4. 人口数据与假设
在养老金负债现金流预测中，人口假设是驱动一切结果的“底层参数”。折现率决定“价格”，而人口假设决定“数量”——有多少人参与、何时离职、何时退休、能活多久、工资涨多快。这些参数一旦偏离实际，即使贴现模型再精确，最终负债估值也会出现系统性偏差。本节聚焦五类核心假设的设定逻辑、数据来源与校验方法。
一、核心原理：人口假设如何进入现金流
养老金负债的本质是“未来各期给付义务的现值”。每一期的给付金额与给付概率，都由人口假设决定。可以用一个简化关系来理解：
某期预期给付 = 参与人数 × 存活概率 × 退休状态概率 × 当期工资基数 × 给付替代率
负债现值 = Σ (某期预期给付 / (1 + 折现率)^t)其中，参与率决定初始人数基数；离职率决定未来仍在职的人数；退休年龄决定给付开始的时间点；死亡率决定领取年金的期望年限；工资增长率决定最终工资基数与给付水平。五者相互耦合，任何一项单独调整都会改变现金流的时间分布与总量。
关键认知：人口假设不是“估计一个数”，而是构建一套随年龄、性别、工龄变化的“率表”或“概率分布”。假设的颗粒度越细，预测越贴近实际，但数据要求也越高。
二、五类关键假设的设定与数据来源
| 假设类型 | 核心含义 | 常用数据来源 | 典型设定方式 |
|---|---|---|---|
| 参与率 | 符合条件员工实际加入计划的比例 | HR入离职系统、计划参保记录 | 按部门/工龄分组的加入率 |
| 死亡率 | 各年龄段的生存/死亡概率 | 国家生命表、行业经验表 | 分性别年龄的qx或生存率 |
| 离职率 | 在职员工主动或被动离开的比例 | 历史离职数据、行业基准 | 按年龄/工龄的递减率表 |
| 退休年龄 | 员工实际停止工作并开始领取的年龄 | 法定退休政策、企业制度 | 法定年龄+提前退休分布 |
| 工资增长率 | 未来工资水平的年度增长幅度 | 历史调薪数据、通胀预期 | 按年龄递增的增长率曲线 |
参与率通常不是100%，尤其对于自愿加入的DC或混合计划。设定时应区分“新员工加入率”与“存量员工加入率”，前者影响未来增量，后者影响当前基数。死亡率建议直接采用国家或行业生命表，并注意区分“在职死亡率”与“退休后死亡率”——两者适用人群不同。离职率的关键在于“递减效应”：年轻员工离职率高，随工龄增长逐步下降，因此应使用按年龄或工龄分段的率表，而非单一平均值。退休年龄需考虑提前退休、延迟退休的政策弹性，通常用“退休年龄分布”而非一个固定值。工资增长率则常采用“年龄工资曲线”，年轻时增长快，接近退休时趋缓。
三、方法流程：从数据到可校验假设
- 数据采集：提取近3-5年员工花名册、入离职记录、工资调整记录、退休记录，形成按年龄和工龄的分布快照。
- 分组统计：按性别、年龄段、工龄段、部门等维度计算历史参与率、离职率、工资增长率。
- 趋势外推：对历史率表进行平滑处理，剔除异常年份，形成基准假设。
- 专家校准：结合HR规划、行业报告、政策变化，对基准假设进行上下调整。
- 敏感性测试：对每个假设分别上下浮动，观察负债现值变化幅度，识别关键假设。
- 回溯校验：用假设预测过去1-2年的人口变动，与实际数据对比，计算偏差率。
实操建议：优先保证“退休年龄”和“工资增长率”的准确性，这两项对负债现值的敏感度通常最高。离职率和死亡率的影响相对平缓，但长期累积效应不可忽视。
四、可视化：假设校验的闭环逻辑
五、案例场景：某制造企业养老金假设校验
某制造企业拥有3200名在职员工，计划为DB型养老金。初始假设采用行业平均值：离职率统一为8%，退休年龄统一为60岁，工资增长率统一为5%。预测结果显示未来10年负债现值为4.2亿元。但回溯校验发现，过去3年实际离职率在30岁以下员工中高达18%，而50岁以上仅为2%；实际平均退休年龄为58.3岁，因部分岗位允许提前退休；实际工资增长率近两年为3.5%。
调整假设后：离职率改为按年龄分段（30岁以下18%、30-45岁8%、45岁以上3%），退休年龄改为分布（55岁10%、58岁30%、60岁60%），工资增长率降为3.5%。重新预测后负债现值降至3.6亿元，降幅约14%。这一案例说明，单一平均值假设会显著高估或低估负债，分段率表和分布假设是必要的精细化手段。
常见误区：①直接用行业平均值而不做本企业校验；②忽略离职率与年龄的负相关关系；③退休年龄用单一值而非分布；④工资增长率与通胀率混为一谈；⑤假设设定后从不回溯校验，导致偏差逐年累积。
六、复盘：假设校验的四个关键动作
- 分组校验：至少按年龄和工龄两个维度分组，避免平均值掩盖结构性差异。
- 趋势校验：观察历史率表是否稳定，若波动大需分析原因（政策、行业周期、企业变革）。
- 敏感性校验：对每个假设做±1%或±1岁的浮动，记录负债现值变化，识别高敏感参数。
- 闭环校验：每年用实际数据回测假设，偏差超过5%即启动校准流程，形成“设定—预测—校验—修正”的闭环。
人口假设的设定与校验，本质上是将“人”的不确定性转化为“可管理”的参数。参与率、死亡率、离职率、退休年龄、工资增长率五类假设，既需要历史数据的支撑，也需要对未来的合理判断。只有建立可回溯、可校准的假设体系，养老金负债现金流预测才能真正服务于精算定价与财务决策。