我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)擴(kuò)張及原因分析

尚穎 賈士彬

摘 ? 要：本文選取2007—2017年間30個(gè)?。ㄊ?、自治區(qū)）數(shù)據(jù)，運(yùn)用熵權(quán)法構(gòu)建承保端風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，并引入0—1權(quán)重矩陣和地理權(quán)重矩陣進(jìn)行空間面板回歸分析。結(jié)果顯示，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)不存在[β]收斂，并有進(jìn)一步擴(kuò)大的趨勢(shì)，這是替代效應(yīng)、收入效應(yīng)、資金貶值效應(yīng)共同作用的結(jié)果，且同時(shí)受人口死亡率、壽險(xiǎn)業(yè)務(wù)結(jié)構(gòu)、壽險(xiǎn)業(yè)務(wù)波動(dòng)等因素的影響。本文建議從壽險(xiǎn)業(yè)自身做起，控制業(yè)務(wù)發(fā)展速度、優(yōu)化業(yè)務(wù)結(jié)構(gòu)，適時(shí)進(jìn)行調(diào)整。

關(guān)鍵詞：承保端風(fēng)險(xiǎn);空間滯后模型;替代效應(yīng);壽險(xiǎn)業(yè)務(wù)結(jié)構(gòu)

中圖分類(lèi)號(hào)：F840.622 ?文獻(xiàn)標(biāo)識(shí)碼：B ?文章編號(hào)：1674-2265（2020）03-0078-08

DOI：10.19647/j.cnki.37-1462/f.2020.03.010

一、引言

1998年，我國(guó)壽險(xiǎn)業(yè)保費(fèi)收入首次超過(guò)產(chǎn)險(xiǎn)業(yè)，截至2018年底，壽險(xiǎn)業(yè)保費(fèi)收入已達(dá)2.725萬(wàn)億元，遠(yuǎn)高于財(cái)險(xiǎn)市場(chǎng)的1.176萬(wàn)億元，在整個(gè)保險(xiǎn)市場(chǎng)中占據(jù)舉足輕重的地位。壽險(xiǎn)業(yè)獲得快速發(fā)展的同時(shí)，承保端所積聚的風(fēng)險(xiǎn)也越來(lái)越突顯，主要表現(xiàn)為退保風(fēng)險(xiǎn)的加劇和給付率的波動(dòng)。近年來(lái)，很多壽險(xiǎn)公司承保端產(chǎn)品大多通過(guò)高收益來(lái)短時(shí)間籌集大量資金，高成本加大其對(duì)于資產(chǎn)端回報(bào)的高要求，在資產(chǎn)端市場(chǎng)非有效性的背景下，投機(jī)和短視行為是其最優(yōu)的策略選擇，資產(chǎn)端風(fēng)險(xiǎn)的加劇會(huì)影響壽險(xiǎn)公司現(xiàn)金流、資產(chǎn)負(fù)債匹配、償付能力、市場(chǎng)信譽(yù)和地位，甚至影響壽險(xiǎn)業(yè)的社會(huì)認(rèn)可度和發(fā)展，進(jìn)而造成退保危機(jī)和給付壓力，產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。2007—2017年間，我國(guó)壽險(xiǎn)業(yè)退保率平均達(dá)到16.17%，并呈U形發(fā)展趨勢(shì)，2014年退保率最高，為24.31%，很多地區(qū)不同年份也曾出現(xiàn)高退保率，2014年河南省高達(dá)40.98%，2017年上海高達(dá)39.69%。雖然壽險(xiǎn)業(yè)給付率相對(duì)穩(wěn)定，平均為22.02%，但個(gè)別地區(qū)、個(gè)別年份也曾出現(xiàn)過(guò)較大波動(dòng)，2007年黑龍江省給付率高達(dá)55.55%，浙江省達(dá)42.83%，給付風(fēng)險(xiǎn)依然存在。再加上經(jīng)濟(jì)、人口、金融等外界環(huán)境的干擾，以及資產(chǎn)驅(qū)動(dòng)與負(fù)債驅(qū)動(dòng)兩種經(jīng)營(yíng)模式的并向發(fā)展，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)不斷更新和演化。更重要的是，由于壽險(xiǎn)公司大多在不同省域設(shè)立分支機(jī)構(gòu)，省域間的交往會(huì)更加密切，基于公司系統(tǒng)內(nèi)部考核和外部競(jìng)爭(zhēng)的壓力，相鄰地區(qū)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)可能會(huì)階段性趨同。因此，在研究壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)及其影響因素時(shí)，需將空間因素考慮在內(nèi)。

二、文獻(xiàn)綜述

關(guān)于壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)的研究，大部分文獻(xiàn)主要集中于退保風(fēng)險(xiǎn)影響因素的探究。早期國(guó)外學(xué)者提出的應(yīng)急資金假說(shuō)、市場(chǎng)利率假說(shuō)、保單替代假說(shuō)（Linton，1932;Outreville，1990;Kuo等，2003），在中國(guó)壽險(xiǎn)市場(chǎng)也得到了驗(yàn)證，但研究結(jié)論并不一致：展凱（2008）分別用利率、物價(jià)指數(shù)、失業(yè)率作為替代變量，運(yùn)用VEC模型，證實(shí)存在顯著的利率替代效應(yīng)和支付貶值效應(yīng)，短期內(nèi)利率變化能引起退保率的同方向變化，而長(zhǎng)期則表現(xiàn)為反方向變化;通脹率長(zhǎng)短期均會(huì)使退保率同向變化，但其并不支持財(cái)務(wù)危機(jī)假說(shuō)。陳華等（2014）同樣支持利率替代效應(yīng)，指出長(zhǎng)期利率、短期利率和利差的上升均會(huì)造成退保率的提高，且財(cái)務(wù)危機(jī)假說(shuō)也成立，退保率和失業(yè)率正相關(guān)。何欣等（2015）采用類(lèi)似變量，運(yùn)用面板固定效應(yīng)模型，卻僅支持支付貶值效應(yīng)，認(rèn)為退保率會(huì)隨著通脹率的上升而上升。也有學(xué)者用收入（楚軍紅，1997）、經(jīng)濟(jì)增長(zhǎng)（孫蓉等，2012）作為財(cái)務(wù)危機(jī)效應(yīng)的替代變量，且證實(shí)其對(duì)退保率均有影響。除此以外，新單占比（陳華等，2014）、保單條款的具體設(shè)計(jì)（Hendel，2003）、被保險(xiǎn)人死亡情況（郭春燕等，2008）、投保人年齡大小、保費(fèi)與交費(fèi)形式、保單經(jīng)過(guò)年數(shù)（彭玉龍，2005）、保險(xiǎn)公司服務(wù)質(zhì)量和客戶(hù)滿(mǎn)意度（劉超，2006）、附加服務(wù)（郭鐘亮，2017）、教育水平、信息認(rèn)知偏差（畢泗鋒等，2018）、壽險(xiǎn)業(yè)務(wù)類(lèi)型（王向楠，2012;展凱等，2013;何欣等，2015）等均會(huì)不同程度影響壽險(xiǎn)公司的退保率。

而更值得關(guān)注的是，隨著創(chuàng)新型壽險(xiǎn)產(chǎn)品的出現(xiàn)，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)出現(xiàn)了一些新的變化，部分學(xué)者也開(kāi)始致力于此方面的研究。陳秉正等（2016）通過(guò)建立雙驅(qū)動(dòng)型動(dòng)態(tài)最優(yōu)資產(chǎn)負(fù)債管理模型，驗(yàn)證了負(fù)債端高風(fēng)險(xiǎn)性萬(wàn)能險(xiǎn)業(yè)務(wù)的發(fā)展規(guī)律：當(dāng)萬(wàn)能險(xiǎn)業(yè)務(wù)平穩(wěn)時(shí)，萬(wàn)能險(xiǎn)賬戶(hù)流動(dòng)性充裕，不會(huì)發(fā)生流動(dòng)性風(fēng)險(xiǎn)，但當(dāng)流動(dòng)性突然惡化時(shí)，保險(xiǎn)公司將面臨一定的流動(dòng)性風(fēng)險(xiǎn)與資產(chǎn)折價(jià)風(fēng)險(xiǎn)。

綜上所述，以往文獻(xiàn)更多針對(duì)的是壽險(xiǎn)業(yè)承保端退保單一風(fēng)險(xiǎn)的研究，雖然壽險(xiǎn)市場(chǎng)給付風(fēng)險(xiǎn)波動(dòng)不如產(chǎn)險(xiǎn)市場(chǎng)大，但由于其依然存在嚴(yán)重的逆向選擇和各種不確定性因素，給付風(fēng)險(xiǎn)不容忽視。本文首次將退保風(fēng)險(xiǎn)和給付風(fēng)險(xiǎn)一并作為壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)考量指標(biāo)，采用熵權(quán)法整體評(píng)估壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)。此外，上述研究文獻(xiàn)并未涉及對(duì)我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)收斂或擴(kuò)張趨勢(shì)的判斷，且很少考慮可能存在的空間異質(zhì)性和傳染影響，而這種空間效應(yīng)卻是存在的，范慶祝等（2017）已經(jīng)證實(shí)了退保行為的凈傳染假說(shuō)。因此，本文將在此基礎(chǔ)上，運(yùn)用空間面板模型，進(jìn)一步研究我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)的發(fā)展趨勢(shì)及其原因。

三、壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)趨勢(shì)：收斂還是擴(kuò)張？

（一）壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)構(gòu)建

衡量壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)的指標(biāo)主要分為兩大類(lèi)：第一類(lèi)基于消費(fèi)者角度考量，為退保風(fēng)險(xiǎn)指標(biāo)，用退保率來(lái)衡量，公式表示為：退保率（WR）=退保金/人身保險(xiǎn)保費(fèi);第二類(lèi)基于壽險(xiǎn)公司角度考量，為給付風(fēng)險(xiǎn)指標(biāo)，包括賠付率（PR=賠付/人身保險(xiǎn)保費(fèi)）、死傷醫(yī)療給付率（DIR=死傷醫(yī)療給付/人身保險(xiǎn)保費(fèi)）、滿(mǎn)期給付率（FPR=滿(mǎn)期給付/人身保險(xiǎn)保費(fèi)）和年金給付率（APR=年金給付/人身保險(xiǎn)保費(fèi)）4個(gè)子指標(biāo)。為了更加準(zhǔn)確地刻畫(huà)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)，本文綜合考量上述5項(xiàng)指標(biāo)，利用熵權(quán)法構(gòu)建了一項(xiàng)新的承保端風(fēng)險(xiǎn)指標(biāo)，記為Risk①。具體方法如下：第一步，計(jì)算第[j]個(gè)風(fēng)險(xiǎn)指標(biāo)的比重[Pij]，計(jì)算公式為[Pij=p'iji=1mp'ij]（[p'ij]為原始矩陣）;第二步，計(jì)算第[j]個(gè)風(fēng)險(xiǎn)指標(biāo)的熵值[Ej]，計(jì)算公式為[Ej=-1lnmi=1mPij×lnPij];第三步，計(jì)算變異系數(shù)[Vj=1-Ej];第四步，計(jì)算第[j]個(gè)風(fēng)險(xiǎn)指標(biāo)在綜合評(píng)價(jià)指標(biāo)中的權(quán)重[Wj]，計(jì)算公式為[Wj=Vjj=1nVj];第五步，計(jì)算綜合評(píng)價(jià)指數(shù)[Riski=j=1nWj×Pij]。其中[Riski]代表第[i]省份的綜合風(fēng)險(xiǎn)指數(shù)，[Riski]越大，表示第[i]省份的風(fēng)險(xiǎn)暴露程度越大。

（二）權(quán)重矩陣選擇

在進(jìn)行實(shí)證分析之前，先對(duì)各變量進(jìn)行單位根檢驗(yàn)，根據(jù)Hadri單位根檢驗(yàn)結(jié)果，各變量在10%的置信水平內(nèi)均通過(guò)顯著性檢驗(yàn)，即不存在單位根，在此不再展示檢驗(yàn)結(jié)果。從回歸結(jié)果來(lái)看，如表1所示，選擇SEM模型更為合適。在0—1權(quán)重和距離權(quán)重下，[β]值均為正值，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)并未呈現(xiàn)出全局域的[β]收斂，反而趨于發(fā)散。這一結(jié)論說(shuō)明我國(guó)壽險(xiǎn)業(yè)承保端依然存在較大風(fēng)險(xiǎn)，并有不斷擴(kuò)大的趨勢(shì)。那么，為什么我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)沒(méi)有呈現(xiàn)出[β]收斂呢？

四、承保端風(fēng)險(xiǎn)擴(kuò)張的原因分析

（一）指標(biāo)選取與數(shù)據(jù)選擇

本文綜合考量以往學(xué)者研究指標(biāo)基礎(chǔ)上，選取解釋變量如下：

1. 第一大類(lèi)影響因素：退保風(fēng)險(xiǎn)影響因素。

（1）替代效應(yīng)指標(biāo)。人們之所以選擇退保，可能源于替代性產(chǎn)品的吸引，人們會(huì)將投保理財(cái)性保險(xiǎn)產(chǎn)品的收益率與投資股票、基金、債券、銀行存款，甚至是房地產(chǎn)的收益率相比較，進(jìn)而產(chǎn)生替代效應(yīng)?；诖耍疚姆謩e選取資本市場(chǎng)波動(dòng)（CMF）、存款波動(dòng)（DF）、房?jī)r(jià)波動(dòng)（HPF）三項(xiàng)指標(biāo)為替代變量。

（2）收入效應(yīng)指標(biāo)。Outreville （1990） 將早期 Linton（1932） 的應(yīng)急資金假說(shuō)繼續(xù)拓展，指出除失業(yè)率外，隨著實(shí)際收入的提高，投保人需要資金應(yīng)急的可能性下降，退保率將會(huì)降低。但也有學(xué)者持相反觀點(diǎn)，Kiesenbauer（2012） 證實(shí)收入水平和退保率成正比，認(rèn)為隨著收入和儲(chǔ)蓄增加，消費(fèi)者有動(dòng)機(jī)通過(guò)退?；I措部分資金，用于積累的資金進(jìn)行較大金額的采購(gòu)。由于數(shù)據(jù)的可獲取性，本文選取城鎮(zhèn)單位就業(yè)人員工資總額作為替代變量，為削減異方差，做對(duì)數(shù)處理，記為lnUW。

（3）資金貶值效應(yīng)指標(biāo)。許多學(xué)者都認(rèn)為通貨膨脹與退保有關(guān)系（展凱，2008;何欣等，2015），為了進(jìn)一步檢驗(yàn)資金貶值效應(yīng)，本文選取物價(jià)指數(shù)（CPI）作為替代變量，并取對(duì)數(shù)。

（4）教育水平。人們的教育水平不同，對(duì)保險(xiǎn)的認(rèn)識(shí)不同，理性選擇購(gòu)買(mǎi)或退保的程度也會(huì)不同，進(jìn)而可能會(huì)影響退保行為。本文用各地區(qū)本科及以上學(xué)歷人數(shù)作為衡量指標(biāo)，記為ED，并取對(duì)數(shù)。

2. 第二大類(lèi)影響因素：給付風(fēng)險(xiǎn)影響因素。

（1）壽險(xiǎn)業(yè)務(wù)波動(dòng)。業(yè)務(wù)規(guī)模增長(zhǎng)過(guò)快或過(guò)慢都可能導(dǎo)致承保端出現(xiàn)給付壓力，因此，本文同時(shí)引入壽險(xiǎn)業(yè)務(wù)保費(fèi)增長(zhǎng)率（PIF）及其平方項(xiàng)（PIFS）表示。

（2）社會(huì)醫(yī)療保險(xiǎn)支出水平。社會(huì)醫(yī)療保險(xiǎn)可以通過(guò)影響商業(yè)醫(yī)療保險(xiǎn)支出，進(jìn)而影響壽險(xiǎn)業(yè)的賠付情況。一方面，大部分商業(yè)醫(yī)療保險(xiǎn)的賠付都是以參加社會(huì)醫(yī)療保險(xiǎn)為基礎(chǔ)的，社會(huì)醫(yī)療保險(xiǎn)賠付后，剩余部分醫(yī)療費(fèi)用可由商業(yè)醫(yī)療保險(xiǎn)賠付，可能會(huì)減少商業(yè)醫(yī)療費(fèi)用的賠付，體現(xiàn)為替代作用;但另一方面，隨著醫(yī)療費(fèi)用的普遍上漲，社會(huì)醫(yī)療保險(xiǎn)支出會(huì)增加，商業(yè)醫(yī)療保險(xiǎn)賠付也會(huì)同時(shí)增加，體現(xiàn)為補(bǔ)充作用。此外，也有可能社會(huì)醫(yī)療保險(xiǎn)支出增長(zhǎng)與商業(yè)醫(yī)療保險(xiǎn)關(guān)系不明顯，因?yàn)楹芏鄥⑴c社會(huì)醫(yī)療保險(xiǎn)的群體可能并沒(méi)有投保商業(yè)醫(yī)療保險(xiǎn)?；诖?，本文用社會(huì)醫(yī)療保險(xiǎn)支出（SME）這一指標(biāo)來(lái)衡量，鑒于數(shù)據(jù)來(lái)源有限，采用城鎮(zhèn)職工與城鎮(zhèn)居民社會(huì)醫(yī)療保險(xiǎn)基金支出之和作為替代變量，并做對(duì)數(shù)處理。

3. 第三大類(lèi)影響因素：賠付、退保雙風(fēng)險(xiǎn)影響因素。

（1）新單業(yè)務(wù)占比。一方面，Russell等（2013）指出隨著壽險(xiǎn)公司新業(yè)務(wù)的增加，退保行為將會(huì)增加;另一方面，不同新單業(yè)務(wù)類(lèi)型也會(huì)影響壽險(xiǎn)公司給付情況。本文用新單保費(fèi)占比（NIP）來(lái)表示。

（2）死亡率。壽險(xiǎn)定價(jià)與死亡率有著密切的關(guān)系，進(jìn)而可能影響壽險(xiǎn)公司給付狀況。另外，郭春燕等（2008）還指出被保險(xiǎn)人死亡狀況也會(huì)影響人們的退保行為。本文用人口死亡率（DR）這一指標(biāo)來(lái)表示。

（3）壽險(xiǎn)業(yè)產(chǎn)品結(jié)構(gòu)。按照壽險(xiǎn)業(yè)產(chǎn)品性質(zhì)，可分為普通型壽險(xiǎn)、分紅型壽險(xiǎn)和投資型壽險(xiǎn)，不同的壽險(xiǎn)產(chǎn)品給付風(fēng)險(xiǎn)不同，退保風(fēng)險(xiǎn)也不同。普通型壽險(xiǎn)具有純保障功能，分紅型壽險(xiǎn)兼具儲(chǔ)蓄功能，投資型壽險(xiǎn)兼具投資功能，包括萬(wàn)能險(xiǎn)和投連險(xiǎn)。分別用保費(fèi)占比來(lái)衡量，即普通型壽險(xiǎn)保費(fèi)占比（GLR）、分紅型壽險(xiǎn)保費(fèi)占比（DLR）、投資型壽險(xiǎn)保費(fèi)占比（ILR）。考慮壽險(xiǎn)業(yè)產(chǎn)品結(jié)構(gòu)與承保端風(fēng)險(xiǎn)可能存在非線性關(guān)系，同時(shí)將平方項(xiàng)納入空間回歸模型中，依次記為GLRS、DLRS和ILRS。為防止出現(xiàn)共線性，每個(gè)模型僅引入兩種壽險(xiǎn)產(chǎn)品占比，各變量的描述性統(tǒng)計(jì)見(jiàn)表2。

本文選取了2007—2017年11年間除西藏外30個(gè)?。ㄊ?、自治區(qū)）省際面板數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)主要來(lái)源于歷年保險(xiǎn)年鑒、國(guó)家統(tǒng)計(jì)局網(wǎng)站和萬(wàn)得數(shù)據(jù)庫(kù)。主要運(yùn)用Stata、Geoda、Matlab等軟件來(lái)完成實(shí)證分析。

（二）研究方法

1. 研究方法選擇。鑒于不同省份壽險(xiǎn)承保端風(fēng)險(xiǎn)存在非均衡分布特征，在進(jìn)行省際面板分析時(shí)，若采用均質(zhì)性空間地理假說(shuō)（OLS）可能會(huì)產(chǎn)生有偏估計(jì)，將地區(qū)間的相互影響和沖擊納入模型設(shè)定尤為必要（Rodriguez-Pose，2004）。因此，本文先檢驗(yàn)承保端風(fēng)險(xiǎn)省際面板數(shù)據(jù)的空間相關(guān)性，采用全局Morans I指數(shù)。計(jì)算公式為：

（三）承保端風(fēng)險(xiǎn)擴(kuò)張的原因分析

1. 模型的設(shè)定。第一，空間相關(guān)性檢驗(yàn)。通過(guò)全局Morans I指數(shù)計(jì)算，發(fā)現(xiàn)樣本期間內(nèi)，0—1權(quán)重矩陣與距離權(quán)重矩陣下，除個(gè)別年份外，Risk指標(biāo)在10%的置信水平上均存在顯著的空間相關(guān)性（見(jiàn)表2）。因此，為了計(jì)量結(jié)果的準(zhǔn)確性，應(yīng)將空間因素納入模型中。

第二，空間面板模型選擇。根據(jù)Hadri單位根檢驗(yàn)，各變量在10%的置信水平內(nèi)均通過(guò)顯著性檢驗(yàn)，即不存在單位根，在此不再贅述。選擇空間面板模型，如表4所示，通過(guò)LM檢驗(yàn)，尤其是R-LM檢驗(yàn)，顯示各個(gè)模型設(shè)計(jì)中空間滯后項(xiàng)不顯著，而空間誤差項(xiàng)則較為顯著。因此，在空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）中，選擇空間誤差模型更為合適。

第三，混合效應(yīng)、固定效應(yīng)、隨機(jī)效應(yīng)空間面板模型選擇。在確定空間滯后模型后，應(yīng)根據(jù)LR和Hausman檢驗(yàn)來(lái)確定混合效應(yīng)、固定效應(yīng)、隨機(jī)效應(yīng)的選擇，結(jié)果如表5所示，均在10%顯著水平下通過(guò)檢驗(yàn)，因此，最終選擇固定效應(yīng)模型。

第四，固定效應(yīng)模型選擇。根據(jù)普通面板F檢驗(yàn)和Wald檢驗(yàn)，比較個(gè)體固定效應(yīng)、時(shí)間固定效應(yīng)與雙固定效應(yīng)模型，結(jié)果如表6所示，顯示既有個(gè)體趨勢(shì)項(xiàng)，又有時(shí)間趨勢(shì)項(xiàng)，因此，選擇雙固定效應(yīng)模型。

2. 壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)擴(kuò)張的原因分析。表7顯示的是模型1和模型2分別采用OLS、SLM、SEM回歸分析估計(jì)的結(jié)果，并且引入了0—1和距離兩種權(quán)重矩陣。由于樣本期內(nèi)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)這一指標(biāo)存在空間依賴(lài)性，因此，OLS估計(jì)結(jié)果是有偏的。根據(jù)上述空間面板模型選擇過(guò)程，本文最終選取SEM模型更為合理，且各模型的Moran s I指數(shù)在1%置信水平上通過(guò)了檢驗(yàn)。在不同的權(quán)重矩陣下，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)各個(gè)影響因素的顯著性雖然有所差別，但影響方向基本相同。

（1）替代效應(yīng)和收入效應(yīng)共同作用的結(jié)果。在替代效應(yīng)的三項(xiàng)指標(biāo)中，只有資本市場(chǎng)波動(dòng)對(duì)承保端風(fēng)險(xiǎn)的影響顯著，且通過(guò)了1%的顯著性檢驗(yàn)?？梢?jiàn)，資本市場(chǎng)波動(dòng)可以通過(guò)影響退保風(fēng)險(xiǎn)來(lái)影響壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)。說(shuō)明人們選擇退保，更多關(guān)注的是資本市場(chǎng)的變化，資本市場(chǎng)交易越頻繁，人們的投機(jī)意愿越強(qiáng)烈，相較于購(gòu)買(mǎi)具有一定理財(cái)功能的壽險(xiǎn)產(chǎn)品，投資股票、基金、債券的吸引力可能更大，因此就會(huì)產(chǎn)生替代效應(yīng)而選擇退保，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)越大。而存款波動(dòng)和房?jī)r(jià)波動(dòng)的替代效應(yīng)卻并不顯著，這是因?yàn)?，存款既無(wú)法與保險(xiǎn)產(chǎn)品的保障功能相提并論，也不具有替代投資型壽險(xiǎn)產(chǎn)品的必要性，存款對(duì)人們的吸引，更多是源于根深蒂固的傳統(tǒng)思想，而并不是以退保為代價(jià)。面對(duì)房?jī)r(jià)的波動(dòng)，大部分人會(huì)選擇理性消費(fèi)，退保轉(zhuǎn)而投資房地產(chǎn)并不是明智之舉，而且退保金可能杯水車(chē)薪。

收入效應(yīng)顯著，與Kiesenbauer（2012）、范慶祝等（2017）的結(jié)論一致，在此基礎(chǔ)上，本文從另一個(gè)視角進(jìn)行了解析，認(rèn)為名義工資水平越高的省域，人們購(gòu)買(mǎi)壽險(xiǎn)，尤其是投資型壽險(xiǎn)的能力和意愿越強(qiáng)，而壽險(xiǎn)業(yè)退保風(fēng)險(xiǎn)基本來(lái)源于該類(lèi)產(chǎn)品，該地區(qū)承保端風(fēng)險(xiǎn)會(huì)升高。這與之前一些學(xué)者提出的應(yīng)急資金效應(yīng)結(jié)論恰恰相反。

資金貶值效應(yīng)顯著，但本文認(rèn)為資金貶值不僅不會(huì)激勵(lì)退保行為，反而會(huì)降低退保率，這與收入效應(yīng)的結(jié)論是相吻合的。假設(shè)名義收入水平不變，通脹水平越低的地區(qū)，實(shí)際工資水平越高，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)增加。相反，通脹水平越高的地區(qū)，資金貶值嚴(yán)重，人們必然會(huì)選擇最有效的“保值增值”方式，保險(xiǎn)就是其中一種，因此，退保的可能性相對(duì)較低，承保端風(fēng)險(xiǎn)隨之下降，而且有些壽險(xiǎn)產(chǎn)品的設(shè)計(jì)本身就具有抗通脹的功能。

（2）壽險(xiǎn)業(yè)務(wù)波動(dòng)與業(yè)務(wù)結(jié)構(gòu)失衡共同作用的結(jié)果。在樣本期內(nèi)，除2008年和2016年我國(guó)壽險(xiǎn)業(yè)保費(fèi)收入增長(zhǎng)率分別高達(dá)47.82%和36.78%外，其他年份均維持在20%左右，只有2011年出現(xiàn)負(fù)增長(zhǎng)，為-0.10%?？梢?jiàn)，保費(fèi)收入波動(dòng)基本處于一個(gè)合理的區(qū)間內(nèi)，在這樣的區(qū)間內(nèi)，隨著壽險(xiǎn)業(yè)保費(fèi)增長(zhǎng)率的提升，給付率會(huì)下降。給付率這一指標(biāo)的變化源于給付支出波動(dòng)與保費(fèi)收入增長(zhǎng)的比較，可見(jiàn)，此時(shí)給付率下降的主要原因在于保費(fèi)收入的增長(zhǎng)，同時(shí)保費(fèi)收入的增加也會(huì)減少給付壓力，進(jìn)而承保端風(fēng)險(xiǎn)下降。歷年來(lái)，各家壽險(xiǎn)公司都在采取各種手段努力展業(yè)，例如增員、開(kāi)門(mén)紅、開(kāi)拓新險(xiǎn)種等，其目的之一就是利用大數(shù)法則降低承保端風(fēng)險(xiǎn)。但若壽險(xiǎn)業(yè)保費(fèi)收入持續(xù)進(jìn)入諸如2008年和2016年的高速運(yùn)行時(shí)期，隨著保費(fèi)收入增長(zhǎng)率的繼續(xù)提升，就會(huì)出現(xiàn)承保端風(fēng)險(xiǎn)上升的局面，因?yàn)閴垭U(xiǎn)業(yè)務(wù)的快速發(fā)展需要高增長(zhǎng)的產(chǎn)品結(jié)構(gòu)，而這樣的產(chǎn)品結(jié)構(gòu)具有高風(fēng)險(xiǎn)?？梢?jiàn)，壽險(xiǎn)業(yè)保費(fèi)波動(dòng)與承保端風(fēng)險(xiǎn)呈現(xiàn)出了顯著的U形關(guān)系。

從OLS回歸結(jié)果來(lái)看，新單占比會(huì)增加承保端風(fēng)險(xiǎn)，這與陳華等（2014）的估計(jì)結(jié)果一致。但在考慮空間因素之后，二者的關(guān)系變成了不顯著的負(fù)相關(guān)關(guān)系，可見(jiàn)，OLS回歸結(jié)果在某種程度上存在偏差。因?yàn)樾聠螛I(yè)務(wù)占比這一指標(biāo)只體現(xiàn)了新業(yè)務(wù)的增長(zhǎng)情況，而無(wú)法體現(xiàn)新業(yè)務(wù)的產(chǎn)品結(jié)構(gòu)、期限結(jié)構(gòu)等特征，不同性質(zhì)的壽險(xiǎn)產(chǎn)品，給承保端帶來(lái)的風(fēng)險(xiǎn)差異也會(huì)很大，可見(jiàn)，盲目追求新業(yè)務(wù)增長(zhǎng)并不是明智之舉。

普通型壽險(xiǎn)占比、分紅型壽險(xiǎn)占比、投資型壽險(xiǎn)占比三項(xiàng)指標(biāo)與承保端風(fēng)險(xiǎn)在10%置信區(qū)間上均表現(xiàn)為顯著的非線性關(guān)系。普通型壽險(xiǎn)、分紅型壽險(xiǎn)與承保端風(fēng)險(xiǎn)呈現(xiàn)出倒U形關(guān)系，而投資型壽險(xiǎn)則呈現(xiàn)出U形關(guān)系。普通型壽險(xiǎn)是保險(xiǎn)保障功能的根本體現(xiàn)，理應(yīng)成為壽險(xiǎn)業(yè)發(fā)展的中流砥柱，而當(dāng)其占比相對(duì)較低時(shí)，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)必然會(huì)增加，2008年普通壽險(xiǎn)占比僅為11%，再加上當(dāng)時(shí)金融危機(jī)的沖擊，我國(guó)壽險(xiǎn)業(yè)面臨系統(tǒng)性輸入風(fēng)險(xiǎn);反之，當(dāng)普通型壽險(xiǎn)占比相對(duì)較高時(shí)，風(fēng)險(xiǎn)則會(huì)降低，但也并非回到純保障時(shí)代，1996年以來(lái)產(chǎn)生的巨大利差損也證明了只發(fā)展普通型壽險(xiǎn)并不能與時(shí)俱進(jìn)，發(fā)展分紅型壽險(xiǎn)與投資型壽險(xiǎn)等新型壽險(xiǎn)產(chǎn)品不僅在某種程度上能夠緩解利差壓力，更是在迎合消費(fèi)者的需求。

因此，自1999年新型壽險(xiǎn)產(chǎn)品開(kāi)始登上歷史舞臺(tái)并占據(jù)主導(dǎo)地位。尤其是分紅型壽險(xiǎn)，由于其具有一定的儲(chǔ)蓄性質(zhì)，且分紅相對(duì)穩(wěn)定而廣受青睞?？梢?jiàn)，分紅型壽險(xiǎn)與保障型壽險(xiǎn)一樣具有廣闊的發(fā)展空間，并應(yīng)該在壽險(xiǎn)業(yè)發(fā)展中占據(jù)重要的市場(chǎng)地位，當(dāng)二者占據(jù)了較高的市場(chǎng)份額時(shí)，承保風(fēng)險(xiǎn)均會(huì)逐漸下降。若二者的市場(chǎng)份額過(guò)低，意味著投資型險(xiǎn)種占比較高，特別是萬(wàn)能險(xiǎn)，從2013 年開(kāi)始因結(jié)算利率偏高、收益透明、期限較短等特點(diǎn)受到客戶(hù)追捧，對(duì)標(biāo)萬(wàn)能險(xiǎn)的結(jié)算利率，分紅型壽險(xiǎn)自然要被替代，分紅型壽險(xiǎn)占比下降，萬(wàn)能險(xiǎn)占比上升。資產(chǎn)端市場(chǎng)的非有效性越高，通過(guò)投機(jī)行為獲得超高額回報(bào)的可能性越大，資金運(yùn)用的投機(jī)和短視行為得到激勵(lì)，若保險(xiǎn)市場(chǎng)沒(méi)有良好的競(jìng)爭(zhēng)機(jī)制，再加上監(jiān)管失效，作為市場(chǎng)主體，短期利益追求自然成為首選，中短期高現(xiàn)金價(jià)值產(chǎn)品大熱。而該類(lèi)萬(wàn)能險(xiǎn)期限普遍在 1—2 年左右，因此從2014 年開(kāi)始就出現(xiàn)了退保高峰。此外，“短錢(qián)長(zhǎng)配”的經(jīng)營(yíng)策略以及特殊時(shí)期監(jiān)管的失效，使得主動(dòng)退保與被動(dòng)退保并存，承保端風(fēng)險(xiǎn)加劇。

（3）其他影響因素。死亡率是壽險(xiǎn)定價(jià)的主要來(lái)源之一，普通型壽險(xiǎn)、分紅型壽險(xiǎn)、投資型壽險(xiǎn)的產(chǎn)品設(shè)計(jì)均與死亡率有密切關(guān)系?；貧w結(jié)果顯示，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)與死亡率呈顯著的正相關(guān)關(guān)系，死亡率越高的地區(qū)，人們的逆向選擇行為越明顯，壽險(xiǎn)公司給付率越高，承保端風(fēng)險(xiǎn)越大。

但是在樣本期間內(nèi)，一個(gè)地區(qū)教育水平的高低對(duì)承保端風(fēng)險(xiǎn)的影響并不顯著，是否選擇退保并沒(méi)有受人們教育水平的影響。另外，隨著各種污染的加重和人們對(duì)自身健康的重視，健康險(xiǎn)業(yè)務(wù)持續(xù)增加，截至2017年底，我國(guó)健康險(xiǎn)保費(fèi)收入占?jí)垭U(xiǎn)業(yè)整體保費(fèi)收入的比重已增長(zhǎng)到16.86%，而這必然也會(huì)帶來(lái)健康險(xiǎn)業(yè)務(wù)的高賠付率。因此，很多醫(yī)療保險(xiǎn)產(chǎn)品條款的設(shè)計(jì)都鼓勵(lì)人們先購(gòu)買(mǎi)社會(huì)醫(yī)療保險(xiǎn)，在社會(huì)醫(yī)療保險(xiǎn)賠付之外，再予以更高比例的賠付，以減少保險(xiǎn)公司自身賠付總額，降低賠付率。但從回歸結(jié)果來(lái)看，社會(huì)醫(yī)療保險(xiǎn)基金支出與壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)并未表現(xiàn)出顯著性關(guān)系，這可能是由于醫(yī)療賠付這一子指標(biāo)在整個(gè)壽險(xiǎn)業(yè)給付風(fēng)險(xiǎn)指標(biāo)中所占比重較低導(dǎo)致的。

五、結(jié)論與建議

（一）結(jié)論

本文以2007—2017年間30個(gè)省域面板數(shù)據(jù)為樣本，運(yùn)用空間誤差模型分析了該期間我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)，結(jié)果顯示我國(guó)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)并不存在[β]收斂，相反，仍有進(jìn)一步擴(kuò)大的趨勢(shì)，究其原因，主要存在于以下兩大方面：

1. 受外界環(huán)境的干擾。第一，受經(jīng)濟(jì)環(huán)境因素影響顯著。人們的名義工資水平越高，購(gòu)買(mǎi)價(jià)格相對(duì)較高的投資型壽險(xiǎn)產(chǎn)品的能力和意愿越強(qiáng)，而這類(lèi)產(chǎn)品又助推了投保人退保行為的選擇，因此，承保端風(fēng)險(xiǎn)增加。但通貨膨脹影響卻相反，通貨膨脹導(dǎo)致人們手中持有的貨幣資金貶值，實(shí)際收入水平下降，投資型壽險(xiǎn)產(chǎn)品購(gòu)買(mǎi)意愿有所下降，壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)降低。第二，受金融環(huán)境因素影響顯著。我國(guó)資本市場(chǎng)波動(dòng)較大，人們的投機(jī)行為較為明顯，可能會(huì)以股票、債券等金融理財(cái)產(chǎn)品替代保險(xiǎn)產(chǎn)品，導(dǎo)致壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)增加。第三，受人口環(huán)境因素影響顯著。實(shí)際死亡率越高，壽險(xiǎn)公司給付風(fēng)險(xiǎn)越大，承保端風(fēng)險(xiǎn)也就越大。

2. 受壽險(xiǎn)業(yè)內(nèi)部因素影響。第一，受壽險(xiǎn)業(yè)務(wù)規(guī)模波動(dòng)影響顯著，且呈U形關(guān)系。在市場(chǎng)競(jìng)爭(zhēng)壓力下，搶占市場(chǎng)份額成為各家壽險(xiǎn)公司的主要目標(biāo)，彼此間的博弈必然帶來(lái)業(yè)務(wù)規(guī)模的波動(dòng)，業(yè)務(wù)規(guī)模波動(dòng)過(guò)大或過(guò)小都會(huì)帶來(lái)承保端風(fēng)險(xiǎn)的增加。第二，受壽險(xiǎn)業(yè)務(wù)結(jié)構(gòu)影響顯著。普通型壽險(xiǎn)占比、分紅型壽險(xiǎn)占比、投資型壽險(xiǎn)占比與承保端風(fēng)險(xiǎn)分別表現(xiàn)為倒U形、倒U形、U形關(guān)系。雖然一直以來(lái)普通型壽險(xiǎn)和分紅型壽險(xiǎn)在壽險(xiǎn)市場(chǎng)份額中一直占據(jù)絕對(duì)地位，但投資型壽險(xiǎn)的沖擊依然不容忽視，壽險(xiǎn)公司的短視行為和利益驅(qū)動(dòng)，再加上資本市場(chǎng)的無(wú)效和監(jiān)管的失效，可能會(huì)給系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生埋下隱患。最為關(guān)鍵的是“羊群效應(yīng)”的存在，會(huì)進(jìn)一步擴(kuò)大風(fēng)險(xiǎn)共振的影響。

（二）相關(guān)建議

整體上講，外部環(huán)境因素會(huì)引發(fā)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)的擴(kuò)大，但很難控制和改變。內(nèi)部因素也會(huì)加速承保端風(fēng)險(xiǎn)的暴露，因此，壽險(xiǎn)業(yè)在守住行業(yè)內(nèi)不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線方面一直在努力，例如壽險(xiǎn)業(yè)務(wù)結(jié)構(gòu)調(diào)整、“償二代”的實(shí)施等。在此基礎(chǔ)上，本文建議從以下幾方面繼續(xù)加強(qiáng)壽險(xiǎn)業(yè)承保端風(fēng)險(xiǎn)防范：

第一，雖然行業(yè)內(nèi)還并未形成“羊群效應(yīng)”，但承保端風(fēng)險(xiǎn)有在地區(qū)間蔓延的趨勢(shì)，本地區(qū)壽險(xiǎn)業(yè)務(wù)發(fā)展可能會(huì)對(duì)臨近地區(qū)產(chǎn)生影響，而這種溢出效應(yīng)，可能是由不同地區(qū)公司間，尤其是系統(tǒng)內(nèi)部各分公司間競(jìng)爭(zhēng)及考核壓力引起的。因此，應(yīng)重新審視各分公司考核機(jī)制，多方面設(shè)定考核目標(biāo)，而不僅僅是業(yè)績(jī)標(biāo)準(zhǔn);優(yōu)化競(jìng)爭(zhēng)機(jī)制，防止由于攀比而帶來(lái)的粗放經(jīng)營(yíng)和惡性競(jìng)爭(zhēng)。

第二，壽險(xiǎn)業(yè)務(wù)波動(dòng)屬正?，F(xiàn)象，但應(yīng)控制在一個(gè)合理的范圍，保持穩(wěn)定的增長(zhǎng)速度。因此，一方面，應(yīng)不斷開(kāi)拓新業(yè)務(wù)，開(kāi)發(fā)新險(xiǎn)種，抑制壽險(xiǎn)產(chǎn)品的同質(zhì)化發(fā)展;另一方面，也要控制壽險(xiǎn)業(yè)的過(guò)快發(fā)展，防止由于追逐短期利益而帶來(lái)的業(yè)務(wù)結(jié)構(gòu)失衡。

第三，當(dāng)前階段，應(yīng)側(cè)重普通型壽險(xiǎn)、分紅型壽險(xiǎn)的發(fā)展，特別重視普通型壽險(xiǎn)的保障功能，回歸保障本源。當(dāng)然，壽險(xiǎn)公司也應(yīng)警惕分紅型壽險(xiǎn)“急功近利”式發(fā)展，杜絕銷(xiāo)售過(guò)程中存在的不規(guī)范行為?？刂仆顿Y型壽險(xiǎn)的發(fā)展，始終警惕投連險(xiǎn)、萬(wàn)能險(xiǎn)的過(guò)度發(fā)展，在充分發(fā)揮投資型壽險(xiǎn)產(chǎn)品投資功能的同時(shí)，還要加大其保障成分，有效抑制投資型壽險(xiǎn)產(chǎn)品的“變異”，防控承保端退保風(fēng)險(xiǎn)，減輕給付壓力。

注：

1由于其各項(xiàng)指標(biāo)均為比例指標(biāo)，取值在0—1之間，故不用標(biāo)準(zhǔn)化處理。

參考文獻(xiàn)：

[1]畢泗鋒，亓超.壽險(xiǎn)保單退保影響因素研究——基于“信息認(rèn)知偏差理論”的解釋 [J].保險(xiǎn)研究，2018，（5）.

[2]陳華，孫越君.中國(guó)壽險(xiǎn)產(chǎn)品退保率的影響因素分析——基于省級(jí)面板數(shù)據(jù)的實(shí)證檢驗(yàn) [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2014，（7）.

[3]楚軍紅. 通貨膨脹對(duì)壽險(xiǎn)需求的影響機(jī)制分析 [J]. 經(jīng)濟(jì)科學(xué)，1997，（3）.

[4]范慶祝，孫祁祥. 中國(guó)壽險(xiǎn)產(chǎn)品退保行為凈傳染效應(yīng)研究——基于空間面板數(shù)據(jù)的實(shí)證分析 [J]. 保險(xiǎn)研究，2017，（6）.

[5]郭春燕. 壽命分布模型在壽險(xiǎn)退保研究中的應(yīng)用 [J]. 財(cái)經(jīng)論壇，2008，（6）.

[6]郭鐘亮. 保險(xiǎn)附加服務(wù)引發(fā)的退保效用優(yōu)化分析——基于行為保險(xiǎn)學(xué)視角 [J]. 上海保險(xiǎn)，2017，（12）.

[7]何欣，陳華. 宏微觀視角下的我國(guó)壽險(xiǎn)市場(chǎng)退保率影響因素研究 [J].保險(xiǎn)研究，2015，（4）.

[8]劉超. 結(jié)構(gòu)方程模型在壽險(xiǎn)公司客戶(hù)退保行為中的應(yīng)用 [J]. 決策參考，2006，（1）.

[9]彭玉龍. 個(gè)人壽險(xiǎn)保單退保失效現(xiàn)象分析 [J].保險(xiǎn)研究，2005，（7）.

[10]孫蓉，張宗軍. 壽險(xiǎn)業(yè)退保行為及其影響因素實(shí)證研究 [J].保險(xiǎn)研究，2012，（8）.

[11]王向楠.中國(guó)壽險(xiǎn)產(chǎn)品退保的實(shí)證研究：基于險(xiǎn)種分類(lèi)視角 [J].廣東金融學(xué)院學(xué)報(bào)，2012，（11）.

[12]展凱.中國(guó)壽險(xiǎn)市場(chǎng)退保影響因素的實(shí)證分析 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2008，（7）.

[13]展凱，陳華.我國(guó)壽險(xiǎn)保單退保影響因素的實(shí)證研究——基于公司層面的微觀數(shù)據(jù) [J].保險(xiǎn)研究，2013，（6）.

[14]Barro R，Sala-i-Martin X. 1997. Technological Diffusion，Convergence，and Growth [J].Journal of Economic Growth，2（1）.

[15]Hendel I.，Lizzeri A. 2003. The role of Commitment in Dynamic Contracts： Evidence from Life Insurance [J]. The Quarterly Journal of Economics，118.

[16]Kiesenbauer D. 2012. Main Determinants of Lapse in the German Life Insurance Industry [J].North American Actuarial Journal，16（1）.

[17]Kuo W. Y.，Tsai C. H.，Chen W. K. 2003. An Empirical Study on the Lapse Rate： the Co-integration Approach [J].Journal of Risk and Insurance，70（3）.

[18]Linton N. A. 1932. Panics and Cash Values [J]. Transactions of the Actuarial Society of America，38.

[19]Outreville J. F. 1990. Whole Life Insurance Lapse Rates and the Emergency Fund Hypothesis [J].Insurance：Mathematics and Economics，9.

[20]Rodriguez-Pose A. 2004. On English as a Vehicle to Preserve geographical diversity [J].Progress in Human Geography，28（1）.

[21]Russell D. T. 1997. An empirical analysis of life insurance policyholder surrender activity [D].A Dissertation of the University of Pennsylvania.

Abstract：Selecting the data of 30 provinces（municipalities and autonomous regions）from 2007 to 2017，this paper intends to construct evaluation indicator of underwriting risk by the entropy weight method，spatial panel regression analysis is introduced by introducing 0-1 weight matrix and geographic weight matrix. The result shows that there is no [β]convergence in the underwriting risk of life insurance and it will perhaps further expansion，which is caused by the combined effects of substitution，income and capital depreciation and affected by factors such as population mortality，business structure and fluctuations of life insurance. This paper proposes that life insurance industry should start from itself，control the speed of business development，optimize the business structure and adjust in a timely manner.

Key Words：underwriting risk，spatial lag model，substitution effect，business structure of life insurance