3. 情景分析基础

在准备金评估中，我们习惯用“历史平均损失率”“近12个月滚动率”等基准假设来推算未来。但准备金本质上是对未来赔付义务的估计，而未来从不按历史平均线行走。情景分析（Scenario Analysis）就是一套系统化回答“如果未来不是基准情形，准备金会怎样”的方法。它不追求预测哪个情景一定会发生，而是通过构造若干条逻辑自洽的未来路径，观察准备金在不同路径下的分布与敏感点。

一、核心原理：情景分析到底在做什么

情景分析的核心动作可以拆成三步：定义情景变量 → 映射到评估参数 → 重算准备金并比较差异。情景变量是外部或内部假设的驱动因子，例如失业率、GDP增速、房价指数、医疗通胀率、巨灾发生频率；评估参数是准备金模型真正吃进去的输入，例如赔付率（Loss Ratio）、已发生已报告（IBNR）因子、链梯法的发展因子、退保率、贴现率。情景分析的价值不在于“算出一个数”，而在于建立从宏观/业务情景到微观评估参数的传导链，并量化每个传导节点的放大或缓冲效应。

二、情景分析、敏感性测试与压力测试的关系

很多团队把三者混用，导致报告里出现“做了压力测试”但实际只动了单一参数。下表给出清晰边界：

三者的递进关系是：敏感性测试是原子动作，情景分析是组合动作，压力测试是极端组合动作。准备金情景分析通常先做敏感性扫描，找出最敏感的参数，再围绕这些参数构造情景，最后把最不利情景交给压力测试框架做资本评估。

三、常见情景类型与构造方法

准备金情景分析中常见的情景类型可归为四类：

• 宏观经济情景：如GDP下滑、失业率上升、利率下行。传导路径通常是“失业→退保/断缴→赔付延迟或集中→准备金上升”。
• 业务组合情景：如某条产品线停售、渠道结构突变、再保安排变化。重点在评估参数是否随组合漂移。
• 赔付模式情景：如报案延迟拉长、结案速度下降、大案集中出现。直接影响链梯法的发展因子和IBNR。
• 极端事件情景：如巨灾、传染病、监管政策突变。通常作为压力测试输入，但也可在情景分析中做“温和版”预演。

构造情景时，推荐使用“叙事+参数表”双轨方式。叙事保证逻辑自洽，参数表保证可计算。例如“经济衰退情景”不能只说“经济变差”，而要给出失业率、医疗通胀率、退保率、赔付率的具体路径。

情景名称：中度经济衰退
情景变量路径（未来4个季度）：
  失业率：      5.2% → 6.8% → 7.5% → 7.1%
  医疗通胀率：  3.0% → 4.5% → 5.2% → 4.8%
  退保率：      8.0% → 11.0% → 13.5% → 12.0%
映射到评估参数：
  赔付率：      基准 + 4.5pp
  IBNR因子：    基准 × 1.18
  贴现率：      基准 - 30bp
准备金影响：    基准准备金的 112% ~ 127%

四、案例场景：一条传导链的完整推演

假设某健康险公司当前准备金基准为10亿元。我们构造“医疗通胀+退保上升”情景：医疗通胀从3%升至5.5%，导致赔付率上升4个百分点；同时退保率从8%升至13%，导致有效保单减少、风险池恶化，剩余保单的赔付率再额外上升1.5个百分点。通过评估引擎重算后，准备金上升至11.6亿元，增幅16%。进一步拆解发现：赔付率上升贡献了约11个百分点，退保恶化贡献了约5个百分点。这个拆解结果直接告诉精算团队：监控退保率与监控医疗通胀同等重要，不能只盯赔付率。

五、常见误区与复盘要点