特别报告:养老基金稳定与LDI的演变

美国的大多数养老金计划仍在遵循全球金融危机后不久的几年里采取的逐步降低风险的计划。具体来说，就是用寻求与负债相匹配的长期固定收益，取代股本等追求回报的资产。在当前环境下重新评估这些下滑路径策略时，大多数计划似乎已经消除了足够多的风险，以避免严重的风险，继续下去只会增加成本和效率，没有明显的好处，他说贾里德•格罗斯，摩根大通资产管理公司董事总经理兼机构投资组合策略主管．《金融时报》最近请格罗斯描述一下他敦促养老金在面对过时投资方法的后果之前应该进行的路线修正。

你亲历了过去20年养老金策略的演变。从那以后，它走了多远?

贾里德·格罗斯:在21世纪初之前，该计划的发起人专注于通过传统的多元化资产配置——主要是股票和核心债券——创造高回报。在许多方面，考虑到当时的规则，这种方法是适当的。会计和监管标准是温和的，只有有限地从资金的变化转移到所要求的捐款或财务报表。养老金投资者在配置资产时通常不考虑负债。毕竟，长期的高回报让大多数计划处于盈余状态。

这个时代随着21世纪初的科技泡沫破裂而结束，随后利率迅速下降。其后果导致固定收益计划的资金大规模下滑;大多数机构在2000年之前资金过剩，到一两年后资金严重不足。这是第一个警钟。在此之前，没有人真正需要面对养老金中的资产负债错配。没过多少年，全球金融危机又给了我们一次打击，赞助商开始采取应对措施，开始降低资产配置的风险，关闭和冻结固定收益计划，并将员工转移到承诺具有更多可预测性的固定缴款计划。

你是如何看待去风险过程的发展的?

我认为，我们已经看到了养老金债务驱动投资去风险的两个大阶段，我相信我们即将进入第三个阶段。

第一个阶段，我称之为LDI 1.0，涉及在全球金融危机之后的一段时间内，从短期债券转向长期债券。由于LDI投资组合提供了高水平的收益率，这是一个不寻常的机会，可以在降低风险的同时提高回报。在几年之内，大多数计划发起人将固定收益纳入了长期基准，通常从长期政府信贷指数(Long Government Credit Index)开始。

从那以后，我们看到了一个耐心地去风险的漫长过程，我称之为LDI 2.0或“滑翔时代”，在这个过程中，计划只是等待资金的逐步改善，然后才将资本从寻求回报的策略转移到LDI策略。他们开发了越来越多的定制化对冲策略，其中许多涉及定制固定收益基准、衍生品覆盖和完成管理。虽然这些对冲策略的复杂性增加了，但它们的分散性并没有增加。大多数计划已经达到了投资级企业信贷敞口成为资产配置中最大风险的程度。

然而，今天我们需要重新考虑下滑路径的方法，原因有两个。首先，更高的资金水平和更低的波动性资产配置已经将养老金风险降低到非常低的水平。其次，管理强制性计划供款的规则已经回落到缴费风险最小的程度，如果不是不存在的话。很难看到进一步集中于长期债券的价值。

如果你没有看到计划继续去风险，那么你认为他们会采取什么行动?

在这样的背景下，计划的发起人需要调整路线。他们已经做了大量的去风险工作——想想吧即使在只有50%对冲的计划中，波动性也会显著降低。继续往下滑的路径下推很快就会变得效率低下。“最后一英里”是非常昂贵的;为了小幅降低波动性而放弃可观的回报，这只是一种成本极高的对冲形式。如果大量强制性供款的风险是一个严重的担忧，这种行为可能是合理的，但它不是。

这将我们带到了养老金策略的一个拐点。我认为的LDI 3.0，或者我们向客户描述的“养老金稳定”，是一种比传统LDI更平衡的方法。它的目标是将适度的超额回报和较低的波动性长期结合起来——但不是尽可能低的波动性。这绝对不是回到1999年，当时的投资计划追求高回报，年化资金波动率达到12-15%。当一个计划接近全额资金，并采用明智的去风险和多样化的资产配置时，稳定策略就开始了，允许资金随着时间的推移逐步改善，同时为发起人保留大量积极的财务利益。我预计，许多赞助商将看到从过时的滑翔道中采用这种“出口道”的吸引力。

为什么要完全对冲传统养老金计划的风险如此困难?

简单地说，用金融资产完美地对冲养老金债务是不可能的。首先，你无法对冲参与者行为和人们寿命延长的精算风险。赞助者必须通过增加收益或捐款来承担这些费用。

此外，用于对冲债务的固定收益投资组合将面临评级下调和违约。负债不会改变，但随着时间的推移，业绩会受到拖累。从长远来看，更多样化的稳定策略仍能超过负债，而信贷损失带来的拖累将只是噪音。但当资产集中于固定收益时，这种拖累就更难摆脱了。这是大多数休眠策略的关键缺陷。一个由长期公司债券和国债组成的LDI投资组合将慢慢消耗掉其多余的资本。

现在养老金如何进一步降低风险?

我们确实需要摆脱这样一种观念:随着对冲投资组合规模的扩大，它应该越来越集中于企业信贷。事实恰恰相反。对冲投资组合需要变得更加多样化。美国国债当然有一定的作用，尽管它们缺乏收益率令人担忧。长期、证券化的固定收益债券和高收益债券也是有用的选择，但这些选择还不止于此。观察人寿保险公司的投资行为是有指导意义的，他们管理的年金投资组合的风险与养老金负债相当相似;这些公司持有大量的证券化资产，包括高收益债券、结构性信贷和夹层债务的交叉投资组合。

另一条降低风险的途径始于追求回报的投资组合。如今，投资者可以接触到多样化得多的低至中等波动率的另类资产类别，它们可以提供稳定的超额表现，而不像股票那样具有高波动率和低相关性。这些资产类别中的许多还能够提供高水平的可分配收入，这对给付福利的机构来说是一种宝贵的资源。

固定收益计划继续减少，因为固定缴款计划变得更加普遍。你认为DB计划有未来吗?

我希望如此。固定收益养老金的历史波动性和缴款的不确定性使许多发起人相信，维持固定收益养老金的风险太大。这完全是不真实的。资金充足和管理审慎的DB计划具有DC计划无法复制的强大好处。当我们考虑到DB计划资金的复苏和过去20年养老金资产配置的演变时，美国企业界应该就保留DB体系的剩余部分展开一场对话。虽然我不相信我们会看到关闭的计划重新启用或创建新的计划，但这值得考虑。在工资上涨和劳动力市场竞争激烈的时期，固定收益计划的最初目的又回到了人们的关注焦点:证明它是一个税收优惠、投资驱动的工具，为员工提供有竞争力的福利。

养老金计划战略的下一步发展是什么?

我希望看到养老金稳定发展成为标准模式。我很受鼓舞，因为我确实看到许多资金充足的计划采用了这种方法的元素。咨询师也在支持这一趋势，尽管有些人继续独立地看待各个部分，而不是作为一个可以挑战滑翔路径/休眠/终止模式的整体框架。

我认为我们可能已经接近传统LDI策略的高水位标志。鉴于目前的利率和信贷息差，基金经理们知道，如今投入传统LDI策略的1美元，未来的收益几乎永远不会超过负债。条件可能会改变，但是从我们今天所处的位置来看，很难想象那些LDI框架保持静止。除了这些，还有太多更好的方法来制定风险高效的养老金策略。

你认为摩根大通在养老金稳定方面与计划发起人合作的优势是什么?

摩根大通作为客户的受托人已有150年的历史;我不能夸大这一遗产对今天的摩根大通资产管理公司的重要性。我们的投资策略也是行业中最广泛的，每一个投资策略都是建立在一个前提之上，即高技能、独立的投资团队可以在利用更广泛的组织的集体资源的同时提供专门的策略。与某些公司含蓄地引导客户执行他们所擅长的特定战略不同，我们希望客户做出尽可能好的战略决策，因为我们有信心找到与他们合作实施战略的方法。

关于养恤金的稳定，这种办法的优点是不言而喻的。当客户希望实施这类项目时，他们将需要重新考虑对传统对冲和产生回报的资产以及新形式的多元化资产的风险敞口。在对冲投资组合方面，我们一直走在长期限证券化投资的前沿，在高收益和夹层债务方面有着长期的成功历史。在另类多元化领域，我们倾向于强调核心实体资产强大的创收能力和多元化效益——拥有横跨房地产、基础设施和交通的强大平台。

摩根大通在自由裁量管理和委托解决方案方面与机构客户也有很长的合作历史。养老金计划可能没有内部资源和操作灵活性来执行复杂的资产配置，以利用全部投资机会集。目前，一些保荐人正在使用我们的委托平台及其全方位资产，以风险意识的方式超越负债，我们认为这种业务模式将继续增长。

目前通往休眠和终止的路径是一条死胡同。专业的LDI经理不会给计划发起人他们所需要的公正的建议。多样化、前瞻性的经理和顾问可以通过全方位的策略帮助客户改变方向，既保持正回报，又能控制波动性。我们希望计划得到充分的资金，并保持充分的资金。养恤金稳定可以实现这两个目标，并有助于确保他们的养恤金能够再次成为价值来源。

了解更多关于养老金稳定策略的信息。

在上述采访中，JP摩根的Jared Gross质疑养老基金是否仍需要积极去风险，因为自LDI策略首次成为养老基金的首选以来，基金状况已普遍改善。事实上，尽管Covid大流行，资金状况最近看起来有所好转。

根据“国家基金养老基金缺口:计划在大流行之后已经稳定，”根据皮尤慈善信托基金会发布的白皮书，2021年，美国各州向工人承诺的养老金福利成本与他们为这些福利预留的资金之间的差距降至10多年来的最低水平。

皮尤研究中心估计，自2008年以来，州退休系统的资金首次超过80%。这种进展在任何一年都将是重大的，但2021财年的改善发生在经济衰退期间，许多分析师预测，与COVID-19大流行相关的收入损失将增加退休基金短缺。相反，皮尤研究中心发现，由于2021财年市场投资回报率超过25%(公共基金30多年来最高的年度回报率)，以及纳税人和公共雇员对养老基金的缴款大幅增加，州退休计划的资产增加了5000多亿美元。

美国各州有上升趋势

这些贡献的增加是过去10年上升趋势的一部分，而在此之前，各州多年来一直在欺骗他们的制度。皮尤研究中心的研究显示，在过去10年里，捐款平均每年增长8%，增加了资产，减少了债务。在养老金体系财政问题最严重的四个州——伊利诺斯州、肯塔基州、宾夕法尼亚州和新泽西州，同期缴纳的养老金平均每年增加16%。

几乎每个州都通过了福利改革来降低成本，包括削减新雇用的公共工作人员的福利。许多州的官员在管理养老基金方面也变得更加自律，他们使用压力测试等工具来确定经济的曲折如何影响养老基金。因此，皮尤研究中心发现，预计各州将在本世纪首次集体达到最低养老金缴纳标准。这意味着，即使在大流行期间市场反弹之前，向国家养老基金支付的资金也足以支付当期福利和减少养老金债务，这一里程碑被称为正摊销。养老金资金水平的改善，也导致了2007-09年衰退以来最高的总资金比率。根据截至6月30日的大多数州的财政年度数据，皮尤估计基金比率——养老基金持有的美元与退休福利承诺的美元之比——已经上升到80%以上，高于2007-09年经济衰退以来的任何水平。因此，皮尤研究中心预计，各州退休系统的累计养老金债务将低于1万亿美元，这将是2014年以来的首次。

计划财政状况的显著改善在很大程度上是由于过去10年雇主对州养老基金的贡献大幅增加，这使资产增加了2000多亿美元。自2010年以来，国家养老金的年度缴纳额以每年8%的速度增长，是财政收入增长率的两倍。在10个资金投入最低的州，在此期间雇主贡献的年平均增长率为15%。因此，在经历了数十年的资金不足和风险投资策略导致的市场损失之后，预计本世纪第一次，各州将在2020年集体实现正向摊销，这意味着向州养老基金的支付足以支付当前的福利，并减少养老金债务。

企业资金雄厚,也

根据Milliman的2021年企业养老基金研究在美国，尽管贴现率下降了67个基点，但由于投资收益高于预期的13.4%，Milliman 100公司的私营单一雇主确定福利计划在2020年继续改善资金分配。Milliman 100公司赞助了美国上市公司中规模最大的100个固定收益计划。

2020年底，Milliman 100强公司的资金分配比例为88.4%，高于2019年的87.5%。据Milliman称，这种改善是显著的，因为它估计到2020年7月底，资助比例已下降到约81%。

根据该报告，总体而言，Milliman 100公司中有19个计划的资金比例至少为100%，而2020年养老金调查中的14个计划的资金比例至少为100%。

历史上，LDI策略并不是用来优化资产增长的——正如摩根大通的贾里德•格罗斯在上面的采访中所指出的那样——而是用来管理资产和负债之间的差异。

然而，正如精算师协会最近的一篇论文所指出的那样，负债驱动投资的深度学习，负债组合的“”复杂性往往使资产配置优化成为一项艰巨的任务。负债现金流和负债价值都对经济状况敏感。例如，养老金福利可能与通货膨胀率挂钩。拖欠率可能受到家庭财务状况的影响，因此也会受到经济环境的影响。负债贴现率受利率和信贷市场状况的影响。”

根据这篇论文，解决这些挑战可以借助机器学习，也就是人工智能。该报告使用深度学习模型和强化学习(RL)构建了学习LDI最优动态战略资产配置计划的框架。

训练深度学习模型来近似资产配置对盈余头寸的长期影响。强化学习用于学习基于特定奖励函数的最佳策略。RL需要学习这些模式并想出有效的策略来最大化奖励。动态投资策略将在每个场景的每个决策点选择最大化回报的行动。然而，这些策略可能不是最优的，而是次优的，因为RL并没有遍历可能的资产配置路径的整个空间。

为了评估RL与传统战略资产配置方法相比的有效性，该报告使用了一个样本DB计划，模型包含了经济情景生成、动态负债预测、资产配置以及预测和盈余预测。最优静态投资策略与基于rl的动态投资策略之间的比较假设了两个资产类别:aa级公司债券投资组合和大型上市股票。假设固定的时间范围和静态的投资策略，可以建立有效的前沿。采用全连接神经网络和长短时记忆模型来近似记忆记忆过程中的奖励函数。

以下是“债务驱动投资的深度学习”的主要发现。

重要发现

• 通过季度情景和再平衡，RL建议的投资策略是由平均收益而不是周期性波动驱动的。通过使用监督学习和深度学习模型来估计资产回报，这一点已经得到了验证，但并不有效。RL可以用于数据频率较高的战术资产配置，但不能用于战略资产配置。
• RL动态战略的驱动因素是负债发展和资金状况。与静态策略相比，这些动态策略是合理的，但不一定是最佳选择，在某些情况下可能实现更好的风险/回报权衡。
  
• RL可以通过调整奖励函数来反映风险偏好。通过增加负奖励(惩罚)在总奖励计算中的权重，RL从激进策略转变为保守策略。然而，效用函数中的风险规避水平与负报酬权重之间的关系还有待进一步研究。
  
• RL可以包含责任复杂性，这对动态规划是一个挑战。RL能够以更短的训练时间处理多个资产类别，这对成熟的资产配置网格搜索方法是一个挑战。
• AI模型的灵活性允许包含详细的负债信息，细化资产和负债之间的关系建模，以及其他对决策很重要的信息。新方法为为复杂的LDI问题推导出动态策略打开了大门。