實施 IFRS 9 與 IFRS 17 對我國壽險業監理與經營影響之分析

The Impact of IFRS 9 and IFRS 17 on the Regulation and Management of the Taiwan Life Insurance Industry:

A Preliminary Anlysis

實施 IFRS 9 與 IFRS 17 對我國壽險業監理與經營影響之 分析

Linus Fang-Shu Chan, Department of Financial Engineering and Actuarial Mathematics, Soochow University

詹芳書 / 東吳大學財務工程及精算數學系

Jin-Lung Peng, Department of Risk Management and Insurance, National ChengChi University

彭金隆 / 國立政治大學風險管理與保險學系

Cheng-Hsien Tsai, Department of Risk Management and Insurance, National ChengChi University

蔡政憲 / 國立政治大學風險管理與保險學系

Received 2019/4, Final revision received 2020/12 Abstract

The insurance industry in Taiwan has adopted IFRS (International Financial Reporting Standards) 9 in 2018, and IFRS 17 is expected to be implemented in 2026. In this study, we investigate the impact of these two standards on the life insurance industry in Taiwan. We review the supervision regulations, conduct qualitative interviews, and perform quantitative simulation analysis. Our results show that regulators are strategically moving in a phased manner in the context of industrial self-discipline, external accountants’ cooperation and corporate governance to reduce the transitional impacts. Since implementation of IFRS 9, volatility of life insurance companies’ profit and loss and owners’ equity has increased; companies’ willingness to hold high dividend stocks has risen; and recognition of bond investment benefits has become more flexible.

Although IFRS 17 has not yet been implemented, simultaneous quantitative simulation of impact of IFRS 9 and IFRS 17 shows that both the fluctuation of income of life insurance companies and fluctuation of owners’ equity will increase significantly. We speculate that life insurance companies may face a sharp increase in liabilities and a sharp decline in owners’ equity, which will make their liabilities become extremely unstable and increase the probability of going into insolvency. The supervisory authority should consider the characteristics of the Taiwan life insurance market when formulating the future long-term interest rate curve, and adopt a more localized supervisory strategy to reduce the impact of interest rate fluctuations.

【 Keywords】life insurance, IFRS 9, IFRS 17, insurance regulation 摘 要

我國保險業已於 2018 年開始採行國際財務報導準則第 9 號 (IFRS 9)，而第 17 號準則 (IFRS 17) 預計將於 2026 年實施。本研究採用監理作法檢視、質化訪談及量化模擬分 析，探討兩準則對壽險產業的影響與監理策略。研究結果顯示在保險監理上，主管機 關主要採階段漸進策略減少接軌衝擊，並採業者自律、外部會計師協力及公司董事會

治理等方法達到順利協助制度接軌的目的。在 IFRS 9 施行後，壽險業損益和業主權

益波動幅度加劇，業者對高股利之股票持有意願提高，債券類投資處分利益的認列更

領域主編：戚務君教授

有彈性。 IFRS 17 雖尚未實施，但量化模擬分析 IFRS 9 與 IFRS 17 同時施行的影響後 結果顯示：壽險公司的收益波動及業主權益波動將顯著增加，推論壽險公司可能面臨 負債大量增提且業主權益大幅下降的情形，此將使其負債金額極不穩定且破產機率增 加。監理機關於訂定未來長期利率曲線時，應考慮臺灣壽險市場之特性，並宜採取更 在地化的監理策略，以降低利率波動之影響。

【關鍵字】壽險業、IFRS9、IFRS17、保險監理

壹、前言

我國的金融監督管理委員會（以下稱金管會）於2009 年 5 月宣布將直接沿用 國際財務報導準則(International Financial Reporting Standards; IFRS) 的架構，並規劃 公開發行公司自2013 年起分階段採用 IFRS¹。我國保險業已於2018 年先適用 IFRS 9，預計亦將於 2026 年適用 IFRS 17。

IFRS 9 先將大部分的金融資產（主要指債務投資工具如債券）透過「現金流量 測試」(Solely Payments of Principal and Interest; SPPI) 與「企業經營模式」等兩項機 制分為「透過損益按公允價值衡量」(Fair Value through Profit or Loss; FVTPL)、「透 過其他綜合損益按公允價值衡量」(Fair Value through Other Comprehensive Income;

FVOCI)、及「按攤銷後成本衡量」(Amortized Cost; AC) 三類之金融資產，並規範 各類資產的認列與減損。

IFRS 17 則規範保險人採用公允價值的方法衡量保險合約之負債。長期險應採 用基本要素法(Building Block Approach; BBA) 衡量合約之負債（現稱為一般衡量模 型(General Measurement Model; GMM) ）。衡量時強調「現時」估計的概念，並分 為四要素，包括未來現金流量、時間價值、風險調整(Risk Adjustment; RA) 及合約 服務邊際(Contractual Service Margin; CSM) 等。

多數的臺灣壽險業者因適用過渡處理規定而採行覆蓋法(Overlay Approach)，

因此可以預期兩準則的共同影響將於2026 年開始顯現²。國際財務報導準則的導入 將對企業產生多方面對影響，DeFond, Huang, and Li (2020) 發現在 2005 年全球採 用IFRS 後，公允價值會計對淨收入和現金支付產生影響。此外，財務報告揭露與 企業投資決策有直接相關(Roychowdhury, Shroff, and Verdi, 2019)，財務報告的監理 作法更直接影響產業的資源分配(Breuer, 2021)，共同會計報導準則的採用也會影 響公司財務報告的精確性，且增加財務報告的成本 (Gao, Jiang, and Zhang, 2019)。

Chychyla, Leone, and Minutti-Meza (2019) 更指出面對複雜的財務報告時，企業將會

1　 相關時程節錄臺灣證券交易所發布之國際財務報導準則之推動架構適用範圍及時程，第一階 段…應自2013 年開始依國際財務報導準則編製財務報告。網址 https://www.twse.com.tw/IFRS/

aboutIFRS。

2　 參考 Deloitte 於 2016 年 9 月發布之新訊報導「《準則修正》IASB 修正 IFRS 4，處理 IFRS 9 與 新保險合約準則適用日不同而引發之疑慮」，其中有關覆蓋法之說明為：「此修正另提供發行 屬 IFRS 4 範圍內合約之所有企業，可選擇將指定之合格金融資產自 IAS 39 轉換至 IFRS 9 之影 響數及適用IFRS 9 所產生與適用 IAS 39 間之差異數，由表達於損益調整至表達於其他綜合損 益。此稱之為覆蓋法，其適用係以個別資產為基礎，並對金融資產之指定及取消指定有明確規 定。」網址http://www.ifrs.org.tw/IFRS/NewInfoPDF/N078.pdf。

增加計會計專業的投入，以減輕財務報告複雜性的不利影響。IFRS9 與 IFRS17 的 導入勢必對保險業會有極大的影響，特別是影響層面深遠的IFRS17。為深入討論此 一議題，本文將先討論兩份準則的重點，其次，透過質化深度訪談具代表性之業者，

探討實施IFRS 9 與 IFRS 17 對壽險業產生的影響與可能衝擊，同時探討我國的監理 機關採取之相應監理措施與策略作法。因IFRS 17 目前尚未實施，故本文以量化模 擬分析為方法³，探究若兩者同時實施對壽險公司的影響，並透過影響的評估結果，

提出緩解接軌衝擊的建議。

研究結果發現主管機關以業者自律、外部協力及公司治理等方法，採階段漸進 接軌之策略，確實可以協助業者減少衝擊順利接軌；IFRS 9 實施後則加大了壽險業 損益和業主權益波動幅度，也提高業者對高股利之股票持有意願，更讓債券類投資 處分利益的認列更有彈性。量化模擬分析則顯示IFRS 9 與 IFRS 17 同時施行時，

壽險公司的收益及業主權益波動可能將顯著增加，導致負債大幅增提且不穩定性增 加，業主權益亦可能大幅下降並增加破產機率。

本文在方法上是國內首篇以量化模擬分析IFRS 9 與 IFRS 17 對壽險可能衝擊之 文獻。同時，透過對監理作為的分析，可以觀察未來接軌新準則後監理面可行方向。

因此本研究不但可以補充國內相關研究文獻的不足，亦可提供壽險業者與監理機關 於未來因應IFRS 17 如何順利接軌的參考。本文架構編排如下：第貳節為 IFRS 9 與 IFRS 17 之重點分析；第參節為實施 IFRS 9 與 IFRS 17 之監理策略分析；第肆節為 IFRS 9 與 IFRS 17 對壽險業之影響；第伍節為 IFRS 9 與 IFRS 17 影響之量化模擬分 析；第陸節則為結論與建議。

貳、IFRS 9 與 IFRS 17 之重點分析⁴

一、IFRS 9 之重要規範

IFRS 9 主要對企業持有金融資產之「分類」、「認列」、「減損」與「避險會 計」作出新的規範。IFRS 9 規範將僅會產生本金與利息現金流量之純債務工具，依

3　 以隨機模擬或情境分析研究壽險公司的資產配置或清償能力之研究，尚可參見邱嘉洲與李賢源 (2007)，楊曉文、黃泓智與黃麗容 (2006)，以及蔡政憲、宋瑞琳與詹芳書 (2006)。

4　 本 節 依 據 金 管 會 2017 年 5 月 23 日 之 法 令 預 告 及 2017 年 8 月 23 日 發 布 之 金 管 保 財 字 第 10602502861 號 -「保險財務報告編製準則修正條文」，對保險財務報告編製準則因 IFRS 9 及 IFRS 17 內容得作之修正重點進行彙整。請參見： https://www.fsc.gov.tw/ch/home.jsp?id=2&pare ntpath=0&mcustomize=news_view.jsp&dataserno=201705230005&aplistdn=ou=news,ou=multisite,o u=chinese,ou=ap_root,o=fsc,c=tw&dtable=News。

投資目的採公允價值或攤銷後成本衡量，並透過「現金流量測試」與「企業經營模 式」等兩項篩選機制進行分類；對投資於非純債務工具（如股票及可轉換公司債），

則全面採公允價值衡量。

IFRS 9 將金融資產分為 3 類，分別是「透過損益按公允價值衡量」、「按攤銷 後成本衡量」或「透過其他綜合損益按公允價值衡量」之金融資產。關於債務工具 的分類，若合約現金流量不符合SPPI 者，歸屬於「透過損益按公允價值衡量」；

若合約現金流量符合SPPI 者，則依其經營模式區分為：收取合約現金流量者，歸 屬於「按攤銷後成本衡量」，同時收取合約現金流量及出售為目的者，歸屬於「透 過其他綜合損益按公允價值衡量」；其餘則歸屬於「透過損益按公允價值衡量」。

關於權益工具，原則上歸屬於「透過損益按公允價值衡量」。對於非持有供交易之 權益工具投資，可於原始認列時，按逐項工具（即逐項股份）之基礎，指定將其歸 屬於「透過其他綜合損益按公允價值衡量」，惟後續不得將列報於其他綜合損益之 金額移轉至損益。IFRS 9 亦新增衡量嵌入式衍生工具的標準（參見 IFRS 9 之 4.3.1）。

依IFRS 9 之 4.3.2 規定：當混合合約包含的主契約屬於本準則範圍內的資產，企業 應以整體混合合約適用IFRS 9 中 4.1.1 至 4.1.5 之規定。

有關金融資產的減損，IFRS 9 以預期態度為基礎，規範企業應對「按攤銷後成 本衡量」及被分類至「透過其他綜合損益按公允價值衡量」的債務工具，提列預期 信用損失，並要求企業即時提供與預期信用風險相關的資訊⁵。考慮預期信用風險顯 著增加時，企業無法順利收取本金及利息的機率也將相對提高，因此IFRS 9 減損規 定中對於本金及利息收入，將依金融資產之信用風險狀態，分別規範其計算方式，

且認列金融資產預期信用損失之範圍包括：非屬透過損益按公允價值衡量之債務工 具、應收租賃款、依IFRS 15 定義之合約資產、非屬透過損益按公允價值衡量之放 款承諾，及非屬透過損益按公允價值衡量之財務保證⁶。

關於避險會計的納入可改善當前避險績效無法實質反映於財報的情況。由於 IAS 39 訂定的避險會計適用標準極為嚴苛，導致採用避險操作的企業無法或不願適 用避險會計，進而使財報結果背離了避險的實際成效。因IFRS 9 放寬了適用避險會 計的條件（如：刪除避險有效性之明顯測試、選擇權時間價值作為避險成本處理，

及放寬群組避險適用條件等），故將可使企業財務報表更忠實地反映其風險管理活 動⁷。

5　 相關條文參見 IFRS 9 之 5.5.1。

6　 相關條文參見 IFRS 9 之 5.5.3、5.5.5、5.5.7。

7　 相關條文參見 IFRS 9 之 6.4 至 6.6。

二、IFRS 17 之重要規範

IFRS 17 規範壽險業發行之保險合約，原則上將採用公允價值衡量其負債，並 將變動呈現於財務報表，此舉可能造成壽險業整體負債很大的變動。國內壽險業早 年銷售的高預定利率壽險保單，如以目前極低的利率水準評估會產生嚴重的利差損⁸

，適用IFRS 17 後，將於報表中因採公允價值衡量而浮現出來。

IFRS 17 主要對保險合約負債的衡量方式提出新的規範。壽險業除短期險採用 保費分配法(Premium Allocation Approach; PAA) 外，對長期險別業務應採用一般衡 量模型(GMM) 衡量保險合約之負債。保險合約負債強調「現時」估計的概念，即 於每一財務報導日重新評價，並且以四要素衡量保險合約負債，即「未來現金流 量」、「時間價值」、「風險調整」，及「合約服務邊際」⁹。

關 於 對「 未 來 現 金 流 量 」 的 預 估， 應 納 入 現 存 合 約 界 限 範 圍 內 (Contract Boundary) 之所有現金流量，且保費與支付成本皆視為保險合約負債的未來現金流 量，而非損益。精算人員應採用合理且具支持性的資訊，建立預估未來現金流量的 不偏估計¹⁰。

關於「時間價值」係採用現時折現率。準則上未規範如何估計折現率，精算人 員可採由上而下(Top-down) 或由下而上 (Bottom-up) 法。由上而下法係以資產報酬 率扣掉與保險合約無關的風險溢酬；由下而上法則以無風險利率加上與保險負債相 關的非流動性溢酬¹¹。

對於「風險調整」的計算，IFRS 17 並未限制公司採取特定的方法，儘管準 則已提及風險調整可採用適當的信心水準法(Confidence Level Technique)。依據 Milliman (2017) 的建議，可行的方法包含風險值法 (Value at Risk; VaR)、尾端風險值 法(Tail Value at Risk; TVaR)，及資金成本法 (Cost of Capital; CoC)¹²。風險調整主要 係為保險合約之非財務風險提存準備，因此風險準備須反應由非財務風險所致未來 現金流量波動之風險，例如：死亡率、脫退率或損失率造成未來現金流量波動之風 險。

「合約服務邊際」之定義為在各評價時點上，所評估之未來預期保費收入與履

8　 利差損係指壽險業者的實際投資報酬率（如：市場利率）低於發單成本（保單預定利率）所致 之損失。

9　 相關條文參見 IFRS 17 之 107 條。關於 PAA，請參見 IFRS 17 之 53 至 59 條；關於 BBA，請參 見IFRS 17 之 32 至 52 條。

10　 相關條文參見 IFRS 17 之 33 條及 B36-B71。

11　 相關條文參見 IFRS 17 之 36 條及 B72-B85。

12　 參見 Milliman (2017)。

約現金流量金額的差額。若為正數，代表保險合約尚未賺得的溢酬，但不於承保時 立刻認列利潤；若為負數，代表該保險合約為虧損性合約，應立即認列損失¹³。

參、實施 IFRS 9 與 IFRS 17 之監理策略

金管會面對全新的會計準則變動，為降低對業者及監理的衝擊而採行之策略有 三：

一、採用專案小組模式以漸進測試進行接軌

金管會最早在2009 年 8 月發函請產壽險公會成立跨部門專案小組¹⁴，負責逐步 推動及訂定IFRS 接軌實施工作計劃，包括評估保險合約第二階段（即 2017 年發布 的IFRS 17）的影響等。有關 2018 年實施的 IFRS 9，金管會在 2015 年 1 月發函產 壽險公會成立專案小組採階段方式處理與因應，明確要求保險業應以2018 年開始 適用之前提下進行準備，並要求須於2016 年初試算 IFRS 9 對各公司在 104 年底之 估計影響數，同時也必須將IFRS 9 對各公司所持有之金融資產部位，評估須建置之 評價及減損模型。

二、透過外部會計師提供監督與協助

有關IFRS 9「金融工具」的適用，金管會於 2016 年 1 月函示的因應措施中¹⁵， 要求保險業必須委請會計師自 2016 年起，執行協議程序報告並提報董事會控管。

根據審計準則第34 號之規定，執行協議程序之目的在使會計師履行其與委託人所 協議之程序，並報導所發現之事實。換言之，保險人必須根據會計師查核後所提供 之報告自行評估，並據以作成結論¹⁶。主管機關希望專業第三方就IFRS9 實施後可 能帶來之影響提供查核意見，提供IFRS 於未來實施後可能影響的查核意見，並由 保險公司董事會就該意見進行判讀及做成結論。除上述協議程序之要求外，主管機 關還要求須洽會計師就金融資產重分類，是否符合保險業財務報告編製準則、國際 財務報導準則相關規範、及對財務報告與資本適足率之影響出具意見並送董事會。

13　 相關條文參見 IFRS 17 之 38 條及 B93-B114。

14　 參見行政院金管會 98.8.21 金管保財字第 09802507960 號函。

15　 依據 105 年 01 月 07 日金管保財字第 10402507861 號函。

16　 參見財團法人會計研究發展基金會公布審計準則公報第 34 號第六及第七條，http://www.ardf.

org.tw/ardf.html。

三、採公司治理監督相關進程之管控

主管機關同時採用公司治理監督模式進行相關會計接軌進程之管控，並規定保 險業至少應按季將接軌及評估執行情形，陳報公司董事會或常務董事會審議，必要 時還須將審議結果送主管機關控管。壽險公會於2009 年 9 月召開國際財務報導準 則專案小組第一次會議後，即責成各公司成立跨部門專案小組，積極評估保險合約 第二階段之影響，試算項目包括保險合約負債及其敏感度等，並需定期送董事會審 議。此外，根據金管會規定，各家保險業須將其接軌準備工作之進度於提報董事會 報告後提報公會專案小組，以彙整追蹤控管接軌工作之辦理情形。另，金管會於 2020 年 12 月發布 IFRS 17 專案項目預計時程，確保接軌工作得於 2026 年前順利完 成¹⁷。

肆、IFRS 9 與 IFRS 17 對國內壽險業者之影響

由於國內現況為IFRS 9 剛實施但 IFRS 17 仍未施行，故現有文獻多以質性分析 為主（如高渭川與謝秋華，2016a，2016b）；本研究則併採深度訪談法及量化模擬 分析研究法進行評估。在個案訪談部分，我們選擇國內二家大型壽險公司進行深度 訪談，以獲取實務觀點；訪談結果分述如下。另有關量化模擬分析之結果則將詳述 於第伍節。

一、實施IFRS 9 之影響

（一）對權益投資之影響

二家公司均認為大部分權益投資會分類在「透過損益按公允價值衡量」項下，

亦即大部分權益投資部位之損益，都須依市場價格波動。雖然我國壽險公司有一部 分股票類資產是以收取股利為目的，但無法採債務投資工具模式接受SPPI 測試，

而必須直接被歸類至「透過損益按公允價值衡量」項下，因此導致有些壽險公司因 擔心波動過劇，而將部分股票分類到「透過其他綜合損益按公允價值衡量」項下；

但這樣的選擇會面臨未來即使有處分損益，也無法計入損益表來增加獲利的兩難。

因此壽險公司會增加高股利股票的持有，一方面可透過現金股利的回收來增加當年 度收益，另一方面毋須承受損益波動的壓力。此實務操作與高渭川與謝秋華(2016b) 研究之見解相同。

17　 參見 IFRS 17 專案工作項目預計時程及查核點，網址 https://www.ib.gov.tw/ch/home.jsp?id=271

&parentpath=0,8,267,268。

兩受訪公司均認為若無妥善執行資產負債管理，壽險公司的損益和業主權益都 會比過去有更大幅度的波動。就損益表而言，被分類在「透過損益按公允價值衡量」

的股票投資，其評價和處分損益會呈現在報表上的當期損益上；被分類在「透過其 他綜合損益按公允價值衡量」的股票投資，其評價和處分損益則只會計入其他綜合 損益，此將減少當期的利益認列。但就資產負債表而言，股票投資不論被分類在哪 個科目，都會影響當年度資本適足性水位的穩定性。

（二）對原有債券部位之影響

至於壽險公司所持有規模龐大的債券投資部位，在IFRS 9 實施前市場即預期將 會有重大衝擊，為此主管機關於2013 年起即要求壽險公司逐季作接軌衝擊影響評 估，並提報董事會。由於已有較長的時間做調整與因應，兩受訪公司均表示整體業 界投資債券主要目的在於獲取穩定收益，在IFRS 9 正式實施後，大部分壽險公司的 債券投資都可通過現金流量測試與符合企業經營模式，因此實際影響比先前預期的 小。

（三）對損益認列彈性的影響

對新規定之實施，兩受訪公司認為並非所有IFRS 9 對損益的影響，皆偏向不利 於壽險業（即加大損益波動或降低淨利）的。因為依IAS39 原規範規定下被分類至 AC 之債券投資，若其後續出售超過一個「不是很小的比率」，須將所有被分類至 AC 的債券投資改依公允價值評價；但在 IFRS 9 下，若保險業處分一部份分類至「按 攤銷後成本衡量」評價的債券，其處分利益可以進損益且不影響其餘部位的分類，

較原規範增加許多彈性。因此在某些情況下，新規定對債券類投資反而更有彈性。

（四）對原本無活絡市場投資之影響

目前壽險公司投資於無活絡市場之債券投資部位相當大，多是以獲取固定報酬 為主，因此兩受訪公司認為此類投資工具，多數可以藉由合約現金流量測試且符合 經營模式，大部分將被劃入「按攤銷後成本衡量」項下。即使利率的變動會影響這 些部位的價值，但因現有部位大部分可於新規範中分類至「按攤銷後成本衡量」評 價，影響損益波動的程度也相對有限。

二、實施IFRS 17 之影響

（一）對損益的影響

實施IFRS 17 對壽險業可能產生之影響有二，一是需逐期重新評估未來現金流 量、折現率、風險調整與合約服務邊際，而重新評估的結果將即時反映於當期的損 益表，使損益的變動幅度增加。二是由於保障期間開始至合約界限為止，所有收取 的保費及支付成本，皆視為保險合約負債之未來現金流量而非損益，此將使損益減 少。特別是由於承保日利潤(Day-one Gain) 必須認列於服務合約邊際，故損益表上

將不會再有保費收入等科目，取而代之的是每期保單利潤的認列。另一方面，若承 保日利潤為負值(Day-one Gain) 時，應即時承認虧損。

（二）對評估保險負債成本的影響

由於所有與保險合約相關的現金流量須被明確的評估，精算人員須將影響現金 流量的非市場變數納入考量，而對於影響現金流量的市場變數，則應反映與市場價 格一致的資訊。為評估保險負債的成本，壽險公司將大幅擴增精算及財務模型的建 置。對於發行有內嵌選擇權及保證項目之壽險商品的保險公司而言，由於現金流量 將因保戶執行選擇權的行為而產生變化，須有合適的模型加以反映以避免錯估保險 負債，因此建置模型的成本還會更高。

（三）對轉換日的影響

轉換日的規範在實務處理上有一定的困難，例如：不易回溯計算強制分紅商品 之給付。此外，對於以銷售長年期保單為主的壽險業，採用完全追溯法或簡單追溯 法評估既存的有效保單，還可能因過去的利益已分配予股東，產生在轉換日時須大 幅增提合約服務邊際、保險合約負債大幅增提，與業主權益大幅下降的情形。

（四）對財報系統及營運表達的影響¹⁸

對於保險公司而言，從產品、投資組合和業務部門獲取可用於建立IFRS 17 報 告的數據內容和結構將發生重大變化，因此保險公司將修改或大幅更新財務合併和 報告系統。此外由於財報科目與內涵將大幅更動，保險公司使用到的財報或會計科 目將也將隨之改變。例如：原來的保費收入在IFRS 17 下必須拆解，不會再出現於 財報中，因此保險公司傳統以保費收入做為營運績效指標的作法將會改變，亦即會 計制度將影響公司營運績效指標的訂定。在未來的數年中，保險公司將需要進行重 大的技術和實務操作變更，透過大力整合財務、會計、精算與風險管理四部份來達 到最佳的平衡。

伍、IFRS 9 與 IFRS 17 影響之量化模擬分析

本節將對資產與負債進行量化模擬分析，隨機性的來源係為股票報酬率與利率 的變動所造成股價、債券價值，及準備金的不確定性；模擬的主要產出為資產負債 表及損益表。最後則嘗試找出在給定負債之組成與公司的目標函數下¹⁹，壽險公司

18　 IFRS 17 除涉及負債評價之外，其財務報表表達方式亦與過去不同。以下對於財務系統、營運 表達及各功能整合之影響係參考Ernst & Young Global Limited (2018) 所分析之內容。

19　 壽險公司最主要的負債為銷售保單後所需提列的準備金。由於我們假設此壽險公司沒有其他 負債（例如發行了永續債），因此在此節中，「負債」與「準備金」將被交替使用。

投資資產的最適組合與會計分類。

一、保單與可投資資產之設定

本研究模擬對象假設為A 壽險公司，A 壽險公司於未來 3 年內，在每年年初各 銷售終身壽險保單予10,000 名 35 歲之女性保戶，三年共銷售 30,000 張保單。各保 單的保險金額均為新臺幣100 萬元，保費為 20 年期繳並於每年年初收取。當有被 保險人死亡時，A 壽險公司將於該年末支付保險金。更明確地說，假設 A 壽險公司 以年初存活人數乘以這些人的年齡（第一年為35 歲的保戶、第二年為 35 與 36 歲 的保戶，第三年則有35、36，與 37 歲的保戶）所對應之臺灣壽險業第五回生命表 中的死亡率，以估算當年底的死亡人數，並對受益人支付死亡保險金100 萬元²⁰。

A 壽險公司估算保費時採用臺灣壽險業第五回生命表之死亡率，並假設解約率 為0²¹。折現率則根據市場的現況設定：第一年年初計算保費的折現率為2%²²，第 二與第三年年初計算保費所用的折現率，則為所模擬出來之當時10 年期公債的殖 利率。由於分析的重點在於觀察壽險公司應該如何透過資產配置（含會計分類）來 因應實施IFRS 9 與 IFRS 17 後，利率變動所造成之保險負債與債券價值變動的影響，

但本文的研究範圍限於負債的公允價值及其對資產負債管理的影響，不考慮風險調 整(RA) 及合約服務邊際 (CSM)²³。因此保險負債的評價將是以評價時點的殖利率曲 線當作折現率，計算預期淨現金流出的現值。

在資金的投資上，本文假設此A 壽險公司會將保費所收資金投資於股票與債 券，且投資策略為買後持續持有(Buy and Hold)。股票的部位假設全部購買台股集 中市場加權指數ETF，債券部位則平均分散於到期日為 1 至 30 年的零息政府公債²⁴

20　 設定 3 年的主因是讓模擬可以不是只有「單期」而能成為「多期」。只模擬一年的話，將無 法檢視未來保費收入將如何配置到各類資產及對應的會計分類；模擬更多年的話，模擬的時 間與最佳化求解的難度將大幅增加，因此3 年是權衡分析效益及求解成本後的選擇。

21　 當解約率非為隨機利率或隨機死亡率的函數，與解約相關的現金流量都將獨立於死亡率與折 現率，因此假設任何水準的解約率都不會影響到負債面準備金的不確定性。

22　 臺灣保單責任準備金利率的設定係以 10 年期公債次級市場殖利率為準。本研究開始進行時

（2017 年），10 年期公債的殖利率約為 2%。

23　 就我們所知，本文對負債公允價值及公允價值對壽險公司財報的影響的模擬是國內文獻首見。

24　 此假設之合理性係因壽險公司理應做好充分的風險分散於股票市場中。而充分地分散風險後 的效果，就會跟持有大盤的ETF 很接近，因此本文假設此 ETF 不會發放現金股利。此外，零 息政府公債係指債息率為0 之折價發行且無違約可能之債券，其攤銷之金額仍會被計入收益。

類似假設亦可參見Yu, Tasi, and Huang (2010) 與 Yu, Tsai, Huang, and Chen (2011)。

。模擬中到期債券的部位，將重新平均分散投資於到期日為1 至 30 年的零息政府 公債。

根據IFRS 9，債券投資可分類為 FVTPL、FVOCI，及 AC；股票投資則可分為 FVTPL 與 FVOCI。故 A 壽險公司整體投資部位將有 2 種資產及 5 個會計分類別。

（一）風險因子的模型設定

本文假設台股集中市場加權指數ETF 報酬率的動態，遵循 GARCH (Generalized Auto Regressive Conditional Heteroskedasticity) 模型²⁵。在對台股集中市場加權股價 指數2006 年初至 2016 年底的 563 筆週資料進行配適後²⁶，得到如下之GARCH (1,1) 模型：

ln ^t

t 1 =R s

t

其中Pt為第t 週加權股價指數，Rst為第t 週對數報酬率，εt為去平均值化的殘

差項，εt = √_h─

t Vt，Vt~ i.i.d(0,1)，及 ht = 0.0000135 + 0.097693εt-12 + 0.886323ht-1。運 用此模型模擬10,000 次，其所產生之第三年年化報酬率的敘述統計如下：

平均值 中位數 標準差 偏態 峰度 最大值 最小值

0.0332 0.0176 0.2191 1.3756 16.2299 3.9744 -0.9982

本研究遵循證券櫃檯買賣中心的作法，採用Svensson 模型建構殖利率曲線。

Svensson (1994) 延伸 Nelson and Siegel (1987) 的模型，藉由增加一個駝峰使殖利率 曲線得以呈現兩個彎曲。其瞬間即期利率(Instantaneous Short Rate) 公式如下：

i(m; b) = 0

1 1 e

m +

2 1 e

m e ^m +

3

^{1 e}

m2 m

2 e ^m2]^{， (2)}

其中，b = ( β0、β1、β2、β3、τ1、τ2 ) 為待估計參數，m 為到期日，其數值介於 1 到30 之間。

25　 參見 Bollerslev (1986)。另 GARCH 系列的模型已普遍應用於捕捉股票市場報酬率的動態變化 之研究（如：Yang and Chang, 2008; Chiang and Doong, 2001; Choudhry, 2000）。

26　 樣本時間之所以選擇從 2006 開始是要搭配臺灣公債殖利率資料的起始時點。

本研究以證券櫃檯買賣中心2006 年初至 2016 年底共 563 筆之週資料，使用 R Studio 的 Yield Curve Package 中的 Svensson 函數，估計出公式 (2) 中參數的時間序 列矩陣。參照Svensson (1994) 與 De Pooter (2007) 的方法，在固定的 t1與t₂下，估 計β₀、β₁、β₂，與β₃。亦即，取第一步驟中Svensson 函數估計之 t1與t₂數列中位數 作為定值，再重新估計β₀、β₁、β₂，與β₃的時間序列矩陣。

鑑於參數可能與自己的落後期相關，也可能與同期或前期的其他參數相關，故 本研究採用VAR (Vector Autoregression) 模型估計此 4 項參數的動態行為。基本的 VAR(p) 模型可以由下列算式表示²⁷：

yt = c + A1yt-1 + A2yt-2 + … + Apyt-p + et， (3)

　　其中，c 為 n×1 常數向量，Ai為n×n 矩陣，i = 1 , … , p；et為n×1 誤差向量 且滿足E(et) = 0、E(ete't) = Ω（誤差項協方差矩陣），及E(ete't-k) = 0（不存在自相關）。

若殘差間存在相關性，則可透過Cholesky 分解法於模擬時加以反應。

估計VAR 的步驟如下：第一步，確認參數的時間序列是否為定態，如非定態，

則取差分；第二步，藉由赤池信息量準則(Akaike Information Criterion; AIC) 確認最 佳落後期數²⁸；第三步，估計VAR 模型。實證模型估計如下：

0, 1, 2, 3,

=

+0.001355 0.000534 0.004106 +0.001906

+

11 21 31 41

12 22 32 42

13 23 33 43

14 24 34 44

15 25 35 45

16 26 36 46

17 27 37 47

18 28 38 48

0, 1 1, 1 2, 1 3, 1 0, 2 1, 2 2, 2 3, 2

+

0 1 2 3

， (4)

27　 參見 Hatemi-J (2004)。

28　 在 5% 之顯著水準下，本研究將落後期數定為兩期。篩選落後期數之 AIC 結果，如下所示：

Lag 0 1 2 3 4 5

AIC -25.5854 -35.3291 -35.5232* -35.5069 -35.5089 -35.4854

A11= ＋ 1.400265 A12= ＋ 1.071789 A13= ＋ 0.051286 A14= － 0.194231 A15= － 0.376059 A16= － 0.976698 A17= － 0.017786 A18= － 0.208466 A21= － 0.640238 A22= － 0.355142 A23= － 0.033170 A24= ＋ 0.207177 A25= ＋ 0.567924 A26= ＋ 1.236642 A27= ＋ 0.011493 A28= ＋ 0.229396 A31= － 0.604954 A32= － 0.172663 A33= ＋ 0.514371 A34= － 0.145906 A35= ＋ 0.814428 A36= ＋ 0.249628 A37= ＋ 0.432350 A38= － 0.194050 A41= － 1.104232 A42= － 2.669360 A43= ＋ 0.057879 A44= ＋ 1.421818 A45= ＋ 0.779252 A46= ＋ 2.356120 A47= － 0.117219 A48= ＋ 0.537135

0 1 2 3

=

Z1

Z2

Z3

Z4

= 1

01 1 012

02 ^{12 02 01}

1 012

03 ^{13 03 01}

1 ₀₁²

1 ₀₂² 1 ₀₁² (

( )( ) 12 01 02)²

1 ₀₁²

23 02 03 ( 12 01 02 )( 13 01 03 ) 1 012

1 032 ( _{13 01 03})² 1 ₀₁² 2

Z1

Z2

Z 3

Z4

， (5)

Z1 、Z2 、Z3、Z4 ~ i.i.d (0, σ

ε

ε

β_i,t為參數i 第 t 期數據，i = 0、1、2、3，t = t、t-1、t-2；ε_i為參數i 的殘差項，i = 0、

1、2、3；相關係數矩陣 =

1

¹⁰

01

02 12

03 13

20 30

21 31

1

³²

23

進一步檢驗此估計模型之特性根是否落在單位圓(Unit Circle) 外，檢驗結果為 否，表示此模型滿足恆定條件(Stationarity)²⁹。估計模型之殘差相關矩陣如表1：

29　 單根檢定 (Augmented Dicky-Fuller) 之結果顯示，在 1% 之顯著水準下，β0、β1、β2、β3等四組 參數皆為定態之時間序列。單根檢定之結果如下：

統計量/ 變數 β0 β1 β2 β3

t 統計量（包含常數項及趨勢項） -5.895*** -6.066*** -5.893*** -6.155***

表1　VAR 模型之殘差相關係數矩陣

ε

ε

ε

ε

ε

ε

ρ

ε

ρ

ρ

ε

ρ

ρ

ρ

運用以上之VAR 模型模擬 10,000 次，其所產生之第三年末之殖利率的敘述統 計如表2³⁰。表2 中的數字顯示所模擬出來的平均值與中位數，相當接近歷史數據；

模擬出來的標準差較大係因樣本期間為利率低點，而潛在的上升趨勢可能會加大波 動度³¹。

表2　第三年末模擬殖利率之敘述統計及與歷史數據之比較

平均值 中位數 標準差

期間

（年） 歷史利率 模擬利率 歷史利率 模擬利率 歷史利率 模擬利率

1 0.009 0.0062 0.007 0.0062 0.006 0.0060 5 0.014 0.0109 0.012 0.0109 0.005 0.0136 10 0.017 0.0150 0.017 0.0151 0.005 0.0159 20 0.021 0.0191 0.021 0.0193 0.004 0.0158 30 0.022 0.0207 0.021 0.0209 0.004 0.0159 註： 於第三年末共有 10,000 條模擬的殖利率曲線，各曲線上皆有到期期間為 1 至 30 年之利率。本表

由左至右分別比較到期期間為1、5、10、20，及 30 年之模擬利率與歷史利率的平均數、中位數 及標準差。

30　 所模擬出 10,000 條的第一年、第二年，及第三年之年末的無風險殖利率曲線，將成為各年底 評價不同到期時間零息政府公債時的折現率，以計算這些公債的價格。跨年度價格的變化即 為公債資產的市值變動，而市值的變化再依所選擇的會計分類法去認列損益。

31　 所模擬出來的波動度較歷史資料高，可能的原因是樣本期間利率大致呈現下滑的趨勢，而我 們所模擬的利率，還有相當多上升的可能，故導致波動度比歷史波動度大。從風險管理的角 度而言，波動度大較能涵蓋到尾端風險，符合審慎的原則。

到期時間為30 年以上的殖利率係參照歐盟 Solvency II 及國際保險監理官協會 (International Association of Insurance Supervisors; IAIS) 的保險資本標準 (Insurance Capital Standard; ICS)，採用 Smith-Wilson 方法 (Smith and Wilson, 2001) 來產生³²。 實做時則設定終極利率(Ultimate Forward Rate; UFR) 為 4.2%，期限 (t2) 為 100 年，

收斂速度(α) 為 0.01。

（二）有關 IFRS 17 對保費與保險合約負債影響之模擬

上述模型可用以模擬未來各週的殖利率曲線。其中所模擬出第二年初及第三年 初殖利率曲線上之公債利率，將被用來當作計算這兩個時點所賣出保單之保費。表 3 為 3 個年度的保費平均值與中位數。

表3　第一年度預估三個年度所發行保單之保費平均值與中位數

第一年保費 第二年保費 第三年保費

平均值 $26,821 $28,119 $28,242

中位數 $26,821 $24,299 $23,876

註： 第一年保費係依據精算假設與預定利率計算，為單一數值，故平均值與中位數相同。第二年及第 三年保費係依據所模擬之10,000 條殖利率曲線與精算假設加以設算，再以 10,000 個保費計算其 平均數與中位數。

計算出保費與殖利率曲線後，即可根據IFRS 17 估算保險合約所對應之負債。

由於未來的殖利率曲線的不確定性，故保險合約負債也將有不確定性。表4 以平均 值與中位數作為評估合約負債大小之基準，同時列出合約負債的標準差作為風險管 理的參考。

表4　第三年末保險合約負債之公允價值

（單位：億元）

平均值 中位數 標準差

第三年末保險合約負債之公允價值 -$0.194 -$5.716 $59.204

註： 前 3 年共銷售了 3 萬張終身壽險的保單。若依照前述保費中位數計算且考慮死亡率，第三年末約 會收到13 億元的保費。若僅考慮第一年銷售之保單，則第一年末之負債的公允價值之平均值及 中位數為-4.765 億元及 -1.13 億元。

32　 歐盟 EIOPA (European Insurance and Occupational Pensions Authority)的網站(https://eiopa.europa.

eu/Pages/SearchResults.aspx?k=filename:ceiops-tool-extrapolator-risk-free-rates_en.xls)提供了執行 Smith-Wilson 方法的外插之工具。

根據IFRS 17 的原則搭配 4.2% 的 UFR，A 壽險公司於第三年末的負債公允價 值接近0³³。因本文設定的終身壽險保單屬精算公平(Actuarially Fair) 保單，亦即在 出售當時，預期保費的現值等於預期理賠的現值³⁴；出售後準備金將逐漸遞增，直 到保障期間的中後期。但因遠期利率要趨近UFR，帶動殖利率曲線的上升，準備金 因此會比原來精算出來的低。在目前的模型下，平均值接近0，中位數則為負 5.7 億，

亦即有50% 以上的機會預期保費收入的現值會高於理賠支出的現值。

另一方面，負債金額的不確定性很高，標準差超過59 億元，遠大於平均數與 中位數及保費收入。這麼大的標準差源自於殖利率曲線的不確定性。值得注意的是，

即使已經設定UFR 為 4.2%，負債金額的標準差還是很大。而中位數在平均值的左 邊，也意味著極端高負債值的影響，大於極端低負債值的影響。鑑於臺灣債券市場 規模與流動性的限制，所謂的資產負債管理(Asset-liability Management) 很難於實務 上施行³⁵，亦即很難找到對應的資產足以抵銷負債價值的變動，這將對未來壽險公 司的經營產生極重大之影響。承前節所述，未來應如何因應導入IFRS 17 之重大衝 擊，尚需各方多加審慎思考。

為進一步呈現IFRS 17 所可能帶來的巨大衝擊，本研究描繪出第三年末保險合 約負債之公允價值分布圖³⁶。圖1 顯示當採用某個時點的殖利率曲線來計算準備金 的公允價值時，即使有固定的UFR，壽險公司的準備金仍會有極大的變動；而如此 大金額的變動，可能導致壽險公司在法定的會計報表上呈現清償能力不足甚或破產 的狀況。更令人無法接受的是，這些鉅額的數字可能在下個評價時點大幅減少（當 殖利率曲線有顯著上升時），使壽險公司由清償能力由不足轉為大幅獲利。

負債金額這麼不穩定的主因是折現率曲線太不穩定所致。雖然有固定的UFR，

但此終極利率是設在60 年，而臺灣比較有實質意義的市場利率只有 10 年以內的利 率，因此從10 年至 60 年這一段利率曲線都是「人造」的結果。但人造的這一段 變動很大，導致負債現值的波動度很大。因此要解決這個問題，可以有兩個可行

33　 雖然數值接近 0，但並不是 0，而是負數，代表預期保費收入的現值略高於理賠收入的現值，

亦即有些微的合約服務邊際。本文尚無考慮合約服務邊際的攤銷及風險調整如何隨著時間與 外在環境的變化而變化。於真實環境下，合約服務邊際的攤銷及風險調整應隨著時間與外在 環境的變化而重新計算。

34　 實務上並無符合精算公平保單，但此為學術論文中常見的假設，其目的在於避免預期利潤的 產生可能對研究問題帶來不必要的干擾。我們其實也可以任意假設一個獲利率, 但此設計僅會 使公允價值及業主權益的機率分佈往右移，並不會影響本文的發現。

35　 參見李賢源 (2003)。

36　 圖 1 所呈現的負債公允價值之變異來自於未來利率的變動，不會被歸到 RA 項下。

的方向。第一個可行的方向是將終極利率縮短到40 年。ICS 的公式是 Max(LOT + 30,60)，其中 LOT 為 Last Observable Term，等同於 IFRS 17 中的 Last Liquid Point (LLP)。只要不再和 60 年取較大值，改成 LOT + 30，就可以設定終極遠期利率於 40 年。此設定預計可降低一些利率曲線的波動，因而也能降低準備金的波動。第 二個可行的方向是進一步考慮在20 和 30 年各增設一個錨點 (Anchoring Point)，這 兩個錨點可以是根據過去某段歷史期間的市場利率外插至UFR 所產生的 20 年與 30 年利率的平均。然後在真正要產出折現率曲線而執行Smith-Wilson 方法時，要求曲 線通過這兩個錨點及 UFR。預估此方法將可大幅度降低準備金的波動度，也就會大 幅降低保險公司須大幅增資以提高資本適足率或要求增繳安定基金之必要。上述的 建議作法應屬符合 IFRS17 對利率的要求。

（三）投資與會計分類影響模擬

為求得每年損益及業主權益之機率分布，本研究整合上述之股票模型、債券組 合，與保險負債以模擬未來3 年資產與負債之可能數值，並展示簡單的資產配置與

圖1　第三年末保險合約負債公允價值分布圖（採 IFRS 17）

會計分類之組合如何影響壽險公司的業主權益、淨利及破產機率。更明確地說，我 們所模擬的壽險公司持有2 類資產（公債與股票）及 5 種會計分類 [ 債券 FVTPL, 債券FVOCI, 債券 AC, 股票 FVTPL, 股票 FVOCI]，負債面則只有一類商品準備金的 公允價值。總資產與負債的差異即為業主權益。淨利是指投資組合之收益金額。當 業主權益小於0，即視為失卻清償能力；失卻清償能力的次數除以 10,000（因模擬 次數為10,000 次）即為破產機率。在模擬分析的最後，將設定一組壽險公司的目標 函數，以求解最適的資產配置與分類。

表5 的各行顯示當 A 壽險公司僅投資於一類資產（債券或股票）且僅採用一種 會計分類時（例如：只採用FVTPL），其第三年末之淨利及業主權益報酬率（淨利 / 業主權益）之平均值、標準差及破產機率。更明確地說，表 5 中的數字是根據所 模擬出10,000 個第三年末會計報表上的數字，來計算投資收益和業主權益報酬率之 平均值與標準差及破產機率，也因此會跟著會計入帳方式而有不同。模擬的結果可 分為兩組：前三行是全數投資於債券的結果，後兩行的結果則是全數投資於股票。

表5 中的每一行各代表不同的資產配置與會計分類，例如：第 (1) 行的 [1,0,0,0,0] 是 指將所有的資產都配置到債券且債券的分類為FVTPL 時，其淨利的平均值、標準 差、業主權益報酬率的平均值、標準差及破產機率。因此每一列中數字的差異（例 如：淨利[4.06 億 , 0, 0, 11.56 億 , 0] ），其實是對應到全部投資於債券但分 3 種會 計認列方式（前三個數字）及全部投資於股票再分兩種會計分類方式（後兩個數字）

的淨利。

表5　 當負債面採用 IFRS 17 的原則評價、資產面僅投資於一類資產並且只有採用 一種會計分類方法時，壽險公司於第三年末之營運概況

配置於各資產 分類之權重

(1) 全部投資於債 券並採FVTPL

[1,0,0,0,0]

(2) 全部投資於債 券並採FVOCI [0,1,0,0,0]

(3) 全部投資於債

券並採AC [0,0,1,0,0]

(4) 全部投資於股 票並採FVTPL

[0,0,0,1,0]

(5) 全部投資於股 票並採FVOCI [0,0,0,0,1]

μ

σ

μ

σ

破產機率 0.03% 0.03% 1.98% 2.51% 2.51%

註： 權重之順序為 [ 債券 FVTPL, 債券 FVOCI, 債券 AC, 股票 FVTPL, 股票 FVOCI]；期初權益為 150 億元。表中的數字是根據第三年末會計報表上的數字計算收益、業主權益，及破產機率，故隨會 計入帳方式而有不同。(1)~(3) 為全部投資於債券的結果，(4) 與 (5) 則是全數投資於股票的結果。

以下我們將逐行解釋模擬的結果。第一種情形是假設A 壽險公司將資金全數投 資於債券且採用FVTPL 來評價債券，亦即配置於各資產分類之權重為 [1,0,0,0,0]，

此情形的模擬結果顯示於表5 中之行 (1)。根據行 (1) 的數字，我們可以看出當 A 壽 險公司將資金全數投資於債券且採用FVTPL 評價債券時，其第三年淨利的平均約 4 億元。由於採用FVTPL，淨利有極大的波動，標準差高達約 51 億元，業主權益的 平均報酬率為4.79%，標準差為 13.22%，破產機率低至 0.03%。

這些數字堪稱合理，理由如下：第一，公司的總資產約160 億元，殖利率多介 於2% 與 3% 之間，因此產生 3~5 億元的淨利是合理的。第二，51 億元的 σ（淨利）來 自於債券價值的變動。債券組合的存續期間約15 年，利率變動的年化標準差約 3%，

因此一倍標準差對應約150 億元債券投資組合的變動是 70 億元，相對於 51 億元的 σ（淨利）也可視為合理。第三，51 億元的 σ（淨利）相對於150 億元的業主權益所能造成 的破產機率應該很低，符合模擬出來的0.03% 的破產機率。

另一方面，業主權益受到債券及準備金價值變動的影響。本文提到的3~5 億元 的淨利概算加上殖利率曲線的略微提升所造成的準備金些微下降，對應出3%~6%

的業主權益報酬率應屬合理。而13% 的 σ（業主權益報酬率）來自於債券價值的變動與準備 金價值變動的互抵。利率的變化對債券與準備金價值所造成的變化為同向，故會互 相抵銷，因此才能讓σ（業主權益報酬率）比根據債券存續期間所概算出的波動度小得多。

第二種情形是假設A 壽險公司將資金全數投資於債券且採用 FVOCI 來評價債 券，亦即配置於各資產分類之權重為[0,1,0,0,0]，此情形的模擬結果顯示於表 5 中 之行(2)。我們先根據 IFRS 9 進行推測：當壽險公司將資金全數投資於債券且債券 之評價均採用FVOCI 時，其損益僅反應債券攤銷之金額，故淨利在所有的模擬情 境下均應為0.034 億元，故標準差為 0。另一方面，此種資產配置與會計分類的組 合所導致之資產負債表的變動，應和行(1) 採用 FVTPL 於債券評價時相同。表 5 中 行(2) 的結果的確符合我們的推測，而符合推測的結果支持我們模擬的正確性。此 外，因利率變動導致債券價值及準備金公允價值的變動，然後也使業主權益跟著變 動，最後產生4.79% 的業主權益平均報酬率及 13.22% 的業主權益報酬率標準差。

第三種情形是假設壽險公司將資金全數投資於債券且債券之評價均採用AC，

亦即配置於各資產分類之權重為[0,0,1,0,0]。由於全數採用 AC 評價，攤銷數計入淨 利，因此淨利僅為0.034 億元，且無變化之可能性。至於此行的第三個數字：1.8%

的平均業主權益報酬率，源於準備金的價值平均而言會降低，而此亦因4.2% UFR 的設定會造成利率有逐漸上升的趨勢。此處的結果與解釋亦和表4 中準備金的平均 值與中位數為負值一致。44.53% 的 σ（業主權益報酬率）也可用表4 中巨大的標準差（59 億元）來解釋。但為何業主權益的標準差(44.53%) 還比行 (2) 中的 13.22% 高呢？

原因是當債券採用AC 評價時，其價值雖然不會隨利率的變動而改變，但準備金還