資產負債管理模擬模型：蒙地卡羅 vs. 情境式

在資產負債管理（ALM）中，模擬模型預測利率變動如何隨時間影響資產與負債的經濟價值。兩種主要方法為蒙地卡羅模擬與情境式模擬。蒙地卡羅模擬使用隨機路徑技術（亦稱隨機模擬），根據機率假設（例如均值回歸、波動率）產生數百或數千條可能的未來利率路徑。相較之下，情境式模擬構建一組有限且經濟上相容的前瞻性路徑——常以歷史事件、壓力情境或宏觀經濟預測為基礎——以評估特定的策略選項或償付能力結果。

資產負債管理中的蒙地卡羅模擬依賴經濟情境產生器（ESG）來模擬大量隨機利率路徑，通常採用動態期限結構模型。每條路徑代表短期利率、收益曲線形態與波動率在預測期間的可能演變。ALM 模型在每條路徑下重新估值資產與負債，產生如股權經濟價值（EVE）或淨利息收入（NII）等指標的結果分布。此分布可用於計算信賴區間、風險價值（VaR）或利率風險的預期損失（expected shortfall）。

• 隨機模型基礎：使用校準過的 ESG 以模擬符合觀測市場資料與經濟理論（例如 Cox‑Ingersoll‑Ross 或 Hull‑White 模型）的路徑。
• 結果分布：產生完整的機率輸出，支援量化尾部風險敞口與預期損失的風險指標。
• 實務應用：常用於內部模型驗證、資本配置，以及動態 EAR 模型的預算編列與策略規劃。

情境式模擬構建一小組（通常為 3 至 10 組）合理且內部一致的宏觀經濟與利率路徑。這些情境可能是歷史性的（例如 1979‑1982 年的緊縮）、假設性的（例如快速通膨回升），或基於預測的（例如共識宏觀展望）。每個情境以確定性方式套用至 ALM 模型，產生該路徑下 EVE 或 NII 的點估計值。此方法重視可解釋性與敘事一致性，勝過統計精確度。

• 敘事導向設計：情境的選取旨在反映可信的壓力或策略拐點，通常與監管期望或內部風險偏好框架相一致。
• 決策支援：用於在特定宏觀經濟體制下評估策略取捨，例如資產重新配置或對沖決策。
• 與治理的整合：透過以清晰、敘事式假設為基礎，使非技術利害關係人更易接受分析結果。

蒙地卡羅與情境模擬在資產負債管理（ALM）中扮演互補角色，各自具備不同的優勢與限制。

• 覆蓋範圍 vs. 清晰度：蒙地卡羅提供廣泛的機率覆蓋，能捕捉尾部風險與統計不確定性，但其結果往往較抽象，難以對應具體行動。情境模擬則提供明確、可執行的洞見，但可能低估未納入情境的低機率高衝擊事件。
• 模型風險：蒙地卡羅對 ESG 校準與分布假設相當敏感；波動率或均值回歸參數的錯誤會扭曲風險估計。情境模擬則易受選擇偏誤影響——可能遺漏合理路徑或過度依賴可能不會重演的歷史類比。
• 法規對齊：監管機構（例如 OCC）皆承認兩種方法，但在監管壓力測試與策略報告上通常偏好情境式方法；蒙地卡羅則用於內部模型驗證與動態風險衡量。

假設某機構欲評估在兩年內利率平行上升 200 個基點的影響。於蒙地卡羅模擬中，ESG 產生 5,000 條路徑，短端利率遵循經校準波動率的均值回歸過程；其 EVE 變動的分布可能顯示第 5 百分位的損失為 1.2 億美元，第 95 百分位的收益為 4,500 萬美元。情境模擬則採用單一確定性路徑——對應 200 基點的上移及其隱含的收益曲線動態——得到 EVE 下跌 9,000 萬美元的點估計。蒙地卡羅的結果用於資本與 VaR 計算；情境的結果則支援董事會層面的策略回應討論，例如加速資產重新定價或調整久期目標。

• 使用蒙地卡羅模擬：在估算需統計嚴謹性的風險指標時——例如經濟資本、VaR 或預期短缺——或在評估不確定性對長期策略結果的影響，且需涵蓋大量可能路徑時。
• 使用情境模擬：在向治理機構傳遞風險、於特定宏觀經濟情境下測試策略決策，或配合監管壓力測試框架，強調敘事一致性與可執行性而非機率完整性時。

兩種方法常同時使用：蒙地卡羅用於內部模型驗證與風險量化，情境分析則用於策略決策與監管報告。