中國上市保險公司風險度量適用性研究

王向榮 周靜宜

【摘 要】 風險度量是衡量公司經營狀況的重要指標，如何全面有效地評估我國保險公司信用風險，降低信用風險發(fā)生的可能性和投資損失，最終實現風險的有效預測和管理，成為目前保險和投資業(yè)界的重要課題。為驗證兩種保險業(yè)信用風險度量方法的有效性，文章選取四家上市保驗公司2015—2017年的財務數據，對Z模型和KMV模型在信用風險度量的適用性進行了比較研究，并利用非參數檢驗進行了實證分析。研究結果表明：Z模型與KMV模型都能在一定程度上識別風險，但在對保險公司信用風險的識別能力上，KMV模型在我國上市保險公司的適用性要優(yōu)于Z值模型。因此，運用KMV模型能夠更好地預測我國上市保險公司的信用風險。

【關鍵詞】 保險業(yè); Z模型; KMV模型; 信用風險

【中圖分類號】 F842.0 ?【文獻標識碼】 A ?【文章編號】 1004-5937（2018）23-0084-05

一、引言

隨著保險業(yè)的發(fā)展，我國逐漸成為一個保險大國。但我國保險業(yè)務尚不發(fā)達，國民經濟相關領域還未被保險業(yè)全面覆蓋，業(yè)務深度尚待進一步挖掘，中國保險機構在國際領域的競爭力和影響力都遠遠不足，還不能算是保險強國，我國保險業(yè)面臨重要的發(fā)展機遇和挑戰(zhàn)。進一步拓展保險業(yè)務的深度和廣度，增強核心競爭力，成為我國保險業(yè)和保險機構的重要發(fā)展方向。然而，保險業(yè)務經營的安全性、穩(wěn)定性直接關系到人民群眾的生活保障，也影響著國民經濟的穩(wěn)定與發(fā)展，如果保險公司經營不善，不僅會造成保險人經濟上的損失，而且可能引發(fā)一系列深刻的社會問題與危機。當前，國內外經濟發(fā)展中依然存在許多動蕩因素，全球經濟增長態(tài)勢不明朗，增長趨勢緩慢。我國經濟也面臨諸多困難，但實現新舊動能轉換，提質增效“緩中趨穩(wěn)、穩(wěn)中向好”的前進趨勢依然是經濟發(fā)展的主旋律。在這過程中，保監(jiān)會嚴格監(jiān)督并積極推進行業(yè)轉型升級，使得我國保險行業(yè)處在黃金發(fā)展機遇期。與此同時，金融風險定會為企業(yè)發(fā)展帶來不利影響，而企業(yè)的發(fā)展與穩(wěn)定又影響著經濟的態(tài)勢，信用風險作為金融風險的主要風險之一，直接影響著一個企業(yè)甚至一個行業(yè)的發(fā)展與穩(wěn)定。因此，如何度量、弱化、監(jiān)督和防御信用風險，如何有效降低風險發(fā)生的可能性及損失，如何確保我國保險行業(yè)高效運行，如何為我國營造一個良好的市場環(huán)境，如何實現轉型升級，都是當前亟待解決的問題。

信用風險是金融風險中最常見的一種風險，普遍存在于各類交易市場中，狹義上是指另一方在債務到期時不履行義務的風險，具有不確定性、隱蔽性、傳遞性和難以有效管理等特點[ 1 ]。我國保險市場在國民經濟的迅速增長中產生了非常大的需求空間，進而使得保險行業(yè)一直處在高速發(fā)展階段，因此必然會涌現并累積大量的信用風險。據保險年鑒資料顯示，我國部分未上市的保險公司因為償付能力不能達到營業(yè)要求而被強制逐出市場，因此上市保險公司的信用風險度量與監(jiān)管是當前整個保險行業(yè)經濟發(fā)展中一個亟待解決的問題。信用風險的評估方法隨著時代的發(fā)展產生了相繼變動，傳統(tǒng)的評估方法主要有專家法、信用評分法等。其中，專家法因其標準的不一致性和操作的困難性，目前已不被大多數保險公司采用。信用評分法首先需要找出影響違約概率大小的相關因素，其次賦予每個因素一個權重，最后經過加權得到一個總分，由于其使用方式簡便、低成本的優(yōu)點現階段被廣泛使用。主要的信用評分法包括多元判別模型、神經網絡分析法和線性概率模型等。

目前，我國上市保險公司風險管理水平尚未達到一定標準，保險監(jiān)管工作缺乏一定的主動性和預測性，大部分監(jiān)管工作都是后期進行，監(jiān)管能力有待進一步提升，而且還沒有一個能夠準確地預測風險、全面監(jiān)控管理風險的模型。為了找到適合我國上市保險行業(yè)的風險度量模型，本文擬對信用風險度量應用最廣泛的Z模型和KMV模型進行修正對比，選取我國四家上市保險公司進行實證分析，旨在選出最適合我國上市保險公司信用風險測評的模型來規(guī)避和預測風險，使我國保險市場能夠平穩(wěn)有序地發(fā)展，實現市場經濟平穩(wěn)轉型。

二、Z模型

（一）Z模型基本思想

1968年，美國紐約大學教授愛德華·阿爾特曼在前人研究的基礎上，提出了Z模型，引起了社會各界的巨大反響，大多數金融機構選擇用它來預測信用風險，并取得了相關成果。當前，作為信用風險度量的主要模型之一，Z模型被外國企業(yè)廣泛應用。該模型為多變量的分辨模型，需要計算出Z值，并對該值進行比較分析，計算時只需將相關財務指標填入[ 2 ]。

首先，選擇保險公司中可以完全反映其財務情況以及償債能力的財務比率;其次，依據保險行業(yè)的實際情況以及所查找的樣本，確定每一比率的權重，將其與比率相乘再相加，即為Z;最后，對Z進行分析，得到可衡量保險公司信用風險的Z值。其中，Z值與企業(yè)信用風險呈負相關，即企業(yè)信用風險隨Z值的增大而減小。根據我國的實際情況，普通的Z模型主要如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5 ?（1）

其中：

X1=營運資產/總資產=（流動資產-流動負債）/總資產

X2=留存收益/總資產=（未分配利潤+盈余公積）/總資產

X3=息稅前利潤/總資產=（稅前利潤+財務費用）/總資產

X4=權益市值/總債務賬面值=（每股市價×流通股數+每股凈資產×非流通股數）/總負債

X5=銷售收入/總資產=主營業(yè)務收入/總資產[ 3 ]

因為普通的Z值模型適用于制造業(yè)，但是本文討論的保險行業(yè)為非制造業(yè)，此行業(yè)沒有銷售收入，所以選取適用于非制造業(yè)沒有X5變量的四變量模型，即：

Z=6.56X1+3.26X2+6.72X3+1.05X4 ?（2）

Z值模型有三種違約臨界值，Z<1.23時，信用風險處于違約組;1.23<Z<2.9時，信用風險處于未知區(qū);Z>2.9時，信用風險處于非違約組。

（二）Z模型實證分析

考慮數據的可得性及有效性，通過從證券之星、新浪財經以及公司年報選取所得樣本數據。由于中國目前上市的保險公司有中國人壽、中國平安、中國太保和新華保險四家公司，因此選取這四家公司2015年、2016年和2017年三年的財務數據進行模型計算，其中股權市值的計算，選取每一年年末的收盤價作為每股市價[ 4 ]。

Z值計算結果見表1。

結合Z模型臨界值，由表1可見，四大保險公司三年的Z值均值都處于信用風險未知區(qū)。當Z值越靠近2.9時，信用風險離非違約組的概率就會越大，相應的Z值越大信用風險就會越小，因此，由Z模型計算出信用風險最小的企業(yè)為中國太保，最大的為中國平安。

由于單個模型測算結果的準確度以及適用性難以判斷，而我國四大保險公司信用風險是一個需要重點研究和預測的部分，因此為了確保結果的準確性以及該模型對保險行業(yè)的適用程度，引出KMV模型，測算結果是否一致，并進行模型對比，找出最適合我國上市保險公司信用風險度量的模型。

三、KMV模型

（一）KMV模型基本思想

在KMV模型中，公司資產價值等于負債價值的點為違約觸發(fā)點，當公司資產價值低于違約觸發(fā)點時，債權人和股東就會被公司違約。該模型主要基于資產的波動性來衡量當前市場價值低于違約觸發(fā)點的可能性，假設資產包括股票和債券且資產價值的波動可以通過股票市價的波動性方差或標準差來表示[ 5 ]。KMV模型認為可以從企業(yè)預期資產價值的概率分布中計算出企業(yè)的預期違約概率（EDF），并獲得預期違約損失。

（二）KMV模型內容

KMV模型的計算過程大體可以分為三步：首先，使用數據計算股票的市場價值及其波動性，利用期權價格模型求出公司的資產價值和波動性;其次，計算出違約距離（DD）用來表示違約風險;最后，計算公司的預期違約概率（EDF）。

詳細計算步驟如下：

第一步，利用公式計算企業(yè)資產的市場價值及其波動率。通過期權定價理論，使用公司的股票價值、波動率以及負債賬面價值來估算公司資產價值和波動性。計算時需假設資產收益的概率分布跟時間無關。計算公式如下：

E=VaN（d1）-De-rTN（d2） ?（3）

其中，E為公司的股權價值，D為公司負債的市場價值，Va為公司資產的市場價值，r為無風險利率，T為債務期限，本文設為一年[ 6 ]。

σa為公司資產價值的波動率，只有Va和σa是未知量，因此需要求出這兩個未知量，聯(lián)立方程：

運用fsolve函數使用迭代方法計算方程組（3）、（4）、（5）、（6），求出公司資產的市場價值Va以及公司資產價值的波動率σa。

第二步，因為需要違約距離（DD）來比較信用風險的大小，違約距離與企業(yè)市場價值成正比，即隨著違約距離的減小，企業(yè)市場價值會越接近違約點，將會有更大的可能性發(fā)生違約，因此會面臨更高的信用風險。假設公司資產價值服從對數正態(tài)分布，那么可以通過KMV方程組計算出上市公司的違約距離。

其中，E（Va）為公司資產未來價值的期望值。DP為違約點，DP=SD+0.5×LD，SD為公司一年以下短期債務的價值，LD為未清償長期債務的賬面價值。

第三步，計算企業(yè)的預期違約概率EDF，EDF與DD呈反方向變動，相應的違約概率為EDF=N（-DD），N（-DD）為標準正態(tài)分布函數。

（三）數據說明

本文選取我國目前已經在上海證券交易所上市的四大保險公司，中國平安、中國人壽、中國太保、新華保險作為研究樣本，計算基準日為2017年12月31日、2016年12月31日和2015年12月31日。樣本財務數據來源于新浪財經、證券之星以及四家上市保險公司3年的年報。

1.股權價值波動率的計算

要度量未來股票價格走勢的不確定性，就要對四大保險公司的股權價值波動率進行估計。股票價格未來增減變化的可能性與其價格波動率呈正相關，即會隨波動率的增大而增大。為使模型具有可比性，KMV模型的股權價值算法選擇和Z模型一樣的計算方法。

歷史波動率法是以前一年上市公司的股價波動率為基礎，估計未來一年的股權市場價值變化。本文選擇此方法來估計四大保險公司股價變化。假設上市公司股票價格滿足對數正態(tài)分布，則股票的對數收益率為：式中，Pi為股票收盤價格，Pi-1為股票前一日收盤價格，以此來計算收益率的波動率：

（8）式中，n為一年的交易天數，為收益率均值。因為我國證券市場周末和節(jié)假日休息，所以每年的交易天數為251天[ 7 ]，那么，上市公司股權市場價值的年波動率為：

2.無風險利率

本文用國有銀行每年的定期存款利率作為無風險利率，其中，2017年和2016年為1.75%，2015年為2.25%。

3.時間范圍T為一年。

（四）實證分析

聯(lián)立公式（3）、（4）、（5）、（6）、（7），運用Matlab編寫設計計算公式，計算出四家上市保險公司的股權價值、股權價值波動率、違約點、資產價值、資產價值波動率，2017年數據見表2。

由表2可見，2017年在股權市值與資產價值方面，四家上市保險公司資產價值與股權市值呈正相關，即股權市值越大，資產價值也越大。四家上市保險公司中，中國平安的股權市值最大，繼而資產價值也占據首位，新華保險反之。

運用Matlab編寫程序，計算出四家上市保險公司2017年的資產價值及資產價值波動率，其中中國平安的資產價值波動率位居第一。資產價值波動率越大，說明公司經營所面臨的不確定性越大，相應風險不確定性也更大，因此中國平安的信用風險是四家公司中最難預測的。

由表2可見，2017年四家上市保險公司資產價值波動率由大到小依次為中國平安、新華保險、中國太保、中國人壽。因此，2017年中國平安相比其他三家保險公司，信用風險度量方面波動性更大。

為了比較公司之間信用風險程度，運用違約點DP代入公式（7），計算出四家上市保險公司三年違約距離及其均值見表3。

我國目前尚處在公司歷史違約數據庫不完善的階段，還不能計算出精確的理論違約率。因此，本文將直接應用違約距離（DD）來比較我國已上市保險公司的相對違約風險大小[ 8-10 ]。

根據表3可知，四家上市公司三年的違約距離呈波動趨勢，其中違約距離越小顯示信用風險越大，由均值可知，四家公司中中國平安信用風險最大，中國人壽和中國太保均值相差甚微，顯示信用風險較小。中國平安和新華保險的違約距離較小且基本接近，顯示信用風險較大，兩家公司皆以壽險業(yè)務為主，因此違約距離較小可能與兩家公司壽險業(yè)務范圍較廣、保費收入地區(qū)分布處于劣勢、高利率保單較多等因素有關。四家上市保險公司按信用風險大小降序排列為：中國平安、新華保險、中國太保、中國人壽，這與使用Z模型計算出的結果基本相近，因此，需要對兩個模型進行對比研究，選出一個最適用的模型。

四、模型可比性分析

綜上所述，我國四家上市保險公司中，運用Z模型計算出信用風險最大的公司為中國平安，最小的為中國太保，而利用KMV模型則計算出中國平安信用風險最大，中國人壽最小。模型之間計算結果基本相近，因此選取描述性統(tǒng)計分析和非參數檢驗對兩個模型進行對比，選出最適用于我國上市保險公司信用風險度量的模型。

（一）描述性統(tǒng)計分析

描述性統(tǒng)計分析，即對所研究樣本的數據進行統(tǒng)計性表述，通過統(tǒng)計方法將一組數據的集中性和波動性大小用簡潔明了的數值體現出來。利用SPSS軟件對兩個模型進行描述性統(tǒng)計分析，計算四家上市保險公司三年的Z值均值和代表KMV模型的DD值均值的極大極小值、平均值和標準差。將Z值均值、DD值均值分別進行描述性統(tǒng)計分析，得到表4。

由表4可以看出，Z值模型和KMV模型計算出的均值、標準差之間具有較大的差異。Z值模型計算出的標準差遠小于KMV模型。標準差小代表該組數據中大多數數值與該組數據的平均值之間差別很小，即離散程度較小，間接可以說明數據之間區(qū)分度較小;反之標準差較大，數據之間存在顯著差異，區(qū)分度較大。因此，從描述性統(tǒng)計分析的結果中可以看出，標準差較小的Z值模型對我國上市保險公司的識別能力沒有KMV模型高，因此其度量信用風險的能力沒有KMV模型好。

（二）非參數檢驗

非參數檢驗與參數檢驗是統(tǒng)計推斷的基本內容，也是統(tǒng)計分析方法的重要組成部分。當數據總體分布已知時，可使用參數檢驗對其參數的均值或方差等進行推斷。但本文在分析數據時，無法預知總體的分布形態(tài)，因此參數檢驗在本文研究中不適用。所以，選取非參數檢驗，在總體方差未知的情況下，利用選中樣本對總體分布形態(tài)進行推斷。

非參數檢驗具有多種方法，本文數據總體為連續(xù)型隨機變量，因此選擇擬合優(yōu)度的K-S檢驗方法，此檢驗通過樣本數據的變化情況確定該樣本的總體變化規(guī)律，從而判斷其是否服從某一理論分布。

由表5可以看出，顯著性水平DD值低于Z值，也就是說KMV模型的顯著性水平低于Z模型。即KMV模型犯第一類錯誤的概率較小，犯錯誤概率較小即代表該模型精確度較高。因此，KMV模型精確度高于Z模型。

五、結論與建議

為了對保險公司風險度量的適用性進行研究，本文選取了我國全部四家上市保險公司進行對比和實證分析，運用描述性統(tǒng)計和非參數檢驗等方法對Z模型以及KMV模型進行模型檢驗和對比，證明在預測度量風險方面，KMV模型相比Z值模型更加準確，也表明在我國上市保險公司中Z模型與KMV模型都能在一定程度上幫助識別風險，但在準確性及有效性上存在差異，表現為KMV模型在我國上市保險公司的適用性要高于Z值模型，在對信用風險的識別能力上，KMV模型明顯優(yōu)于Z模型。利用非參數檢驗進一步證實了KMV模型在風險度量的精確度要高于Z模型，KMV模型具有更好地預測我國上市保險公司信用風險的能力，KMV模型不僅可以對現在的數據進行風險度量，而且可以預測未來的風險走向。原因可能在于Z模型是一個對于過去歷史數據進行判定的模型，不能對未來以及動態(tài)的數據進行評判。Z模型僅僅利用若干特定的財務指標，但是其他的財務指標不一定不會對企業(yè)信用風險造成一定的影響，因此在某種程度上，該模型存在一定的局限性，這是一個弊端。

針對本文的結論研究，KMV模型在我國上市保險公司的適用性要高于Z值模型，但KMV模型在計算過程中也存在一定的缺陷，例如忽略了債券價值的波動對資產價值的影響。對于違約點的計算方法現階段我國還沒有一個統(tǒng)一的規(guī)定，對于違約概率的數據不能較好地運用等。對此，為了更好地幫助識別我國保險公司的信用風險，綜合考慮兩種模型，上市保險公司在進行風險度量時，應綜合考慮保險公司風險的度量問題，多方面多角度度量企業(yè)的信用風險。

【參考文獻】

[1] 馮楠楠.企業(yè)財務危機預警模型設立及分析[J].會計之友，2018（9）：113-115.

[2] 運迪，周建輝.基于改進Z值模型的企業(yè)信用風險評估與檢驗[J].統(tǒng)計與決策，2014（10）：73-176.

[3] 遲晨.基于Z評分模型對我國上市公司信用風險評估[J].商業(yè)文化，2011（2）：91-92.

[4] 于申珅.基于Z值模型的商業(yè)銀行信用風險研究[J].企業(yè)研究，2014（14）：6-7.

[5] 王慧，張國君.KMV模型在我國上市房地產企業(yè)信用風險度量中的應用[J].經濟問題，2018（3）：36-40.

[6] 周沅帆.基于KMV模型對我國上市保險公司的信用風險度量[J].保險研究，2009（3）：77-81.

[7] 閆麗瑞.基于KMV模型的信用風險度量研究[J].山西財經大學學報，2009（5）：104-108.

[8] 潘睿.我國上市企業(yè)基于KMV模型的實證研究[J].煙臺大學學報，2017（4）：108-115.

[9] 曾詩鴻，王芳.基于KMV模型的制造業(yè)上市公司信用風險評價研究[J].預測，2013，32（2）：60-63，69.

[10] 姚德權，張宏亮，黃學軍.基于變結構KMV模型的商業(yè)銀行風險承擔度量研究[J].中國軟科學，2015（11）：109-122.