我国非寿险公司财务风险预警模型研究

李玲（中央财经大学会计学院，北京 100081）

    ［摘要］随着我国保险市场对外开放程度的提升，保险业面临着越来越多的风险，而财务风险将是其中决定保险公司存亡的主要风险，因此，如何建立合理有效的财务风险预警系统，及早发现危机迹象，采取防范措施来规避风险，将具有十分重要的意义。本文基于中国当前非寿险公司偿付能力特征与财务风险影响因素以及保监会关于保险公司偿付能力方面的若干规定，采用实证模型分析的方法，试图验证和构建我国非寿险公司财务风险预警模型和指标系统，并提出了相关的后续研究建议。
    ［关键词］非寿险公司；财务风险；财务预警模型
    ［中图分类号］F840.32［文献标识码］A［文章编号］1004-3306（2008）12-0063-06

    保险公司的经营对象是不确定的风险，而因此保险公司自身也面临着比一般制造业或服务业企业更大的财务风险。尤其在全球化进程加快、金融保险业务市场对外开放、保险业产品与服务范围不断扩大等经济背景下，保险公司不仅担当着保险者的职能，还同时扮演着投资公司、基金公司或金融服务公司等多种角色。因此，保险公司所面临的财务风险不仅是由于本身业务承诺无法实现所导致的赔付风险，还面临着投资、融资过程中产生的偿付风险。当然，保险公司的财务失败并非一朝一夕之事，而是一个渐进的过程，它在早期必然会表现出相应的特征，反映在财务上即为相关财务指标及财务状况的异常。因此，通过建立合理的财务预警模型，及早勘察可能发生的财务风险，对于保险企业稳健运作和持续发展无疑具有重大的现实意义。
    一、文献回顾
    财务风险（或财务危机）是指公司发生无力偿还到期债务的困难和危机的可能性。从财务预警的角度来看，财务风险的含义有广义和狭义之分。狭义的财务风险是指由于企业全部资本中负债比例过高，而使其不能按期还本付息所造成的风险，也称为负债风险或破产风险。广义的财务风险是指企业生产经营过程中因各种不利因素所导致的经营失败和财务失败。
通过构建财务预警模型，量化财务风险迹象指标，来预知和防范可能发生的财务风险，是目前最有效和最常用的方法。目前关于财务风险预警的研究方法层出不穷，概括起来主要包括一元判定模型、多元线性判定模型、多元逻辑回归模型、人工神经网络模型四类。
最早的财务预警模型研究是Fitz Patrick（1932）所做的单变量破产预测模型，他发现判别能力最高的财务比率是“净资产收益率”（净利润/股东权益）和“权益债务比率”（股东权益/负债）；Winaker & Smith （1935）和Merwin （1942）的研究也得出了类似结论；Beaver（1966）则发现现金债务总额比（现金流量/债务总额），总资产收益率（净收益/资产总额），资产负债率（债务总额/资产总额）三个指标对预测财务危机是有效的。
然而，任何单个指标均无法全面地反应整个企业的财务特征，为弥补这个缺陷，多元线性判定模型逐渐发展起来。1968年Altman首次将多元线性判别方法引入到财务困境预测领域，他建立了Z计分模型。

［作者简介］李玲，中央财经大学会计学院博士、副教授、硕士生导师。
1977年，Altman, Haldenan和Narayanan又提出了一种能更准确预测企业财务危机的新模型：ZETA模型，它包括经营收益/总资产、净利润增长率、利息保障倍数（息税前利润/利息费用）、留存收益/总资产、流动比率、普通股权益/总资本、普通股权益/总资产七个变量。
Martin（1977）认为以多变量区别分析建立的预测模型，只能就样本公司是否发生财务危机进行分类，无法衡量发生危机的概率。同时，判别方法假设条件较多，比较难满足。为改变这种状况，他引入Logistic回归分析建立预警模型，结果表明，净利润/总资产、坏账/营业净利、费用/营业收入等六个财务比率具有显著的预测能力。Ohlson（1980）的研究发现至少存在四类影响公司破产概率的变量:公司规模、资本结构、业绩和当前的融资能力。在国内，陈晓、陈治鸿（2000）、姜秀华（2001）和吴世农（2001）等也分别运用该模型对中国上市公司财务危机进行了实证检验，发现该模型的误判率较低。
Odom和Sharda（1990）还将人工神经网络模型（Artificial Neural Network, ANN）应用于企业破产预测中，结果发现使用类神经网络构建模型，判别正确率极高。
上述方法对保险企业的财务风险预警具有一定的借鉴意义，但由于保险企业性质与业务的特殊性，在分析具体问题时，还要结合保险企业业务与财务特点，替换变量并修正模型。国际上比较有代表性的保险企业静态监管方法主要有美国的保险监管信息系统（IRIS,Insurance Risk Information System）、财务分析与偿付能力追踪系统（FAST,Financial Analysis and Solvency Tracking System）、风险资本标准（RBCS,RiskBased Capital Standard）以及加拿大的最低持续资本和盈余要求（MCCSR,Minimum Continuing Capital and Surplus Requirements），动态偿付能力测试方法主要有美国的现金流量测试（CFT,Cash Flow Test）、加拿大的偿付能力动态测试（DST,Dynamic Solvency Tesy）以及近年来倍受北美精算师关注的动态财务分析方法（DFA, Dynamic Financial Analysis）等。此外，Trieschmann（1973,1974）、YongDuek（1995）、Carson（1995）、Ambrose（1994）等学者也运用了上述不同方法试图构建保险公司的财务预警体系。本文将基于中国当前非寿险公司财务风险影响因素以及保监会关于保险公司偿付能力方面的若干规定，采用实证模型分析的方法，试图构建我国非寿险公司财务风险预警模型和指标系统。
二、研究设计
1.样本选取
本文选取我国保险行业中24家非寿险公司2003年~2006年共4年的混合非平衡面板数据作为总体研究样本，剔除异常值以及没有连续两年数据的公司样本后，得到88个数据作为建模样本。所有源数据来源于《中国保险年鉴》和中国保监会网站。
   2．变量选择与模型构建
由于保险公司具有不同于工商企业的业务特点，反映其财务状况的指标也不相同。2001年1月，中国保监会发布了《保险公司偿付能力额度及监管指标管理规定（试行）》,并在2003年3月进行了修订，2008年在此基础上完善颁布了《保险公司偿付能力管理规定》。根据该文件的相关规定以及保险公司偿付能力报告的编报要求等，将偿付能力充足率作为评判公司是否面临财务风险的主要判别指标，该指标计算如下：
偿付能力充足率=实际偿付能力额度[]最低偿付能力额度
其中，实际偿付能力额度=认可资产-认可负债，而根据《保险公司偿付能力额度及监管指标管理规定（试行）》第四条的规定：“财产保险公司应具备的最低偿付能力额度为下述两项中数额较大的一项：（1）最近会计年度公司自留保费减营业税及附加后1亿元人民币以下部分的18％和1亿元人民币以上部分的16％；（2）公司最近3年平均综合赔款金额7 000万元以下部分的26％和7 000万元以上部分的23％。”为了计算方便，本文将按照第（1）种方法计算每一样本公司的最低偿付能力额度。
根据实务经验和相关规定，将偿付能力充足率小于100%的公司，认定为高财务风险公司，将偿付能力充足率大于等于100%而小于150%的公司，认定为风险需要特别关注的公司，将偿付能力充足率大于等于150%的公司，认定为低财务风险公司。
   此外，由于保险公司所面临的财务风险是潜在的、动态的、长期的过程，仅以单一指标来判别财务风险难免会有失偏颇，应当将反映其迹象的诸多财务指标都纳入到财务风险预警系统中来。为此，《保险公司偿付能力额度及监管指标管理规定》中还规定了包括保费增长率、自留保费增长率、毛保费规模率、实际偿付能力额度变化率、两年综合成本率、资金运用收益率、速动比率、融资风险率、应收保费率、认可资产负债率、资产认可率等十一个指标作为财险公司偿付能力监管的辅助指标。然而，规定中并未说明这些指标对偿付能力的影响或决定程度，并且有些指标的自相关性极强，例如有关保费的指标就有4个，将其放入同一系统中是否适当、是否还有遗漏的重要指标等问题都有待讨论。为此，本文在先期研究的基础上，排除了一些非显著因素，最终选择了认可资产负债率、流动比率、净资产收益率、自留保费规模率和保险准备金增长不足率等指标，试图通过进一步验证它们与偿付能力充足率指标的关联程度来构建我国非寿险公司的财务风险预警系统。这里，我们将所选取的财务比率说明如下：
   （1）X1（认可资产负债率）=认可负债[]认可资产×100%
   该指标反映保险公司利用认可资产偿还认可负债的能力，这一指标的正常值为小于90％，该指标值越小，表明保险公司的偿债能力越强。根据《保险公司偿付能力报告编报规则第6号：认可负债》第5条规定，“保险公司的各项负债应当以账面余额作为其认可价值，本规则另有规定的除外。”因此，本文暂以负债的账面价值作为认可负债；而根据《保险公司偿付能力报告编报规则》第1号～第5号关于认可资产的相关规定以及实务经验，为研究方便起见，本文暂统一以流动资产的账面价值总额与非流动资产账面价值的95%之和，作为认可资产的确认价值。
   （2）X2（流动比率）=流动资产[]流动负债×100%
   该指标反映财产保险公司的流动资产可以变现来偿还流动负债的能力，这一指标的正常值范围为大于 150％～200%，指标值越大，表明保险公司短期偿债能力以及应付突发性保险责任事故的能力越强。
   （3）X3（净资产收益率）=净利润[]认可净资产×100%
   该指标反映保险公司利用认可净资产（认可资产与认可负债之差）产生利润（包括承保利润和投资收益）的能力，保险公司除了要保持保费收入的不断增长外，还应该提高承保业务和资金运用的收益水平。该指标越高，表明保险公司运用现有资产的效益越好，保险公司的债务保障能力越强。
   （4） X4（自留保费规模率）=本年自留保费[]实收资本+公积金×100%
   我国《保险法》第99条规定，经营财产保险业务的保险公司当年自留保险费，不得超过其实有资本金加公积金总和的四倍。该指标值越大，表明财险公司相对于其自有资本来说保费规模越大，因而其最终抵御风险的能力相对越弱。计算该指标时，当公司所有者权益中“未分配利润”为负数时，应在“实收资本加公积金”项目中予以扣除。
   （5）X5（保险准备金不足率）=预计所需的保险准备金-当年保险准备金[]当年保费收入×100%
   其中，预计所需的保险准备金=当年的保费收入×准备金对保费的平均比率。该指标的正常范围为小于或等于25％，超过25％时说明保险公司所提保险准备金明显偏低，导致准备不足支付损失的财务风险发生的可能性增大。由于数据获得的困难，假设在业务结构不发生重大变化的情况下,可以近似地采用保险准备金增长不足率指标代替上述指标：
　X5（保险准备金增长不足率）=当年保费收入增长率-当年保险准备金增长率[]当年保费收入增长率×100%
   此外，还加入偿付能力充足率的滞后项（Y-1）和企业规模（S）作为控制变量。
   由于偿付能力充足率越高，保险公司偿付能力越强，因而模型中与保险公司偿付能力成正比的流动比率、净资产收益率为正相关，而与保险公司偿付能力成反比的认可资产负债率、自留保费规模率、保险准备金增长不足率为负相关。各变量定义如表1所示。
为此，我们提出如下假设：
认可资产负债率、流动比率、净资产收益率、自留保费规模率和保险准备金增长不足率是判别财务风险（偿付能力充足率）的重要指标。
为了验证上述财务指标与偿付能力充足率之间的相关程度，构建模型如下：
Y=-α1X1+α2X2+α3X3-α4X4-α5X5+e
其中，Y为衡量财务风险程度的偿付能力充足率，α1、α2、α3、α4、α5为各比率的影响系数，X1、X2、X3、X4、X5为相应的财务比率，e为残差项或其他控制变量。
变量名及代理变量定义
 表1
变量[]代码[]代理变量及其定义因变量[]偿付能力充足率[]Y[]Y（偿付能力充足率）=本年实际偿付能力额度[]本年最低偿付能力额度自变量[]认可资产负债率[]X1[]X1（认可资产负债率）=账面负债×100%[]流动资产账面价值+非流动资产账面价值×95%×100%流动比率[]X2[]X2（流动比率）=流动资产[]流动负债×100%净资产收益率[]X3[]X3（净资产收益率）=净利润[]认可净资产×100%自留保费规模率[]X4[]X4（自留保费规模率）=本年自留保费[]实收资本+公积金×100%保险准备金增长不足率[]X5[]X5（保险准备金增长不足率）=当年保费收入增长率-当年保险准备金增长率[]当年保费收入增长率×100%控制变量[]偿付能力充足率滞后项[]Y-1[]Y-1（上一年偿付能力充足率）=上一年实际偿付能力额度[]上一年最低偿付能力额度企业规模[]S[]S=Ln （ Total Assets ）三、实证研究结果
1.描述性统计
应用Eviews3.0对各个变量进行分析，得到如下描述性统计结果（如表2）。可以看出，我国非寿险公司的平均认可资产负债率为55.14%（最大值为96.65%，最小值仅为8.37%），平均流动比率为2.146（标准差为2.2 225，说明公司间差异较大），平均净资产收益率为-5.08%，而中位数为3.66%，说明受效益较低的负极端值影响较大，自留保费规模率为206.3%（标准差为3.1764，同样表现为不同公司间的差异较大），保险准备金增长不足率为-2.98%，说明保险准备金总体平均来看呈现逐年递增的态势。
2．相关性分析
从表3可以看出，各解释变量与被解释变量之间存在着一定的相关性，尤其是认可资产负债率和流动比率与偿付能力充足率之间相关程度较高，且各变量的符号与预期基本一致（除净资产收益率为负相关，但其负相关性极弱）。
3．回归模型结果
从表4的四个不同分析模型的结果可以看出，认可资产负债率、流动比率、净资产收益率对偿付能力充足率的影响较大且稳定，而自留保费规模率和保险准备金增长不足虑在特定约束条件下对偿付能力充足率的影响也较为显著，模型4的拟合效果较好，从而支持了本文的研究假设。
单变量分析：描述性统计结果
表2
[] Mean[] Median[] Maximum[] Minimum[] Std.Dev.[] ProbabilityX1[]0.551 4 []0.488 6 []0.966 5 []0.083 7 []0.255 7 []0.026 1 X2[]2.146 0 []1.713 1 []15.187 1 []0.400 2 []2.222 5 []0.000 0 X3[]-0.050 8 []0.036 6 []0.708 9 []-3.276 6 []0.425 4 []0.000 0 X4[]2.063 0 []0.596 3 []18.366 1 []0.072 9 []3.176 4 []0.000 0 X5[]-0.029 8 []0.174 6 []36.220 9 []-49.292 5 []9.627 6 []0.000 0 S[]6.919 7 []6.351 6 []11.387 7 []3.349 6 []1.849 2 []0.030 2各变量的相关矩阵
表3
[]Y[]X1[]X2[]X3[]X4[]X5[]SX1[]-0.684 2 []1.000 0 []X2[]0.728 8 []-0.653 2 []1.000 0 X3[]-0.099 7 []-0.017 4 []0.024 2 []1.000 0 []X4[]-0.451 3 []0.636 3 []-0.305 6 []-0.111 7 []1.000 0 []X5[]-0.241 5 []0.137 5 []-0.438 0 []0.101 5 []0.055 9 []1.000 0 S[]-0.491 8 []0.715 0 []-0.305 4 []0.192 9 []0.497 2 []0.066 3 []1.000 0回归分析结果
表4
[]Model 1[]Model 2[]Model 3[]Model 4Coefficient[]P（Ttest）[]Coefficient[]P（Ttest）[]Coefficient[]P（Ttest）[]Coefficient[]P（Ttest）C（常数）[]1.000 0[]0.000 0[]1.000 0[]0.000 0[]26.545 59[]0.000 0[]14.607 58[]0.003 0X1[]-3.74×10-16[]0.059 8[]-1.27×10-16[]0.018 0[]15.194 91[]0.084 4[]-14.608 81[]0.043 2X2[]2.15×10-16[]0.000 0[]1.33×10-16[]0.000 0[]3.739 119[]0.000 0[]4.019 196[]0.000 0X3[]-4.37×10-16[]0.000 0[]1.08×10-16[]0.000 0[]-2.213 615[]0.315 9[]-5.259 362[]0.042 6X4[][][]-3.40×10-18[]0.221 5[][][]-0.757 821[]0.094 7X5[]-9.69×10-18[]0.001 5[]-1.57×10-18[]0.024 0[]-0.134 561[]0.248 2[]0.096 405[]0.451 9S[]9.18×10-16[]0.671 4[]-1.22×10-18[]0.831 9[]-1.758 248[]0.094 3[][]Y-1[]1.000 0[]0.000 0[]1.000 0[]0.000 0[]样本数[]88[]88[]88[]88AdjR2[]0.509 2[]0.519 1[]0.678 9[]0.612 9Pvalue
（F Test）[]0.000 0[]0.000 0[]0.000 0[]0.000 0DW[]1.873 2[]1.929 6[]1.912 0[]1.193 6四、结论与后续研究建议
   从上述实证分析的结果可以看出，非寿险公司应当建立包含多元指标的财务风险预警系统，该系统所含指标应当建立在一定的模型验证与分析基础上。从表4的分析结果来看，认可资产负债率、流动比率和净资产收益率对偿付能力充足水平的影响较大，自留保费规模率和保险准备金增长不足率的影响相对较小一些。在此基础上，应当借鉴Z计分模型或者Logistic模型以及国际上的动态偿付能力测试方法进一步构建我国非寿险公司的财务危机预测模型，例如：构建Logistic模型如下：
LnPi[]1-Pi=W1X1+W2X2+W3X3+…WnXn
   其中，LnPi[]1-Pi为判别分值，Pi为发生财务危机的概率，1-Pi为不发生财务危机的概率，W1、W2、W3、…Wn为各比率的影响权重，X1、X2、X3、…Xn为选定的合理的财务比率。然后将特定公司的数据带入模型求得其发生财务危机的概率，再与经验或模型回归得到的临界值进行比较，从而判定其财务风险等级。但本文由于数据所限以及我国保险业尚无财务危机真正发生的实际后果，所以暂时尚无法成功运用上述模型测试的方法得到适合于我国非寿险公司应用的准确有效的预测模型与临界值；不过，在我国保险业真正实现企业化运作，建立必要的危机警示或破产清算机制之前，我们可以尝试运用专家意见集合法或德尔菲法等定性预测方法，求出预测模型中各比率的模糊权重及临界值，这些都将是后续研究所应关注的问题。
［参考文献］
［1］粟芳.国非寿险公司的偿付能力研究 ［M］.复旦大学出版社，2002.
［2］齐传君、熊艳春.上市保险公司风险分析与防范对策［J］.保险研究,2004,（4）.
［3］聂尚君.初论建立我国保险公司财务预警体系［J］.上海保险，2003，（7）.
［4］韩雪.我国财产保险偿付能力预测的实证研究［D］.浙江工商大学,2007.
［5］邵敏芳.保险企业偿付能力及其监管研究［D］.同济大学硕士论文,2008.
［6］粟芳,俞自由.非寿险偿付能力影响因素的实证分析［J］.财经研究, 2001,（7） .
［7］Martin R Grace, Scott E.Harrington, and Robert W.Klein.RiskBased Capital and Solvency Screening in PropertyLiability Insurance: Hypotheses and Empirical Tests .The Journal of Risk and Insurance, 1998,（2）.
［8］ YongDuck Kim, Dan R Anderson, Terry L Amburgey, and James C Hickman.The Use of Event History Analysis to Examine Insurer Insolvencies .Journal of Risk and Insurance.1995, （1） .
［9］Cummins, J．David, Scott E.Harrington, and Gregory Niehaus.An Economic Overview of Risk Based Capital Requirement for the Property Liability Insurance Industry .Journal of Insurance Regulation.1993, （11）.

Abstract：With the widened opening of the insurance market in China, insurance companies are facing with more and more risks. Financial risk is one of the most important ones for the survival and development of insurance companies. Therefore it is significant to set up the financial risk prospecting model so as to discern signs of a financial crisis as early as possible, and take proper measures to steer away from the risk. Based on characteristics of solvency and financial risk factors for Chinese nonlife companies and relevant regulations by CIRC, this paper made an empirical study on the financial risk indicator system and tried to build up the financial risk prospecting model. It also put forward some suggestions for continuous research.
Key words：nonlife insurance companies; financial risk; financial risk prospecting model
［编辑：郝焕婷］