人壽保險機構為中長期經營之投資者，盈餘或是淨值定義為資產市值減除法定負債之餘額，本研究探討保險人於投資評估期限內，欲達到最適盈餘目標之投資策略，於給定之負債組合及預估現金流量，同時考量保險人之風險接受程度、市場隨時間變化程度與財務收益評估目標，求得每期之最適資產組合及報酬後，檢視公司最適盈餘之分佈狀況。為充分說明模型內容及結果，本文以經營達二十年之某人壽保險公司為例，商品類別包括終身壽險、定期險、定期養老險及終身養老險，依據精算模型預估未來各期之現金流量及準備金，以動態控制理論發展之多期最適投資組合模型運算投資不同年期之債券及股票之資產配置，以檢視最適盈餘數值。經由模擬運算歸納分析結果：（1）資產配置差異的重要因素在於公司對風險趨避程度的不同，因此長期而言，公司盈餘的穩定性也不同；（2）投資期間影響債券年期之配置比例，多期投資模型可定期調整資產配置組合，當投資期間愈長，長年期債券配置比例較高，到期績效較佳，（3）由於壽險商品定價利率於商品銷售已訂定，準備金提存利率愈大於市場利率時，盈餘值為負值之機率愈大。預測壽險公司之清償力，除今年七月份即將實行保險法之風險資本額（RBC）制度，亦可參考本研究之動態財務模型，建立公司內部資產負債管理模型，以提供管理者之財務決策參考及經營決策管理工具。

本文主要是針對保險業及退休基金的資產負債管理議題為研究重心，延續Huang (2004)的研究，其研究是以理論求解的方式求出多期最適資產配置的唯一解，而其研究也衍生出兩個議題：首先是文中允許資產買賣空;再者其模型僅解決單期挹注資金的問題，而不考慮多期挹注資金。但這對於實際市場操作上會有一些的問題。因此本文延續了其研究，希望解決這兩個議題，讓模型更能解出一般化的資產負債管理問題。 本文所選擇的投資的標的是以一般退休基金與保險業所採用，分別是短債(short-term bonds)、永續債卷(consols)、指數連結型債券(index-linked gilts(ILG))、股票(equity)為四種投資標的，以蒙地卡羅模型模擬出4000組Wilkie 投資模型(1995)下的四種標的年報酬率以及負債年成長率，利用這些預期的模擬值找出最適的投資比例以及應該挹注的金額。而本文主要將問題化為決策變數的二次函數，並以一般化最小平方法(generalized least square,GLS)來求出決策變數，而用此方法最大的優點在於一般化最小平方法具有唯一解，且在利用軟體求解的速度相當快，因此是非常有效率的。本文探討的問題可以分成兩個部分。我們首先討論「單期挹注資金」的問題，只考慮在期初挹注資金。接著我們考慮「多期挹注資金」的問題，是在計畫期間內能將資金分成多期投入。兩者都能將目標函數化為最小平方的形式，因此本文除了找出合理的資產配置以及解決多期挹注資金的問題之外，也將重點著重於找一個能快速且精準的方法來解決資產配置的問題。 / This paper deals with the insurance and pension asset liability management issue. Huang (2004) derives a theoretical close solution of multi-period asset allocation. However, there are two further problems in his paper. First, short selling is allowable. Second, multi-period investing is not acceptable. These two restrictions sometimes are big problems in practice. This paper extends his paper and releases these two restrictions. In other words, we intend to find a solution of multi-period asset allocation so that we can invest money and change proportion of investment in each period without problems of short selling. In this paper, we use the standard asset classes used by pension or insurance funds such as short-term bonds, consols, index-linked gilts and equities. We generate thousand times of Monte Caro simulations of Wilkie investment model (1995) to predict future asset returns. Furthermore, in order to improve time-efficiency and accuracy, we derive a quadratic objective function and obtain a unique solution using sequential quadratic programming.