基于动态财务分析的财产保险公司财务风险度量研究_财产保险公司论文

基于动态财务分析的财产保险公司财务风险度量研究，本文主要内容关键词为：度量论文,财务分析论文,公司财务论文,财产保险论文,风险论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

       中图分类号：F840.323 文献标识码：A 文章编号：1008-2972(2015)01-0066-0966

       一、引言

       近年来，中国财产保险市场经历了一个快速发展的时期，据统计，中国财产保险市场的保费收入从2001年的688.24亿元增加到2012年的4779.06亿元，保费年均增长率为21.57％。然而，在中国财产保险市场取得长足进步的同时，不容忽视的是承保金额也从2001年的19.3万亿元增加到2011年的369.17万亿元，承保金额年均增长率为35.67％。承保金额年均增长率远高于保费年均增长率，说明中国财产保险业的保费水平处于不断下降的过程中。与此同时，由于受到保险资金运用渠道和规模的限制以及中国资本市场不够完善和剧烈波动的影响，中国财产保险业2003年至2012年的平均投资收益率只有4.95％。不断下降的保费水平和较低投资收益率加剧了财产保险公司的财务风险，2008年更是出现了整个行业亏损的情况。财产保险业不断汇聚的财务风险逐渐引起了保险业的关注，也促使理论界和实务界加强对财产保险公司财务风险管理的研究，而精确的财务风险度量是财产保险公司做出财务风险管理决策的基础。

       财产保险公司的财务风险主要是由于公司承保和投资策略不当导致公司丧失偿付能力的风险。财务风险的来源主要包括投资风险和承保风险等。目前，学术界关于财务风险度量的研究主要是分别探讨投资风险和承保风险的度量方法，如陈辉和陈建成(2008)、田玲等(2011)使用Copula方法度量了保险公司的投资风险，杨旭(2008)、王正文和田玲(2014)分别使用Copula 方法和共单调方法度量了财产保险公司的承保风险。[1-4]然而，随着财产保险市场竞争的日趋激烈和市场环境的快速变化，分别度量投资风险和承保风险已经不能满足保险公司财务风险管理的需求，因此Casualty Actuarial Society(2006)提出可以使用动态财务分析方法(Dynamic Financial Analysis，DFA)对保险公司的财务风险进行度量。[5]DFA模型在度量财务风险的过程中，除了认为应该从总体上考虑投资风险和承保风险以外，还认为保费收入、经营成本等因素同样会影响保险公司的财务风险，因此不能简单地假设这些变量是固定不变的，同样需要对这些影响因素进行建模。Lowe和Stanard(1997)对DFA建模方法和应用领域进行了详细的介绍，并建立了一个包含承保风险和投资风险在内的标准DFA模型。[6]Blum等(2001)运用标准DFA模型研究了在存在货币兑换风险时原保险人购买再保险的决策变化。[7]D’Arcy等(2004)运用标准DFA模型对财产保险业最优增长规模进行了预测。[8]石晓军和郭金龙(2008)对标准DFA建模的综合框架进行了详细分析，并对标准DFA模型的优缺点以及影响因素等进行了探讨。[9]张勇和杜同超(2011)运用标准DFA模型对中国财产保险公司的盈利能力进行了预测。[10]以上研究均对标准DFA模型的发展和完善做出了贡献，然而大量研究表明，保险公司投资风险和承保风险之间存在着非线性关系(田玲等，2011；Wang，1998)，[4，11]传统DFA模型假设每一风险均服从正态分布，即假设不同风险之间存在线性关系，因此传统DFA模型并不能刻画不同风险之间的非线性关系。Eling和Toplek(2009)提出可以将传统DFA模型与Copula理论相结合，使用传统DFA模型刻画不同影响因素的变化的同时，用Copula理论刻画不同风险之间的非线性关系。[12]Copula理论首先是作为一个统计概念引入，但Copula 理论在早期并未引起广泛的关注，随着计算机技术和信息技术的不断发展，Copula理论开始广泛应用于金融研究领域(Nelsen，1997)。[13]Copula理论首先是由Wang(1998)引入到保险研究中的。[11]目前，Copula理论被保险业广泛应用于构造不同风险之间的非线性相关关系，例如陈辉和陈建成(2008)、Jen-Jsung Huang等(2009)运用Copula理论对保险公司的投资风险进行了度量。[1，14]Tang和Valdez(2009)借助Copula理论度量了财产保险公司业务组合所需的经济资本，并对业务组合的风险分散化效应进行了度量。[15]

       纵观国内外研究文献，在研究视角上，大多数文献是分别对投资风险和承保风险进行度量。在研究方法上，虽然也有一些文献对DFA模型进行研究，但仅限于从理论和实证方面对传统DFA模型进行研究，鲜有文献关注保险公司投资风险和承保风险之间存在的非线性关系。鉴于以上文献存在的不足，本文着重从理论和实证方面，将DFA模型和Copula理论相结合，希望在刻画投资风险和承保风险之间非线性关系的同时，对财产保险公司的财务风险进行度量。

       二、基本模型

       (一)财产保险公司的动态财务分析模型(DFA模型)

      

       接下来需要估计财产保险公司的保费收入。在保费预测中，关键是要对保费收入的周期性进行刻画，Eling和Toplek(2009)、Cummins和Outreville(1987)、张琳和唐林娟(2012)、荣幸等(2012)均认为财产保险市场存在承保周期。[12，16-18]借用Eling和Toplek(2009)、Cummins和Outreville(1987)的模型，[12，16]使用一个含有二阶滞后项的向量自回归模型估计承保周期，设为保费水平：

      

       在对财产保险承保业务进行分类时，考虑到机动车辆险在整个承保业务中占有很大的比例，因此在对索赔进行分类时并未简单将承保损失分为财产险索赔损失和责任险索赔损失，而是将索赔损失分为机动车辆险索赔损失和非机动车辆险索赔损失。①机动车辆险和非机动车辆险赔付率分别记为

所占份额分别为

，则总索赔损失C可以表示为：

      

       (二)Copula函数

       在财产保险公司动态财务分析模型中，关键是要刻画投资风险与承保风险之间的相关关系，最常见的方法是假设投资风险与承保风险均服从正态分布，并使用线性相关关系刻画投资风险与承保风险之间的相关关系，然而也有研究表明投资风险与承保风险之间存在非线性关系(Eling和Toplek，2009)。[12]最常见的刻画不同随机变量之间非线性关系的方法是Copula方法(McNeil等，2005；Demarta和McNeil，2005；Embrechts，2009)。[19-21]

       为了在财产保险公司DFA模型中刻画低风险投资、高风险投资、机动车辆险和非机动车辆险之间的相关关系，本文引入了四种不同的Copula函数，它们分别为四维Gauss Copula函数、四维t Copula函数和两种四维不可互换Archimedean Copula 函数(Clayton Copula函数和Frank Copula函数)(Eling和Toplek，2009；Sun等，2008；SCOR Switzerland AG，2008)。[12，22-23]

       Gauss Copula函数、t Copula函数和四维不可互换Archimedean Copula函数分别可以表示为：

       1.四维Gauss Copula函数(四维高斯连接函数)

      

       2.四维t Copula函数(四维学生连接函数)

      

       3.四维不可互换Archimedean Copula函数(四维不可互换阿基米德连接函数)

      

       其中，

称为Archimedean Copula函数的生成元，不同的Archimedean Copula函数可以由不同的生成元构成，其中Clayton Copula函数(克莱顿连接函数)和Frank Copula函数(弗兰克连接函数)的生成元及主要性质见表1。

      

       (三)基于动态财务分析的财产保险公司风险度量研究

       在财产保险公司风险度量中，常见的风险度量指标为在险价值VaR和尾部在险价值TCE。在险价值VaR虽然使用起来较简单，但是Artzner(1999)认为一致性风险度量方法应该满足单调性、平移不变性、正齐次性和次可加性的条件，VaR不满足次可加性，因此不是一致性风险度量函数，而TCE满足一致性风险度量方法，是更好的风险度量方法。[24]本文中财务风险度量指标分别选择了在险价值VaR和尾部在险价值TCE。

       令α表示置信水平，则在险价值VaR和尾部在险价值TCE分别可以定义为：

      

       在在险价值VaR和尾部在险价值TCE的基础上进一步可以对财产保险公司风险调整后的绩效(Risk-adjusted performance measure，RAPM)进行评估。目前，广泛被使用的RAPM指标主要有两类：一类是Sharp指标；另一类是风险调整后资本资产收益率(Risk Adjusted Return on Capital，RAROC)指标。Sharp指标是用风险组合获得的超额收益与为了获得超额收益所承担风险的比值来表示，并根据评估的结果评判风险组合的绩效，但是采用Sharp指标会使风险组合管理者倾向于较为保守的资产配置策略。RAROC指标的核心思想是将未来可预见的风险损失量化为当期成本，进而得到经风险调整后的收益，并据此评估组合的绩效。RAROC指标在一定程度上克服了Sharp指标的缺陷，因此RAROC指标也获得了更广泛的使用(田玲等，2011)。[2]

       根据在险价值VaR和尾部在险价值TCE，可以将RAROC表示为：

      

       RAROC的取值范围为(-∞，+∞)，其中当RAROC的取值范围为(-∞，0)时，说明财产保险公司为了获取当前的收益承担了过高的财务风险，并且RAROC越小，财产保险公司承担的财务风险越高，整体经营策略也越激进。当RAROC的取值范围为(0，+∞)时，并且RAROC越大，财产保险公司承担的财务风险也越低，整体经营策略也越保守。

       三、实证分析

       (一)数据来源及方法说明

       本文选取了2001年至2011年中国人民财产保险公司相关数据作为样本。投资收益率、机动车辆险赔付率和非机动车辆险赔付率根据2001年至2011年相关数据计算得到，数据来源为2002年至2012年《中国保险年鉴》。由于无法准确获得该财产保险公司无风险资产(银行存款和国债)和风险资产的收益率，且在数据模拟方法上并无太大差异，因此在实证过程中直接使用了投资收益率而未进一步进行划分。在投资收益率、机动车辆险赔付率和非机动车辆险赔付率分布函数的模拟过程中，将正态分布、对数正态分布、

分布、指数分布、Pareto分布等分布函数作为备选分布函数，并使用Kolmogorov-Smirnov检验和Anderson-Darling检验方法，判断备选分布函数的拟合优度，最终选取正态分布拟合投资收益率分布函数以及对数正态分布拟合机动车辆险赔付率和非机动车辆险赔付率分布函数，具体结果见表2。

      

       为了简单起见，假设可投资资金的比例为1，即该保险公司所有资金均被用于投资。假设消费者反应函数为1，即该保险公司所有潜在投保人均能转化为最终投保人。保费水平根据总保费收入与总承保金额的比例计算得到，并对2001年至2011年中国保险市场保费水平做向量自回归分析，回归结果见表2。秩相关系数根据表1的计算方法通过Matlab编程计算得到，样本区间为2001年至2011年投资收益率、机动车辆险赔付率和非机动车辆险赔付率数据。

       权益资本、税率、承保市场规模、保险公司市场份额、综合费用率均为2011年年末数据。假设财产保险市场增长率为10％。

       (二)财产保险公司风险度量结果

       通过前面的分析和计算，接下来就可以对风险进行度量。Copula函数分别选取了Gauss Copula、t Copula、不可互换Frank Copula和不可互换Clayton Copula函数，VaR和TCE的计算需要使用Monte Carlo仿真技术，共进行了10000次仿真，具体步骤为：首先，根据相关关系和Copula函数参数值，运用Monte Carlo仿真技术得到了10000个随机数。其次，根据式(1)得到10000个权益资本EC的值。最后，对该10000个权益资本EC的值按升序进行排序，其中第9500和9900个数值即为置信水平为α=0.95和α=0.99时的VaR，对第9501至10000个数值，以及对9901至10000个数值求平均数即得到置信水平为α=0.95和α=0.99时的TCE。进一步根据式(15)和式(16)得到RAROC的值，具体结果见表3。由表3可以看出，保险公司的RAROC始终小于0，说明该保险公司为了获取现有收益承担了过高的财务风险。

       (三)可投资资金比例与分出再保险比例对财产保险公司绩效的影响研究

       由表3结果可以看出，总体的RAROC始终小于0，说明该保险公司为了获取现有收益承担了过高的财务风险，需要采取措施降低财务风险。由动态财务分析模型可知，保险公司的风险主要来自于投资业务和承保业务。对于投资业务，保险公司可以通过调节可投资资金的比例k(0≤k≤1)的方式降低风险。对于承保业务，保险公司可以通过提高再保险的比例l(0≤l≤1)的方式降低风险。②因此，接下来的研究将围绕可投资资金比例与分出保险比例(即提高再保险比例)对该保险公司绩效的影响展开。

      

       首先，假设提高再保险的比例l为0，即假设该保险公司维持现有的再保险策略，然后通过调节可投资资金的比例k的方式考察调节投资业务对总体绩效的影响。③由于可投资资金的比例k的取值范围为[0，1]，将等分为100份，即每一步的步长为1％，测算取不同值时

和

的变化情况，通过测算发现，可投资资金的比例k越高，则保险公司的绩效也越高，说明保险公司的投资策略应该是将所有的可投资资金全部用于投资。该投资策略与目前中国保险市场投资现状是相符的，首先，由于中国保险法和保监会的相关规定的限制，保险公司能够配置于高风险资产的比例是较低的。其次，中国资本市场从2008年以来，一直处于剧烈波动中，保险公司通过配置高风险资产获取高额收益的难度越来越大，因此保险公司主要采取的是防御性投资策略，将更多的资产配置于国债、存款等低风险的资产。正是由于以上原因，保险公司总体投资风险是较低的并且是可控的，因此保险公司为了获取更高的投资收益只能是通过增加投资额的方式实现。

       其次，假设提高可投资资金的比例k为0，即假设该财产保险公司将所有可投资资金全部进行投资，然后通过调节再保险的比例l的方式考察再保险对总体绩效的影响。由于再保险的比例的取值范围为[0，1]，将l等分为100份，即每一步的步长为1％，测算l取不同值时

和

的变化情况，同样，通过测算发现提高再保险比例，可以提高保险公司的绩效，其中，只要再保险的比例l再提高5％时，保险公司就可以将总体RAROC提高到零以上，说明再保险对保险公司的绩效的影响是显著的。

       四、结论与建议

       随着中国财产保险市场承保主体的增加和市场竞争的不断加剧，财产保险业的保费水平处于逐渐下降的过程中，保费水平下降意味着保险公司每单位保费承担的风险正在不断增加。同时，由于受到保险法等保险法规的限制和中国资本市场波动的影响，财产保险业资产配置的途径和规模均受到了严格限制，财产保险公司难以通过配置高风险资产获取高投资收益，低投资收益率的现实进一步加剧了财产保险公司的财务风险，加强财产保险公司的财务风险管理便成为整个保险业关注的焦点。本文尝试将动态财务分析模型引入到财产保险公司风险度量研究中，并使用Copula模型刻画投资风险与承保风险之间的非线性关系，最后以2001年至2011年中国人民财产保险公司相关历史数据进行了实证分析，通过实证分析发现财产保险公司的风险调整后资本资产收益率(RAROC)小于零，说明保险公司为了获取当前收益承担了过高的财务风险。并且进一步研究动态财务分析模型发现，保险公司的财务风险主要来自于投资业务和承保业务。对于投资业务而言，保险公司的绩效与可投资资金的比例正相关，即保险公司可以通过提高投资资金的规模提高绩效，但是提高投资资金的规模对保险公司绩效的影响有限。对于承保业务而言，保险公司要降低承保的规模可以采取提高再保险比例方式实现，保险公司的绩效同样与再保险的比例正相关，通过提高再保险的比例可以显著地提高保险公司的绩效，因此，提高再保险比例应该是当前条件下财产保险公司提高绩效的主要方式。

标签：财产保险公司论文;  财务风险论文;  再保险论文;  copula论文;  在险价值论文;  风险价值论文;  财产保险论文;  风险模型论文;  绩效指标论文;  投资风险论文;  风险管理论文;