“償二代”背景下上市保險公司的動態監管研究
——基于股票市場信息數據

劉余慶 復旦大學經濟學院

本文針對目前我國第二代償付能力監管體系（簡稱“償二代”）監管下的不足，擬用KMV信用風險測度模型及上市保險公司的股票市場價格數據來預測保險公司的違約概率。首先，對KMV模型進行適合我國上市保險公司的修正：1.將限售股納入股權價值的計算，2.上市公司違約點公式修正為DPT=STD+0.5×LTD+0.8×PR。其次，利用四家A股+H股上市的保險公司（中國太保、中國人壽、中國平安、新華保險）2012—2019年八年相關數據進行實證分析，并檢驗其有效性。實證結果證明，利用修正KMV模型估計出來的上市保險公司違約距離DD）可以作為中國銀保監會監管保險公司的一項重要指標，且因其具有前瞻性，可以滿足現階段我國保險業監管的需求。

一、引言

我國保費收入已經位列世界第二，但以往規模導向的監管制度下行業粗放式發展也帶來了投資端資產荒、資產負債不匹配等問題。新經濟形勢下，保險業承擔著更加沉重的風險防控工作壓力。當前保險監管的力度相對較弱，與新形勢下沉重的風險防控工作負擔形成了鮮明的對比，行業風險管控能力顯然無法適應行業發展形勢，需強化對部分償付能力風險的重視，通過有效手段切實強化對壽險公司償付能力的監管力度，使其滿足風險防范的需求，更好地順應行業改革發展形勢。“償二代”在2016年應運而生，采用國際通用的“三支柱”框架，即資本充足要求、風險管理要求、信息披露要求，利用17項監管規則體現“定量監管、定性監管、市場約束”的市場規則要求。

但“償二代”監管仍有不足之處，權威資料顯示，國內一些未掛牌交易的保險企業由于償付能力不達標而被勒令退出市場，現有監管方法是分析信用的歷史情況，可持續性相對較弱，且測度的樣本單一，過分依賴樣本數據，數據更新的時效性不足，變量選擇過于主觀，對違約概率的估測準確性較低等問題廣泛存在。這就決定著唯有系統而全面地探究保險公司信用風險度量以及監管的問題，才能為保險行業經濟的可持續發展提供不竭動力。本文選取KMV信用風險測度模型，從我國基本國情入手，對KMV模型做出了相應調整，以財務信息以及資本市場信息為依據就違約距離進行計算，并以其為動態指標對保險企業償付能力監管情況進行評價，且進一步檢驗其適用性與有效性。

二、文獻綜述

KMV模型發布于1993年，主要通過期權定價模型計算上市公司的違約概率，進而量化分析上市公司的信用風險。目前，學術界在分析KMV模型時，一部分學者驗證了KMV模型的有效性，并在不同的行業或領域中廣泛推廣KMV模型，驗證在這些行業或領域中KMV模型的有效性；也有一部分學者探索了該模型在評估信用風險時存在的局限性，并通過其分析結果有效修正模型，并驗證了修正后模型的有效性。

從國外研究看，1993年起，國外學者就陸續關注到了KMV模型。如JeffreyR.Bohn（1998）、PeterCrodbi和JeffBohn（2003）等，利用KMV模型對上市公司信用風險進行了評估。M.Stein（2000）、Kealhofer和Kurbat（2001）等對信用風險評估方法進行實證比較分析，證明了KMV模型是更好的評估方法之一；亦有不少學者如Lu（2008），將KMV模型中的假設條件放寬，進一步拓寬了KMV模型的適用范圍。

國內對KMV模型的研究雖落后于國外，但早在1998年，國內的學者就已經開始關注KMV模型，并從我國國情出發對其進行了相應的研究。如王瓊（2002）、吳沖鋒和程鵬（2002）、趙建衛（2006）等主要闡釋了傳統KMV模型的理論和定義，驗證了KMV模型的有效性；李金亭（2009）、陳楷（2012）、姚珊（2015）、郭靖（2016）等結合我國相關行業修正了KMV模型中的部分參數。

與現有研究相比，本文的主要貢獻在于：構建了適應我國壽險公司實情的修正版KMV模型，并利用四家上市保險公司2012—2019年八年數據進行計量估計，并且在“償二代”背景下對其有效性進行檢驗。

三、KMV模型

KMV模型是基于莫頓模型的基本思路，以市場數據與財務報告為違約概率的主要來源渠道。該方法徹底終結了僅以財務數據進行信用風險度量的時代，其原因在于市場價格與企業未來發展走向間的關聯更為緊密，遂伴隨KMV模型的應用，信用風險度量的科學性隨之提升。

（一）KMV模型的基本思路

KMV模型主張不考慮負債差異的情況下，債務人資產市場價值是影響貸款信用風險的決定性因素。然而，資產并未真正意義進入市場，因此無法直接判斷資產的市值。出于此種考慮，該模型從一個新的角度入手進行貸款問題分析，以借款企業所有者為著眼點就貸款歸還加以分析。模型的核心思想在于：以公司資本為標的資產，也就是把所有權權益視為看漲期權，將負債作為看跌期權，公司價值滿足幾何布朗運動的特征。就普遍情況而言，公司資產市場價值（Va）與企業負債賬面價值（D）發生偏離的情況下，會有違約情況發生。違約距離（DD）代表企業資產市場價值期望值相距違約點（DPT）的距離，該指標與違約發生概率存在反向關聯，即距離越大，違約概率越小；反之則違約概率越大。

KMV模型假設未來特定時期內，上市保險公司預期資產價值滿足正態分布。基于圖1能夠發現，當相較于公司債務賬面價值，預期資產市場平均價值明顯更低時，公司違約情況將會發生。通過圖1還可以看出，一年后公司資產價值分布曲線與債務賬面價值曲線兩者所產生的部分面積便為公司的預期違約概率（EDF）。

?圖1 KMV模型違約距離圖

（二）KMV模型的求解過程

預期違約概率（EDF）的計算共分為三步：第一步，對企業的市值及其波動性進行確認；第二步，就企業預期價值以及違約點進行估測；第三步，預期違約概率（EDF）的求解。

（1）計算公司的市場價值VA及其波動率σA

公司出于保密性的考慮，對KMV具體形式采用了不披露政策。我們往往將函數f替換為Black-Schole公式。

上式中，E表示股權的市場價值；V表示公司資產的市場價值；表示正態分布累積概率函數；r、t分別代表無風險利率與信用期限；D表示負債的賬面價值。式中：

對公式兩邊進行求導，可得：

將兩個方程聯合在一起，兩個求知數，可計算出VA與σA。

（2）違約距離的求解

通過大量實證分析證明，若滿足流動負債和長期負債一半的總和與公司價值相等的條件，信用風險臨界點的發生概率最高，即DPT=TD+0.5×LTD，該式中STD與LTD分別表示短期負債與長期負債。

違約間距與資產價值的比值即為違約距離DD，可表示為：

（3）對預測違約概率（EDF）進行求解。

若資產價值滿足正態分布，則從理論上講其計算公式應為：

上式中：EDF——上市保險公司的違約概率；

N（－DD）——違約距離DD的正態分布函數。

（三）適應我國上市壽險公司KMV模型的修正

受國內資本市場特殊性的影響，KMV模型不適宜直接應用于國內上市保險企業進行信用風險的度量。這就決定著在KMV模型應用前，應從我國基本國情出發，與保險公司的特征進一步結合，就模型中部分特定參數進行修改，以期提高上市企業信用風險識別的客觀性與準確性。

1.公司股權價值的修正

股權分置改革在國內上市企業內取得了顯著的成效，然而限售股依然存在，所以本文認定限售股與流通股的總和為公司股權價值，為研究的嚴謹性提供了保障。本文選用了諸多文獻采用的修正方法，即以單股凈資產與限售股股數之乘積為限售股市場價值。可將公司股權價值（VE）的計算公式表示為：

2.違約點DPT的修正

KMV模型定義的違約點DPT是否適用于國內上市企業還有待商榷。在筆者看來，上市企業始終承擔著沉重的短期負債償還壓力，我們應效仿西方發達國家，對短期負債也作考量。所以研究的核心轉變為長期負債在DPT中所占比重的大小。這一情況下必須有效兼顧保險公司的獨特性。投保人支付的保費是保險公司經營收入的主要來源，而保險公司的營業支出則是以保險事故發生時公司基于投保人的具體情況對其所作出的賠償為主。為盡量滿足未來可能發生支付的資金需求，保險公司應充分做好保險責任準備金的籌措工作。保險責任準備金實則為企業負債，保險公司為保證保險職責履行的及時性需具備等值于保險責任準備金的資產，為職責履行提供保證。所以相較于其他行業而言，保險公司的資產負債比明顯更高，這就決定著上市保險公司以KMV模型進行信用風險度量的過程中，不僅要對保險責任準備金進行系統而全面的考量，更應結合實際對違約點作出調整。

以我國眾學者的相關研究資料為依據，與所積累的實踐經驗相結合，可將保險公司負債進一步劃分為三個部分：（1）流動負債，必須注意到其進一步包含未到期責任準備金與未決賠款準備金兩個部分；（2）長期責任準備金，其為涉及壽險業務的保險公司所特有；（3）其他非流動負債。

本文以2009年周洗帆研究所提出的假設為依據，即如果受某一風險因素的影響，保險公司需承擔的賠付率提高20%，那么其保險責任準備金將面臨償付風險。本文以該假設為前提將計算違約點的辦法調整為：

上式中：STD代表保險公司以短期責任準備金為代表的流動負債；LTD代表除短期責任準備金以外的其他流動負債；PR則表示長期責任準備金。

3.違約距離DD與違約概率EDF映射關系的修正

違約距離DD表明與違約點間的距離遠近，從某種角度來講，這也是評價企業違約概率的關鍵指標。若違約距離較小，則表明公司極易違約，即違約概率較大；反之，則違約概率較小。與歐美等西方發達國家對比而言，市場經濟在國內的發展相對緩慢，現階段很難建立與我國本土上市企業相匹配的違約距離與違約概率的相互關系。本文在就違約概率進行評價時是以違約距離為主要指標，此處并未對EDF作深入考慮，這是為匹配國內上市保險公司的客觀情況而對模型作出的調整。

四、基于修正KMV模型的實證分析

（一）樣本選擇

基于前文分析能夠發現，本文以四家上市保險公司為研究樣本，分別為中國太平洋保險（集團）股份有限公司（股票代碼：A股601601和H股02601）、中國人壽保險（集團）公司（股票代碼：A股601628和H股02628）、中國平安保險（集團）股份有限公司（股票代碼：A股601318和H股02318）、新華人壽保險股份有限公司（股票代碼：A股601336和H股01336）。因本課題研究對象是“償二代”背景下的我國人壽保險公司，故選取在A股市場掛牌的公司作為樣本，對以中國人保為代表的僅在H股上市的保險公司不作深入分析。

本文是通過Wind數據庫搜集的上市保險公司的財務信息、股權結構以及股價。股價與指數的時間節點均始于2012年初，終于2019年底（由于新華人壽保險股份有限公司于2011年底上市，因此選擇從2012年1月初開始）。

（二）修正KMV模型中參數設定

1.無風險利率r的確定

國內上市企業的信用風險評估過程中，并不具備規范化的無風險利率選擇標準，且因國內利率管制相對嚴格，因此本文的無風險利率是選擇中國人民銀行一年期定期存儲利率的加權平均值。因中國人民銀行一年期定期利率的不穩定性較強，銀行或許會數次進行調整，所以本文對一年內的數次利率進行加權平均計算，并以其為無風險利率r，詳見表1。

2.上市保險公司的負債面值D與實際期限t的確定

本文是通過估測的方法以上市企業年度財務報表數據為依據對負債面值進行估量，負債期限為1年，即t=1。

3.股票年波動率的計算

目前全球眾多學者均對股價波動率的計算方法作出了深入研究，且取得了累累碩果。本文將原模型中的股權價值波動率替換為流通股股票價格波動率。所謂股票價格波動率，即對股票價格在未來特定期限內發展方向的不確定性的評價，若股票價格波動率持續提高，則代表未來特定期限內該股票價格并不穩定，發生變化的概率較高。在該課題的研究過程中筆者選用了歷史波動率法，也就是以研究樣本前一年股票價格波動情況為依據，對后一年股票價格波動率的情況進行估算的方法，對未來一年上市企業股權市場價值的波動情況進行估測。基于日收盤價可對股權價值日標準差σ′進行計算。假設一年內交易日共250天，遂能計算出年收益波動率σE。其表達式為：

?表1 無風險利率r

另外，BSM模型假設上市企業股票價格滿足正態分布的特征，則股票價格對數收益率的計算公式應為：

上式中：Si、Si-1分別表示復權當日以及復權前一日的股票收盤價。據此可對企業股價的日標準差進行計算，進而求解出股價的年標準差。

（三）修正KMV模型實證過程

以上文KMV模型的實證分析方法為依據，以中國太保的樣本數據對違約距離進行估測，且通過對比分析法進一步研究相關結果。本文先以中國太保為例計算違約概率。

第一步，計算中國太保股票年收益波動率σE。運用公式（10）、（11）、（12）以及STDEV函數、AVERAG函數對股票的日標準差以及收益率進行求解。以上述公式為依據，與各相關數據相結合，可計算出中國太保的收益日標準差σ′為0.017，那么中國太保2019年的股票年收益波動率σE為0.262。

第二步，計算中國太保的股權價值VE。運用修正過的公式（8）估算股權價值VE：用中國太保2019年一年中所有交易日的收盤價的平均值乘以相應流通股的股數（A股和H股分別計算）加上中國太保這一年每股凈資產乘以限售股的價格，即可得到中國太保2019年的股權市場價值VE=293767。

第三步，計算中國太保的違約點DPT。運用修正過的公式（9）

PT=STD+0.5×LTD+0.8×PR，查閱2019年中國太保相關財務數據得出中國太保2017年的違約點DPT為1114709。

第四步，運用公式（1）、（2）、（3）、（4）利用BS模型，將前面所計算出的股票年收益波動率與股權價值代入MATLAB軟件，依靠相關迭代程序對2019年中國太保的公司市值以及市場價值波動率進行計算，其中公司市值VA為1391881、市場價值波動率σA為0.06。

第五步，對中國太保違約距離DD的計算。上市企業違約概率的評價離不開違約距離DD，違約距離與違約概率間存在反向關聯，即距離越大，違約發生的可能就越小。因此，在“償二代”背景下，上市保險公司以監管者為代表的各利益主體均能依托于KMV模型對企業違約距離進行求算，并將違約距離與相關決策相掛鉤，以達到信用風險規避的目的，有效保證企業利益不受侵害。

根據第四步計算出來公司市場價值VA和公司市場價值波動率A，運用修正過的公式（5）、（6），得出中國太保2019年的違約距離D=3.60。

?表2 2019年四家上市保險公司的各項指標（單位：百萬元）

由表2可見，四個研究樣本中公司市場價值最大的企業為中國平安，新華保險的市場價值波動率大，意味著新華保險經營不確定性相對較大，所承擔的風險成本也相對較高，所以四家樣本公司中信用風險預測難度最大的亦當數新華保險。依照由大到小的順序對2019年四家樣本公司的市場價值波動率進行排列，即新華保險、中國人壽、中國太保、中國平安，所以2019年信用風險度量波動性最顯著的樣本公司應為新華保險。

為了更好地比較四家公司之間的信用風險程度，將四家公司的數據代入第五步，求得2019年四家公司的違約距離DD，中國人壽違約距離DD為3.21、中國平安違約距離DD為4.44、新華保險違約距離DD為2.81。同理可得2012—2019年四家上市保險公司違約距離DD及其均值情況見表3。

?表3 2012—2019年四家上市保險公司的違約距離DD

（四）實證結果分析

通過對KMV模型計算出的2019年四家上市保險公司的違約距離比較，可以看出中國平安的違約距離最大，中國太保次之，新華保險以2.81違約距離最小。然而基于有關學者采用KMV模型對國內上市企業進行的實證分析結果能夠發現，整體來看國內上市企業違約距離在4以上的業績水平相對較好，風險的穩定性較為顯著，違約概率相對較低，上市保險公司亦是如此。從2019年來看，中國平安處于一個信用風險相對穩定的環境，新華保險、中國人壽、中國太保則處于信用風險相對較大的環境中，違約風險較大。

同時，將2012—2019年四家上市保險公司的違約距離DD變化進行比較，具體情況見圖2。

?圖2 四家上市保險公司2012—2019年違約距離變化比較圖

基于圖2能夠發現，2012—2019年間四家樣本公司的違約距離變化并不相同，中國平安、新華保險相對比較穩定，中國太保、中國人壽則起伏較大。首先從四家公司8年的違約距離均值來看，中國人壽為3.47，中國太保為3.41，中國平安為3.57，新華保險為2.69，中國人壽、中國平安、中國太保在2012—2019年期間違約概率較小，新華保險則違約概率較大。

從歷年違約距離變化來看，中國平安雖然違約距離均值為四家上市保險公司中最大的，但在2015年時中國平安的違約距離低于3，僅為2.56。究其原因，這與2015年我國A股市場巨幅震蕩有關，2016—2019年期間違約距離穩步提升。2012—2019年間中國太保、中國人壽的違約距離并非完全不變。經詳細分析能夠發現，無論是中國太保還是中國人壽，其違約距離的穩定性均相對較弱。

然而以違約距離為重要指標，對中國人壽、中國太保兩家樣本企業的預測卻存在顯著差異。首先，2012—2014年間中國人壽的違約距離穩定性相對較強，在2015—2019年期間起伏較大，且2019年中國人壽的違約距離為3.21，較前一年下降1.04。這說明在未來的幾年間中國人壽違約風險是異常不穩定的，需要持續關注。其次，從中國太保的違約距離變化來看，2014—2017年中國太保的違約距離存在不斷增加的趨勢。雖然2018年較2017年有較大幅度的下降，但2019年中國太保的違約距離又有了細微的上升，這也從另一角度說明了在未來至少一年的信用風險預測監管過程中，中國太保所承擔的信用風險成本持續增加。相比之下，新華保險的違約距離起伏雖然不大，但違約距離一直是四家上市險企中最小的，需要重點關注。

五、相關結論及建議

本文在“償二代”背景下系統分析了保險公司的信用風險監管情況，并據此提出了以證券市場信息為動態指標，對上市保險公司進行信用風險的評價與監管，并以國內代表性較強的四家保險公司為研究樣本，以其A股與H股的相關數據為研究數據，通過調整后的KMV模型對2012—2019年間國內上市保險企業信用風險度量的適用性以及實效性進行了實證分析。據此發現，KMV模型經相關參數調整后，與國內上市保險公司的客觀情況更為匹配，該模型有利于提升“償二代”背景下上市保險公司的監管力度。此外，調整后的KMV模型能將國內上市保險公司的客觀情況基本映射出來，有較強的適應性。

為更好地發揮KMV信用風險模型對上市保險公司的監管，對“償二代”進行有效地補充，首先，必須完善和發展證券市場。只有保證證券市場的有效性，才能通過KMV模型對上市企業進行信用評估，唯有這樣，該模型才能將上市企業的信用情況系統而客觀地呈現出來。有效的證券市場為模型所需樣本數據的信度與效度提供了保證。然而，因當前我國依然停留在社會主義初級階段，尚未建立完善的社會主義市場經濟體制，證券市場依然存在諸多問題，對KMV模型的客觀基礎造成一定負面影響，從而干擾該模型的建立以及運行。這就決定了我國應全力推進證券市場的市場化發展，切實提升股市信息披露的規范性，強化市場監管力度，將證券市場的投機概率控制到最低，使企業經營情況能夠通過股價客觀而準確地呈現出來，進而創造有利于KMV模型運用的金融環境，使其更準確地評價出國內上市保險公司的信用風險情況。

其次，建立信用風險基礎數據庫。基于前文內容，現階段我國依然尚未建立完善的上市企業歷史違約數據庫，進而缺少建立映射關系的必要違約樣本，導致無法準確計算違約概率，遂在企業信用風險評價的過程中只能以違約距離為評價指標。只有結合國內以保險公司為主的上市企業客觀情況，盡快建立完善的信用風險歷史數據庫，才能為資本市場信息的現代信用風險評估模型提供有力的數據支撐，進而帶動KMV模型預測監管水平的強化，為該度量方法的實際運用奠定基礎。

最后，KMV模型作為有效的監管指標，其預測能力極為顯著。其將公司市場價值與違約概率直接聯系在一起，以公司股權市場價值與負債為依據可計算出EDF值，股權價格信息直接決定著KMV模型的信息水平，通過KMV模型對國內上市保險公司的EDF值進行求解，與動態監管的形勢更為匹配。現階段我國采用了半動態方式進行保險公司監管，基于靜態歷史數據的分析，可對企業償付能力建立起相對客觀的認識，若公司經營情況相對良好，其實效性以及可行性相對較高。然而保險公司經營存在一定的不確定性，若經營環境的變化超出預期，靜態監管方法將毫無意義，甚至產生負面作用。與此同時，受財務報表數據傳輸時效性不足的影響，有時會發生如下情況：保險公司實際償付能力已無法滿足業務需求的情況下，報表所反映的償付水平依然相對較高。這就決定了應以股票市場信息為依據，對其中與信用風險相關的內容進行發掘，違約距離DD與違約概率EDF能夠使傳統監管手段的不足得到有效彌補。

然而，KMV模型的適用存在一定局限性。普遍來講，該模型在上市企業信用風險評估方面的效果最為顯著，然而現階段國內已成功掛牌的上市保險公司不過六家，在適用于非上市保險公司時，大都需要將模型中一些關鍵的指標替換為可體現非上市公司實際情況的指標或會計信息，且需依靠對比分析方式對樣本企業的期望違約概率進行估測，從某種角度來講或許會對計算的準確性造成負面影響，進而降低保險公司監管過程中EDF值的可操作性。