中央財(cái)經(jīng)大學(xué)保險(xiǎn)學(xué)院

基于CoVaR的保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)研究

鄭夢(mèng)靈 王麗珍中央財(cái)經(jīng)大學(xué)保險(xiǎn)學(xué)院

本文選取了我國(guó)上市保險(xiǎn)公司2008—2015年度股票市場(chǎng)周數(shù)據(jù)，基于修正后的CoVaR模型和分位數(shù)回歸方法度量保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，并進(jìn)一步建立系統(tǒng)性風(fēng)險(xiǎn)預(yù)測(cè)模型。實(shí)證研究發(fā)現(xiàn)，中國(guó)平安的系統(tǒng)性風(fēng)險(xiǎn)最大，中國(guó)太保次之，中國(guó)人壽最??；3家公司系統(tǒng)性風(fēng)險(xiǎn)溢出值的變動(dòng)趨勢(shì)非常相似，在2008年金融危機(jī)和2015年中國(guó)股市波動(dòng)兩個(gè)時(shí)間段達(dá)到最高值；以VaR為基礎(chǔ)的微觀審慎監(jiān)管規(guī)則并不足以準(zhǔn)確防范保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。預(yù)測(cè)模型表明，保險(xiǎn)公司的自身風(fēng)險(xiǎn)VaR、杠桿率、規(guī)模、保費(fèi)收入增長(zhǎng)率、股價(jià)波動(dòng)率等指標(biāo)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)測(cè)具有顯著影響。從逆周期宏觀審慎監(jiān)管角度對(duì)保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管工作提出政策建議。

隨著金融全球化進(jìn)程的加快和市場(chǎng)開放度的提高，單一金融機(jī)構(gòu)的風(fēng)險(xiǎn)能夠通過開放市場(chǎng)的風(fēng)險(xiǎn)波動(dòng)傳導(dǎo)機(jī)制產(chǎn)生（負(fù)）風(fēng)險(xiǎn)溢出，引發(fā)系統(tǒng)性風(fēng)險(xiǎn)和金融危機(jī)，對(duì)整個(gè)金融市場(chǎng)造成極大的破壞。2013年7月，中國(guó)平安入選首批9家全球系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)（G-SII），一度提高了人們對(duì)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的關(guān)注度。2016年4月，保監(jiān)會(huì)啟動(dòng)國(guó)內(nèi)系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)監(jiān)管制度建設(shè)，致力于提升公司的風(fēng)險(xiǎn)管理水平和危機(jī)處理能力。因此，準(zhǔn)確度量并理性防范保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，實(shí)施更加有效的監(jiān)管政策，強(qiáng)化對(duì)“大而不能倒”公司的監(jiān)管舉措，避免個(gè)體保險(xiǎn)公司的自身風(fēng)險(xiǎn)造成整個(gè)行業(yè)系統(tǒng)的崩潰，對(duì)于經(jīng)濟(jì)的穩(wěn)步向前發(fā)展顯得尤為重要。

然而，傳統(tǒng)的風(fēng)險(xiǎn)計(jì)量辦法如VaR（Value at Risk）測(cè)量的僅是金融機(jī)構(gòu)自身的風(fēng)險(xiǎn)，對(duì)于有效估計(jì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)存在局限性。Adrian和Brunnermeier(2008)首次建立了CoVaR模型，用CoVaR相對(duì)于VaR的變化量來(lái)表示金融機(jī)構(gòu)對(duì)系統(tǒng)的風(fēng)險(xiǎn)溢出，為度量金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)提供了解決思路。之后，Adrian和Brunnermeier(2011)的工作報(bào)告中又引入一系列滯后狀態(tài)變量改進(jìn)了模型。鑒于國(guó)內(nèi)缺乏對(duì)我國(guó)保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)計(jì)量手段方面的研究，本文決定在改進(jìn)的CoVaR模型的基礎(chǔ)上測(cè)度我國(guó)保險(xiǎn)公司的系統(tǒng)性風(fēng)險(xiǎn)，并進(jìn)一步對(duì)保險(xiǎn)公司未來(lái)的系統(tǒng)性風(fēng)險(xiǎn)的預(yù)測(cè)做出嘗試。

一、文獻(xiàn)綜述

在國(guó)外的研究中，除了CoVaR模型，還采用了其他多種研究方法對(duì)金融市場(chǎng)銀行、證券、保險(xiǎn)進(jìn)行系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度。Tarashev，et al.（2010）提出了系統(tǒng)性風(fēng)險(xiǎn)的夏普利值法，相較于CoVaR模型，該方法下整個(gè)體系的風(fēng)險(xiǎn)可以由單個(gè)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)加總得到。Benoit，et al.(2012)基于美國(guó)金融機(jī)構(gòu)的數(shù)據(jù)研究了MES和ES、CoVaR和VaR、ES和CoVaR之間的理論關(guān)系，來(lái)比較MES和CoVaR兩種方法。Talasli(2013)運(yùn)用系統(tǒng)預(yù)期損失(SES)方法選取2000—2011年銀行業(yè)危機(jī)和2007—2009年全球金融危機(jī)期間的土耳其金融機(jī)構(gòu)股票市場(chǎng)收益率和資產(chǎn)負(fù)債表數(shù)據(jù)度量了金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，以此驗(yàn)證Acharya，et al.(2010)提出的SES方法的有效性，結(jié)果表明SES在跟蹤金融股票的潛在風(fēng)險(xiǎn)方面是一個(gè)強(qiáng)大的工具。Cummins和Weis(2014)使用指標(biāo)法，基于保險(xiǎn)機(jī)構(gòu)的財(cái)務(wù)分析、保險(xiǎn)業(yè)在經(jīng)濟(jì)中的角色與地位、保險(xiǎn)公司之間的相關(guān)性等影響系統(tǒng)性風(fēng)險(xiǎn)的主要指標(biāo)度量美國(guó)保險(xiǎn)市場(chǎng)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性。Chen Hua，et al.(2014)利用信用違約掉期利差和股票數(shù)據(jù)度量保險(xiǎn)業(yè)的系統(tǒng)性風(fēng)險(xiǎn)，運(yùn)用壓力測(cè)試和格蘭杰因果關(guān)系檢驗(yàn)分析了銀行和保險(xiǎn)公司之間的風(fēng)險(xiǎn)關(guān)聯(lián)性。Drakos和Kouretas(2015)基于CoVaR模型，結(jié)合重要性測(cè)試和優(yōu)勢(shì)測(cè)試，對(duì)美國(guó)國(guó)內(nèi)和國(guó)外金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)相對(duì)貢獻(xiàn)度提供一個(gè)正式的比較。Kanno和Masayasu (2016)使用網(wǎng)絡(luò)分析法，通過再保險(xiǎn)和違約風(fēng)險(xiǎn)的傳遞效應(yīng)，度量了全球財(cái)產(chǎn)保險(xiǎn)公司的系統(tǒng)性風(fēng)險(xiǎn)。Jacob和Fernando(2016)利用Copula模型度量了2005—2014年歐洲銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度和基于CDS利差的系統(tǒng)性風(fēng)險(xiǎn)敏感度，分析歐洲銀行的系統(tǒng)性風(fēng)險(xiǎn)和傳染的驅(qū)動(dòng)因素。

在國(guó)內(nèi)的研究中，大部分對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的研究集中在銀行業(yè)，如高國(guó)華和潘英麗（2011）基于GARCH模型的CoVaR方法應(yīng)用股票測(cè)度了我國(guó)14家上市銀行的風(fēng)險(xiǎn)溢出情況。周天蕓等人（2012）運(yùn)用分位數(shù)回歸模型和條件風(fēng)險(xiǎn)價(jià)值CoVaR模型研究了中資、港資和外資銀行受到外部沖擊后系統(tǒng)脆弱性的內(nèi)生性及傳染機(jī)理。李志輝等（2011）、陸靜等（2014）和白雪梅等（2014）使用CoVaR和分位數(shù)回歸方法分別衡量了我國(guó)商業(yè)銀行和金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢價(jià)。之后，關(guān)于債券、股票等證券市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)的研究也逐漸興起，如謝福座（2009）通過CoVaR檢測(cè)法對(duì)我國(guó)債券和股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了測(cè)量。王永巧和胡浩(2012)針對(duì)股票市場(chǎng)，基于Couple的ΔCoVaR方法度量了危急時(shí)刻中國(guó)內(nèi)地和美國(guó)、中國(guó)香港間的極端風(fēng)險(xiǎn)溢出情況。近年來(lái)，才出現(xiàn)對(duì)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)研究。林鴻燦等（2012）運(yùn)用AR-GARCH-CoVaR模型度量了保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。趙桂芹等（2012）從宏觀和微觀兩個(gè)層面分析了保險(xiǎn)業(yè)的系統(tǒng)性風(fēng)險(xiǎn)和主要業(yè)務(wù)活動(dòng)的關(guān)聯(lián)性。謝遠(yuǎn)濤等（2014）從尾部依賴性切入，通過構(gòu)造SV-t模型和厚尾的SV-GED模型，結(jié)合AIC準(zhǔn)則和Hit檢驗(yàn)法篩選出的Copula模型分析保險(xiǎn)業(yè)的系統(tǒng)性風(fēng)險(xiǎn)。郭金龍等（2014）對(duì)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的來(lái)源、識(shí)別、計(jì)量和評(píng)估等方面展開詳細(xì)的綜述。王麗珍(2015)基于矩陣法研究了我國(guó)不同市場(chǎng)結(jié)構(gòu)下再保險(xiǎn)業(yè)務(wù)的傳染效應(yīng)。中國(guó)人壽保險(xiǎn)（集團(tuán)）公司財(cái)務(wù)課題組（2015）運(yùn)用MES、SES和Garch模型計(jì)量了我國(guó)壽險(xiǎn)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

總體而言，國(guó)內(nèi)對(duì)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的研究多集中在傳染機(jī)制和關(guān)聯(lián)性的分析上，在度量保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)方面缺乏多樣的模型分析和計(jì)量方法。

二、理論模型

((一))系統(tǒng)性風(fēng)險(xiǎn)度量方法：CoVaRCoVaRCoVaR是指當(dāng)單個(gè)金融機(jī)構(gòu)處于危機(jī)時(shí)，它對(duì)其他金融機(jī)構(gòu)或金融系統(tǒng)所造成的最大可能損失。金融機(jī)構(gòu)對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)溢出表示為ΔCoVaR，是極端情況下的CoVaR減去常態(tài)下的CoVaR，體現(xiàn)了金融機(jī)構(gòu)對(duì)金融體系的風(fēng)險(xiǎn)貢獻(xiàn)度。ΔCoVaR的值越大，說明單一機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)就越高。CoVaR模型的優(yōu)勢(shì)在于能更加有效地捕捉系統(tǒng)性風(fēng)險(xiǎn)的尾部分布，使研究結(jié)果更可靠。該模型不僅能夠識(shí)別金融機(jī)構(gòu)自身的風(fēng)險(xiǎn)，還能解決兩個(gè)金融機(jī)構(gòu)之間的關(guān)聯(lián)性量化問題，進(jìn)而達(dá)到度量機(jī)構(gòu)對(duì)其他金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出的目的。

定義：當(dāng)金融機(jī)構(gòu)i出現(xiàn)危機(jī)（即Xi≤VaRi），機(jī)構(gòu)j的在險(xiǎn)價(jià)值VaRj，即，其數(shù)學(xué)表達(dá)式為：，Xi為金融機(jī)構(gòu)的收益率。那么，金融機(jī)構(gòu)i對(duì)機(jī)構(gòu)j的風(fēng)險(xiǎn)貢獻(xiàn)度為：當(dāng)j表示金融系統(tǒng)時(shí)，就意味著金融機(jī)構(gòu)i對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度。

同樣，機(jī)構(gòu)i在中位數(shù)水平下資產(chǎn)收益和CoVaR的值為：

((二))系統(tǒng)性風(fēng)險(xiǎn)預(yù)測(cè)方法：Forward-ΔCoVaRCoVaR

由上面的度量我們可以得到保險(xiǎn)機(jī)構(gòu)的ΔCoVaR值。然而，直接根據(jù)ΔCoVaR測(cè)算出來(lái)的系統(tǒng)性風(fēng)險(xiǎn)對(duì)保險(xiǎn)機(jī)構(gòu)進(jìn)行監(jiān)管存在嚴(yán)重的順周期現(xiàn)象，即當(dāng)保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)較高時(shí)，施加嚴(yán)厲的監(jiān)管政策會(huì)使得金融機(jī)構(gòu)不能靈活地采取措施處理風(fēng)險(xiǎn)，導(dǎo)致對(duì)保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度提高。Forward-ΔCoVaR對(duì)金融機(jī)構(gòu)未來(lái)一定時(shí)期的ΔCoVaR進(jìn)行預(yù)測(cè)，代表著向前的ΔCoVaR。通過預(yù)測(cè)，準(zhǔn)確把握機(jī)構(gòu)未來(lái)系統(tǒng)性風(fēng)險(xiǎn)的變動(dòng)趨勢(shì)，為解決順周期問題和宏觀審慎監(jiān)管提供合理的政策思路。根據(jù)Adrian和Brunnermeier(2011)、高國(guó)華和潘英麗（2011）等的研究，選取金融機(jī)構(gòu)易獲得的自身特征變量，如杠桿率（Leverage）、規(guī)模（Size）、總資產(chǎn)收益率(Roa)、保費(fèi)收入增長(zhǎng)率(Premium)、股價(jià)凈值比(MTB)和股價(jià)波動(dòng)率(VIX)等指標(biāo)來(lái)預(yù)測(cè)金融系統(tǒng)未來(lái)的系統(tǒng)性風(fēng)險(xiǎn)，構(gòu)造的面板模型如下：

三、實(shí)證分析

((一))指標(biāo)含義與數(shù)據(jù)來(lái)源

1.指標(biāo)含義

本文擬采用上市的中國(guó)平安、中國(guó)太保、中國(guó)人壽的收益率數(shù)據(jù)（中國(guó)共有5家上市保險(xiǎn)公司。中國(guó)人保在香港上市，香港股市無(wú)論是交易機(jī)制、價(jià)格波動(dòng)限制還是開放程度，都和內(nèi)地有差異，故予以剔除；新華保險(xiǎn)于2011年12月16日上市，上市時(shí)間短，數(shù)據(jù)較少，研究性不強(qiáng)，故予以剔除），將3家保險(xiǎn)公司看作整體保險(xiǎn)系統(tǒng)，來(lái)度量單個(gè)保險(xiǎn)公司對(duì)保險(xiǎn)系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)。由于可度量的上市保險(xiǎn)公司的數(shù)量較少，使得研究范圍較為局限，在之后的進(jìn)一步研究中，將會(huì)引入國(guó)外保險(xiǎn)公司的上市數(shù)據(jù)，與我國(guó)保險(xiǎn)市場(chǎng)進(jìn)行比較分析，擴(kuò)大研究范圍，使研究結(jié)果具有更高的可靠性。

選取2008年1月1日至2015年12月25日中國(guó)平安、中國(guó)太保、中國(guó)人壽的A股周收盤價(jià)數(shù)據(jù)來(lái)測(cè)量我國(guó)保險(xiǎn)體系的系統(tǒng)性風(fēng)險(xiǎn)。周收益率則通過公式計(jì)算得到，其中Pt表示的是上市保險(xiǎn)機(jī)構(gòu)的周收盤價(jià)。保險(xiǎn)系統(tǒng)的收益率由所有上市的保險(xiǎn)公司的周收益率加權(quán)得到，計(jì)算公式為為各保險(xiǎn)機(jī)構(gòu)的A股股本數(shù)。有關(guān)滯后狀態(tài)變量和面板模型的特征變量的描述詳見表1。

2.數(shù)據(jù)來(lái)源及處理

本文數(shù)據(jù)包括3家保險(xiǎn)公司的財(cái)務(wù)數(shù)據(jù)（包括總資產(chǎn)、總負(fù)債、總權(quán)益和保費(fèi)總收入）、A股交易數(shù)據(jù)（周收盤價(jià)和股本數(shù)），上證綜合A股指數(shù)日收盤價(jià)和周收盤價(jià)、3個(gè)月和10年期國(guó)債到期收益率、3個(gè)月銀行回購(gòu)利率、10年期AA-級(jí)企業(yè)債到期收益率等來(lái)源于Wind數(shù)據(jù)庫(kù)。研究的時(shí)間范圍為2008年1月1日至2015年12月25日，所使用的計(jì)量分析軟件為Stata13。狀態(tài)變量的描述性統(tǒng)計(jì)結(jié)果如表2。

?表1 變量一覽表

?表2 狀態(tài)變量的描述性統(tǒng)計(jì)

?表3 ADF檢驗(yàn)結(jié)果

?表4 保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)ΔCoVaR結(jié)果與排名

((二))保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的度量分析

在用分位數(shù)回歸方法對(duì)ΔCoVaR和VaR序列進(jìn)行分析之前，需要對(duì)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)和平穩(wěn)性檢驗(yàn)。在JB（Jarque-Bera）檢驗(yàn)中，保險(xiǎn)公司收益率的JB統(tǒng)計(jì)量的值都很大，最小也達(dá)到7.06。中國(guó)平安和中國(guó)人壽收益率對(duì)應(yīng)的P值都接近于0，中國(guó)太保收益率的P值也小于0.05，均拒絕序列服從正態(tài)分布的假設(shè)；從收益率的峰度值來(lái)看，最小也達(dá)到3.62，均大于正態(tài)分布時(shí)的值3。以上檢驗(yàn)結(jié)果表示，收益率序列具有尖峰厚尾的特征，因此，用分位數(shù)回歸估計(jì)更加準(zhǔn)確。為防止出現(xiàn)偽回歸，在分位數(shù)回歸之前還需要對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)。假設(shè)序列是非平穩(wěn)的，也不存在相關(guān)關(guān)系，如果兩個(gè)變量均隨著時(shí)間同上或同下變動(dòng)，就會(huì)呈現(xiàn)出高度相關(guān)的偽回歸結(jié)果。根據(jù)表3顯示的ADF檢驗(yàn)結(jié)果可以發(fā)現(xiàn)，在含截距項(xiàng)和不含截距項(xiàng)的情況下，各t值都小于1%、5%、10%置信水平下的臨界值，拒絕單位根假設(shè)，因此序列是平穩(wěn)的。

?圖1保險(xiǎn)公司系統(tǒng)性風(fēng)險(xiǎn)ΔCoVaR時(shí)間序列圖（5%）

1.保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)ΔCoVaR的度量結(jié)果

風(fēng)險(xiǎn)管理中一般采取0＜q≤0.05，因此本文選取5%和1%不同的分位數(shù)水平進(jìn)行回歸檢驗(yàn)。根據(jù)（1）～（7）式，得到保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出值ΔCoVaR的度量結(jié)果。

表4中顯示的Xi、VaRi和ΔCoVaRi的值為各序列的平均值，VaRi和ΔCoVaRi表現(xiàn)為負(fù)值，現(xiàn)實(shí)意義即危機(jī)到來(lái)時(shí)極端情況下的損失。為了使結(jié)果更直觀，本文將二者的值處理為絕對(duì)值，二者的值越大，表示在經(jīng)濟(jì)波動(dòng)中的自身風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)溢出越大，對(duì)整個(gè)保險(xiǎn)市場(chǎng)的影響越大。由于5%和1%分位數(shù)回歸的結(jié)果一致，為避免重復(fù)性的描述，文中僅討論5%分位數(shù)的情況。如表4所示，中國(guó)平安的系統(tǒng)性風(fēng)險(xiǎn)溢出值ΔCoVaR最大，為9.67，中國(guó)太保次之，為9.58，中國(guó)人壽最小，為8.60。從圖1顯示的ΔCoVaR的時(shí)間序列圖可以看出，3家公司的系統(tǒng)性風(fēng)險(xiǎn)溢出情況非常相似。宏觀經(jīng)濟(jì)層面，3家公司處于同樣的經(jīng)濟(jì)形勢(shì)、市場(chǎng)環(huán)境和監(jiān)管政策中，受到大致相同的外部影響；微觀主體層面，我國(guó)的保險(xiǎn)市場(chǎng)尚未成熟，且市場(chǎng)集中度高，主要以價(jià)格競(jìng)爭(zhēng)為主，保險(xiǎn)公司的經(jīng)營(yíng)模式、產(chǎn)品結(jié)構(gòu)、資產(chǎn)投資組合、銷售渠道以及服務(wù)創(chuàng)新等多方面具有高度同質(zhì)現(xiàn)象，因此，3家公司的系統(tǒng)性風(fēng)險(xiǎn)情況也非常相似。

在變動(dòng)趨勢(shì)上，2008年3家公司的系統(tǒng)性風(fēng)險(xiǎn)都很高，中國(guó)平安的系統(tǒng)性風(fēng)險(xiǎn)溢出值最高達(dá)到27.16，其他兩家最高也達(dá)到25.00左右，主要原因是2008年美國(guó)次貸危機(jī)全面爆發(fā)引起經(jīng)濟(jì)下滑和頻發(fā)的雪災(zāi)、地震等自然災(zāi)害，導(dǎo)致中國(guó)保險(xiǎn)市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)迅速增加。由于中國(guó)保險(xiǎn)業(yè)的開放性程度和國(guó)際化程度較低，受到的風(fēng)險(xiǎn)傳染仍相對(duì)較小，加上危機(jī)期間及時(shí)采取防御措施，到2009年中旬，系統(tǒng)性風(fēng)險(xiǎn)在持續(xù)波動(dòng)中不斷降低，此后各年均穩(wěn)定在一定水平，基本在5～15之間波動(dòng)。2011年，歐洲主權(quán)債務(wù)危機(jī)爆發(fā)，但對(duì)中國(guó)保險(xiǎn)市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)影響較小，原因在于3家公司的業(yè)務(wù)和資金主要投放于國(guó)內(nèi)市場(chǎng)，在國(guó)際市場(chǎng)的業(yè)務(wù)和投資比重微乎其微，因而受國(guó)際金融市場(chǎng)波動(dòng)的影響不大。2015年，中國(guó)股票市場(chǎng)出現(xiàn)劇烈波動(dòng)，大幅上漲和下跌，政策上也經(jīng)常變動(dòng)，央行多次降準(zhǔn)降息，加上人民幣匯率持續(xù)走低，保險(xiǎn)公司所處的外部環(huán)境存在較大的不確定性，投資受到利率風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)和匯率風(fēng)險(xiǎn)等多方面的影響，致使保險(xiǎn)市場(chǎng)面臨大量風(fēng)險(xiǎn)的威脅，系統(tǒng)性風(fēng)險(xiǎn)一度上升，直到2015年底經(jīng)濟(jì)形勢(shì)相對(duì)趨于穩(wěn)定后才有回升。

?圖2 中國(guó)平安2015年的VaR和ΔCoVaR變動(dòng)情況

金融風(fēng)險(xiǎn)監(jiān)管強(qiáng)調(diào)防范金融體系的系統(tǒng)性風(fēng)險(xiǎn)。現(xiàn)行的金融風(fēng)險(xiǎn)監(jiān)管主要是基于VaR的個(gè)體監(jiān)管規(guī)則，那么，根據(jù)金融機(jī)構(gòu)的VaR值采取監(jiān)管措施能有效防范金融體系的系統(tǒng)性風(fēng)險(xiǎn)嗎？以中國(guó)平安為例，圖2顯示，單個(gè)保險(xiǎn)機(jī)構(gòu)的風(fēng)險(xiǎn)VaR和系統(tǒng)性風(fēng)險(xiǎn)溢出值ΔCoVaR的變動(dòng)趨勢(shì)很相似，雖然許多關(guān)于銀行業(yè)的研究表示VaR和ΔCoVaR之間的相關(guān)程度低，但在保險(xiǎn)市場(chǎng)中二者呈現(xiàn)為較穩(wěn)定的正相關(guān)。從風(fēng)險(xiǎn)大小角度看，VaR的值整體低于ΔCoVaR，說明基于VaR的個(gè)體監(jiān)管規(guī)則可能低估了保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，不足以準(zhǔn)確把握保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。因此，采用ΔCoVaR值的宏觀審慎監(jiān)管規(guī)則更適用于我國(guó)保險(xiǎn)市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)的度量。

2.保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的度量結(jié)果分析

CoVaR模型結(jié)果顯示，中國(guó)平安的系統(tǒng)性風(fēng)險(xiǎn)溢出值最高，中國(guó)太保次之，中國(guó)人壽最小。3家公司的系統(tǒng)性風(fēng)險(xiǎn)度量結(jié)果之所以存在差異，可能有以下幾方面原因：

（1）股權(quán)結(jié)構(gòu)的差異性

3家公司的國(guó)有股份占比存在差異性，中國(guó)人壽的國(guó)有股本比例很高且穩(wěn)定，達(dá)到68.37%。中國(guó)平安和中國(guó)太保上市初期存在一定的國(guó)有股本，分別在2008年和2010年減持至0的水平。中國(guó)平安和中國(guó)太保股東份額小、數(shù)量多的現(xiàn)狀，意味著公司一旦遭遇危險(xiǎn)極端事件，風(fēng)險(xiǎn)更容易從這分散的股權(quán)結(jié)構(gòu)傳染到其他金融企業(yè)和金融系統(tǒng)，導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生。再者，3家公司前10名股東持股中境外法人的占比情況為，中國(guó)平安42.39%，中國(guó)太保31.75%，中國(guó)人壽26.00%，一定層面上也能反映出公司對(duì)境外金融市場(chǎng)影響和被影響的程度。由此看來(lái)，中國(guó)人壽很大程度上是國(guó)有控股，股權(quán)集中，風(fēng)險(xiǎn)外溢的傳導(dǎo)面相對(duì)較小，從而導(dǎo)致了比其他兩家公司系統(tǒng)性風(fēng)險(xiǎn)外溢效應(yīng)更小的局面，這是與模型結(jié)論相符的。

（2）業(yè)務(wù)經(jīng)營(yíng)范圍的差異性

中國(guó)平安如今是中國(guó)領(lǐng)先的綜合金融集團(tuán)，通過綜合金融的一體化架構(gòu)，以保險(xiǎn)起家，觸角逐漸伸至銀行、投資和互聯(lián)網(wǎng)金融服務(wù)等領(lǐng)域，實(shí)行混業(yè)經(jīng)營(yíng)的模式，廣泛的業(yè)務(wù)開展面是其他兩家公司不可比擬的，同時(shí)也意味著經(jīng)營(yíng)的業(yè)務(wù)對(duì)外有著更大的風(fēng)險(xiǎn)敞口。中國(guó)太保和中國(guó)人壽相對(duì)來(lái)說是更趨近于單一業(yè)務(wù)經(jīng)營(yíng)的保險(xiǎn)公司，但中國(guó)太保除了保險(xiǎn)業(yè)務(wù)之外，還有資產(chǎn)管理業(yè)務(wù)、在線服務(wù)科技平臺(tái)業(yè)務(wù)等等，正在完善保險(xiǎn)產(chǎn)業(yè)鏈布局，在保險(xiǎn)領(lǐng)域的涉及面較中國(guó)人壽也更廣泛，因此有著更高的系統(tǒng)性風(fēng)險(xiǎn)外溢效應(yīng)。

（3）保費(fèi)收入增速的差異性

通過對(duì)2008—2015年保費(fèi)收入增長(zhǎng)率的計(jì)算發(fā)現(xiàn)，中國(guó)平安保費(fèi)增速明顯，年平均增長(zhǎng)率達(dá)17.68%，中國(guó)太保為12.19%，中國(guó)人壽這些年市場(chǎng)份額不斷被瓜分，年平均增長(zhǎng)率僅3.17%。資產(chǎn)總額增勢(shì)方面，中國(guó)平安從2008年的6334.36億元總資產(chǎn)增長(zhǎng)至如今的46671.13億元，實(shí)現(xiàn)增長(zhǎng)6.37倍，中國(guó)太保和中國(guó)人壽分別實(shí)現(xiàn)增長(zhǎng)1.96倍和1.59倍。從數(shù)據(jù)中可以發(fā)現(xiàn)，中國(guó)平安業(yè)務(wù)擴(kuò)張和資本集聚的速度較中國(guó)人壽和中國(guó)太保都大得多，公司規(guī)模不斷膨脹的同時(shí)也帶來(lái)了各類風(fēng)險(xiǎn)的與日俱增，存在著更多系統(tǒng)性風(fēng)險(xiǎn)外溢的可能性。

（4）保費(fèi)投資組合的差異性

保險(xiǎn)資金（主要為保費(fèi)收入）投資資產(chǎn)主要配置在以下四類：固定收益類、權(quán)益收益類、投資性房地產(chǎn)和現(xiàn)金及現(xiàn)金等價(jià)物。從歷年財(cái)務(wù)報(bào)告中發(fā)現(xiàn)，中國(guó)平安和中國(guó)太保的權(quán)益收益類投資占比相對(duì)于中國(guó)人壽較高，中國(guó)人壽的固定收益類投資穩(wěn)定，始終高居85%左右。固定收益類較權(quán)益收益類有著風(fēng)險(xiǎn)較低的優(yōu)勢(shì)，說明中國(guó)人壽擁有更加穩(wěn)健的投資策略，不僅能夠更好地管控公司自身的風(fēng)險(xiǎn)，也對(duì)系統(tǒng)性風(fēng)險(xiǎn)的外溢起到一定的抵御作用，能較好地防范一旦經(jīng)濟(jì)波動(dòng)導(dǎo)致投資風(fēng)險(xiǎn)較高從而對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)傳染。

除了以上原因之外，關(guān)聯(lián)交易數(shù)量和金額、企業(yè)的治理結(jié)構(gòu)和情況等因素也可能導(dǎo)致保險(xiǎn)公司系統(tǒng)性風(fēng)險(xiǎn)的差異性。風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，面板回歸分析之前，通過Hausman檢驗(yàn)結(jié)果發(fā)現(xiàn)，滯后一季度、滯后半年的情況下，p值接近于0，均拒絕隨機(jī)效應(yīng)模型的原假設(shè)，因此采用固定效應(yīng)模型。采用季度數(shù)據(jù)，保險(xiǎn)公司的VaR、杠桿率、規(guī)模、總資產(chǎn)收益率、保費(fèi)收入增長(zhǎng)率、股價(jià)凈值比和股價(jià)波動(dòng)率是回歸分析中的解釋變量，是被解釋變量，和VaR是由保險(xiǎn)公司一個(gè)季度內(nèi)的值加總得到。回歸結(jié)果如表5所示。

?表5 面板數(shù)據(jù)模型回歸結(jié)果（5%）

?圖3 同期ΔCoVaR和預(yù)測(cè)ΔCoVaR的變動(dòng)情況

結(jié)果顯示，滯后一季度和滯后半年的回歸結(jié)果非常相似，大部分變量具備顯著性。

((三))保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)測(cè)分析

四、結(jié)論與政策建議

本文基于CoVaR和Forward-ΔCoVaR模型，運(yùn)用分位數(shù)回歸和面板回歸方法對(duì)保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)大小進(jìn)行度量和預(yù)測(cè)。研究表明，根據(jù)ΔCoVaR輸出序列平均值，中國(guó)平安系統(tǒng)性風(fēng)險(xiǎn)溢出值最大，中國(guó)太保次之，中國(guó)人壽最小。具體而言，首先，3家公司的系統(tǒng)性風(fēng)險(xiǎn)溢出情況在變動(dòng)趨勢(shì)上非常相似,在2008年金融危機(jī)和2015年中國(guó)股市波動(dòng)兩個(gè)時(shí)間段達(dá)到最高值。但是，由于股權(quán)結(jié)構(gòu)、業(yè)務(wù)經(jīng)營(yíng)范圍、保費(fèi)收入增速、保費(fèi)投資組合以及其他因素的不同，3家公司的系統(tǒng)性風(fēng)險(xiǎn)溢出情況也存在一定的差異性。監(jiān)管當(dāng)局應(yīng)當(dāng)在采取宏觀審慎監(jiān)管的基礎(chǔ)上，根據(jù)系統(tǒng)性風(fēng)險(xiǎn)的差異對(duì)不同的公司實(shí)施相應(yīng)的監(jiān)管政策。其次，保險(xiǎn)機(jī)構(gòu)的自身風(fēng)險(xiǎn)VaR和系統(tǒng)性風(fēng)險(xiǎn)溢出值ΔCoVaR具有穩(wěn)定的相關(guān)關(guān)系，和許多關(guān)于銀行業(yè)的研究表示VaR和ΔCoVaR之間相關(guān)程度低的情況不同，說明我國(guó)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有特殊性。然而VaR整體小于ΔCoVaR，一定程度上低估了保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，說明以VaR為基礎(chǔ)的微觀審慎監(jiān)管規(guī)則并不足以準(zhǔn)確把握保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，采用ΔCoVaR值的宏觀審慎監(jiān)管規(guī)則更適用于我國(guó)現(xiàn)實(shí)情況。

保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)預(yù)測(cè)模型結(jié)果表明，保險(xiǎn)機(jī)構(gòu)向前的系統(tǒng)性風(fēng)險(xiǎn)與VaR、規(guī)模、杠桿率、保費(fèi)收入增長(zhǎng)率、股價(jià)波動(dòng)率顯著正相關(guān)，這是符合現(xiàn)實(shí)邏輯的。一方面，與任何尾端的風(fēng)險(xiǎn)度量方法一樣，采用高頻數(shù)據(jù)度量ΔCoVaR依賴于較少發(fā)生的極端危機(jī)事件，會(huì)導(dǎo)致尾端風(fēng)險(xiǎn)大幅增加，降低了測(cè)量結(jié)果的準(zhǔn)確度。相反，用公司自身的特征數(shù)據(jù)來(lái)度量系統(tǒng)性風(fēng)險(xiǎn)反而比采取高頻數(shù)據(jù)統(tǒng)計(jì)分析更可靠、穩(wěn)健。另一方面，預(yù)測(cè)ΔCoVaR和同期ΔCoVaR呈負(fù)相關(guān)關(guān)系，說明Forward-ΔCoVaR方法可以很好地解決同期風(fēng)險(xiǎn)度量方法產(chǎn)生的順周期問題。綜上，從逆周期角度，利用季度數(shù)據(jù)來(lái)預(yù)測(cè)保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，能夠進(jìn)行更準(zhǔn)確、穩(wěn)健的宏觀審慎監(jiān)管，更加有效地預(yù)防保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，達(dá)到維護(hù)保險(xiǎn)市場(chǎng)穩(wěn)定的目的。

國(guó)家自然科學(xué)基金項(xiàng)目（項(xiàng)目批準(zhǔn)號(hào)：71403305）；教育部人文社科研究項(xiàng)目（項(xiàng)目批準(zhǔn)號(hào)：14YJC790118）；中財(cái)121人才工程青年博士發(fā)展基金（批準(zhǔn)號(hào)：QBJ1401）。