损失准备金详解

损失准备金是绝大多数非寿险公司资产负债表上最大的负债项目。它代表保险公司对已发生理赔最终将支付金额的最佳估计——既包括已报案但尚未结案的理赔，也包括已经发生但尚未报案的理赔（即IBNR，“已发生未报告”，incurred but not reported）。一旦估计出错，其影响会波及各个方面：利润、资本、定价、再保险，以及精算职能本身的公信力。

本文将梳理准备金评估在实务中的实际操作方式、经典方法为何可能在不知不觉中产生误导，以及现代准备金评估团队如何将确定性技术、随机模型与结构化判断相结合。

准备金究竟是什么

在任何估值日，保险公司都持有源自过往风险敞口、将在未来数月、数年，甚至对于责任险或工伤赔偿等长尾业务而言长达数十年才结清的义务。准备金是对这些未来赔付现值的估计。在大多数框架下，它包含三个组成部分：

• 案件准备金(case reserves)，由理赔处理人员针对已报案的个别理赔设立。
• IBNER（已发生但报告不足，incurred but not enough reported），指已知理赔的预期后续发展。
• 纯IBNR，指已经发生但尚未向保险公司报案的理赔。

在偿付能力II (Solvency II)与IFRS 17框架下，准备金还会被进一步拆分为最优估计负债、风险调整、折现、合同服务边际等要素，但其背后的精算估计问题是一致的：从部分且不断发展的数据中预测最终损失。

数据：进展三角形

准备金评估中最通用的工作对象是损失进展三角形(loss development triangle)。行代表事故年度（或承保年度），列代表自损失发生以来的进展期数，单元格中则是累计已赔付或已发生的损失金额。较早的事故年度更为成熟，因而拥有更多对角线的数据，这正是三角形形状的由来。

后续所有分析都取决于三角形数据的质量。常见的数据问题——它们会在不知不觉中扭曲结果——包括：

• 承保组合结构随时间发生的变化。
• 影响报案或结案速度的法律或流程变化。
• 大额损失污染，使进展因子被拉高。
• 再保险及施救回收记录口径不一致。
• 跨年度的货币、通胀或分类调整。

一次出色的准备金评估工作，花在审视三角形本身上的时间，应不少于运行各种方法所花的时间。

链梯法：主力工具

链梯法(chain-ladder)假设每一列未来的进展与已观察到的进展成比例。年龄对年龄因子(age-to-age factors)按连续累计金额之比的体量加权平均值计算，然后逐一相乘，将每个事故年度推算至最终值。

其优点是简单，并且不对风险敞口做出假设——只使用损失三角形本身。其缺点在于完全依赖数据本身：如果近期事故年度看起来表现良好，仅仅是因为其尚未成熟，链梯法会“心安理得”地为其计提不足的准备金。它在最近的事故年度上也不够稳定，一笔单一损失就可能扭曲进展因子。

在进展模式稳定、体量较大且未发生结构性变化的情况下，链梯法效果良好。而一旦上述任一条件被打破，它就会失效。

值得关注的诊断指标

在信任链梯法结果之前，精算师通常会审视：

• 各事故年度间单个年龄对年龄因子的一致性。
• Mack模型（一种提供标准误差的随机扩展模型）的残差模式。
• 按已赔付与已发生数据分别计算的链梯法最终估计值之间的比较——较大差异表明准备金计提模式发生了变化。
• 隐含的最终赔付率与定价预期相比是否合理。

Bornhuetter-Ferguson法：引入预期视角

Bornhuetter-Ferguson法（简称BF法）将链梯法预测值与一个通常源自定价或规划的先验预期最终损失相结合。其思路十分精妙：对于尚未成熟的事故年度，信任计划数据；对于已成熟的年度，信任实际数据；对于介于两者之间的年度，则按已显现的最终发展比例对两者进行加权。

BF法对于最近的事故年度、长尾业务，以及巨灾敞口显著、链梯法容易对稀疏数据反应过度的业务线尤为有效。它需要一个站得住脚的先验值——这既是其优势（迫使人们与定价工作产生互动），也是其弱点（错误的先验值会导致准备金在多年间出现偏差）。

诸如Cape Cod法与Benktander法等变体，对加权方案进行了改进，降低了对先验值的敏感性，当先验值本身存在不确定性时，值得加以采用。

频率-严重度模型与个别理赔模型

对于理赔行为异质性较强的业务线——如责任险、机动车人身伤害险、医疗事故险——汇总层面的三角形方法可能掩盖的信息与其揭示的信息一样多。频率-严重度方法分别预测理赔件数与平均赔付成本，从而能够明确设定通胀、组合结构及结案速度等假设。

个别理赔准备金模型（包括机器学习方法）在交易层面运作。它们能够显著提升长尾业务的准确性，但其效果完全取决于理赔层面数据的质量，并且需要审慎的治理，以避免出现不透明、难以解释的变动。

随机准备金评估与准备金风险

确定性方法给出的是一个点估计。而随机方法——Mack模型、超离散泊松自助法(over-dispersed Poisson bootstrap)、贝叶斯模型——给出的则是一个分布。该分布正是内部模型或标准公式资本模型中准备金风险的输入来源，也是IFRS 17下风险调整的驱动因素。

这里的重要纪律是：不要只选取一种随机方法，并将其99.5%分位数当作真实值来引用。准备金的不确定性有三个来源：过程风险（随机的理赔结果）、参数风险（假设中的不确定性），以及模型风险（方法本身的不确定性）。任何单一技术都只能较好地捕捉第一种风险，另外两种风险则需要综合运用多种方法并辅以专家判断加以覆盖。

判断存在于何处

准备金评估常被描述为“上层是科学，底层是判断”。对结果影响最大的判断包括：

• 按业务分部与成熟度选择方法——对稳定业务线采用链梯法，对未成熟年度采用BF法，对异质性组合采用频率-严重度方法。
• 尾部因子——如何将进展延伸至已观察三角形之外，对长尾责任险业务尤为关键。
• 大额损失处理——设置上限、单独预测，或将其从基础三角形中剔除。
• 通胀——理赔通胀假设的选择，尤其是在近期社会性通胀与医疗通胀出现意外上升的背景下。
• 组合变化调整——反映打破历史模式的承保、定价或理赔处理变化。

精算准则要求这些判断必须留有文档、可复现，并接受挑战审查。偿付能力II下的精算职能报告(Actuarial Function Report)以及IFRS 17下的审计留痕，都依赖于这些文档记录。

沟通结果

准备金精算师的最后一项技能是沟通表达。呈现给管理层与董事会的应当是一个区间，而非单一数字。该区间应明确对应于哪些假设正在被调整——而不是某个不知名模型的神秘分位数。准备金诊断分析、对以往年度估计值的回溯检验，以及对最大不确定性来源的清晰阐述，正是将一项技术性工作转化为治理级产出的关键所在。

结语

准备金评估是精算专业能力在财务报表上最直观可见的体现。方法的选择固然重要，但数据的质量、诊断分析的诚实程度，以及围绕判断的纪律，则更为重要。那些将准备金评估视为精算、理赔、承保与财务之间一场持续对话——而非季度性交付任务——的保险公司，能够更早察觉恶化迹象，实现利润更平稳的释放，并在随后的岁月中做出更好的决策。