退休基金已稳定

美国大多数养老金计划仍在遵循全球金融危机爆发后的那几年采用的逐步降低风险计划。具体来说，就是用寻求与负债相匹配的长期固定收益资产(如股本)取代追求回报的资产。在当前环境下重新评估这些下滑路径策略时，似乎大多数计划的风险消除程度足以避免严重的风险，继续下去只会增加成本和效率，没有明显的好处，他说Jared Gross，摩根大通资产管理董事总经理兼机构投资组合策略主管．II最近请格罗斯描述一下，在养老金面临过时投资方式的后果之前，他正在敦促养老金做出哪些调整。

在过去20年里，你目睹了养老金战略的演变。从那时起，它走了多远?

贾里德·格罗斯:在本世纪初之前，计划保荐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)产生高回报。在许多方面，考虑到当时的规则，这种方法是适当的。会计和监管标准都很温和，从资金变化到所需捐款或财务报表的传递有限。养老金投资者在配置资产时一般不考虑负债。毕竟，长期的高回报让大多数计划处于盈余状态。

这个时代以21世纪初的科技泡沫破灭和随之而来的利率下降而结束。其后果导致固定收益计划的资金大幅下滑;大多数公司在2000年之前资金过剩，但仅仅一两年后，资金就严重不足。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问题。没过几年，全球金融危机又给他们带来了另一次打击，赞助商们开始对此做出回应，开始重新调整资产配置的风险，关闭和冻结固定收益计划，并将员工转移到承诺更具可预测性的固定缴款计划。

你如何看待降低风险的过程?

我认为，我们已经看到了以债务驱动投资来降低养老金风险的两个大阶段，我认为我们即将进入第三个阶段。

第一阶段，我称之为LDI 1.0，是指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。在LDI投资组合提供高收益率的情况下，这是一个降低风险同时提高回报的不同寻常的机会。在几年内，大多数计划发起人将他们的固定收益转为长期基准，通常从长期政府信贷指数(Long Government Credit Index)开始。

从那时起，我们看到了一个漫长的耐心降低风险的过程，我称之为LDI 2.0或“滑翔之路时代”，在这个过程中，在将资金从寻求回报的策略转移到LDI策略之前，计划一直在等待资金的逐步改善。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有所增加，但它们的多样化却没有。大多数计划都已达到投资级企业信贷是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方法，原因有二。首先，较高的融资水平和较低的波动性资产配置已经将养老金风险降至非常低的水平。其次，管理强制性计划缴款的规则已被重新调整到缴款风险最低(如果不是不存在的话)的水平。我们很难看到进一步集中投资长期债券的价值。

如果你没有看到继续去风险的计划，那么你看到他们会采取什么行动?

在这种背景下，计划赞助商需要修正航向。他们已经做了大量的降低风险的工作——想想吧即使在只有50%对冲的计划中，波动性也大幅降低。在滑行道上继续推进会很快变得效率低下。“最后一英里”是非常昂贵的;为了降低波动性而放弃巨额回报，只是让它成为一种成本极高的对冲形式。如果强制缴纳巨额款项的风险是一个严重问题，那么这种行为可能是合理的，但事实并非如此。

这将我们带到了养老金战略的拐点。我认为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。它的目标是长期混合适度的超额回报和低波动性——但不是最低可能的波动性。这绝对不是回到1999年的旅程，当时的计划追求高回报，年化基金波动率为12-15%。稳定策略开始于一个计划接近充分融资，并采取明智的去风险和多样化的资产配置，允许资金随着时间的推移逐渐改善，同时为发起人保留许多积极的财务利益。我预计，许多赞助商将会看到，从过时的下滑路径上选择这个“出口”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负债是不可能的。首先，你不能对冲参与者行为和寿命延长的精算风险。赞助者必须通过增加回报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遭遇降级和违约。负债不会改变，但随着时间的推移，会有业绩拖累。从长期来看，更加多样化的稳定策略仍然可以获得比负债更高的收益，而信贷损失的拖累将只是噪音。但当资产集中于固定收益资产时，这种阻力就更难摆脱了。这是大多数冬眠策略的关键缺陷。由长期公司债和美国国债组成的LDI投资组合将慢慢消耗掉其过剩资本。

现在，养老金将如何进一步降低风险?

我们真的需要摆脱这样的观念，即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。对冲投资组合需要更加多样化。尽管国债收益率低令人担忧，但国债肯定会发挥作用。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，但名单还不止这些。观察寿险公司的投资行为是有指导意义的，它们管理着与养老金负债相当的年金投资组合的风险;这些公司是证券化资产、包括高收益债券、结构性信贷和夹层债务的交叉投资组合的大持有者。

另一条降低风险的途径始于追求回报的投资组合。如今，投资者可以获得一组更加多样化的低至中等波动性的另类资产类别，相对于负债，这些资产类别可以提供稳定的超额业绩，而不像股票那样波动性高、相关性低。这些资产类别中的许多还能够提供高水平的可分配收入，这对福利支付机构来说是一种宝贵的资源。

固定收益计划继续减少，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。固定福利养老金的历史波动和围绕缴款的不确定性使许多赞助者相信，维持这种养老金风险太大。这完全不是真的。资金充足、管理谨慎的DB计划具有DC计划无法复制的强大优势。当我们考虑到固定收益计划资金的恢复以及过去20年养老金资产配置的演变时，美国企业界应该就保留固定收益计划体系的剩余部分展开讨论。虽然我不相信我们会看到关闭的计划重新开放或创建新的计划，但它值得考虑。在工资上涨和劳动力市场竞争激烈的时期，固定福利计划的最初目的重新成为人们关注的焦点:证明它是一种税收优惠、投资驱动的工具，为员工提供有竞争力的福利。

养老金计划策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。尽管一些顾问继续独立地看待各个部分，而不是作为一个整体框架来挑战下滑路径/休眠/终止模式，但他们也在紧跟这一趋势。

我认为我们可能已经接近传统LDI战略的高水位。在目前的利率和信贷息差情况下，基金经理们知道，如今投入传统LDI策略的1美元，未来的表现几乎永远不会超过负债。情况可能会改变，但从我们今天的立场来看，很难想象那些LDI框架会保持静态。除此之外，还有太多更好的方法来开发一个风险有效的养老金策略。

您认为摩根大通在养老金稳定方面与计划发起人合作的方式对他们有什么好处?

摩根大通作为我们客户的受托人有150年的历史;对于如今的摩根大通资产管理公司(JP Morgan Asset Management)来说，这一遗产的重要性再怎么强调也不为过。我们也拥有最广泛的投资策略，每个投资策略都是建立在一个前提之上的，即高度熟练的独立投资团队可以提供专业的策略，同时利用更广泛的组织的集体资源。不像某些公司会含蓄地指导客户从事他们所擅长的特定战略，我们希望客户做出最好的战略决策，因为我们有信心找到一种方式与他们合作实施战略决策。

关于稳定养恤金，这一方法的优点不言自明。当客户希望实施这类计划时，他们将需要重新考虑对传统对冲和创收资产的敞口，以及新形式的多元化投资。在对冲投资组合方面，我们一直走在长期证券化投资的前沿，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物资产的强大创收和多元化好处——通过一个横跨房地产、基础设施和交通的强大平台。

摩根大通在与机构客户合作提供全权管理和委托解决方案方面也有着悠久的历史。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，许多赞助商正在使用我们的委托平台及其全部资产，以一种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。

当前进入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者他们需要的公正的建议。多元化、具有前瞻性的经理和顾问可以帮助客户改变方向，采用全方位的策略，在保持正回报的同时仍能管理波动性。我们希望计划能得到全额资助，并保持全额资助。养老金稳定可以实现这两个目标，并有助于确保他们的养老金再次能够成为价值来源。

了解更多养老金稳定策略。

在上述采访中，摩根大通的Jared Gross质疑养老基金是否仍需要积极去风险，因为自LDI策略首次成为此类计划的首选以来，养老基金的资金状况已普遍改善。事实上，尽管新冠疫情大流行，这些天资金状况看起来更好。

根据《国家资助养老金资金缺口:流行病后计划已稳定》根据皮尤慈善信托基金会的一份白皮书，美国各州承诺的养老金福利成本与它们为员工支付的资金之间的差距在2021年降至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的短缺。相反,皮尤发现增加的资产超过5000亿美元的国家退休计划,受市场投资回报超过25%在2021财年(公共基金的年回报率最高30多年来)和大量增加纳税人的贡献和公共雇员养老基金。

美国各州呈上升趋势

这些捐款的增加，是各州多年来欺骗其系统的一部分，是过去10年上升趋势的一部分。皮尤研究中心的研究显示，在过去十年中，捐款平均每年增加8%，增加了资产，偿还了债务。伊利诺斯州、肯塔基州、宾西法尼亚州和新泽西这四个养老金体系最困难的州同期的养老金缴款平均每年增长16%。

几乎每个州都实施了福利改革以降低成本，包括削减新雇佣的公务员的福利。许多州的官员在管理养老金财务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变化可能会对养老基金产生何种影响。因此，皮尤研究中心发现，预计各州将在本世纪首次达到最低养老金缴款标准。这意味着，即使在疫情期间市场反弹之前，向州养老基金支付的款项也足以覆盖当前的福利并减少养老金债务，这一里程碑被称为正摊销。养老金资金水平的提高也导致了自2007-09年经济衰退以来最高的总资金比率。根据大多数州截至6月30日财年的数据，皮尤研究中心估计，养老基金的资金比率(养老基金持有的资金与退休福利承诺的资金之比)已升至80%以上，为2007-09年经济衰退以来的最高水平。因此，皮尤研究中心预计，自2014年以来，各州退休系统累积的养老金债务将首次不足1万亿美元。

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缴款大幅增加，使资产增加了逾2,000亿美元。自2010年以来，国家养老金的年缴款以每年8%的速度增长，是财政收入增长率的两倍。在这段时间里，10个资金最低的州，雇主缴纳的费用平均每年增长15%。结果,经过几十年的资金不足和市场损失风险投资策略,首次本世纪国家预计将在2020年共同取得积极摊销-这意味着支付国家养老基金足以支付当前效益以及减少养老金债务。

企业资金雄厚,也

根据Milliman的2021年企业养老金基金研究，尽管贴合率下降了67个基点，Milliman 100公司的私人单一雇主定义福利计划在2020年继续进行资金定量改善，因为他们的投资收益高于预期，达到13.4%。Milliman 100公司赞助了美国上市公司中最大的100个固定收益计划。

Milliman 100公司2020年底的融资比例为88.4%，高于2019年的87.5%。据Milliman估计，到2020年7月底，拨款配给已降至81%左右，考虑到这一点，这种改善是显著的。

报告称，总体而言，Milliman 100公司中有19个计划的资金比率至少为100%，而其2020年养老金调查中有14个计划。

历史上，LDI策略并不是像摩根大通的贾里德•格罗斯在上述采访中所指出的那样，主要用于优化资产增长，而是用于管理资产和负债之间的差距。

然而，正如精算师协会最近的论文所指出的，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困难的任务。负债现金流和负债价值都对经济条件敏感。例如，养老金福利可能与通货膨胀率有关。递减率可能受到家庭财务状况和经济环境的影响。负债贴现率受到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。

通过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指定奖励函数的最佳策略。RL将学习这些模式并找出最佳策略来最大化奖励。然后，动态投资策略将在每个场景的每个决策点选择使回报最大化的行动。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。

为了评估与传统的战略性资产配置方法相比，RL的有效性，该报告使用了一个样本DB计划，模型中包含经济情景生成、动态负债预测、资产配置、预测和盈余预测。在aa级公司债券和大型上市公司股权这两种资产类别下，比较了最优静态投资策略和基于rl的动态投资策略。假设固定的时间范围和静态的投资策略，有效边界被建立。完全连接神经网络和长-短期记忆模型都被用于模拟RL过程中的奖赏功能。

以下是“负债驱动投资的深度学习”的主要发现。

重要发现

• 在季度情景和再平衡下，RL建议的投资策略是由平均回报而不是周期性波动驱动的。这已经通过使用带深度学习模型的监督学习来估计资产回报进行了测试，但这是无效的。RL可用于数据频率较高的战术资产配置，但不用于战略资产配置。
• 企业发展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可以通过调节奖赏功能来反映风险偏好。通过增加消极奖励(惩罚)在总奖励计算中的权重，RL从激进策略转向保守策略。然而，效用函数中风险规避程度与负报酬权重之间的关系还有待进一步探讨。
  
• RL可以包含责任复杂性，这对动态规划是一个挑战。RL可以在减少训练时间的情况下处理多个资产类别，这对成熟的资产分配网格搜索方法来说是一个挑战。
• 人工智能模型的灵活性允许包含详细的负债信息，对资产和负债之间的关系进行精细化建模，以及其他对决策很重要的信息。新的方法为推导复杂LDI问题的动态策略打开了大门。