核心观点与关键数据
基于原则的方法（PBA）对精算部门和模型提出更高要求
- PBR建模需在压缩时间线下完成新产品的设计与优化，并满足2020年1月1日实施截止日期。
- Prophet模型优化技术在PBR储备金（PBR）和可变年金PBR（VM-21）方面应用广泛。
Prophet PBR模型优化技术
- 运行时效率提升：
- 模型点压缩、减少重估点数量、降低计算强度、减少随机储备估值情景数量（如1,000种情景替代10,000种）。
- 通过Prophet嵌套结构简化多产品和运行需求，支持多周期设置。
- 关键变量与指标：如
STAT_BASE_PBR_EXCRES_PP、VM21_NYFL_FLOOR_METHOD、PBR_EXCESS_RES_*等。
- 灵活性工具：FIS数据转换系统、Prophet Enterprise、云计算能力（如FIS Prophet Managed Cloud Service）。
VM-21建模组件
- 总资金需求：由储备和资本构成，包括随机储备、标准预测金额、附加标准预测金额。
- 随机储备：采用CTE70（尽力而为）和CTE70（调整后）计算，误差因子（E）范围5%-100%。
- 标准预测金额：提供CSMP（公司特定市场路径）和CTEPA（确定性路径）两种方法。
- CSMP方法需两组运行，但结果更易解释；CTEPA方法更常用，但需依赖随机情景选择。
- WDCM（撤资延期队列方法）：针对GMWB和GMIBs，通过Prophet循环机制计算队列权重。
结果聚合技术
- SPCODE与Same-as产品：按产品代码或同类产品汇总结果，支持细粒度报告。
- 聚合结果：通过自定义维度（如性别）分组，如
MATH_RES_IF_SEX变量。
- 灵活性结果功能：支持动态和随机运行，需许可证，替代传统数据库。
关键变化与支持
- RBC C3框架：采用GPVAD随机分布，降低自愿准备金影响，支持税收调整。
- 利息与资金回报：强制使用学院利率生成器（AIRG），未来或支持专有情景生成器。
- 其他变更：如税收储备（FIT）影响、非担保收入分成、违约率等。
研究结论
- Prophet模型通过多种优化技术（如嵌套结构、情景管理）平衡PBR建模的准确性与效率。
- VM-21框架改进了AG 43的不足，通过CSMP/CTEPA方法提供灵活的标准预测。
- 结果聚合技术（SPCODE、Same-as产品、聚合结果）满足监管与内部报告需求。
- FIS持续扩展Prophet功能，支持公司在PBR合规性基础上实现优化。
