本文研究包含随机利率、随机缴费和死亡风险的缴费确定型养老金投资与保险决策问题,在均值—方差框架下允许参与者动态配置债券、股票并购买寿险。研究通过鞅方法将动态控制问题转化为静态优化,推导出终值财富、遗赠、投资组合和保险策略的闭式解及有效前沿,并利用数值分析考察死亡率改善、目标财富、风险价格和收入增长对决策的影响。结果表明,长寿趋势提高未来劳动收入现值,使保险需求明显前移并降低中晚年配置,同时对债券和股票配置的影响相对有限。
报告标题:《Optimal Life Insurance Decision in Mean-Variance DC Management with Mortality Improvements》(含死亡率改善因素的均值—方差确定缴费型养老金最优寿险决策)。
作者:Yueman Feng、Wenyuan Li、Mengyi Xu、Pengyu Wei。
机构:香港大学统计与精算科学系、UNSW Business School风险与精算研究学院、南洋理工大学南洋商学院银行与金融部。
发布日期:2026年8月11日。
研究主题:在随机利率、随机缴费收入、金融市场风险和死亡率风险并存的条件下,研究确定缴费型养老金(DC)成员如何同时决定债券、股票和寿险配置,以在给定预期退休给付目标下最小化终值收益方差。
报告没有给出传统意义上的股票评级、买入/持有/卖出意见或公司目标价,因为其对象不是上市公司,而是DC养老金管理和寿险配置问题。报告的核心结论是:第一,将寿险作为DC账户中的一种可主动配置资产,可以更完整地对冲退休前死亡风险;第二,死亡率改善和寿命延长会提高未来劳动收入缴费的现值,因此成员可以降低股票等高风险资产的需求;第三,寿险需求并非随年龄单调变化,而是呈现明显的生命周期特征,且在考虑长寿改善后,保障需求会更多地前移至早期成年阶段。
报告首先从全球养老金结构变化切入。OECD数据显示,2024年OECD及相关司法辖区的DC计划资产增长11.4%,明显高于DB计划的4.0%;DC计划在养老金总资产中的比重持续提升,而DB计划占比由2014年的39.7%下降至2024年底的31.9%。这些数据说明,养老金风险正在从雇主或计划发起人更多地转移到个人成员,DC计划的投资决策价值因此上升。
DB计划通常承诺相对稳定的退休收入,而DC计划最终给付取决于缴费金额、缴费路径和投资收益。成员需要在数十年的积累期内自行面对通胀、利率、工资或缴费收入不确定性、股票市场风险以及退休前死亡风险。
报告对既有文献进行了两类划分:一类是效用最大化研究,另一类是均值—方差(Mean-Variance,MV)优化研究。均值—方差框架的含义是,在达到预定期望退休财富的条件下,选择使终值财富波动最小的策略;其优点是能够获得较明确的解析解和有效前沿,但缺点是投资者偏好被压缩为“期望—方差”两个维度。
现有文献虽然长期承认退休前死亡风险,但多数研究采用“退还保费”条款或外生设定的死亡给付来处理,而没有将寿险购买额作为成员可以主动控制的变量。这意味着既有模型可能低估个人对死亡风险的真实对冲需求。
报告指出,澳大利亚超级年金体系已经允许甚至在一定程度上整合寿险保障,寿险保费可以直接从成员的养老金余额中扣除;美国401(k)计划也允许通过相关安排购买寿险以保护成员在退休前死亡时的受益人。
从经济学角度看,死亡率不仅影响死亡时的给付概率,也影响未来劳动收入的期望现值。一个人若存活至更晚年龄,未来缴费和人力资本价值通常更高;因此,死亡风险对应的不只是“账户余额损失”,还包括未来收入流的损失。报告因此将寿险面额设定为可以随时间调整的决策变量,以同时保护累积账户财富和未来缴费收入。
模型使用三维独立布朗运动,分别代表利率冲击、股票相关冲击以及贡献收入的潜在独立冲击。短期利率采用Vasicek均值回复模型,即利率围绕长期水平回复,参数κ控制回复速度,长期利率为(\bar r),利率波动率为(\sigma_r)。Vasicek模型的优点是利率可以为正且具有均值回复特征,适合描述长期养老金投资环境;但其固定参数和正利率限制也构成模型简化。
可交易资产包括滚动零息债券和股票指数。债券对利率冲击的敏感度由(\beta(\tau)=(1-e^{-\kappa\tau})/\kappa)决定,剩余期限越长,利率变化对债券价格的影响通常越明显。股票同时包含与债券或利率冲击相关的部分,以及股票特有冲击;债券与股票之间的相关性由(\rho_{SB})表示。
市场价格风险向量为(\Lambda=(\lambda_r,\lambda_S,0)^\top),其中(\lambda_r)和(\lambda_S)分别刻画利率风险和股票风险的风险补偿。风险价格越高,理论上单位风险能够带来的预期收益越高,因此达到同一退休目标所需承担的方差可能下降。
缴费过程(C_t)采用带时变漂移的几何布朗运动,其预期增长率为(\mu_C(t)=\xi_0(x_0+t)+\xi_1)。其中,(\xi_0)表示随年龄变化的收入增长因素,(\xi_1)为基础增长率,(x_0)是加入计划时的年龄。
模型特别施加了“无非市场化收入风险”条件,即缴费收入风险完全由债券和股票的交易风险所覆盖。该假设使市场具有完备性,允许通过市场资产复制或对冲缴费收入中的随机成分,从而能够使用鞅方法得到闭式解。 这一假设在数学上十分关键,但在现实中较强,因为工资收入通常包含职业转换、失业、健康冲击和个体特有风险,这些风险往往无法由公开交易资产完全复制。
个体年龄为(x)时的剩余寿命为(T_x),并假设死亡时间与金融市场信息独立。死亡率由生存概率和瞬时死亡力描述。
若成员在退休前时刻(t)死亡,受益人获得当时账户余额加寿险赔付。模型用(I_t)表示生存条件下持续支付的寿险保费,并将寿险面额设为(I_t/\mu_{x+t})。这意味着保费与死亡力之间存在直接转换关系:死亡力越高,在相同保费下对应的寿险面额越低,或者说购买同样面额需要更高保费。
成员希望在给定预期退休给付(K)的前提下,使死亡相关终值给付的方差最小。由于约束已经固定了期望值,最小化方差等价于最小化终值给付的二阶矩,因为:
[ \operatorname{Var}(Y)=E[Y^2]-K^2. ]
该设定体现的是“目标导向”的养老金管理,而不是最大化期望效用。它适合分析退休收入目标和风险控制之间的关系,但没有直接纳入损失厌恶、下行风险、流动性偏好或消费需求。
报告的技术核心是鞅方法。作者构造死亡率调整后的定价核,将动态财富过程、死亡概率和金融市场定价核结合起来,从而把原本包含投资控制和寿险控制的动态随机控制问题,转化为关于退休终值财富(W_T)和死亡时遗赠价值(M_t)的静态约束优化问题。
静态问题包含两类约束:一是预期给付必须等于目标(K),二是按照死亡率调整后的定价核折现后,终值财富与死亡时遗赠价值必须满足初始财富和未来缴费现值所决定的预算约束。 这一转换的经济含义是,最优策略可以被理解为在风险中性或定价核意义下分配“退休财富”和“死亡保障”的资源。
作者通过拉格朗日函数求解终值财富和遗赠价值,并得到两个确定性的拉格朗日乘子。之后再利用伊藤引理和市场完备性,将静态解还原为动态债券、股票和寿险策略。
报告进一步推导均值—方差有效前沿,其中有效初始财富定义为:
[ W_0^{eff}=w_0+C_0H(0,r_0), ]
即初始账户财富加上未来缴费流的定价现值。终值给付的标准差与目标期望财富之间呈线性关系,这正是均值—方差有效前沿的典型形式。
验证定理通过逐点平方不等式证明候选策略的目标函数不高于任何其他满足相同期望约束和预算约束的可行策略,因此作者声称该策略是全局最优,而不只是局部一阶条件解。 这一点增强了理论结果的严谨性,但其有效性依赖可行策略满足平方可积、市场波动矩阵正定以及收入风险完全可交易等前提。
表1汇总了数值模拟所使用的基准参数。个体22岁加入计划,67岁退休,因此积累期为45年;初始财富(w_0=0),初始缴费率或缴费规模(C_0=1)。短期利率长期均值和初始值均为2%,均值回复速度κ为0.50,利率波动率为2%;滚动零息债券剩余期限设为10年。
股票波动率和缴费波动率均为20%,缴费风险被假设为完全由股票风险所覆盖,即(\rho_{CB}=0)、调整后的股票载荷为1。股票市场价格风险为0.2,利率市场价格风险为0,缴费增长参数为(\xi_0=0)、(\xi_1=0.02)。模拟采用Euler–Maruyama离散方法,分成400个时间步,并使用10,000条蒙特卡洛路径。
目标预期退休给付设为(K=200)。在10%缴费率和20年退休收入期的解释下,该目标约对应49.3%的替代率,接近OECD报告的约52%全职业平均收入者替代率;(K=100)和(K=300)分别对应24.7%和74.0%的替代率。 这使基准目标具有一定现实参照意义,但目标替代率的换算依赖固定利率、退休期限和缴费假设,不能直接理解为实际养老金承诺。
死亡率数据来自SOA的MIM-2021-v4美国死亡率改善模型。作者先以2017年固定死亡率作为不改善基准,再在多个广义Gompertz–Makeham模型中比较不同多项式阶数,并使用系数显著性和BIC进行模型选择,最终选择GM(2,3)规格。
表2应当理解为死亡力曲线的参数估计结果,而不是直接的养老金收益预测。其作用是将年龄、死亡力和生存概率连接起来,进而影响寿险保费、死亡时给付和寿命调整后的定价核。由于用户提供的文本中没有完整呈现表2的具体系数和标准误,无法对每个参数的显著性、置信区间或拟合优度进行逐项复核。
图1包含三个三维曲面,纵轴为终值给付标准差(\sigma_{Y_T}),另一轴为目标期望给付,第三轴分别为利率风险价格(\lambda_r)、股票风险价格(\lambda_S)和缴费增长参数(\xi_0)。图形总体显示,目标给付越高,所需风险越大;风险价格提高时,在同一目标下的标准差通常下降。
其中利率风险价格的影响并非在全部区间内单调,这说明利率风险补偿不仅改变债券收益,也会改变股票、债券和缴费现值之间的联合配置。股票风险价格提高则表现出较清晰的风险下降关系,因为股票单位头寸的预期收益提高,达到相同退休目标所需的股票头寸和整体风险均可减少。缴费增长率提高也会抬高未来缴费现值,因此减少外部投资风险需求。
图2上排展示债券、股票和寿险保费的金额,下排展示其相对于财富的比例。债券金额在早期为负,意味着成员通过做空或负债方式融资购买股票等风险资产;随着年龄增长,债券头寸由负转正,体现去杠杆过程,退休临近时又趋于零,因为未来缴费流和需要对冲的利率风险逐渐耗尽。
股票金额总体随年龄下降,在接近退休时出现一定回升;但股票占比则明显由高到低,反映随着财富积累和退休临近,成员降低风险资产比例。寿险保费呈驼峰形:早年死亡概率低,保险需求有限;中年阶段未来收入和账户财富较高,死亡保障价值上升;临近退休时,剩余未来收入期缩短,寿险需求迅速下降。
需要注意的是,图中金额和比例可能传递不同信息。金额较高并不代表风险偏好一定提高,因为财富分母也在变化;因此同时报告金额和财富比例是必要的。
图3左图显示死亡力(\mu_t),右图显示其自然对数。两种模型在年轻阶段较为接近,但在50至60多岁时,预测模型的死亡力显著低于固定2017年模型;这代表MIM-2021-v4所反映的寿命改善在中晚年阶段更加明显。
图中采用自然对数死亡力可以更清楚展示相对差异,因为死亡力本身随年龄呈指数式上升。死亡率改善会提高生存概率,从而增加未来缴费和人力资本的现值,并改变寿险的边际保障价值。
图4(a)和4(b)为改善模型相对于静态模型的债券和股票金额差异。结果显示,死亡率改善总体上使投资策略更偏向风险资产:早期更加做空债券、增加股票;中年阶段债券和股票金额均有所增加;临近退休时则表现为较少债券、较多股票。
但图4(d)和4(e)显示债券和股票比例的两条曲线几乎重合,说明死亡率改善对资产配置比例的影响较小,主要影响的是绝对金额。相比之下,图4(c)和4(f)中的寿险金额及比例差异明显:改善模型在早期的寿险比例更高,而中晚年迅速低于静态模型。 这与报告关于“长寿提高未来收入现值、使保障需求前移”的论点一致。
当目标从100提高到200、再提高到300时,早期债券空头头寸和股票金额都增加,表明更高的退休目标需要承担更多投资风险。随着退休临近,各情景都转向更保守的配置。
寿险保费金额随目标提高而上升,但寿险保费占财富比例反而下降。这是因为高目标情景对应更高的财富水平,保费虽然绝对金额更高,但相对于资产规模的比例更低。
图6显示,提高(\lambda_r)会提高债券的预期风险补偿,使债券头寸上升、并更早从空头转为多头;股票头寸有所下降,但寿险变化非常有限。
图7显示,提高(\lambda_S)后,股票单位头寸的收益提升,因此成员可以用更少股票达到既定目标,股票金额和比例下降,债券头寸上升且更早转为多头。 两组图表共同说明,市场风险价格主要改变金融资产之间的替代关系,对寿险需求的影响弱于对债券和股票的影响。
提高(\xi_0)意味着缴费或劳动收入增长更快。由于目标(K)固定,未来缴费可以覆盖更多目标,因此股票配置明显下降;同时,未来收入的人力资本价值提高,退休前死亡造成的收入损失更大,寿险金额和比例均上升。
提高缴费波动率(\sigma_C)则降低未来收入的可预测价值,使债券、股票和寿险配置总体下降。虽然早期股票金额可能略有增加,但其相对财富比例整体下降;由于未来人力资本价值降低,寿险保护需求也相应下降。
第一,市场完备性假设较强。模型假设缴费风险完全由交易资产覆盖,这有利于推导闭式解,但可能低估现实中的不可分散劳动收入风险。
第二,死亡率与金融市场独立。现实中的极端灾害、流行病、医疗技术进步和宏观经济冲击可能同时影响死亡率、工资和资产价格,独立性假设可能低估联合尾部风险。
第三,均值—方差框架存在目标函数局限。方差将上行波动和下行损失同等视为风险,不能刻画成员对短缺风险、最低退休收入或极端损失的特殊厌恶。
第四,基准参数并非本文独立估计。作者明确说明金融市场和缴费参数主要沿用Munk和Sørensen等文献中的标准值,因此结果对参数校准和美国死亡率数据具有依赖性。
第五,寿险市场实际约束未充分体现。模型允许连续调整寿险保费,并假设寿险定价与死亡力之间存在理想化关系,但现实中还存在核保、费用、保证期限、产品条款、保费刚性和逆向选择等因素。
第六,图表和结论之间存在值得注意的细微差别。摘要和结论强调寿命延长使成员采取更低风险的投资策略,但图4的绝对金额差异显示,死亡率改善在部分年龄段会使股票配置增加、债券出现更大空头;更准确的表述应是:死亡率改善对资产“比例”的影响较小,但对绝对金额和寿险时间结构有明显影响。
总体而言,报告构建了一个把债券、股票和寿险统一纳入的连续时间DC养老金均值—方差模型,并通过鞅方法将动态随机控制问题转化为静态优化问题,进一步给出终值财富、遗赠价值、投资组合和寿险保费的闭式表达式,并用验证定理证明其全局最优性。
数值结果揭示了清晰的生命周期规律:年轻阶段由于未来缴费期限长,成员可以承担较高金融风险并通过债券空头为股票投资融资;中年阶段寿险需求达到高位;临近退休时,金融资产配置趋于去杠杆,寿险保费和投资风险均迅速下降。
最重要的政策和管理含义是,长寿趋势不能只用于调整养老金支付期,还应同时用于重新评估DC成员的投资组合和寿险保障。死亡率改善会提高未来缴费现值,使寿险保障更早发生、晚年需求下降;相比债券和股票比例,寿险策略对死亡率假设更敏感,因此养老金计划在设计团体寿险时应考虑 cohort-specific 的死亡率改善,而不能长期沿用静态死亡率表。
2608.04532.pdf