賀 磊

（中南大學(xué) 商學(xué)院，湖南 長沙 410083）＊

保險和信貸作為金融市場的主要經(jīng)濟(jì)活動，對推動我國經(jīng)濟(jì)發(fā)展發(fā)揮著舉足輕重的作用。雖然我國保險業(yè)相對銀行業(yè)發(fā)展較晚，但自恢復(fù)保險業(yè)務(wù)以來，保險市場得到了迅猛發(fā)展。保險產(chǎn)品不僅通過風(fēng)險轉(zhuǎn)移和補(bǔ)償對經(jīng)濟(jì)發(fā)展產(chǎn)生正向作用，同時充當(dāng)金融中介，收集和投放資金，配置資本資源。一方面，保險產(chǎn)品所具備的風(fēng)險轉(zhuǎn)移和補(bǔ)償功能為控制信貸風(fēng)險提供了途徑，對信貸業(yè)務(wù)的擴(kuò)展發(fā)揮了重要的推動作用；另一方面，保險對資本資源的配置功能對信貸業(yè)務(wù)產(chǎn)生了一定的替代作用，與銀行信貸在資本市場形成競爭。銀行業(yè)廣泛的網(wǎng)點(diǎn)和便利的結(jié)算體系為保險業(yè)發(fā)展提供了助力。因此，我國保險與銀行信貸發(fā)展之間存在互補(bǔ)和競爭關(guān)系。

一、文獻(xiàn)回顧

保險的風(fēng)險轉(zhuǎn)移和補(bǔ)償作用及金融中介功能決定了其對其他金融行業(yè)的影響作用，進(jìn)而決定其在經(jīng)濟(jì)增長過程中所處的重要地位。發(fā)達(dá)國家保險業(yè)發(fā)展較早，關(guān)于保險經(jīng)濟(jì)作用的理論研究文獻(xiàn)出現(xiàn)較早，如Skipper（1997）全面闡述了保險業(yè)具有推動商業(yè)貿(mào)易發(fā)展、增強(qiáng)財務(wù)穩(wěn)定性、提高儲蓄向投資轉(zhuǎn)換的比例、優(yōu)化資本配置等經(jīng)濟(jì)作用［1］。當(dāng)前國外現(xiàn)有圍繞保險與經(jīng)濟(jì)增長的相關(guān)研究主要集中于兩者是否存在相互關(guān)系。Ward和Zurbruegg（2000）對9個OECD國家的國內(nèi)生產(chǎn)總值與保費(fèi)數(shù)據(jù)進(jìn)行協(xié)整和因果分析，發(fā)現(xiàn)保險是經(jīng)濟(jì)增長的Granger原因，并且該作用關(guān)系的顯著程度取決于各國的文化、監(jiān)管等因素［2］。Arena（2008）利用56個國家的面板數(shù)據(jù)分析發(fā)現(xiàn)，壽險規(guī)模的發(fā)展對發(fā)達(dá)國家的經(jīng)濟(jì)發(fā)展具有正相關(guān)關(guān)系，而非壽險對發(fā)達(dá)國家和發(fā)展中國家的經(jīng)濟(jì)增長均具有積極的影響［3］。國外學(xué)者不僅對保險與經(jīng)濟(jì)發(fā)展的相互關(guān)系進(jìn)行實證分析，同時也有不少學(xué)者關(guān)注保險對其它金融中介（如銀行、證劵）的影響。Webb（2002）認(rèn)為保險與銀行服務(wù)之間存在相依關(guān)系，如保險的風(fēng)險轉(zhuǎn)移和補(bǔ)償促進(jìn)銀行擴(kuò)大貸款規(guī)模，抵押貸款的抵押品通過保險控制風(fēng)險，同時銀行為保險產(chǎn)品的銷售提供有效的結(jié)算系統(tǒng)［4］。另外，Zou和Adam（2006）認(rèn)為財產(chǎn)保險為抵押貸款減少風(fēng)險暴露，提高貸款額度發(fā)揮了重要作用［5］。也有學(xué)者認(rèn)為保險的發(fā)展將會與銀行業(yè)發(fā)展形成競爭，Allen和Santomero（2001）研究表明壽險與銀行信貸之間存在“存儲替代效應(yīng)”，其發(fā)展將減少銀行市場份額［6］。

隨著我國保險市場的迅速發(fā)展，國內(nèi)越來越多的學(xué)者開始關(guān)注保險的經(jīng)濟(jì)作用以及與銀行業(yè)的相互影響。當(dāng)前國內(nèi)研究主要分為兩個方面，一方面是關(guān)于保險對我國經(jīng)濟(jì)增長的推動作用以及經(jīng)濟(jì)增長對保險需求引致效應(yīng)的實證研究，如趙尚梅等（2009）采用1980～2006年保險和GDP數(shù)據(jù)，運(yùn)用兩部門的模型進(jìn)行實證分析，研究表明保險業(yè)發(fā)展不僅對經(jīng)濟(jì)增長產(chǎn)生正面作用，同時對非保險行業(yè)存在溢出效應(yīng)［12］。徐為山、吳堅雋（2006）采用1991～2003年全球78個國家的壽險和非壽險數(shù)據(jù)進(jìn)行面板數(shù)據(jù)分析，結(jié)果表明經(jīng)濟(jì)增長對保險需求存在引致效應(yīng)，并且其對壽險的引致作用高于非壽險［13］。另一方面是對保險與銀行儲蓄的關(guān)聯(lián)性研究，如欒存存（2004）分析認(rèn)為，儲蓄規(guī)模增長與保險需求存在相關(guān)關(guān)系，較高的儲蓄率將降低保費(fèi)增長率，即非保險機(jī)構(gòu)與保險機(jī)構(gòu)之間存在競爭［14］。陳華等（2008）研究表明，居民儲蓄對保險需求的收入效應(yīng)大于替代效應(yīng)［15］。

我國保險與銀行信貸發(fā)展之間作用關(guān)系的實證研究基本處于空白，缺乏對兩者相互作用的理論關(guān)系進(jìn)行實證分析。為了明確我國保險與銀行信貸之間的相互關(guān)系，以下擬對我國保險與信貸之間的Granger因果關(guān)系進(jìn)行實證分析。常用的Granger因果檢驗方法為基于VAR模型的Wald檢驗、似然比檢驗、Lagrange數(shù)乘檢驗，但是三種方法對樣本容量要求較高。較小或者中等規(guī)模的樣本容量情況下該方法將容易產(chǎn)生虛假的因果判斷（Mehmet等，2010）［11］。由于我國20世紀(jì)80年代才恢復(fù)保險業(yè)務(wù)，樣本容量較小，基于VAR模型的三種傳統(tǒng)檢驗不適用于對我國保險與信貸之間的因果關(guān)系進(jìn)行精準(zhǔn)判斷。在小樣本情形下，基于bootstrap仿真的似然比因果檢驗、Wald檢驗、Lagange數(shù)乘檢驗的功效和精準(zhǔn)度被驗證優(yōu)于一般方法（Shukur和Mantalos，2000）［10］。因此，這里采用基于bootstrap仿真的Granger因果檢驗對我國保險與信貸之間的因果關(guān)系進(jìn)行檢驗。考慮到不同時間區(qū)間內(nèi)經(jīng)濟(jì)結(jié)構(gòu)變化的影響，我國保險與信貸之間的相互關(guān)系可能也發(fā)生變動，故對我國保險與信貸之間的動態(tài)因果關(guān)系同時進(jìn)行分析。

二、基于boostrap仿真的Granger因果檢驗

考慮如下兩變量的VAR（p）過程：

對應(yīng)系數(shù)矩陣的最小二乘估計為：

記無約束條件的最小二乘估計（3）對應(yīng)的（2×T）殘差矩陣為δu；記原假設(shè)成立下帶約束條件的最小二乘估計對應(yīng)的殘差矩陣為δr。分別定義兩種情形下的殘差內(nèi)積為Wald統(tǒng)計量、似然比統(tǒng)計量、Lagrange數(shù)乘統(tǒng)計量具體表達(dá)式為：

其中T為樣本容量，k為滯后階數(shù)。

當(dāng)樣本容量較大時，上述三個統(tǒng)計量均服從漸進(jìn)x2分布，而在小樣本情形下漸進(jìn)程度較低。如果在小樣本情形下仍認(rèn)定統(tǒng)計量服從漸進(jìn)x2分布，則會錯誤地判斷變量間的Granger因果關(guān)系。為了解決此問題，將采用非參數(shù)bootstrap方法對統(tǒng)計量的分布進(jìn)行估計，進(jìn)而計算相應(yīng)的p值。Shukur和Mantalos（2000）通過Monte Carlo方法對基于上述三種統(tǒng)計量的Granger因果檢驗進(jìn)行分析，發(fā)現(xiàn)bootstrap方法產(chǎn)生的三種統(tǒng)計量對應(yīng)的臨界值穩(wěn)健性良好，并且在小樣本情形下比三種統(tǒng)計量直接檢驗的結(jié)果更精確。

基于bootstrap仿真的Granger因果檢驗算法如下：

1.以初始樣本Y估計模型（2）得到無約束條件下模型估計對應(yīng)的殘差δu。

2.將原假設(shè)作為約束條件對模型（2）參數(shù)進(jìn)行帶約束條件的最小二乘估計，得到系數(shù)矩陣估計值和殘差矩陣和δr，記

3.將δr和δu帶入式（4）～（6），得到W0，LR0，LM0。

4.對，i＝1，2，…，T進(jìn)行有放回的抽取bootstrap樣本δ＊，然后將＾B和δ＊帶入（2）生成新樣本Y＊。

5.以Y＊為樣本，分別重新計算帶原假條件的約束模型和無約束模型對應(yīng)的殘差和，將其帶入（4）～（6），得到W＊，LR＊，LM＊。

6.重復(fù)步驟4、5Nb次，產(chǎn)生，i＝1，2，…，Nb，進(jìn)而得到p值的bootstrap估計

上述仿真采用R2.14.1編程實現(xiàn)，參照參照Balcilar等（2010），Nb＝1000。

三、實證結(jié)果及其分析

（一）數(shù)據(jù)來源與處理

采用保險收入和貸款余額作為衡量我國保險和信貸發(fā)展程度的變量，選取的樣本區(qū)間為1985～2010年，數(shù)據(jù)來源于歷年《中國金融年鑒》、《中國保險年鑒》、《中國統(tǒng)計年鑒》。為了消除通脹水平對樣本數(shù)據(jù)的影響，以1985年為基期，采用居民消費(fèi)指數(shù)對原數(shù)據(jù)進(jìn)行修正得到真實保費(fèi)收入和真實貸款余額。為消除樣本中的指數(shù)增長特征，分別對保費(fèi)和貸款余額進(jìn)行對數(shù)處理，分別記為LNIP和LBANK.

實證過程分為三個部分：第一，對兩組時間序列數(shù)據(jù)進(jìn)行單位根檢驗和協(xié)整檢驗；第二，對全樣本進(jìn)行基于bootstrap仿真的Granger因果檢驗；第三，以固定窗口滾動的方法選擇子樣本，然后對各子樣本逐一進(jìn)行基于bootstrap仿真的Granger因果關(guān)系檢驗以分析兩者關(guān)系的動態(tài)變化，并采用bootstrap方法模擬估計保險與信貸間相互累積作用。

（二）單位根與協(xié)整檢驗

為了確保被分析數(shù)據(jù)的平穩(wěn)性，首先采用Eviews5中ADF、NP、PP檢驗方法對LNIP和LBANK進(jìn)行單位根檢驗，其檢驗結(jié)果如表1。結(jié)果表明LNIP和LBANK為一階單整序列。

表1 LNIP和LBANK單位根檢驗

考慮到如果VAR模型中兩變量之間存在協(xié)整關(guān)系，基于VAR模型的Granger因果檢驗結(jié)果將被嚴(yán)重扭曲，容易出現(xiàn)錯誤判斷（Mantalos，2000）。因此，需要對LNIP和LBANK進(jìn)行協(xié)整關(guān)系檢驗，檢驗方法采用最大特征值，其結(jié)果見表2。從表2可知，在5%的顯著水平下，LNIP和LBANK之間存在一個協(xié)整關(guān)系，即保險與信貸之間存在長期穩(wěn)定的關(guān)系。因此，在此情況下使用常見的Granger因果檢驗產(chǎn)生的結(jié)果難以讓人信服。Mantalos（2000）、Hacker和Hatemi（2006）等提出引入bootstrap方法可以改進(jìn)檢驗臨界值，使Granger因果檢驗更加準(zhǔn)確。

表2 LNIP和LBANK協(xié)整關(guān)系檢驗結(jié)果

（三）全樣本情形下基于bootstrap仿真的Granger因果檢驗結(jié)果

根據(jù)AIC、HQ、SC等準(zhǔn)則選擇最優(yōu)滯后階數(shù)為7；其次在原假設(shè)成立的條件下，對基于殘差的W、LR、LM統(tǒng)計量進(jìn)行bootstrap仿真，得到三種統(tǒng)計量下p值估計，其結(jié)果見表3。表3中p值估計結(jié)果顯示，在10%的顯著水平下，我國銀行信貸發(fā)展不是保險的Granger因，而我國保險規(guī)模的擴(kuò)大是銀行信貸發(fā)展的Granger因。

表3 全樣本情形下基于bootstrap仿真的W、LR、LM檢驗的p值估計

（四）Granger因果關(guān)系及累積作用的動態(tài)分析

對保險與信貸Granger因果關(guān)系進(jìn)行動態(tài)分析將采用固定窗口選擇子樣本，并對各子樣本逐一進(jìn)行基于bootstrap仿真的Granger因果檢驗。窗寬l的選擇尚無嚴(yán)格的準(zhǔn)則，Pesaran和Timmermann（2005）通過蒙特卡洛模擬發(fā)現(xiàn)，當(dāng)存在頻繁結(jié)構(gòu)變動時窗寬為10～20的情況下，自回歸模型（AR）參數(shù)偏差最小。窗寬的選擇需要權(quán)衡兩點(diǎn)：一是為了確保模型估計的精準(zhǔn)性，需要確保較大樣本容量，即較大窗寬；二是為了發(fā)現(xiàn)變量間關(guān)系潛在的結(jié)構(gòu)變化，需要選擇較小的窗寬。因而，取l＝15（類似選擇見Balcilar等，2010）。

首先，參照Balcilar等（2010），滾動窗口所選子樣本為根據(jù)AIC、HQ、SC等準(zhǔn)則選擇最優(yōu)滯后階數(shù)均為3。其次，在保險不是銀行信貸Granger因和銀行信貸不是保險Granger因兩種原假設(shè)下采用bootstrap仿真估計VAR模型（1）參數(shù)，并分別估計三種統(tǒng)計量對應(yīng)p值，結(jié)果見圖1、圖2。再次，計算保險與銀行信貸在子樣本區(qū)間上相互累積影響，記子樣本區(qū)間銀行信貸對保險的累積影響為，則；記子樣本區(qū)間保險對銀行信貸的累積影響為，則（見Balcilar等，2010）估 計 的95%置信區(qū)間上下界分別為97.5%和2.5%的分位數(shù)，結(jié)果見圖3，圖4。

圖1和圖2表明我國銀行信貸與保險之間的因果關(guān)系呈現(xiàn)不穩(wěn)定特征。從圖1可知，在10%的顯著水平下，整個樣本區(qū)間上銀行信貸對保險發(fā)展的作用關(guān)系穩(wěn)定，銀行信貸不是保險發(fā)展的Granger因。圖2顯示，在10%的顯著水平下，2000～2008年保險發(fā)展不是銀行信貸增長的Granger因，而2009～2010年保險發(fā)展是銀行信貸增長的Granger因。從圖3可以看出，除2004年之外銀行信貸對保險作用呈現(xiàn)正向作用，產(chǎn)生這一結(jié)果的原因可能是因為信貸的擴(kuò)展使得市場對風(fēng)險轉(zhuǎn)移和補(bǔ)償產(chǎn)品的需求增加，從而形成信貸發(fā)展對保險的引致需求，同時銀行信貸系統(tǒng)較為發(fā)達(dá)的結(jié)算系統(tǒng)為保險的銷售提供了便利。圖4顯示保險對信貸的累積作用呈現(xiàn)正負(fù)不斷變化的特征，保險的風(fēng)險轉(zhuǎn)移和補(bǔ)償作用對信貸具有正向作用，而其吸收資金和資金配置功能將減少銀行信貸在資金市場的市場份額，從而對信貸發(fā)展具有負(fù)向作用。因而，我國整個保險市場對信貸的累積作用取決于正向和負(fù)向作用的角逐，從而呈現(xiàn)不斷上下波動的特征。

圖1 原假設(shè)：銀行信貸不是保險的Granger因

圖2 原假設(shè)：保險不是銀行信貸的Granger因

圖3 銀行信貸對保險的累積影響

圖4 保險對銀行信貸的累積影響

四、結(jié)論

由于我國保險業(yè)起步較晚，可供保險與銀行信貸相互關(guān)系研究的樣本數(shù)量較小，導(dǎo)致傳統(tǒng)Granger因果檢驗統(tǒng)計量漸進(jìn)程度無法保證，從而無法確保其在小樣本情形下正確判斷保險與銀行信貸之間的Granger因果關(guān)系。以上將bootstrap仿真方法與傳統(tǒng)Granger因果檢驗方法相結(jié)合，克服了樣本容量對Granger因果關(guān)系判斷的影響，同時避免了協(xié)整關(guān)系對因果關(guān)系判斷的干擾，確保了實證分析的精準(zhǔn)性。

首先，整個樣本期間我國保險與銀行信貸存在單向的因果關(guān)系，保險是信貸的Granger因而銀行信貸不是保險發(fā)展的Granger原因；其次，保險與信貸之間Granger因果關(guān)系呈現(xiàn)不穩(wěn)定特征，2000～2008年保險不是信貸發(fā)展的Granger因，而2009～2010年保險是信貸的Granger原因，這表明保險業(yè)的不斷發(fā)展使得其對信貸的作用影響發(fā)生了結(jié)構(gòu)性變化；再次，保險與信貸相互累積影響的bootstrap估計結(jié)果顯示，除2004年外其它時期銀行對保險的累積影響均表現(xiàn)為正向作用，而保險對信貸的累積影響則呈現(xiàn)上下波動的特征。

保險與信貸作為我國金融市場重要的金融活動，兩者的功能作用和特性很大程度上存在互補(bǔ)，因而實現(xiàn)我國保險與信貸之間的金融協(xié)同效應(yīng)，提高金融市場金融配置的效率，已成為當(dāng)前我國金融市場發(fā)展的主要目標(biāo)之一。雖然從上世紀(jì)80年代恢復(fù)以來，我國保險市場取得的質(zhì)的飛躍，但是相對于信貸市場的發(fā)展水平，保險市場依然處于相對落后階段，從而當(dāng)前我國保險與信貸之間相互作用表現(xiàn)較小且不穩(wěn)定，進(jìn)而使得金融協(xié)同效應(yīng)難以最大化。因此，為最大規(guī)模實現(xiàn)信貸與保險的金融協(xié)同效應(yīng)，有必要全面推動保險市場的快速發(fā)展、不斷創(chuàng)新保險與信貸耦合產(chǎn)品以及推行加強(qiáng)保險與信貸合作的相關(guān)政策。

［1］Skipper，H.J.Foreign insurers in emerging markets：issues and concerns［EB/OL］.http：//rmictr.gsu.edu/Papers/FOREIGN.pdf，1997/02.

［2］Ward，D.，R.Zurbruegg.Does insurance promote economic growth？evidence from OECD countries［J］.Journal of Risk and Insurance，2000，67（4）：489－506.

［3］Arena，M.Does insurance market activity promote economic growth？a cross－county study for industrialized and developing countries［J］.Journal of Risk and Insurance，2008，75：921－946.

［4］Webb，I.，M.F.Grace，H.D.Skipper.The effect of banking and insurance on the growth of capital and output［EB/OL］.http：//rmictr.gsu.edu/Papers/WP02－1.pdf，2002/03

［5］Zou，H.，M.B.Adams.The corporate purchase of property insurance：chinese evidence［J］.Journal of Financial Intermediation，2006，15（2）：156－196.

［6］Allen F.，A.Santomero.What do financial intermediaries do？［J］.Journal of Banking and Finance，2001，1（25）：271－294.

［7］Balcilar，M.，Z.A.Ozdemir，Arslanturk Y.Economic growth and energy consumption causal nexus views through a bootstrap rolling window［J］.Energy Economics，2010，1（32）：1398－1410.

［8］Shukur，G..，P.Mantalos.A simple investigation of the Granger－causality test in integrated－co integrated VAR systems［J］.Journal of Applied Statistics，2000，4（27）：1021－1031.

［9］Mantalos，P.，G..Shuskur.Size and power of the error correction model cointegration test：a bootstrap approach［J］.Oxford Bulletin of Economics and Statistics.1998，2（60）：249－255.

［10］Hacker，R.S，J.A.Hatemi.Test for causality between integrated variables using asymptotic and bootstrap distributions：theory and application［J］.Applied Economics，2006，2（38）：1489－1500.

［11］Pesaran，H.，A.Timmermannn.Small sample properties of forecasts from autoregressive models under structural breaks［J］.Journal of Economics，2005，4（129）：183－217.

［12］趙尚梅，李勇，龐玉鋒.保險業(yè)對經(jīng)濟(jì)增長貢獻(xiàn)的理論模型與實證檢驗［J］.保險研究，2009，（1）：51－56.

［13］徐為山，吳堅雋.經(jīng)濟(jì)增長對保險需求的引致效應(yīng)——基于面板數(shù)據(jù)的分析［J］.財經(jīng)研究，2006，32（2）：127－137.

［14］欒存存.我國保險業(yè)增長分析［J］.經(jīng)濟(jì)研究，2004，（1）：25－32.

［15］陳華.我國保險業(yè)的地區(qū)差異及協(xié)調(diào)發(fā)展［J］.江西財經(jīng)大學(xué)學(xué)報，2008，（2）：38－41.