的压力测试，为风险偏好评估建立业务规划是一种典型的实用方法。然而，在设定风险情景时，他们往往面临深度和广度不足。风险情景过去依赖于大量的监管规则，在此基础上，很难进一步反映公司面临的内外部经营环境，导致无法全面覆盖公司面临的主要风险。为了反映和分析这种不断变化的风险环境，虽然通过esg等工具随机生成经济情景是一种可行的解决方案，但本质上，由于整个风险宇宙的框架已经提前固化，关键风险因素的选择和分布已经提前定义，其设置模式本质上仍然是确定性的，而不是随机性的。风险情景的更新模式也是参数分配，而不是参数选择。

探索赋予风险偏好管理新的科技手段

针对上述问题，笔者试图探索一些保险技术手段在近期风险偏好构建工作中的应用，具体如下:

1.探索机器学习，拓宽风险场景

为了分析保险公司在不利情景下的风险承受能力，确保业务计划、资产配置等战略规划相关风险在企业风险偏好的约束范围内，有必要选择合适的经济和非经济风险因素，合理模拟风险情景。在此过程中，一方面，基于公司的业务结构、产品战略、资产配置等业务特点，笔者识别出影响公司偿付能力和盈利能力的主要风险因素，并在识别出主要风险因素的基础上梳理出公司的内部和外部风险情景因素。另一方面，我们尝试利用机器学习的方法对模型进行迭代和重构，优化风险场景的选择，并通过嵌套随机模拟将内部场景和外部场景有机地结合起来，从而形成一个更加全面和系统的风险场景库。

2.利用rpa技术提高风险分析和测量的效率

鉴于管理和计算的复杂性，作者试图引入rpa(所谓的机器人过程自动化)技术。首先，rpa在跨系统数据采集、处理、整理和验证中取代人工干预，具有一定的人工判断性，但重复性高；第二，rpa可以根据我们预先设定的规则，代替风险偏好和业务规划的人工试算；第三，在分析大样本随机情景时，通过在rpa中预先设置业务调整规则，计算机可以更有效地整合公司原有的全面预算和投资计划，更科学、更动态地分析实际资本、最低资本、可投资资产和各种主要资产的变化。从成本的角度来看，rpa在上述场景中所需的人员、财产和时间的成本远远低于系统开发的成本，并且可以随着公司运营的调整实现高效、低成本的迭代和更新。

3.基于风险控制平台，建立api以改善功能管理

过去，从风险偏好体系的整体管理模式来看，行业在技术层面的主要做法仍然是基于情景，如偏好设定、传导计算和风险监控。随着场景的不断清晰，作者将考虑在下一步整合不同场景的具体分析和测量需求，并从功能层面对上述模型工具进行重组，然后在公司的风险控制平台上进行安排。这种方法有助于在it系统级别简化风险偏好管理工具的部署过程。同时，适用于风险偏好的功能模块在公司内部以api的形式进行管理，风险管理和业务分析师有权根据需要进行调用和开发。具体功能模块包括上述的风险度量、确定性或随机性场景设置、风险偏好传递、金融业务动态预测和rpa管理，也可以显著提高相关工作的效率。此外，应用api技术将有助于利用上述风险偏好中的关键技术，减少相关人员变动对公司管理活动的影响。

众所周知，以人工智能、区块链、云计算和大数据为代表的新兴技术给保险业的运营和管理带来了深远的影响。在风险偏好体系建设和其他保险公司的传统风险管理工作中，如何充分利用保险技术的成果，提高保险公司风险管控的能力和水平，通过智能风险控制为公司运营保驾护航，提前做好计划，将是未来保险业需要认真考虑的问题。

(作者:王蒙:中国人寿保险股份有限公司风险管理部；陈竞:毕马威中国风险咨询公司)

来源：人民视窗网