尚穎 賈士彬

摘 ? 要：本文選取2007—2017年間30個?。ㄊ?、自治區(qū)）數(shù)據(jù)，運用熵權(quán)法構(gòu)建承保端風(fēng)險評價指標(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，壽險業(yè)承保端風(fēng)險不存在[β]收斂，并有進(jìn)一步擴(kuò)大的趨勢，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，且同時受人口死亡率、壽險業(yè)務(wù)結(jié)構(gòu)、壽險業(yè)務(wù)波動等因素的影響。本文建議從壽險業(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)，適時進(jìn)行調(diào)整。

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

中圖分類號：F840.622 ?文獻(xiàn)標(biāo)識碼：B ?文章編號：1674-2265（2020）03-0078-08

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

一、引言

1998年，我國壽險業(yè)保費收入首次超過產(chǎn)險業(yè)，截至2018年底，壽險業(yè)保費收入已達(dá)2.725萬億元，遠(yuǎn)高于財險市場的1.176萬億元，在整個保險市場中占據(jù)舉足輕重的地位。壽險業(yè)獲得快速發(fā)展的同時，承保端所積聚的風(fēng)險也越來越突顯，主要表現(xiàn)為退保風(fēng)險的加劇和給付率的波動。近年來，很多壽險公司承保端產(chǎn)品大多通過高收益來短時間籌集大量資金，高成本加大其對于資產(chǎn)端回報的高要求，在資產(chǎn)端市場非有效性的背景下，投機(jī)和短視行為是其最優(yōu)的策略選擇，資產(chǎn)端風(fēng)險的加劇會影響壽險公司現(xiàn)金流、資產(chǎn)負(fù)債匹配、償付能力、市場信譽(yù)和地位，甚至影響壽險業(yè)的社會認(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。2007—2017年間，我國壽險業(yè)退保率平均達(dá)到16.17%，并呈U形發(fā)展趨勢，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%。雖然壽險業(yè)給付率相對穩(wěn)定，平均為22.02%，但個別地區(qū)、個別年份也曾出現(xiàn)過較大波動，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)動與負(fù)債驅(qū)動兩種經(jīng)營模式的并向發(fā)展，壽險業(yè)承保端風(fēng)險不斷更新和演化。更重要的是，由于壽險公司大多在不同省域設(shè)立分支機(jī)構(gòu)，省域間的交往會更加密切，基于公司系統(tǒng)內(nèi)部考核和外部競爭的壓力，相鄰地區(qū)壽險業(yè)承保端風(fēng)險可能會階段性趨同。因此，在研究壽險業(yè)承保端風(fēng)險及其影響因素時，需將空間因素考慮在內(nèi)。

二、文獻(xiàn)綜述

關(guān)于壽險業(yè)承保端風(fēng)險的研究，大部分文獻(xiàn)主要集中于退保風(fēng)險影響因素的探究。早期國外學(xué)者提出的應(yīng)急資金假說、市場利率假說、保單替代假說（Linton，1932;Outreville，1990;Kuo等，2003），在中國壽險市場也得到了驗證，但研究結(jié)論并不一致：展凱（2008）分別用利率、物價指數(shù)、失業(yè)率作為替代變量，運用VEC模型，證實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，而長期則表現(xiàn)為反方向變化;通脹率長短期均會使退保率同向變化，但其并不支持財務(wù)危機(jī)假說。陳華等（2014）同樣支持利率替代效應(yīng)，指出長期利率、短期利率和利差的上升均會造成退保率的提高，且財務(wù)危機(jī)假說也成立，退保率和失業(yè)率正相關(guān)。何欣等（2015）采用類似變量，運用面板固定效應(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（孫蓉等，2012）作為財務(wù)危機(jī)效應(yīng)的替代變量，且證實其對退保率均有影響。除此以外，新單占比（陳華等，2014）、保單條款的具體設(shè)計（Hendel，2003）、被保險人死亡情況（郭春燕等，2008）、投保人年齡大小、保費與交費形式、保單經(jīng)過年數(shù)（彭玉龍，2005）、保險公司服務(wù)質(zhì)量和客戶滿意度（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）、壽險業(yè)務(wù)類型（王向楠，2012;展凱等，2013;何欣等，2015）等均會不同程度影響壽險公司的退保率。

而更值得關(guān)注的是，隨著創(chuàng)新型壽險產(chǎn)品的出現(xiàn)，壽險業(yè)承保端風(fēng)險出現(xiàn)了一些新的變化，部分學(xué)者也開始致力于此方面的研究。陳秉正等（2016）通過建立雙驅(qū)動型動態(tài)最優(yōu)資產(chǎn)負(fù)債管理模型，驗證了負(fù)債端高風(fēng)險性萬能險業(yè)務(wù)的發(fā)展規(guī)律：當(dāng)萬能險業(yè)務(wù)平穩(wěn)時，萬能險賬戶流動性充裕，不會發(fā)生流動性風(fēng)險，但當(dāng)流動性突然惡化時，保險公司將面臨一定的流動性風(fēng)險與資產(chǎn)折價風(fēng)險。

綜上所述，以往文獻(xiàn)更多針對的是壽險業(yè)承保端退保單一風(fēng)險的研究，雖然壽險市場給付風(fēng)險波動不如產(chǎn)險市場大，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)險不容忽視。本文首次將退保風(fēng)險和給付風(fēng)險一并作為壽險業(yè)承保端風(fēng)險考量指標(biāo)，采用熵權(quán)法整體評估壽險業(yè)承保端風(fēng)險。此外，上述研究文獻(xiàn)并未涉及對我國壽險業(yè)承保端風(fēng)險收斂或擴(kuò)張趨勢的判斷，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)證實了退保行為的凈傳染假說。因此，本文將在此基礎(chǔ)上，運用空間面板模型，進(jìn)一步研究我國壽險業(yè)承保端風(fēng)險的發(fā)展趨勢及其原因。

三、壽險業(yè)承保端風(fēng)險趨勢：收斂還是擴(kuò)張？

（一）壽險業(yè)承保端風(fēng)險評價指標(biāo)構(gòu)建

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

（二）權(quán)重矩陣選擇

在進(jìn)行實證分析之前，先對各變量進(jìn)行單位根檢驗，根據(jù)Hadri單位根檢驗結(jié)果，各變量在10%的置信水平內(nèi)均通過顯著性檢驗，即不存在單位根，在此不再展示檢驗結(jié)果。從回歸結(jié)果來看，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，壽險業(yè)承保端風(fēng)險并未呈現(xiàn)出全局域的[β]收斂，反而趨于發(fā)散。這一結(jié)論說明我國壽險業(yè)承保端依然存在較大風(fēng)險，并有不斷擴(kuò)大的趨勢。那么，為什么我國壽險業(yè)承保端風(fēng)險沒有呈現(xiàn)出[β]收斂呢？

四、承保端風(fēng)險擴(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. 第一大類影響因素：退保風(fēng)險影響因素。

（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，人們會將投保理財性保險產(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?，本文分別選取資本市場波動（CMF）、存款波動（DF）、房價波動（HPF）三項指標(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)急資金假說繼續(xù)拓展，指出除失業(yè)率外，隨著實際收入的提高，投保人需要資金應(yīng)急的可能性下降，退保率將會降低。但也有學(xué)者持相反觀點，Kiesenbauer（2012） 證實收入水平和退保率成正比，認(rèn)為隨著收入和儲蓄增加，消費者有動機(jī)通過退保籌措部分資金，用于積累的資金進(jìn)行較大金額的采購。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)一步檢驗資金貶值效應(yīng)，本文選取物價指數(shù)（CPI）作為替代變量，并取對數(shù)。

（4）教育水平。人們的教育水平不同，對保險的認(rèn)識不同，理性選擇購買或退保的程度也會不同，進(jìn)而可能會影響退保行為。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，并取對數(shù)。

2. 第二大類影響因素：給付風(fēng)險影響因素。

（1）壽險業(yè)務(wù)波動。業(yè)務(wù)規(guī)模增長過快或過慢都可能導(dǎo)致承保端出現(xiàn)給付壓力，因此，本文同時引入壽險業(yè)務(wù)保費增長率（PIF）及其平方項（PIFS）表示。

（2）社會醫(yī)療保險支出水平。社會醫(yī)療保險可以通過影響商業(yè)醫(yī)療保險支出，進(jìn)而影響壽險業(yè)的賠付情況。一方面，大部分商業(yè)醫(yī)療保險的賠付都是以參加社會醫(yī)療保險為基礎(chǔ)的，社會醫(yī)療保險賠付后，剩余部分醫(yī)療費用可由商業(yè)醫(yī)療保險賠付，可能會減少商業(yè)醫(yī)療費用的賠付，體現(xiàn)為替代作用;但另一方面，隨著醫(yī)療費用的普遍上漲，社會醫(yī)療保險支出會增加，商業(yè)醫(yī)療保險賠付也會同時增加，體現(xiàn)為補(bǔ)充作用。此外，也有可能社會醫(yī)療保險支出增長與商業(yè)醫(yī)療保險關(guān)系不明顯，因為很多參與社會醫(yī)療保險的群體可能并沒有投保商業(yè)醫(yī)療保險?；诖耍疚挠蒙鐣t(yī)療保險支出（SME）這一指標(biāo)來衡量，鑒于數(shù)據(jù)來源有限，采用城鎮(zhèn)職工與城鎮(zhèn)居民社會醫(yī)療保險基金支出之和作為替代變量，并做對數(shù)處理。

3. 第三大類影響因素：賠付、退保雙風(fēng)險影響因素。

（1）新單業(yè)務(wù)占比。一方面，Russell等（2013）指出隨著壽險公司新業(yè)務(wù)的增加，退保行為將會增加;另一方面，不同新單業(yè)務(wù)類型也會影響壽險公司給付情況。本文用新單保費占比（NIP）來表示。

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

（3）壽險業(yè)產(chǎn)品結(jié)構(gòu)。按照壽險業(yè)產(chǎn)品性質(zhì)，可分為普通型壽險、分紅型壽險和投資型壽險，不同的壽險產(chǎn)品給付風(fēng)險不同，退保風(fēng)險也不同。普通型壽險具有純保障功能，分紅型壽險兼具儲蓄功能，投資型壽險兼具投資功能，包括萬能險和投連險。分別用保費占比來衡量，即普通型壽險保費占比（GLR）、分紅型壽險保費占比（DLR）、投資型壽險保費占比（ILR）。考慮壽險業(yè)產(chǎn)品結(jié)構(gòu)與承保端風(fēng)險可能存在非線性關(guān)系，同時將平方項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，每個模型僅引入兩種壽險產(chǎn)品占比，各變量的描述性統(tǒng)計見表2。

本文選取了2007—2017年11年間除西藏外30個?。ㄊ?、自治區(qū)）省際面板數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)主要來源于歷年保險年鑒、國家統(tǒng)計局網(wǎng)站和萬得數(shù)據(jù)庫。主要運用Stata、Geoda、Matlab等軟件來完成實證分析。

（二）研究方法

1. 研究方法選擇。鑒于不同省份壽險承保端風(fēng)險存在非均衡分布特征，在進(jìn)行省際面板分析時，若采用均質(zhì)性空間地理假說（OLS）可能會產(chǎn)生有偏估計，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，本文先檢驗承保端風(fēng)險省際面板數(shù)據(jù)的空間相關(guān)性，采用全局Morans I指數(shù)。計算公式為：

（三）承保端風(fēng)險擴(kuò)張的原因分析

1. 模型的設(shè)定。第一，空間相關(guān)性檢驗。通過全局Morans I指數(shù)計算，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（見表2）。因此，為了計量結(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，各變量在10%的置信水平內(nèi)均通過顯著性檢驗，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LM檢驗，尤其是R-LM檢驗，顯示各個模型設(shè)計中空間滯后項不顯著，而空間誤差項則較為顯著。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檢驗來確定混合效應(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%顯著水平下通過檢驗，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檢驗和Wald檢驗，比較個體固定效應(yīng)、時間固定效應(yīng)與雙固定效應(yīng)模型，結(jié)果如表6所示，顯示既有個體趨勢項，又有時間趨勢項，因此，選擇雙固定效應(yīng)模型。

2. 壽險業(yè)承保端風(fēng)險擴(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)壽險業(yè)承保端風(fēng)險這一指標(biāo)存在空間依賴性，因此，OLS估計結(jié)果是有偏的。根據(jù)上述空間面板模型選擇過程，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%置信水平上通過了檢驗。在不同的權(quán)重矩陣下，壽險業(yè)承保端風(fēng)險各個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)的三項指標(biāo)中，只有資本市場波動對承保端風(fēng)險的影響顯著，且通過了1%的顯著性檢驗?？梢?，資本市場波動可以通過影響退保風(fēng)險來影響壽險業(yè)承保端風(fēng)險。說明人們選擇退保，更多關(guān)注的是資本市場的變化，資本市場交易越頻繁，人們的投機(jī)意愿越強(qiáng)烈，相較于購買具有一定理財功能的壽險產(chǎn)品，投資股票、基金、債券的吸引力可能更大，因此就會產(chǎn)生替代效應(yīng)而選擇退保，壽險業(yè)承保端風(fēng)險越大。而存款波動和房價波動的替代效應(yīng)卻并不顯著，這是因為，存款既無法與保險產(chǎn)品的保障功能相提并論，也不具有替代投資型壽險產(chǎn)品的必要性，存款對人們的吸引，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。面對房價的波動，大部分人會選擇理性消費，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，人們購買壽險，尤其是投資型壽險的能力和意愿越強(qiáng)，而壽險業(yè)退保風(fēng)險基本來源于該類產(chǎn)品，該地區(qū)承保端風(fēng)險會升高。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激勵退保行為，反而會降低退保率，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)，實際工資水平越高，壽險業(yè)承保端風(fēng)險增加。相反，通脹水平越高的地區(qū)，資金貶值嚴(yán)重，人們必然會選擇最有效的“保值增值”方式，保險就是其中一種，因此，退保的可能性相對較低，承保端風(fēng)險隨之下降，而且有些壽險產(chǎn)品的設(shè)計本身就具有抗通脹的功能。

（2）壽險業(yè)務(wù)波動與業(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年我國壽險業(yè)保費收入增長率分別高達(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，為-0.10%?？梢?，保費收入波動基本處于一個合理的區(qū)間內(nèi)，在這樣的區(qū)間內(nèi)，隨著壽險業(yè)保費增長率的提升，給付率會下降。給付率這一指標(biāo)的變化源于給付支出波動與保費收入增長的比較，可見，此時給付率下降的主要原因在于保費收入的增長，同時保費收入的增加也會減少給付壓力，進(jìn)而承保端風(fēng)險下降。歷年來，各家壽險公司都在采取各種手段努力展業(yè)，例如增員、開門紅、開拓新險種等，其目的之一就是利用大數(shù)法則降低承保端風(fēng)險。但若壽險業(yè)保費收入持續(xù)進(jìn)入諸如2008年和2016年的高速運行時期，隨著保費收入增長率的繼續(xù)提升，就會出現(xiàn)承保端風(fēng)險上升的局面，因為壽險業(yè)務(wù)的快速發(fā)展需要高增長的產(chǎn)品結(jié)構(gòu)，而這樣的產(chǎn)品結(jié)構(gòu)具有高風(fēng)險。可見，壽險業(yè)保費波動與承保端風(fēng)險呈現(xiàn)出了顯著的U形關(guān)系。

從OLS回歸結(jié)果來看，新單占比會增加承保端風(fēng)險，這與陳華等（2014）的估計結(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，OLS回歸結(jié)果在某種程度上存在偏差。因為新單業(yè)務(wù)占比這一指標(biāo)只體現(xiàn)了新業(yè)務(wù)的增長情況，而無法體現(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)的壽險產(chǎn)品，給承保端帶來的風(fēng)險差異也會很大，可見，盲目追求新業(yè)務(wù)增長并不是明智之舉。

普通型壽險占比、分紅型壽險占比、投資型壽險占比三項指標(biāo)與承保端風(fēng)險在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、分紅型壽險與承保端風(fēng)險呈現(xiàn)出倒U形關(guān)系，而投資型壽險則呈現(xiàn)出U形關(guān)系。普通型壽險是保險保障功能的根本體現(xiàn)，理應(yīng)成為壽險業(yè)發(fā)展的中流砥柱，而當(dāng)其占比相對較低時，壽險業(yè)承保端風(fēng)險必然會增加，2008年普通壽險占比僅為11%，再加上當(dāng)時金融危機(jī)的沖擊，我國壽險業(yè)面臨系統(tǒng)性輸入風(fēng)險;反之，當(dāng)普通型壽險占比相對較高時，風(fēng)險則會降低，但也并非回到純保障時代，1996年以來產(chǎn)生的巨大利差損也證明了只發(fā)展普通型壽險并不能與時俱進(jìn)，發(fā)展分紅型壽險與投資型壽險等新型壽險產(chǎn)品不僅在某種程度上能夠緩解利差壓力，更是在迎合消費者的需求。

因此，自1999年新型壽險產(chǎn)品開始登上歷史舞臺并占據(jù)主導(dǎo)地位。尤其是分紅型壽險，由于其具有一定的儲蓄性質(zhì)，且分紅相對穩(wěn)定而廣受青睞?？梢姡旨t型壽險與保障型壽險一樣具有廣闊的發(fā)展空間，并應(yīng)該在壽險業(yè)發(fā)展中占據(jù)重要的市場地位，當(dāng)二者占據(jù)了較高的市場份額時，承保風(fēng)險均會逐漸下降。若二者的市場份額過低，意味著投資型險種占比較高，特別是萬能險，從2013 年開始因結(jié)算利率偏高、收益透明、期限較短等特點受到客戶追捧，對標(biāo)萬能險的結(jié)算利率，分紅型壽險自然要被替代，分紅型壽險占比下降，萬能險占比上升。資產(chǎn)端市場的非有效性越高，通過投機(jī)行為獲得超高額回報的可能性越大，資金運用的投機(jī)和短視行為得到激勵，若保險市場沒有良好的競爭機(jī)制，再加上監(jiān)管失效，作為市場主體，短期利益追求自然成為首選，中短期高現(xiàn)金價值產(chǎn)品大熱。而該類萬能險期限普遍在 1—2 年左右，因此從2014 年開始就出現(xiàn)了退保高峰。此外，“短錢長配”的經(jīng)營策略以及特殊時期監(jiān)管的失效，使得主動退保與被動退保并存，承保端風(fēng)險加劇。

（3）其他影響因素。死亡率是壽險定價的主要來源之一，普通型壽險、分紅型壽險、投資型壽險的產(chǎn)品設(shè)計均與死亡率有密切關(guān)系?；貧w結(jié)果顯示，壽險業(yè)承保端風(fēng)險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，壽險公司給付率越高，承保端風(fēng)險越大。

但是在樣本期間內(nèi)，一個地區(qū)教育水平的高低對承保端風(fēng)險的影響并不顯著，是否選擇退保并沒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自身健康的重視，健康險業(yè)務(wù)持續(xù)增加，截至2017年底，我國健康險保費收入占壽險業(yè)整體保費收入的比重已增長到16.86%，而這必然也會帶來健康險業(yè)務(wù)的高賠付率。因此，很多醫(yī)療保險產(chǎn)品條款的設(shè)計都鼓勵人們先購買社會醫(yī)療保險，在社會醫(yī)療保險賠付之外，再予以更高比例的賠付，以減少保險公司自身賠付總額，降低賠付率。但從回歸結(jié)果來看，社會醫(yī)療保險基金支出與壽險業(yè)承保端風(fēng)險并未表現(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)在整個壽險業(yè)給付風(fēng)險指標(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個省域面板數(shù)據(jù)為樣本，運用空間誤差模型分析了該期間我國壽險業(yè)承保端風(fēng)險，結(jié)果顯示我國壽險業(yè)承保端風(fēng)險并不存在[β]收斂，相反，仍有進(jìn)一步擴(kuò)大的趨勢，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，購買價格相對較高的投資型壽險產(chǎn)品的能力和意愿越強(qiáng)，而這類產(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，實際收入水平下降，投資型壽險產(chǎn)品購買意愿有所下降，壽險業(yè)承保端風(fēng)險降低。第二，受金融環(huán)境因素影響顯著。我國資本市場波動較大，人們的投機(jī)行為較為明顯，可能會以股票、債券等金融理財產(chǎn)品替代保險產(chǎn)品，導(dǎo)致壽險業(yè)承保端風(fēng)險增加。第三，受人口環(huán)境因素影響顯著。實際死亡率越高，壽險公司給付風(fēng)險越大，承保端風(fēng)險也就越大。

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

（二）相關(guān)建議

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

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)險有在地區(qū)間蔓延的趨勢，本地區(qū)壽險業(yè)務(wù)發(fā)展可能會對臨近地區(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)部各分公司間競爭及考核壓力引起的。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)績標(biāo)準(zhǔn);優(yōu)化競爭機(jī)制，防止由于攀比而帶來的粗放經(jīng)營和惡性競爭。

第二，壽險業(yè)務(wù)波動屬正?，F(xiàn)象，但應(yīng)控制在一個合理的范圍，保持穩(wěn)定的增長速度。因此，一方面，應(yīng)不斷開拓新業(yè)務(wù)，開發(fā)新險種，抑制壽險產(chǎn)品的同質(zhì)化發(fā)展;另一方面，也要控制壽險業(yè)的過快發(fā)展，防止由于追逐短期利益而帶來的業(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、分紅型壽險的發(fā)展，特別重視普通型壽險的保障功能，回歸保障本源。當(dāng)然，壽險公司也應(yīng)警惕分紅型壽險“急功近利”式發(fā)展，杜絕銷售過程中存在的不規(guī)范行為?？刂仆顿Y型壽險的發(fā)展，始終警惕投連險、萬能險的過度發(fā)展，在充分發(fā)揮投資型壽險產(chǎn)品投資功能的同時，還要加大其保障成分，有效抑制投資型壽險產(chǎn)品的“變異”，防控承保端退保風(fēng)險，減輕給付壓力。

注：

1由于其各項指標(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].保險研究，2018，（5）.

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

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

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

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

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

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

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

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

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

[11]王向楠.中國壽險產(chǎn)品退保的實證研究：基于險種分類視角 [J].廣東金融學(xué)院學(xué)報，2012，（11）.

[12]展凱.中國壽險市場退保影響因素的實證分析 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2008，（7）.

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