2. 精算模型风险识别
精算模型的风险识别是告警阈值设定的前置基础。只有系统性地识别出模型在开发、部署、运行全生命周期中可能出现的偏差与失效模式，才能针对性地设计关键风险指标（KRI）并设定合理的容忍度。本节将围绕模型风险分类、KRI 识别方法以及风险容忍度与偏好的设定展开。
2.1 模型风险分类
精算模型的风险来源多样，通常可归纳为以下四大类。理解这些分类有助于在后续步骤中为不同风险类型匹配差异化的告警阈值策略。
| 风险类别 | 风险子类 | 典型表现 | 影响阶段 |
|---|---|---|---|
| 输入数据风险 | 数据质量、数据时效、数据偏倚 | 缺失值异常、字段格式错误、历史数据无法反映当前经济环境 | 模型开发 & 运行 |
| 模型构建风险 | 假设错误、参数估计偏差、过拟合 | 死亡率假设偏离实际、平滑参数过度拟合噪声 | 模型开发 |
| 模型运行风险 | 计算错误、系统故障、版本管理混乱 | 迭代不收敛、内存溢出、模型版本回退未记录 | 模型部署 & 运行 |
| 结果应用风险 | 结果误读、输出延迟、监管合规偏离 | 准备金评估结果超出监管区间、报告生成超时 | 模型输出 & 决策 |
实务提示： 在分类时，建议将“模型运行风险”与“结果应用风险”作为告警阈值设定的优先关注领域，因为这两类风险在运行阶段可观测、可量化，且对业务决策的时效性影响最为直接。
2.2 关键风险指标（KRI）识别
KRI 是连接风险分类与告警阈值的桥梁。每个 KRI 应满足 可量化、可监测、对风险变化敏感 三个基本条件。以下是根据风险分类推导出的典型 KRI 清单。
- 数据完整性指标： 输入记录缺失率、字段异常值占比、数据更新延迟时长。
- 模型稳定性指标： 参数估计值的滚动标准差、模型预测值与实际值的偏差（残差均值）、变量重要性排序变化幅度。
- 计算性能指标： 单次模型运行耗时、内存峰值使用率、迭代收敛步数。
- 输出合理性指标： 准备金评估结果环比变动率、关键假设敏感度测试结果偏离度、监管指标临界值接近程度。
KRI 筛选原则： 避免指标过多导致告警疲劳。建议每个风险类别选取 2-3 个核心 KRI，并优先选择那些在历史数据中已出现过异常波动的指标。
2.3 风险容忍度与偏好设定
风险容忍度决定了告警阈值的高低。容忍度设定需结合公司风险偏好、监管要求以及模型自身的历史表现。通常采用 统计分位数法 与 业务影响分析法 相结合的方式。
2.3.1 风险容忍度设定方法
- 统计分位数法： 基于 KRI 的历史数据分布，选取 95% 或 99% 分位数作为容忍度上限。适用于数据充足且分布稳定的指标。
- 业务影响分析法： 模拟 KRI 在不同偏离程度下对准备金或偿付能力的影响，以可接受的财务损失上限反推容忍度。
- 监管对标法： 直接采用监管机构明确规定的临界值（如偿付能力充足率 100% 红线）作为硬性容忍度。
2.3.2 风险偏好声明示例
风险偏好是公司层面的战略选择，通常以定性声明结合定量指标的形式呈现。以下是一个针对精算模型的风险偏好示例框架。
| 风险维度 | 偏好声明 | 对应容忍度指标 |
|---|---|---|
| 数据质量 | 不接受因数据缺失导致模型无法运行 | 关键字段缺失率 = 0% |
| 模型稳定性 | 模型输出结果应保持合理稳定，避免大幅波动 | 准备金环比变动率 ≤ 5% |
| 计算效率 | 月度结账期间模型运行时间不得影响报告时效 | 单次运行耗时 ≤ 30 分钟 |
| 监管合规 | 所有监管指标必须处于安全区间内 | 偿付能力充足率 ≥ 120% |
注意： 风险容忍度并非一成不变。当宏观经济环境、公司战略或监管规则发生重大变化时，应重新评估并调整容忍度水平。建议每年至少进行一次容忍度回顾。
2.4 风险识别与阈值设定的联动机制
风险识别不是一次性的静态工作。在告警阈值设定完成后，应建立 风险识别-阈值设定-告警反馈 的闭环机制。当告警被触发后，需回溯分析是模型风险发生了变化，还是阈值设定不合理，并据此更新风险分类或调整容忍度。
最佳实践： 建议在精算模型管理平台中内置风险识别清单与 KRI 仪表盘，实现风险分类、指标监测、阈值告警的可视化联动。这有助于精算师快速定位风险源头，并做出数据驱动的决策。