保险公司偿付能力

导语：保险公司偿付能力一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、保险公司经营状况与偿付能力

偿付能力是保险公司资产与负债之间比较结果,因此必然会在保险公司经营过程或资产负债变化的状况中体现出来。正是基于这样一个理论前提,大量的研究以保险公司的财务比率为研究对象,通过分析公司的经营业绩来识别保险公司的风险状况,并检验决定公司风险的主要财务指标和其它变量。

早期性的研究主要采用的是单变量分析方法,如Hofflander,A.E.andR.M.Duval(1967)根据一个保险公司的数据,应用数学模型分析了损失准备金、所持证券价格变动和经营分散化对保险公司破产概率的影响。结果显示,平均来说损失准备金每低估10%会造成保单持有人盈余(PHS)减少5%;所持股票的价值下降20%会引起PHS减少40%;多险种经营可以减少保险公司面临的总风险,对资本的需求比专营公司相对要少。

单变量分析方法的缺点在于只考虑各变量单独对保险公司偿付能力的影响,而没有考虑各变量的综合性的影响。为此,Trieschmann,J.S.&G.E.Pinches(1973)采用了多变量识别分析(Multi—DiscriminantAnalysis,MDA)法,该方法有两个假设前提:一是假设各保险公司的各项财务指标组成的向量服从正态分布;二是将所有样本分成具有偿付能力和偿付能力不足两组,且假设两组中各公司的财务指标组成的向量的均值和协方差矩阵已知且相等。其判别函数的形式为:Z=V1X1V2X2…VnXn,其中Xn为各种财务比率,Vn为各对应的判别参数,各变量影响经过加总后得到Z值,根据Z值来判断公司的偿付能力状况。后来他们在1977年的文章中指出了多变量分析方法存在的缺点,那就是它的两个假设前提所受到的质疑。

鉴于多变量分析方法中的局限性,Eck,J.R.(1982)引进了0-1回归模型,并用最小二乘法来估计参数。Harrington,S.&Nelson,J.(1986)使用了回归分析的方法,其依据是在给定保费公积金比率的前提下,保险公司的破产概率随着公司的资产组合、产品结构及其它一些公司特征的不同而变化,即保费公积金比率和公司的破产概率之间的关系会因各公司的投资与承保风险的不同而变化。作者通过回归方法分析了各公司保费公积金比率与公司的资产组合、产品结构及公司其它特征之间的关系,找出行业的正常标准,通过观察各公司是否偏离正常标准来识别出偿付能力不足的公司。

后来更多的研究是使用Logit和Probit模型。模型的因变量为保险公司是否具有偿付能力的概率,属于0-1型变量,其概率分布由Logit和Probit模型得到,其中Logit模型将判别函数表达为累积的逻辑概率分布,从而回归出判别函数中自变量的系数,再利用模型找出影响偿付能力的重要财务变量,并对保险公司的偿付能力做出预测。如Ambrose,JanM.,andAnneM.Carroll(1994)将IRIS①比率、其它一些财务比率与Best公司的评级归到一个统一的Logit模型中,采用了1969年~1986年人寿保险公司的样本数据,准确的对保险公司的偿付能力进行了预测。

PatrickL.Brockett等(2006)运用了非参数识别法中的神经网络法对来识别保险公司偿付能力不足的问题。神经网络是对生物神经系统的仿真,它通过训练来解决问题,训练一个神经网络就是把输入值和理想输出值作为训练的样本,通过一定的算法进行足够的训练,使得神经网络学会包含在“解”中的基本原理,当训练完成之后该模型就可以用来解决相同的问题。作者使用了神经网络方法中的反向传播(back—propagation,BP)法和学习向量量化(learningvectorquantization,LVQ)法对保险公司的偿付能力进行预测,并将它们的预测效果与传统的MDA方法、Logistic回归法进行了比较,认为神经网络法比传统方法的预测效果更好。保险公司偿付能力研究中一些常用的方法及其作者见表1。

二、保险公司的外部环境与偿付能力

保险公司经营的外部环境的变化显然会影响到公司的经营效益。虽然外部环境对各个公司的影响程度会有所差别,但是,对于整个保险市场来说,市场外部环境的变化会影响到市场中保险公司总的偿付能力状况,增加偿付能力不足的保险公司的总数。为此,很多学者开始研究保险公司经营的外部环境对其偿付能力的影响。

Browne,M.J.&RobertE.Hoyt(1995)使用了1970年至1990年每个季度的数据,分析了财产保险公司偿付能力不足率与经济和保险市场环境之间的关系。作者使用了Logistic回归的分析方法,分析结果表明:(1)公司总数作为衡量市场竞争程度的变量,其值越大,代表着保险市场

的竞争越激烈,公司总的偿付能力不足率就越高;(2)保险公司的偿付能力不足率在第一季度是最大的,可能是因为监管过程中要求保险公司每年在第一季度提交各项财务报表,很多保险公司的偿付能力状况才被发现,因此,作者建议如果监管者能够及时收集到更多的保险人经营信息会帮助其更早的发现偿付能力不足的公司;(3)未预期到的通货膨胀对保险人财务状况的影响并不显著,这个结果与其它一些研究有所不同;(4)利率变化对于偿付能力的影响在模型中表现也不显著,作者认为,一个可能的解释是在研究的期间中,利率变动引起的资产负债中久期匹配不当的影响由于现金流动效应减轻了。

Browne.M.J.,J.M.Carson&R.E.Hoyt(1999)使用了1972年至1994年寿险公司的数据,采用泊松回归模型(Poissonregressionmodel)对寿险公司的偿付能力不足与长期利率、个人收入、失业率、股票市场、保险公司数量和固定资产投资的收益率之间的关系进行分析。实证表明:(1)长期利率与寿险公司的偿付能力不足率正相关,且相当显著,即长期利率的增长会使寿险公司的偿付能力不足率增加;(2)个人收入与寿险公司的偿付能力不足率之间是正相关,且比较显著。因为个人收入的增长会促进寿险产品销售的增加,从而使寿险公司的杠杆比率上升,对盈余也是很大的消耗(ADrainonSurplus),进而使偿付能力不足的概率增大。(3)失业率的增加会引起寿险公司偿付能力不足率的增加。(4)公司偿付能力不足率与固定资产投资的收益率是负相关的,而与股票市场的指数变化则是正相关。

D.RichardCutler(2005)使用1969年至1996年非寿险公司的数据,采用多元线性回归模型分析外部宏观经济变量和保险业的特征变量对于保险业的损失比率的预测效果。作者通过实证分析发现,宏观经济变量对于解释和预测保险业的损失比率的效果并不显著,而保险业的具体的预测效果却比较好。

三、偿付能力的监管系统和工具

偿付能力的监管是美国保险监管部门对保险市场进行监管的重要手段,各州的保险监管部门在美国保险监督官协会(NAIC)的指导下,主要通过保险监管信息系统(IRIS)、财务分析和偿付能力跟踪系统(FAST)、风险资本金(RBC)和现金流量测试(CashFlowTesting)等工具对保险公司的财务状况进行分析,对偿付能力不足的保险公司进行有效的识别。

1.保险监管信息系统(InsuranceRegulatoryInformationSystem)。保险监管信息系统(IRIS)是在1971年早期预警系统基础上,于1974年逐步发展起来的一套比较完善的指标系统。IRIS采用了比率分析的方法,非寿险的比率分为盈利性、流动性、准备金和综合性比率四类,共11个指标;寿险的比率分为盈利性、投资、经营转变和综合比率四类,共12个指标,并且根据历史资料设定每一项指标的“正常范围”。IRIS包括统计检测(StatisticalPhase)和分析检测(AnalyticalPhase)两个阶段。在统计检测阶段,NAIC将对保险公司的法定年度财务报告进行财务比率分析,并与“正常范围”进行比较,最后根据结果对保险公司进行评级;在分析检测阶段,将由专业人员组成检查小组根据统计检测阶段的结果及考虑一些其他标准有针对性的对部分保险公司的财务状况进行详细分析。

2.财务分析和偿付能力跟踪系统(FinancialAnalysisandSolvencyTrackingSystem)。财务分析和偿付能力跟踪系统(FAST)是NAIC对大型保险公司较为严格的要求,NAIC规定凡是在17个州以上营业,且年毛保费收入超过5000万美元的寿险和健康保险公司,以及年毛保费收入超过3000万美元的财产和责任险保险公司都必须接受FAST的要求进行分析。FAST以保险公司在前三年中提交的年度财务报告和季度财务报告作为依据,分析25个指标,并给每个指标的不同范围赋予不同的分值,然后将所有指标的分值相加就可以得到该公司的FAST检测结果。FAST中指标的详细计算方法、有效范围和相应的得分值均是保密的。FAST系统对保险公司财务报告的进行两项分析:一是保险公司最近的财务报告的比率分析;一是保险公司财务报告中特别专项的五年历史分析。NAIC会根据FAST系统分析的结果来决定是否会对某个公司采取进一步的措施。

3.风险资本金(Risk—BasedCapital,RBC)。风险资本金是NAIC在1992年12月采用的一种偿付能力分析工具,该工具的基本思想是保险公司应该持有与其业务规模和所承担的风险相对应的最小资本金,以保证其偿付能力。RBC法把寿险的风险分为资产风险、保险风险、利率风险和业务风险四类,对于非寿险则分为资产风险、信用风险、承保风险和表外风险四类,通过确定不同资产的风险系数,经过风险加权求得累加的风险资本值,并将其于调整后的资本总额进行比较,根据比较的结果将保险公司分成不同的等级。最后,NAIC会根据保险公司的不同等级分别采取不同的监管措施。RBC方法与IRIS和FAST不同,前面两个系统是对保险公司所面临的风险进行预测,而RBC方法是对保险公司承担的风险进行限制,因此,RBC运用时应该在保证保险公司的偿付能力水平的情况下,使其对保险公司市场行为的影响最小化。

4.现金流量测试(CashFlowTesting)。现金流量测试(CFT)是一种动态的偿付能力分析工具,通过对保险公司业务状况的诸变量(如利率、死亡率、费用率、投资收益率等)在未来一段时间内可能的变动范围进行模拟,计算各种情况下的资产和负债现金流量,并对每种情况下保险公司的准备金及资本充足状况进行分析,从而确定每种情况下公司的偿付能力水平。现金流量测试的优点在于它是对保险公司潜在的风险进行预测,可以描述将来可能发生的各种情况下保险公司的经营状况,并且通过对保险公司在不同情景下进行现金流量测试,可以使监管部门了解各个保险公司对具体的那种风险比较敏感,为监管部门提供了一个有效的监管工具。

另外,美国的评级机构在保险公司偿付能力的研究中也发挥着不可忽视的作用。如A.M.Best,标准普尔和穆迪等评级机构都对保险公司偿付能力进行专门的评级。同时,近几年来,保险偿付能力监管中也出现了一些新的趋

势,如随着金融业之间的混业经营趋势的进一步加强,大型金融集团的出现,如何对这些大型的、混业经营的金融集团的偿付能力进行监管成为了偿付能力研究中新的方向。

四、对我国保险公司偿付能力研究的借鉴意义

2003年3月24日中国保险监督委员会正式颁布了《保险公司偿付能力额度及监管指标管理规定》,标志着我国保险业的监管将进入一个新的阶段,即以偿付能力监管为主的阶段。随着我国保险市场的进一步的开放,在商业保险领域更多地引入竞争机制,为了更好的与国际形势接轨,逐步放松对市场行为的监管,加强偿付能力的监管是大方向。因此,加强我国保险公司偿付能力和其监管方面的研究是当前的紧迫的任务。美国对于保险公司偿付能力研究中值得我们借鉴的几个方面有:

1.加强对统计学和计量学中的各种分析工具的研究和利用,为保险公司偿付能力的研究提供科学的工具。如美国在研究中大量运用Logit和Probit等回归模型对影响保险公司的偿付能力的各种因素进行定量分析。虽然我国还没有充足的数据库作为研究基础(特别是我国还没有保险公司破产的案例,而在美国的研究中运用大量的破产保险公司的数据进行了对比研究),但是这些研究中的基本思想,研究中取得的各种结论以及研究工具的使用方法等都值得我们认真的去学习。

2.加强对影响保险公司偿付能力的制度环境和经济市场因素的研究。从美国的研究中可以发现,经济市场环境等因素对于保险公司的偿付能力的影响是比较显著的,基于我国正处于经济的转轨时期,制度环境和经济市场因素对于保险公司偿付能力的影响应该表现得更加突出。同时,我国保险市场中的保险公司数量还不多,市场的集中度还比较大,这样的一种市场竞争环境中,国家制度环境和经济市场因素对于整个市场波动性的影响也会比较大。因此,加强这方面的研究在我国更加地具有特别的意义。

3.加强保险公司自身的风险管理和内部控制,发挥行业自律和社会监督力量,用市场的约束力来进一步规范保险公司的行为。保险公司应对自身所面临的风险进行有效的识别和管理,建立健全风险的内部管控机制,把风险控制在公司能承受的范围内。另一方面,应加强对保险公司的市场约束,完善对保险公司的信用评级,加强保险业协会以及社会的监督职能,形成对政府监管的有力补充。

4.建立全国的保险公司的信息系统,加强信息披露制度、外部审计制度建设。从美国的研究中我们可以看到,信息是进行分析的基础,进行保险公司偿付能力的评估需要大量的可靠的财务数据及公司经营信息;提高保险公司信息披露透明度,加强对保险公司报表、数据的外部审计,以保证保险公司信息资料的公允性和真实性。

5.借鉴美国的监管体系,完善我国保险公司偿付能力的监管系统的建设。当前我国偿付能力监管中的一些指标借鉴了美国的IRIS系统,但第二层次采用了欧盟的偿付能力监管思路,没有用美国的RBC方法的一个重要原因是RBC方法的复杂性③。但是应该看到,当前欧盟也正在积极的推进其偿付能力II(SolvencyII)体系,该体系中对资本的要求将体现在偿付能力风险基础之上,这也是RBC方法的思想内核④。另外,应加强对动态偿付能力监管方法的研究,现金流量测试等动态研究方法在美国也是近几年才发展起来的,我们应该敢于走在发展的前沿上去,勇于探索最新的技术与方法。

注释:

①IRIS是美国保险监督官协会使用的保险监管信息系统，在文中下面部分将详细介绍。

②本表根据各学者的文献整理而成。

③傅安平，保险公司偿付能力监管，选自《中国保险监管与精算实务》，P32-35。

④另外还有RBP（Risk-basedPricing）也体现了这种思想，它与RBC之间的区别详细请见参考文献10。

参考文献：

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．