兩岸金融合作的成長與波動——來自壽險市場的證據

吳祥佑

（閩江學院新華都商學院，福建 福州 350108）

一、引言

在全球金融危機的沖擊下，海峽兩岸的經濟發展都面臨著增長乏力的困境。深化兩岸金融合作，助推經濟發展，已成為兩岸政商學各界的共識。保險業，尤其是壽險業是目前兩岸金融合作開展得較為成功的領域，研究兩岸壽險業合作發展的成長與波動將為兩岸整體金融合作提供有益的經驗借鑒與啟示。保費收入及其波動性是反映保險公司經營績效的基本變量，也是研究者最容易獲得的保險公司市場表現指標。由于影響因素眾多，保險公司的保費收入總是處在不斷的變化之中。研究保險公司保費收入的成長性與波動性對把握其公司特質，預測其成長前景具有重要的理論與現實意義。

現有文獻多基于周期理論來研究保費成長與波動，使用較多的方法為HP濾波和CF濾波。韓曉峰和陳誠(2010)采用HP濾波技術對我國1985-2009年的國內生產總值(GDP)和保費收入進行了分析，發現我國保險的需求周期約為5-6年。孫祁祥、鄭偉和肖志光(2011)用CF濾波和HP濾波方法研究了我國保險業的承保周期，發現我國保險業在1980-2008年間經歷了頻率相對較低、幅度相對較大的擴張型周期波動[1]。任燕燕、倪忠成和李保華(2013)采用CF濾波方法測度了我國財產保險業的波動周期，分析了財產保險業與整體金融業的長期協同關系[2]。可見，在保險研究中濾波分析方法早已得到了廣泛運用，但現有文獻很少研究具體公司的業績成長，更缺乏對同類公司業績成長與波動相依性的分析。為彌補這一不足，文章嘗試用HP濾波分析方法將三家臺資壽險公司的保費收入時間系列分解為成長趨勢項和短期波動項，然后分析其成長相關性與波動相依性，以期為加強兩岸金融合作、促進兩岸金融發展提供借鑒。

二、時間序列變量的HP濾波分解

HP濾波分析方法是一種在狀態空間中分解經濟時間序列，分析其長期趨勢的方法。HP濾波分析方法認為經濟時間序列的變化是緩慢的、漸近的，既不是恒定不變的，也不是隨機波動的。利用對稱數據移動平均原理，HP濾波能將變化不定的時間序列中具有一定趨勢性的變化成分分離出來，使觀察者能對時間序列的成長性與波動性分別單獨進行研究[3]。

保費收入是一種典型的經濟時間序列，HP濾波方法有助于分析其成長性與波動性。假設保費收入的時間序列為Yt，由長期趨勢成分和短期波動成分組成，即Yt可分解為：

其中，C(L)=(L-1-1)-(1-L)是延遲算子多項式。將C(L)代入(2)式，可通過最小化保費收入實際值與保費收入趨勢值的差來估算潛在保費收入，分析具體公司保費收入的成長性，即：

HP濾波方法有優勢，也有局限，其中最重要的是λ取值問題。HP濾波的估算高度依賴于λ的取值，但λ的取值卻往往缺乏理論依據。批評者認為HP濾波的最優化只有在特定條件下才能實現。Baxton and King(1995)指出HP濾波在處理樣本尾部數據時不夠準確。在不平穩數據的分析中，Park(1996)發現隨著單整階數的上升，HP濾波可能會造成人為的商業周期。但HP濾波方法從來也不乏支持者，Guay and St.Amant(1997)發現HP濾波能夠很好地過濾出時間序列的商業周期。Ravn and Uhling(1997)認為HP濾波的缺陷并不可怕，通過選擇合適的調整參數，HP濾波能夠精確地計算出商業周期的組成成分。文章旨在通過考察兩岸壽險合作的成長與波動來為兩岸整體的金融合作提供啟示，HP濾波分析方法的優勢正在于此。因此，盡管該方法主要用于宏觀經濟研究，但也不能否認它在中觀層面[4]，如在“臺資在陸壽險業”成長與波動性的分析上也有其用武之地。

三、臺資在陸壽險業保費收入的HP濾波分析

1.臺資壽險公司保費收入HP濾波分解

目前在大陸開業的臺資壽險公司僅有三家，分別是2005年3月開業的國泰人壽、2009年1月開業的君龍人壽和2009年4月開業的新光海航人壽（以下簡稱新光人壽）。盡管文章的樣本量稍顯不足，但這三家公司確實就是整個“臺資在陸壽險業”。由于三家公司的開業時間不同，為便于分析，文章將樣本區間界定為2009年4月至2013年3月，共48個月。全部數據均來自中國保險監督管理委員會官方網站(www.circ.gov.cn)，單位為萬元人民幣。在調整參數λ統一設定為14400的條件下，三家公司月度保費收入的HP濾波分解情況如圖1～3所示。

圖1 國泰人壽月度保費收入的HP分解

圖1顯示，由于開業時間較長，業務運營相對成熟。在成長性上，國泰人壽顯出了增長乏力的疲態，其月度保費收入(Cathay)呈現出長期下降的趨勢。在波動性上，國泰人壽表現出了較強的抗沖擊能力，月度保費收入的短期波動較小。

圖2 君龍人壽月度保費收入的HP分解

圖2顯示，由于開業時間較短，君龍人壽的月度保費收入(Kingdragon)的規模不大。由于成長時間較短，其成長性要好于國泰人壽，但從長期來看，君龍人壽保費收入的成長能力仍稍顯不足。在波動性上，自2009年3月起君龍人壽保費收入的波動逐月加劇；2011年3月后伴隨著保費收入的下降，波動越來越小；2012年10月后波動幅度又開始逐月放大。

圖3 新光人壽月度保費收入的HP分解

圖3顯示，新光人壽月度保費收入(Shinkong-hna)的表現完全不同于前兩家公司。在成長性上，新光人壽盡管開業于全球金融危機的海嘯之中，卻展現出了強勁的增長能力，其開業時間晚于君龍人壽，起點保費收入也低于君龍人壽，但2013年3月的保費收入無論是實際值，還是趨勢值都幾乎是君龍人壽的兩倍。不過，從波動性上看，新光人壽月度保費收入的波動幅度要遠大于國泰人壽和君龍人壽，說明其成長并不穩定。

2.大陸整體壽險業保費收入的HP濾波分解

圖4 新光人壽月度保費收入的HP分解

具體公司的保費收入除受公司特質等因素影響外，還會受到經濟周期、市場環境等宏觀因素的影響，分析三家臺資壽險公司保費收入的成長與波動不能離開大陸整體壽險業發展的大背景。但目前在大陸開業的臺資壽險公司僅有三家，作為研究對象，樣本明顯過少。如果引入大陸其它壽險公司進行跨公司的面板數據分析，侯選對象又太多，難以決定取舍。為此，可以選擇反映大陸整體壽險業的指標，中資壽險公司月度保費收入和外資壽險公司月度保費收入作為除臺資壽險公司外，其它類型壽險公司保險收入的替代變量。在調整參數λ統一設定為14400的條件下，這兩種月度保費收入的HP濾波分解情況如圖4和圖5所示。

由于外資壽險公司的市場份額較小，中資壽險公司月度保費收入(Innerlife)基本上就反映了大陸整體壽險業的發展狀況。圖4顯示，中資壽險公司月度保費收入的成長和波動都有明顯的季節性，增長緩慢平穩，長期波幅趨于下降。

圖5顯示，外資壽險公司的月度保費收入(ouyerlife)在成長性與波動性上與中資壽險公司的月度保費收入都有較大的不同。從成長性上看，外資壽險公司的保費收入比中資公司的增速要慢，季節性也不明顯；從波動性上看，外資壽險公司的保費收入更不穩定，波動幅度更大，抗沖擊能力較差。

圖5 外資壽險公司月度保費收入的HP分解

3.保費收入的相對變動度

圖1～3僅顯示了三家臺資壽險公司保費收入的成長性與波動性，三家公司保費收入的規模不同，波動也不一致，為增強可比性，需對保費收入的波動性進行標準化處理。同樣地，整體壽險業月度保費收入的波動性也需要標準化。如果將經HP濾波方法計算出的月度保費收入的趨勢值記為Ygt，實際保費收入為Yt，則相對波動指標Vt為：

經(4)式處理后，就可以方便地對三家臺資壽險公司保費收入的波動性進行比較研究，分析其彼此相依性及對市場沖擊的反應。我們把計算出來的三家臺資壽險公司月度保費收入的相對波動性以曲線的形式繪制于圖6。

圖6 三家臺資壽險公司月度保費收入的波動性

由圖6可知，經過處理后的三個波動序列能更準確地刻畫三家公司保費收入的波動特征。粗略地看，新光人壽的波動幅度(Vsninkong-hna)明顯大于國泰人壽(Vcathay)和君龍人壽(Vkingdragon)；國泰人壽的波動明顯小于新光人壽和君龍人壽。

同理，我們把計算出來的反映大陸整體壽險業的二個月度保費收入序列的相對波動性也以曲線的形式繪制于圖7。圖7顯示，除2011年的”銀保新政“沖擊外，外資壽險公司月度保費收入的波動性一般小于中資壽險公司月度保費收入。圖7還顯示，每當保費收入出現上漲趨勢時，外資公司幾乎總能領先于中資公司，而兩者的下跌在時點上則幾乎沒有區別，說明外資公司在市場機會的把握上強于中資公司。

圖7 中外資壽險公司月度保費收入的波動性

四、臺資在陸壽險業保費收入成長與波動實證分析

1.模型設定

其中，i=cathay，kingdragon，shinkong-hna，t=200904，200905，…，201303，l為因變量的滯后期數，具體值將根據模型的擬合情況決定。

在波動模型的設定上，由于文章重在揭示各臺資壽險公司保費收入的波動相依性，因此在分析一家公司的波動性時，需引入另兩家公司保費收入的波動性作為解釋變量。同時，為反映整體市場波動對臺資公司的沖擊，需引入中資壽險公司保費收入的波動指標，同時引入外資壽險公司保費收入的波動性以反映外資公司與中資公司的異質性。因此，臺資壽險公司保費收入的波動模型設定為：

2.成長性模型的估計

由于成長模型中包含有因變量的滯后項，且具體滯后期需經由各項判定指標綜合確定，因此各個模型的解釋變量個數是不確定的，適宜分別進行估計。

由于3個成長模型中的變量均為時間序列變量，為防止偽回歸須檢驗變量的平穩性。ADF檢驗表明，這些變量并非都是平穩的，單整階數也不相同。但Johansen檢驗顯示在5%的顯著性水平上，3個模型的變量之間分別至少存在3個協整關系，因而不存在偽回歸的問題，因此可以對其建模。表1的回歸結果顯示，這三家臺資壽險公司的保費成長性既有共同特征，也有個性特點。三家公司的潛在保費收入都與滯后一期、三期的保費趨勢項正相關，與滯后兩期、四期的保費趨勢項負相關，并且系數都非常顯著，在5%的顯著性水平上均能通過檢驗。

三 家公司潛在保費收入的成長性各具特點。國泰人壽模型和新光人壽模型需要引入滯后五期的保費趨勢項，且兩者滯后五期系數的大小、符號與顯著性幾乎完全一致，但國泰人壽的模型不需引入時間項t，反映了其老公司的成熟性。君龍人壽模型需要引入時間項t，但不需引入滯后五期的保費趨勢項，t的系數顯著為正，反映君龍人壽比國泰人壽更具有成長性。新光人壽模型也需要引入時間項t，其系數為正且遠大于君龍人壽對應的系數，說明新光人壽的成長性最好。

在對大陸壽險市場的適應能力上，三家臺資壽險公司的表現也各不相同。在國泰人壽與新光人壽的保費成長模型中，代表大陸市場環境的中資壽險公司保費收入的系數為負，并且非常顯著，但外資壽險公司保費收入的系數卻為正，而且也非常顯著，說明這兩家公司在成長性上更像外資公司。與這兩家公司不同，在君龍人壽的保費成長模型中，這兩個解釋變量的符號剛好相反，并且也都非常顯著，說明君龍人壽更像內資公司。當然，這可能也源于君龍人壽的股東與大陸多數壽險公司股東的同質性。海峽兩岸的君龍人壽都是政府運營的公司，這一點跟大陸的大部分壽險公司相同。

表1 臺資壽險公司保費收入成長模型的估計結果

3.波動性模型的估計

同理，為了防止偽回歸，我們也檢驗了3個波動模型中變量的平穩性。ADF檢驗表明，這些變量都是平穩的。Granger-Engle兩步法檢驗結果說明，文章可以對這些變量進行建模分析。

表2 臺資壽險公司保費收入波動模型的估計結果

表2顯示，盡管三家臺資壽險公司保費收入的成長性存在較大的差別，但其保費收入的波動性卻存在較高的一致性。一是三家公司保費收入的波動性都與代表大陸壽險市場波動性的指標—中資壽險公司保費收入的波動性高度相關，且都很顯著，反映了系統性風險的影響；二是兩家新臺資公司的波動性高度相關，存在較高的相依性，反映了兩者的同質性；三是國泰人壽的波動性還與反映外資特質的波動性指標—外資公司保費收入波動性正相關，而兩家新公司的波動性卻與該指標無關，說明國泰人壽不僅在成長性上像外資公司，在波動性上也像，新光人壽則只是在成長性上像外資公司；四是新光人壽保費收入的波動性雖與大陸整體市場高度相關，但變化方向卻相反，這與圖3顯示的其保費收入在全球金融危機沖擊下仍逆勢快速成長的特點相符。

五、結論與啟示

文章用HP濾波分析方法將三家臺資壽險公司的保費收入時間系列分解為成長趨勢項和短期波動項，然后分別分析其保費收入的成長性與波動性，揭示了其成長與波動的相依性，可以為兩岸的整體金融合作提供經驗借鑒與政策啟示。

三家臺資壽險公司的成長性分析表明，新光人壽與君龍人壽兩家新公司具有較強的成長性，尤以新光人壽的成長能力最強。國泰人壽與新光人壽的保費收入與中資公司整體保費收入反方向變化，與外資公司整體保費收入同方向變化，說明這兩家公司具有較高的“外資”特質。君龍人壽與中資公司整體保費收入同方向變化，與外資公司整體保費收入反方向變化，反映其具有較高的“內資”特質。

三家臺資壽險公司的波動性分析顯示，三家公司保費收入的波動都與大陸壽險市場的整體波動密切相關，國泰人壽和君龍人壽的波動方向與大陸整體市場的波動方向相同，而新光人壽在全球金融危機的沖擊下，其波動方向卻與大陸整體市場的波動方向相反，反映了其逆勢強勁成長的特點。作為老牌的臺資公司，國泰人壽的波動性與中資公司及外資公司的整體波動性高度相關，說明國泰人壽的運營較為成熟。君龍人壽與新光人壽的波動與外資公司的整體波動無關，說明其在波動性上都較像“內資”公司。這兩家新臺資公司在波動性上不僅高度相關，而且高度相依，反映了兩者的同質性。

[1]孫祁祥，鄭偉，肖志光.經濟周期與保險周期—中國案例與國際比較[J].數量經濟技術經濟研究，2011(3):3-20，50.

[2]任燕燕，倪忠成，李保華.中國財產保險周期波動及其與金融系統的關系 [J].山東大學學報（哲學社會科學版），2013(1):109-117.

[3]張世晴，陳文政.進出口貿易拉動GDP增長的HP濾波分析及協整檢驗—基于1978-2007年我國數據的分析 [J].國際貿易問題，2010(2).

[4]黃新飛，舒元.基于HP濾波分析的中國犧牲率的長期影響研究 [J].數量經濟技術經濟研究，2010(3)：119-132，146.

[5]Arena，M.Does Insurance Market Activity Promote Economic Growth?A Cross-Country Studyfor Industrialized and Developing Countries[J].The Journal ofRisk and Insurance，2008.

[6]Chen，R.B，K.AWong，H.C.Lee.UnderwritingCyclesinAsia[J].TheJournalofRiskandInsurance，1999.

[7]Christiano，L.J，T.J Fitzgerald.The Band Pass Filter[J].International EconomicReview，2003.

[8]Clements，M.P，H.MKrolzig.Business Cycle Asymmetries：Characterization and Testing Based on Markov-Switching Autoregressions[J].Journal of Business&Economic Statistics，2003.

[9]Cummins，J.D，S.E.Harrington，R.W.Klein.Cycles and Crises in Property[J].CasualtyInsurance:Causes and Implications for Public Policy，1992.

[10]Hess，D.G，S Iwata.Measuring and Comparing Business-Cycle Features[J].Journal ofBusiness&Economic Statistics，1997.

[11]Machado，C.MeasuringBusiness Cycles:The Real Business Cycle Approach and Related Controversies[J].Investiga o-Trabalhos emcursoWorkingPaper，2001:107.

[12]Ward，D，R Zurbruegg.Does Insurance Promote Economic Growth?Evide-nce fromOECDCountries[J].Journal ofRisk and Insurance，2000.

[13]Simmons，L.F，M.L Cross.The Underwriting Cycle and the Risk Manager[J].Journal ofRisk and Insurance，1986.

[14]Venezian，E.C.Ratemaking Methods and Profit Cycles in Property and LiabilityInsurance[J].Journal ofRisk and Insurance，1985.