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。