壓力測試在我國壽險業中的應用研究

摘 要：本文基于Logit轉換的宏觀壓力測試模型，定量評估分析宏觀經濟因素波動對我國壽險業系統穩定性的影響，并根據歷史數據設計合理的壓力測試情景對典型壽險公司進行沖擊，探討防范和化解壽險業系統性風險的路徑。

關鍵詞： Logit回歸模型；壓力測試；情景分析；宏觀風險

中圖分類號：F842.6 文獻標識碼：Ａ 文章編號:１００３－９０３１(２０12)02－００48－０5 DOI:10.3969/j.issn.1003-9031.2012.02.12

一、引言

隨著保險公司業務擴張提速，償付能力壓力也越來越大。截至2010年年末，有6家保險公司償付能力充足率低于100%。其中，壽險公司包括新華保險和嘉禾人壽，償付能力充足率分別為34.99%和71.26%。另外，有7家保險公司償付能力逼近監管紅線。同時，中國宏觀經濟環境的變化日益復雜化，一旦出現通貨膨脹、利率、GDP等因素大幅變化，壽險業的抗壓能力將成為行業穩健運行的關鍵。

對于壽險公司而言，通過壓力測試，可以及時發現危及公司正常運作的風險因素，從而提出相應的整改措施，加強風險管理，確保公司保持持續的償付能力；對保險監管機構來說，通過壓力測試，清楚地了解各家壽險公司的實際情況，從而采取相應的措施，提高保險監管的精確度和有效性。在這種情況下，找到適合中國現實情況的壓力測試模型，具有重要理論與現實意義。

二、文獻綜述

（一）理論探討

償付能力是指保險人履行賠償或給付責任的能力。保險人應具有與其業務規模相適應的最低償付能力，對償付能力的監管也是國家對保險市場監督的核心內容。在償付能力的管理上，各國學者都在尋找有效的方法對償付能力進行分析和預測。通常將償付能力分為靜態和動態兩種。目前，國際上償付能力靜態償付能力監管主要有美國的保險監管信息系統（IRIS）、財務分析及償付能力跟蹤系統（FAST）和風險資本金要求（RBC）以及加拿大的持續資本與盈余的最低資本要求（MCCSR）等；而動態方法主要有現金流測試（CFT）、動態財務分析（DFA）和動態償付能力測試（DST）。同時，加拿大精算學會意識到最低資本和盈余要求（MCCSR）不足以滿足對壽險公司償付能力監管的需要，因為風險資本法是基于歷史經驗，無法反映未來風險對保險公司的影響，于是在現金流量分析的基礎上研究出了功能更加豐富的動態償付能力測試法（DST），并將其納入法定的償付能力測試系統。

在國外學者對壓力測試進行深入研究的同時，國內學者也逐漸意識到壓力測試對于完善我國償付能力預警體系，提高償付能力管理水平的重要性，從而對如何將壓力測試體系引入中國保險業進行了大量研究。周俊明[1]（2000），陳迪紅、周麗娟[2]（2002）將動態償付能力測試與美國的現金流測試、風險資本比例要求進行比較，認為動態償付能力測試的范圍更廣，更有利于保險公司的經營和風險管理，實現全面監管與重點監管的統一。陳迪紅、周麗娟（2002）通過案例分析，結合我國國情，提出了實施動態償付能力測試面臨的問題及解決方案。魏巧琴[3]（2002）介紹美國現金流測試、加拿大的動態償付能力測試，并總結了現金流測試和動態償付能力測試的優點。

（二）國內外壽險業償付能力測試模型

近年來，國外一些壽險公司在各項監管指標都滿足的情況下，卻仍出現了償付能力不足的情況，償付能力風險靜態評估的某些缺陷已經表現出來。Grace，Harrington和Klein（GHK）[4]（1993）利用有償付能力和無償付力兩類保險公司償付能力的數據對全美保險監督官協會（NAIC）的風險資本金要求（RBC）進行了實證研究。結果發現，NAIC的RBC方法對于保險公司償付能力的預測在統計上是顯著的。Cummins，Grac和Phillips[5]（1998）對美國的風險資本金要求（RBC）、財務分析及償付能力跟蹤系統（FAST）和現金流模擬（CFS）進行了比較，發現結合外部環境與情景分析的CFS方法的預測能力最強，且若與FAST、RBC同時使用，將會增加償付能力模型的預測能力。

目前，國內學者對保險業運用壓力測試的研究還是非常少，而且選取動態償付能力測試作為研究對象的居多。張鑫[6]（2008）選取2007年保費收入占中國壽險業保費收入80%以上的12家壽險公司作為樣本，進行了動態償付能力測試，進而從DST時間構架、完善數據庫和信息系統等方面探討了動態償付能力測試在中國應用的改進與發展。蔡立芬[7]（2006）從償付能力的評估方法入手，分析了DST的形成，通過典型保單進行DST分析來展現DST的整個流程及方法。孟生旺、滕帆[8]（2002）分析了我國1996年以來的降息對壽險業負債的影響，定量刻畫了壽險業準備金對利率風險的暴露程度。

三、實證分析

（一）建模思路

本文選用Logit回歸模型的構建方法，核心內容是宏觀風險傳導模型的建立，基本過程是運用模型探討風險因素與因變量之間的風險傳導和影響機制，具體包括樣本數據的處理和模型的構建等，最終確定對壽險公司償付能力影響顯著的宏觀風險指標。

模型的構建可分為以下幾步：首先利用Logit變換將宏觀因素引起的壽險公司資產損失率轉換為一個綜合指標，并假設損失率與各宏觀因素的變動服從線性關系；其次，根據壓力測試模型的特點，將對數綜合指標作為因變量，國內生產總值（GDP）、金融機構人民幣一年定期存款基準利率（R）、居民消費價格指數(CPI)、人民幣實際有效匯率（REER）、上證指數收盤價（SI）作為自變量，構建多元線性回歸模型；最后帶入數據對模型進行迭代運算。該模型的具體形式如下：

其中，Pt表示t時刻的壽險公司的凈資產比率；Yt表示t時刻的綜合指標，反應保險企業的風險暴露情況；N表示樣本容量，即觀察值的個數在本文中是指2007-2010年的季度基本數據；Xi，t（i=1，2，……，k）表示第i個變量，k為變量的個數；ut和?著t表示獨立同正態分布的隨機誤差項，?滓2表示ut的方差，∑?著表示?著t的K×K階方差協方差矩陣。

（二）數據來源

本章節樣本數據長度確定為2006年四季度至2011年一季度，具體如表1所示。

（三）數據處理

為了適應計量模型的需要，在建立模型之前，必須要對所收集的數據進行處理。一是由于同比增長率現對于原始數據來說，更有可能是平穩的，因此對GDP采用原數據的同比增長率作為解釋變量。二是時間序列數據容易產生異方差等現象，因此對上述解釋變量取自然對數。三是對于原始數據中所出現的異常值，筆者進行了相關數據整理和清洗，剔除異常值。接下來，筆者對所有的指標的時間序列運用Eviews6.0進行ADF單位根平穩性檢驗，數據都是平穩的，具體包含原序列平穩、一階平穩序列。因此，對于一階平穩序列筆者進行一階差分以實現其平穩性。在對數據進行初步處理之后，宏觀經濟指標調整為：GDP增長率，CPI，利率，人民幣實際有效匯率一階差分（DREER），證券指數一階差分（DSI）。表2表明了這一處理過程與結果。因變量和自變量在5%的置信水平下都通過了ADF檢驗，說明序列具有平穩性，可以做進一步的回歸分析。

（四）回歸模型建立

處理后的數據運用SPSS17.0進行多元線性回歸，將所有變量均運用到模型中，進行調試和剔除之后，最終結果見表3和表4。

調整后的模型的擬合優度有小幅變動，R2降低到0.796，調整R2提高到0.753，DW值為1.87，較接近2，因此判定模型不存在自相關。變量LNRGDP、LNR、LNSI的P值分別為0.027，0.162，0.000，均小于0.2，各變量顯著性非常高。模型整體擬合非常好。筆者在模型中引入Y的一階滯后模型，回歸結果顯示Y（-1）的P值為0.7912，顯著性非常低。且引入變量使得擬合優度有小幅提高，但是考慮到多引入一個變量，會多損失一個自由度，因此，在這里筆者不引入因變量的滯后一期。

即最后的回歸方程為：

在回歸結果中，所有解釋變量的回歸系數都非常顯著(見Pr的顯著性水平都小于a=0.2的顯著水平)，這說明模型中的宏觀經濟變量對壽險公司凈資產比率的影響是顯著的。可以看出，GDP同比增長率作為宏觀經濟變量的重要指標。同樣，利率R對壽險公司資產的穩定性具有負相關影響。從本文的回歸結構中還可以看出壽險公司的凈資產狀況與上證指數呈現出正相關，模型的結果與上一章的規范分析也一致。

四、壽險公司壓力情景設計及結果分析

將利用第三部分所得到的最優模型對不同情景下的壽險公司償付能力指標進行壓力測試。運用時間序列預測模型對進入模型中的變量，即LNRGDP，LNR，LNSI，進行簡單的ARMA模型預測，模擬未來發展趨勢，作為壓力測試情景構建的基準情景①。

（一）模型預測

通過觀察序列相關圖和偏相關圖，并經過幾次調試，發現對于LNRGDP在ARMA（2，0）的擬合模型下，其回歸結果最好，擬合優度達到0.75，DW值為1.91，各變量的P值以及整體的F值都非常顯著。對LNRGDP采用“Static”的預測方式，即每進行一次預測，用其真實值代替預測值，加入估計區間，再進行向后一期預測。從評價預測效果的各個指標來看，Theil不相等系數為0.04165，接近于0；偏誤比例、方差比例分別為0.00000和0.071748，接近于O；而協方差比例為0.92825，接近于1。整個模型擬合效果顯著。

通過觀察LNR序列相關圖和偏相關圖，并經過幾次調試，對于LNR在ARMA（2，1）的擬合模型下，其回歸效果最好，擬合優度達到0.905，DW值為1.91，非常接近于2。C，AR(1)，AR(2)，MA(1)的P值均為0.0000，顯著性非常高。而F值也達到了38.0476，模型整體顯著性也非常高。

通過觀察LNSI的序列相關圖和偏相關圖，并經過幾次調試，發現對于LNR在ARMA（1，1）的擬合模型下，其回歸效果相對較好，擬合優度達到0.824，DW值為1.81。C，AR(1)，MA(1)的P值均較小，顯著性非常高。而F值也達到了18.3575，模型整體顯著性也非常高。

從三個預測圖可以看出，預測值與實際值的趨勢以及數值大小基本一致。從具體的數據來看，LNRGDP，LNR和LNSI的實際值與預測值相近，兩者之間不超過，因此，ARMA模型可以較好的擬合三個變量的實際情況，其預測效果較好。

（二）壓力測試

本文在上文預測結果以及壓力測試情景的基礎上對中國人壽的凈資產比率（NAR）分別以敏感性測試和情景測試的方法作出沖擊。具體結果如下：

通過上述壓力測試分析，筆者發現對中國人壽凈資產比率沖擊最大的當屬GDP同比增長率，其次是上證指數，利率的沖擊相對較小。GDP同比增長率降低說明壽險公司資產負債出現問題，償付能力出現危機；上證指數很好地反映了資本市場的運行狀況。隨著保監會對壽險公司投資渠道的放開，未來時間里其投資于證券市場的資產比例會呈現上升趨勢，那么證券市場風險不容忽視。在本次沖擊結果中，利率水平雖然對凈資產比率的沖擊較小，但是這只是相對而言，利率風險仍為壽險公司重點防范的風險。

上述結果只是對單因素進行的敏感性測試，資產負債率變動幅度已經非常明顯，而GDP、上證指數、R之間又具有千絲萬縷的聯系，這就是組合情景分析（見表10）。通過組合情景，筆者發現當這幾個因素同時變動時，中國人壽凈資產比率發生非常大幅度的波動。當壽險公司資產發生較大變化時，就極有可能影響到期償付能力。因此，各個壽險公司有必要進行更為專業的壓力測試，做好防范極端風險的措施。

五、政策建議

隨著我國保險業的全面開放，壽險公司也面臨越來越多的挑戰，與世界經濟接軌的步伐必然愈發加快，這迫切要求中國壽險業采用積極的態度應對所面臨可能發生的風險事件。具體來說，作為壽險公司，應從以下幾個方面做好防范工作：

（一）充分提高風險意識，重視壓力測試

積極借鑒國際先進金融機構開展壓力測試經驗的基礎上，分析存在的不足，并結合我國實際國情，加快推進壓力測試在壽險業中的應用，使壽險業壓力測試真正成為壽險公司整體經營文化和風險管理文化的重要組成部分，成為壽險公司高級管理層進行業務決策的重要依據。同時，壽險企業也應積極加強培訓力度和經驗交流力度，不斷提高壽險公司壓力測試人員的素質和評估壓力測試方案的技巧和能力，不斷加強對壽險公司自身壓力測試方案的定期評估，切實做到識別薄弱環節，做好壽險公司風險脆弱性、金融穩健性的評估工作，并逐漸把檢查壽險公司壓力測試的結果作為自身內部償付能力充足性評估及流動性管理審查的重要內容，積極推進自身壓力測試工作的完善。

（二）建立公司內部模型，及時更新測試情景

壽險公司有必要根據自身情況建立“內部模型”，內部模型就是指各壽險公司根據自身所持的金融資產、負債的特點，建立各自的“壓力測試模型”，并及時向監管部門報告的系統。具體操作上，壽險公司要根據市場環境的新變化（如特定市場的變動、關聯市場間的變動等）以及壽險公司自身投資組合、產品結構的變化等進行有針對性、合理性的調整，增加或刪除、加嚴或放寬選定的情景。

（三）建立專家團隊以及精算師制度

從國際經驗來看，以精算師制度為依托的壓力測試有以下方面的優勢：首先，精算師作為保險公司的內部人士和保險業內的專業人士，能夠充分利用專業知識處理并分析各種壓力情況，能夠將那些財務報表體系以及監管指標反映不出來的問題揭示出來。其次，精算師經過實踐所積累的專家經驗，構成了壽險公司一種獨有的、寶貴的人力資本，能夠及時地將壽險公司在經營管理上的創新舉措、市場產生的新的風險、難以用現有的償付能力監管指標來衡量的風險因素考慮進來，從而設計合理的壓力情景，判斷出其對償付能力的影響。

（四）監管機構的風險監管

監管部門應加強宏觀風險的監控力度，增加償付能力宏觀壓力測試情景，加快建立完善壓力測試體系。保監會及其他相關部門加快保險業數據庫建設工作，搭建保險業信息技術平臺，提高數據采集、整理的準確性、完整性和真實性。同時，需要出臺較詳盡的壓力測試指引，將壓力測試的要求以法律形式進行規范。

（特約編輯：羅洋）

參考文獻：

[1]周俊明．動態資本充足性測試（加拿大償付能力）．中國第一屆精算師年會論文集[C].2000.

[2]陳迪紅，周麗娟．動態償付能力測試在保險公司償付能力監管中的應用[J]．中國保險管理干部學院學報，2002（3）．

[3]魏巧琴．發達國家保險償付能力的動態監管及其借鑒[J]．上海保險，2002（11）．

[5]Grace，M.F.，S.Harrington，an R.Kelein．Risk Based

Capital Standards and Insolvency Risk：an Empirical Analysis， Paper Presented to the American Risk an Insurance Association， August 22，1993．

[6]J.David Cummins， Martin F.Grace， and Richard D.Phillips．Regulatory Solvency Predication in Property-liability Insurance：Risk-Based Capital， Audit Ratios， and Cash Flow Simulation， The Journal of Risk and Insurance，Vol.66，No3，417-458，1999．

[7]張鑫．中國壽險公司動態償付能力測試方法及應用研究[D]．成都：西南財經大學，2008．

[8]蔡立芬．動態償付能力測試在中國壽險業中的應用研究[D]．長沙：湖南大學，2006．

[9]孟生旺，滕帆．中國壽險業利率風險的實證分析及其情景測試[J]．當代經濟科學，2002（3）．