保險公司償付能力

導語：保險公司償付能力一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、保險公司經營狀況與償付能力

償付能力是保險公司資產與負債之間比較結果,因此必然會在保險公司經營過程或資產負債變化的狀況中體現出來。正是基于這樣一個理論前提,大量的研究以保險公司的財務比率為研究對象,通過分析公司的經營業績來識別保險公司的風險狀況,并檢驗決定公司風險的主要財務指標和其它變量。

早期性的研究主要采用的是單變量分析方法,如Hofflander,A.E.andR.M.Duval(1967)根據一個保險公司的數據,應用數學模型分析了損失準備金、所持證券價格變動和經營分散化對保險公司破產概率的影響。結果顯示,平均來說損失準備金每低估10%會造成保單持有人盈余(PHS)減少5%;所持股票的價值下降20%會引起PHS減少40%;多險種經營可以減少保險公司面臨的總風險,對資本的需求比專營公司相對要少。

單變量分析方法的缺點在于只考慮各變量單獨對保險公司償付能力的影響,而沒有考慮各變量的綜合性的影響。為此,Trieschmann,J.S.&G.E.Pinches(1973)采用了多變量識別分析(Multi—DiscriminantAnalysis,MDA)法,該方法有兩個假設前提:一是假設各保險公司的各項財務指標組成的向量服從正態分布;二是將所有樣本分成具有償付能力和償付能力不足兩組,且假設兩組中各公司的財務指標組成的向量的均值和協方差矩陣已知且相等。其判別函數的形式為:Z=V1X1V2X2…VnXn,其中Xn為各種財務比率,Vn為各對應的判別參數,各變量影響經過加總后得到Z值,根據Z值來判斷公司的償付能力狀況。后來他們在1977年的文章中指出了多變量分析方法存在的缺點,那就是它的兩個假設前提所受到的質疑。

鑒于多變量分析方法中的局限性,Eck,J.R.(1982)引進了0-1回歸模型,并用最小二乘法來估計參數。Harrington,S.&Nelson,J.(1986)使用了回歸分析的方法,其依據是在給定保費公積金比率的前提下,保險公司的破產概率隨著公司的資產組合、產品結構及其它一些公司特征的不同而變化,即保費公積金比率和公司的破產概率之間的關系會因各公司的投資與承保風險的不同而變化。作者通過回歸方法分析了各公司保費公積金比率與公司的資產組合、產品結構及公司其它特征之間的關系,找出行業的正常標準,通過觀察各公司是否偏離正常標準來識別出償付能力不足的公司。

后來更多的研究是使用Logit和Probit模型。模型的因變量為保險公司是否具有償付能力的概率,屬于0-1型變量,其概率分布由Logit和Probit模型得到,其中Logit模型將判別函數表達為累積的邏輯概率分布,從而回歸出判別函數中自變量的系數,再利用模型找出影響償付能力的重要財務變量,并對保險公司的償付能力做出預測。如Ambrose,JanM.,andAnneM.Carroll(1994)將IRIS①比率、其它一些財務比率與Best公司的評級歸到一個統一的Logit模型中,采用了1969年~1986年人壽保險公司的樣本數據,準確的對保險公司的償付能力進行了預測。

PatrickL.Brockett等(2006)運用了非參數識別法中的神經網絡法對來識別保險公司償付能力不足的問題。神經網絡是對生物神經系統的仿真,它通過訓練來解決問題,訓練一個神經網絡就是把輸入值和理想輸出值作為訓練的樣本,通過一定的算法進行足夠的訓練,使得神經網絡學會包含在“解”中的基本原理,當訓練完成之后該模型就可以用來解決相同的問題。作者使用了神經網絡方法中的反向傳播(back—propagation,BP)法和學習向量量化(learningvectorquantization,LVQ)法對保險公司的償付能力進行預測,并將它們的預測效果與傳統的MDA方法、Logistic回歸法進行了比較,認為神經網絡法比傳統方法的預測效果更好。保險公司償付能力研究中一些常用的方法及其作者見表1。

二、保險公司的外部環境與償付能力

保險公司經營的外部環境的變化顯然會影響到公司的經營效益。雖然外部環境對各個公司的影響程度會有所差別,但是,對于整個保險市場來說,市場外部環境的變化會影響到市場中保險公司總的償付能力狀況,增加償付能力不足的保險公司的總數。為此,很多學者開始研究保險公司經營的外部環境對其償付能力的影響。

Browne,M.J.&RobertE.Hoyt(1995)使用了1970年至1990年每個季度的數據,分析了財產保險公司償付能力不足率與經濟和保險市場環境之間的關系。作者使用了Logistic回歸的分析方法,分析結果表明:(1)公司總數作為衡量市場競爭程度的變量,其值越大,代表著保險市場

的競爭越激烈,公司總的償付能力不足率就越高;(2)保險公司的償付能力不足率在第一季度是最大的,可能是因為監管過程中要求保險公司每年在第一季度提交各項財務報表,很多保險公司的償付能力狀況才被發現,因此,作者建議如果監管者能夠及時收集到更多的保險人經營信息會幫助其更早的發現償付能力不足的公司;(3)未預期到的通貨膨脹對保險人財務狀況的影響并不顯著,這個結果與其它一些研究有所不同;(4)利率變化對于償付能力的影響在模型中表現也不顯著,作者認為,一個可能的解釋是在研究的期間中,利率變動引起的資產負債中久期匹配不當的影響由于現金流動效應減輕了。

Browne.M.J.,J.M.Carson&R.E.Hoyt(1999)使用了1972年至1994年壽險公司的數據,采用泊松回歸模型(Poissonregressionmodel)對壽險公司的償付能力不足與長期利率、個人收入、失業率、股票市場、保險公司數量和固定資產投資的收益率之間的關系進行分析。實證表明:(1)長期利率與壽險公司的償付能力不足率正相關,且相當顯著,即長期利率的增長會使壽險公司的償付能力不足率增加;(2)個人收入與壽險公司的償付能力不足率之間是正相關,且比較顯著。因為個人收入的增長會促進壽險產品銷售的增加,從而使壽險公司的杠桿比率上升,對盈余也是很大的消耗(ADrainonSurplus),進而使償付能力不足的概率增大。(3)失業率的增加會引起壽險公司償付能力不足率的增加。(4)公司償付能力不足率與固定資產投資的收益率是負相關的,而與股票市場的指數變化則是正相關。

D.RichardCutler(2005)使用1969年至1996年非壽險公司的數據,采用多元線性回歸模型分析外部宏觀經濟變量和保險業的特征變量對于保險業的損失比率的預測效果。作者通過實證分析發現,宏觀經濟變量對于解釋和預測保險業的損失比率的效果并不顯著,而保險業的具體的預測效果卻比較好。

三、償付能力的監管系統和工具

償付能力的監管是美國保險監管部門對保險市場進行監管的重要手段,各州的保險監管部門在美國保險監督官協會(NAIC)的指導下,主要通過保險監管信息系統(IRIS)、財務分析和償付能力跟蹤系統(FAST)、風險資本金(RBC)和現金流量測試(CashFlowTesting)等工具對保險公司的財務狀況進行分析,對償付能力不足的保險公司進行有效的識別。

1.保險監管信息系統(InsuranceRegulatoryInformationSystem)。保險監管信息系統(IRIS)是在1971年早期預警系統基礎上,于1974年逐步發展起來的一套比較完善的指標系統。IRIS采用了比率分析的方法,非壽險的比率分為盈利性、流動性、準備金和綜合性比率四類,共11個指標;壽險的比率分為盈利性、投資、經營轉變和綜合比率四類,共12個指標,并且根據歷史資料設定每一項指標的“正常范圍”。IRIS包括統計檢測(StatisticalPhase)和分析檢測(AnalyticalPhase)兩個階段。在統計檢測階段,NAIC將對保險公司的法定年度財務報告進行財務比率分析,并與“正常范圍”進行比較,最后根據結果對保險公司進行評級;在分析檢測階段,將由專業人員組成檢查小組根據統計檢測階段的結果及考慮一些其他標準有針對性的對部分保險公司的財務狀況進行詳細分析。

2.財務分析和償付能力跟蹤系統(FinancialAnalysisandSolvencyTrackingSystem)。財務分析和償付能力跟蹤系統(FAST)是NAIC對大型保險公司較為嚴格的要求,NAIC規定凡是在17個州以上營業,且年毛保費收入超過5000萬美元的壽險和健康保險公司,以及年毛保費收入超過3000萬美元的財產和責任險保險公司都必須接受FAST的要求進行分析。FAST以保險公司在前三年中提交的年度財務報告和季度財務報告作為依據,分析25個指標,并給每個指標的不同范圍賦予不同的分值,然后將所有指標的分值相加就可以得到該公司的FAST檢測結果。FAST中指標的詳細計算方法、有效范圍和相應的得分值均是保密的。FAST系統對保險公司財務報告的進行兩項分析:一是保險公司最近的財務報告的比率分析;一是保險公司財務報告中特別專項的五年歷史分析。NAIC會根據FAST系統分析的結果來決定是否會對某個公司采取進一步的措施。

3.風險資本金(Risk—BasedCapital,RBC)。風險資本金是NAIC在1992年12月采用的一種償付能力分析工具,該工具的基本思想是保險公司應該持有與其業務規模和所承擔的風險相對應的最小資本金,以保證其償付能力。RBC法把壽險的風險分為資產風險、保險風險、利率風險和業務風險四類,對于非壽險則分為資產風險、信用風險、承保風險和表外風險四類,通過確定不同資產的風險系數,經過風險加權求得累加的風險資本值,并將其于調整后的資本總額進行比較,根據比較的結果將保險公司分成不同的等級。最后,NAIC會根據保險公司的不同等級分別采取不同的監管措施。RBC方法與IRIS和FAST不同,前面兩個系統是對保險公司所面臨的風險進行預測,而RBC方法是對保險公司承擔的風險進行限制,因此,RBC運用時應該在保證保險公司的償付能力水平的情況下,使其對保險公司市場行為的影響最小化。

4.現金流量測試(CashFlowTesting)?，F金流量測試(CFT)是一種動態的償付能力分析工具,通過對保險公司業務狀況的諸變量(如利率、死亡率、費用率、投資收益率等)在未來一段時間內可能的變動范圍進行模擬,計算各種情況下的資產和負債現金流量,并對每種情況下保險公司的準備金及資本充足狀況進行分析,從而確定每種情況下公司的償付能力水平?，F金流量測試的優點在于它是對保險公司潛在的風險進行預測,可以描述將來可能發生的各種情況下保險公司的經營狀況,并且通過對保險公司在不同情景下進行現金流量測試,可以使監管部門了解各個保險公司對具體的那種風險比較敏感,為監管部門提供了一個有效的監管工具。

另外,美國的評級機構在保險公司償付能力的研究中也發揮著不可忽視的作用。如A.M.Best,標準普爾和穆迪等評級機構都對保險公司償付能力進行專門的評級。同時,近幾年來,保險償付能力監管中也出現了一些新的趨

勢,如隨著金融業之間的混業經營趨勢的進一步加強,大型金融集團的出現,如何對這些大型的、混業經營的金融集團的償付能力進行監管成為了償付能力研究中新的方向。

四、對我國保險公司償付能力研究的借鑒意義

2003年3月24日中國保險監督委員會正式頒布了《保險公司償付能力額度及監管指標管理規定》,標志著我國保險業的監管將進入一個新的階段,即以償付能力監管為主的階段。隨著我國保險市場的進一步的開放,在商業保險領域更多地引入競爭機制,為了更好的與國際形勢接軌,逐步放松對市場行為的監管,加強償付能力的監管是大方向。因此,加強我國保險公司償付能力和其監管方面的研究是當前的緊迫的任務。美國對于保險公司償付能力研究中值得我們借鑒的幾個方面有:

1.加強對統計學和計量學中的各種分析工具的研究和利用,為保險公司償付能力的研究提供科學的工具。如美國在研究中大量運用Logit和Probit等回歸模型對影響保險公司的償付能力的各種因素進行定量分析。雖然我國還沒有充足的數據庫作為研究基礎(特別是我國還沒有保險公司破產的案例,而在美國的研究中運用大量的破產保險公司的數據進行了對比研究),但是這些研究中的基本思想,研究中取得的各種結論以及研究工具的使用方法等都值得我們認真的去學習。

2.加強對影響保險公司償付能力的制度環境和經濟市場因素的研究。從美國的研究中可以發現,經濟市場環境等因素對于保險公司的償付能力的影響是比較顯著的,基于我國正處于經濟的轉軌時期,制度環境和經濟市場因素對于保險公司償付能力的影響應該表現得更加突出。同時,我國保險市場中的保險公司數量還不多,市場的集中度還比較大,這樣的一種市場競爭環境中,國家制度環境和經濟市場因素對于整個市場波動性的影響也會比較大。因此,加強這方面的研究在我國更加地具有特別的意義。

3.加強保險公司自身的風險管理和內部控制,發揮行業自律和社會監督力量,用市場的約束力來進一步規范保險公司的行為。保險公司應對自身所面臨的風險進行有效的識別和管理,建立健全風險的內部管控機制,把風險控制在公司能承受的范圍內。另一方面,應加強對保險公司的市場約束,完善對保險公司的信用評級,加強保險業協會以及社會的監督職能,形成對政府監管的有力補充。

4.建立全國的保險公司的信息系統,加強信息披露制度、外部審計制度建設。從美國的研究中我們可以看到,信息是進行分析的基礎,進行保險公司償付能力的評估需要大量的可靠的財務數據及公司經營信息;提高保險公司信息披露透明度,加強對保險公司報表、數據的外部審計,以保證保險公司信息資料的公允性和真實性。

5.借鑒美國的監管體系,完善我國保險公司償付能力的監管系統的建設。當前我國償付能力監管中的一些指標借鑒了美國的IRIS系統,但第二層次采用了歐盟的償付能力監管思路,沒有用美國的RBC方法的一個重要原因是RBC方法的復雜性③。但是應該看到,當前歐盟也正在積極的推進其償付能力II(SolvencyII)體系,該體系中對資本的要求將體現在償付能力風險基礎之上,這也是RBC方法的思想內核④。另外,應加強對動態償付能力監管方法的研究,現金流量測試等動態研究方法在美國也是近幾年才發展起來的,我們應該敢于走在發展的前沿上去,勇于探索最新的技術與方法。

注釋:

①IRIS是美國保險監督官協會使用的保險監管信息系統，在文中下面部分將詳細介紹。

②本表根據各學者的文獻整理而成。

③傅安平，保險公司償付能力監管，選自《中國保險監管與精算實務》，P32-35。

④另外還有RBP（Risk-basedPricing）也體現了這種思想，它與RBC之間的區別詳細請見參考文獻10。

參考文獻：

1．Ambrose，JanM．，andAnneM．Carroll．UsingBest''''sRatingsinLifeInsurerInsolvencyPrediction．JournalofRiskandInsurance，1994，61：317-327．

2．Browne，M．J．，J．M．Carson，andR．E．Hoyt．EconomicandMarketPredictorsofInsolvenciesintheLife—HealthInsuranceIndustry．JournalofRiskandInsurance，1999，66（4）：643-659．

3．Browne，M．J．，RobertE．Hoyt．1995．EconomicandMarketPredictorsofInsolvenciesintheProperty—LiabilityInsuranceIndustry．JournalofRiskandInsurance，1995，62（2）：309-327．

4．D．RichardCutler．ASimpleModeltoPredictLossRatiosintheDomesticStockProperty—LiabilityInsuranceIndustry．QuarterlyJournalofBusinessandEconomic，2005，44：129-139．

5．Eck，J．R．．DetectingFinanciallyTroubledProperty—LiabilityInsurers．JournalofBusinessResearch，1982：445-458．

6．Harrington，S．andNelson，J．．ARegression—BasedMethodologyforSolvencySurveillanceintheProperty—LiabilityInsuranceIndustry．JournalofRiskandInsurance，1986，53（4）：584-605．

7．PatrickL．Brockett，LindaL．Golden，JaehoJang，ChuanhouYang．AComparisonofNeuralNetwork、StatisticalMethods、andVariableChoiceforLifeInsurersFinancialDistressPrediction．JournalofRiskandInsurance，2006，73（3）：397-419．

8．RobertW．KleinandMichaelM．Barth．SolvencyMonitoringintheTwenty—firstCentury．JournalofInsuranceRegulation，1995，（13）：256-301．