基于金融资产组合视角的投资型寿险需求研究，本文主要内容关键词为：组合论文,寿险论文,视角论文,金融资产论文,需求论文，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。
一、引言
进入新世纪以来，我国的寿险业进一步快速发展，其中投资型寿险占据绝大部分市场份额。投资型寿险通常是指将保险功能与资金运用功能相结合的寿险产品，能够给投资者带来不确定的收益，包括分红险、万能险与投连险。我国投资型寿险的保费收入从2001年的418.49亿元增加到2010年的7271.69亿元，增长速度十分迅速，增速平均达到44.72％，见表1。与传统的保障型寿险产品相比，投资型寿险在寿险中的主导地位已经确立。
虽然投资型寿险占据寿险市场大部分市场份额，但对它的研究文献却比较少。目前大多数寿险需求文献都以传统保障型产品作为研究对象，从经济因素、人口因素等方面进行理论分析与实证研究。但对保障型寿险产品的研究，很难解释近十年来以投资型寿险为主的寿险业的飞速发展。投资型的寿险产品具有保障和理财双重功能，是一种重要的金融资产，因此，本文从资产组合视角出发研究其需求规律。
寿险需求的研究分为理论研究和实证研究。Yaari(1965)发现人们通过购买寿险和年金，可以消除或减少由于死亡导致的不确定性。[1]Fishcher(1973)和Pissarides(1980)认为通过购买寿险可以减少未来劳动收入的不确定性。[2-3]Richard(1975)进一步认识到寿险可以防范人力资本丧失的风险，为此，个体应该购买足额的寿险。[4]Lewis(1989)则从受益人的角度分析了寿险需求问题，他认为购买寿险可以降低受益人未来生活的不确定。[5]
随着寿险理论的发展，研究侧重于分析消费者在获得终身效用最大化的前提下，哪些因素影响着人们寿险的购买行为。影响寿险需求的因素有很多，被直接引入到理论模型中的因素主要包括附加保费因子、预期收入、死亡率、遗产动机、风险偏好等。这些研究有Zhu(2007)、Plisk和Ye(2007)。[6-7]毕泗锋(2010)研究了金融资产组合中的投资型寿险的需求，不过其模型太过复杂，其经济意义并不显著。[8]
与理论研究相比，寿险需求的实证研究文献数量较丰富。从资产组合视角或将寿险作为主要的金融资产来研究其需求的文献有Bernheim(1991)、Beck和Webb(2003)。[9-10]Lin和Grace(2007)实证研究表明，家庭的金融脆弱性与定期寿险或总寿险需求有关。[11]Liebenberg等(2012)认为，寿险需求与家庭生命周期和金融条件改变密切相关。[12]
国内对寿险需求的实证研究也十分丰富，但把寿险视为重要的金融资产或从投资视角分析寿险需求的文献并不多，这些文献主要有朱铭来和房予铮(2008)、王立新等(2012)。[13-14]王向楠和张立明(2012)研究发现，样本中投资型寿险的占比越高，则社会保障、利率、居民储蓄对寿险需求的正向影响越大。[15]对投资型寿险需求进行实证分析的文献有中央财经大学课题组(2007)、郭丽军和熊志刚(2007)、王向楠和徐舒(2012)。[16-18]其中王向楠和徐舒(2012)对传统寿险与投资型寿险进行分类实证检验，比较主要因素对两类寿险需求的不同影响。[18]
综观国内外实证研究文献，在研究的视角上，大多数是从消费者的支付能力和保障动机来分析寿险需求，缺少对寿险投资理财功能的分析，而目前投资型寿险作为家庭理财重要工具，仅仅分析保障功能并不能全面了解寿险需求。在研究方法上，早期的文献多采用时间序列多元回归，由于没有横向对比，因而实证结果难以普遍适用。而近期文献的研究多采用面板数据的回归方法，但都是静态分析，由于寿险缴费的长期延续性，模型有着明显的自相关，可能产生伪回归。另外，国内的研究采用的数据多为某省或全国数据，由于某省或全国经济发展相差甚大，发达地区和落后地区的数据一旦平均就难以显示真正的发展趋势。而且其研究的数据都是寿险的总量数据，而没有区分传统型寿险和投资型寿险，虽然近年来，投资型寿险所占寿险总额比重较大，但在其发展初期并不大，所以用寿险的总量数据来研究投资型寿险或寿险的理财功能，不能令人信服。鉴于以上文献的不足，本文的实证研究采用全国35个大中城市的投资型寿险的数据，利用面板数据模型进行静态和动态分析。
二、变量、模型与数据
(一)变量说明
1.被解释变量
我们以投资型寿险的保费收入来衡量投资型寿险需求。为了便于比较不同地区寿险需求，我们使用人均寿险保费来衡量寿险需求。
2.解释变量
(1)收入水平。考虑到我国的投资型寿险绝大多数是城镇居民购买，因此本文将采用城镇居民可支配收入来代表收入变量。
(2)投资型寿险回报率。由于投资型寿险险种多，而且每个公司具体险种的回报率不同，也缺少相应的数据，而保险行业资金投资收益率和投资型寿险回报率密切相关，因而，我们用各年度保险行业资金收益率来衡量投资型寿险回报率。
(3)实际利率。由于投资型寿险具有理财功能，利率是其定价的依据，利率的变动会使得投资型寿险产品与其他金融工具的相对收益发生变化，从而对投资型寿险产生影响。因此，我们用实际利率来衡量利率变动对投资型寿险需求的影响。
(4)股票收益率。我们用考虑现金红利再投资的综合年市场回报率(总市值加权平均法)衡量股票的收益率。
(5)股票的波动率。股票波动率主要反映股市风险大小，我们用每年上证综合指数收益率的方差来衡量股票的波动率。
3.控制变量
(1)人均地区生产总值。一个地区的人均生产总值越高，其经济越发达，各项社会制度也越完善，其用于社会保障的资金也越多。由于我国社会保障衡量的指标统计口径在近年发生变化，因此，我们选择人均地区生产总值作为社会保障的代理变量。
(2)家庭平均人口数量。投资型寿险具有一定的保障功能，人口因素对其具有影响。家庭人口多，消费者为了给家庭成员提供经济保障，可能会对投资型寿险产生更多的需求。较多的家庭成员，会使得消费者倾向借助血缘关系分散风险，又对投资型寿险产生负向影响。因此，本文选择家庭平均人口数量作为人口因素的代理变量，用于控制家庭人口对投资型寿险需求的影响。
(二)计量模型的设定
投资型寿险是一种重要的家庭金融资产，人们购买投资型寿险不但注重其保障功能，而且看重其投资理财的功能，因而，在对其进行购买决策时，会将其与无风险的银行储蓄以及风险资产的股票进行比较分析。我们假设个体的财富主要用于消费、无风险资产的储蓄、风险资产的股票以及购买投资型寿险，以获得消费效用及财富效用最大化。由此，我们建立计量模型。考虑数据的可得性以及实际利率可能为负，我们建立半对数型模型。由于保费收入既有每年增加的新单保费也有续交保费，为了更清楚地识别投资型寿险需求变动的规律，我们分别建立半对数型的投资型寿险需求的静态模型(1)和动态模型(2)。
(三)数据
考虑数据的可得性，本文使用2001-2010年全国35个大中城市的投资型寿险保费数据，它和保险资金投资收益率数据均来源于历年的保险年鉴，其中投资型寿险保费数据根据历年的统计年鉴进行整理汇总。各城市的人均可支配收入、地区人均生产总值、CPI数据以及家庭平均人口来自各城市的《统计年鉴》(2001-2010年)，各城市的人口数据来自《中国人口与就业统计年鉴》(2001-2010年)。利率的数据来源于中国人民银行网站，如遇利率调整，则根据调整时间进行加权平均。股票的回报率和上证综合指数收益率的数据来自国泰安经济金融研究数据库。
三、实证检验及结果
(一)单位根和协整检验
为保证样本单位根检验结果的稳健性，
(二)估计结果
1.静态面板的估计结果
静态模型可以反映短期内投资型寿险的新单保费需求影响。运用混合回归、固定效应和随机效应模型估计静态模型(1)，其结果见表6。对于混合回归和固定效应模型的选择，由于固定效应模型的F值对应的P值为0.000，所以选择固定效应模型。对于固定效应和随机效应模型识别的Hausman检验P值为0.006，说明统计上拒绝随机效应模型，因此，在静态模型中，我们选择固定效应模型作为分析的基础。
表6显示，在静态模型中，收入、投资型寿险收益率、实际利率及股票波动率对投资型寿险的需求具有正向影响，股票回报率对投资型寿险的需求具有负向影响。但投资型寿险收益率和股票波动率的回归系数不显著，说明在短期内它们的影响并不明显。控制变量人均地区生产总值的影响为正且显著，家庭人口数量的影响为正，但并不显著。
2.动态面板的估计结果
由于寿险缴费具有长期延续性，因而我们将滞后一期的投资型寿险保费作为解释变量加入模型中，由此静态模型变为动态模型，以此来检验投资型寿险总保费长期变化的趋势。
在动态面板模型中，由于因变量的滞后项作为解释变量，从而有可能导致解释变量与随机扰动项相关，且模型具有横截面相依性，因而，如果应用标准的随机效应或固定效应模型进行估计，估计结果将是有偏的。为此，Arellano和Bover(1995)以及Blundell和Bond(1998)提出了系统广义矩估计(system GMM)。[20-21]系统GMM首先通过一阶差分选取合适的工具变量和产生相应的矩条件方程，然后运用工具变量解决变量的内生性问题，最后引入因变量的滞后项解决序列相关问题。
本文采用系统GMM来估计动态面板模型(2)，以克服个体异质性和内生性问题。在实际的估计时，prem被视为内生变量，rate被视为前定变量，其他变量都被视为外生变量，为克服多重共线性，这些变量都被处理为工具变量。系统GMM估计结果见表6。
表6所示，Sargan检验不能拒绝工具变量有效的原假设，表明工具变量是有效的，不存在过度识别的问题。AR(1)和AR(2)结果表明模型差分误差项只存在一阶序列相关而无二阶序列相关，符合Arellano和Bover的自相关假定。
从动态模型的估计结果来看，滞后一期的保费系数在1％的水平上显著为正，说明投资型寿险的消费存在序列相关性。回归结果显示，收入、投资型寿险收益率、实际利率及股票波动率对投资型寿险的需求具有正向影响，股票回报率对投资型寿险的需求具有负向影响，其中投资型寿险的收益率与实际利率统计不显著，其他变量系数统计显著。控制变量人均地区生产总值的影响为负且不显著；家庭人口数量的影响为正，但同样不显著。
(三)结果分析
1.静态模型与动态模型中，收入对投资型的需求影响为正且显著。这表明，随着人们收入的提高，家庭的财富增长，人们越需要对财富进行有效配置，因而对投资型寿险的需求越多。
2.投资型寿险收益率对其需求影响为正，在静态模型与动态模型中都不具显著性。投资型寿险的寿险收益率越高，人们获得的收益越多，对其需求也就越强，但统计上都不显著。这主要原因如下：在2001—2010年间，我国股票市场的收益率除2006年、2007年收益率较高外，其他时间股市走势低迷，回报率低，而实际利率在这期间同样较低，个别年份还为负，因此，只要投资型寿险的收益率高于银行利率，人们就会购买投资型寿险把它作为家庭理财的重要金融资产，所以，投资者对其收益率反而不敏感。在寿险市场中，投连险与资本市场密切相关，由于股市行情不佳，其收益率低，目前需求小，市场份额低。万能险虽有保底收益，但近年来其收益率低于银行同期利率，市场份额不断萎缩。占据大部分市场份额的分红险，大多数时间收益率高于银行利率，但分红险的收益并不透明，这在一定程度上可以解释其收益率为何对投资型寿险需求无显著影响。
3.实际利率对投资型寿险需求的影响短期显著而长期不显著。这主要原因是短期内实际利率的提高，往往是通货膨胀较高、央行加息的结果，此时，消费者为对抗通胀而增加投资型寿险的购买。投资型寿险作为一种家庭重要的金融资产，与银行储蓄等无风险资产之间存在着相互替代的关系，实际利率的提高会减少人们对投资型寿险的需求，这是银行储蓄的替代效应。但另一方面，银行存款收益的提高，会增加个体的总财富，进而增加对投资型寿险的需求，可视为银行储蓄的收入效应。长期内消费者对金融资产的配置有更多的选择，同时储蓄的替代效应与收入效应共同作用使得实际利率对投资型寿险需求的影响不显著。
4.股票对投资型寿险的影响以替代效应为主。实证显示，股市收益的增加，人们会把更多的资金投资股票，从而降低对投资型寿险的需求，本文结论与王向楠(2012)类似，王向楠(2012)实证研究得出，分红寿险的退保受到资本市场回报率的正向影响。[22]因此，股票的回报率对投资型寿险影响为负。
5.股票波动率对投资型需求为正，但短期不显著，长期显著。其主要原因是，在短期内人们对股市的风险难以判断，而在长期中人们对股市的风险有较深的了解，因而在购买决策时会认真考虑股票风险，所以，其对投资型寿险的需求影响，短期不明显，长期影响则显著。
6.人均地区生产总值作为社会保障的代理变量，其对投资型寿险需求短期内显著为正，长期内影响为负且不显著。社会保障和保障型寿险产品具有较强的替代性，但另一方面，由于享受到了社会保障，消费者有更多的财富从而增加对寿险的需求。[23]短期内，社会保障增加，会增加消费者的财富效应，更看重投资型寿险的投资功能，会增加对投资型寿险的需求。但投资型寿险毕竟还具有保障功能，是一种寿险产品，长期内消费者会注重投资型寿险的保障功能，因而社会保障的增加会减少对其需求，但由于投资型寿险以投资功能为主，这种影响变得不显著。
7.投资型寿险具有一定的保障功能，所以家庭人口的增多，会使得消费者通过购买寿险来分散家庭风险，因而对其需求上升。但投资型寿险毕竟以投资为主，因而这种影响并不明显。
四、结论
本文从金融资产组合视角出发，建立面板计量模型，利用2001-2010年全国35个大中城市的投资型寿险的保费数据，从静态和动态两方面进行实证检验，结果表明，股票的回报率对投资型寿险需求影响为负，投资型寿险的收益率、个体的收入、实际利率以及股票的波动率对投资型寿险的需求影响为正。由于投资型寿险收益率对其需求并不显著，所以，我们可以得出结论：居民收入提高，为对抗通胀，而购买投资型寿险，这是其快速增长的主要原因。因此，只要投资型寿险收益率高于银行利率，其对需求影响并不明显。实证还表明，投资型寿险虽具有投资和保障功能，但短期内消费者更关注投资功能，长期内消费者会考虑保障功能，但由于其投资功能存在，保障功能的影响并不显著。
标签：投资论文; 实际利率论文; 股票论文; 回报率论文; 金融论文; 投资收益率论文; 寿险论文; 消费者分析论文; 经济论文;