風(fēng)險(xiǎn)溢出、風(fēng)險(xiǎn)傳染與保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)研究

潘銘玥, 馬小龍

(1.中國(guó)計(jì)量大學(xué)， 浙江 杭州 310000； 2．湖州師范學(xué)院 商學(xué)院， 浙江 湖州313000)

2018年9月16日，“山竹”在江門市臺(tái)山沿海登陸，受災(zāi)嚴(yán)重的6省或自治區(qū)(湖南、廣東、廣西、海南、貴州、云南)直接經(jīng)濟(jì)損失達(dá)142.3億元.截至2018年底，中國(guó)人保、中國(guó)太保、中國(guó)平安、大地保險(xiǎn)等保險(xiǎn)機(jī)構(gòu)面臨的巨額理賠風(fēng)險(xiǎn)共計(jì)理賠款約30億元.IPCC報(bào)告指出，氣候?yàn)?zāi)難事件頻發(fā)，社會(huì)經(jīng)濟(jì)發(fā)展中不和諧因素的擴(kuò)大會(huì)各自甚至聯(lián)合產(chǎn)生消極效應(yīng).葉謙[1]指出，隨著全球氣候的變化及社會(huì)經(jīng)濟(jì)的快速發(fā)展，承保對(duì)象的脆弱性和暴露度日益增加，如何應(yīng)對(duì)具有頻發(fā)、群發(fā)等特征的保險(xiǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)已經(jīng)成為新的挑戰(zhàn).張寶玲[2]提到，我國(guó)尚未建立完善的風(fēng)險(xiǎn)保障體系，保險(xiǎn)機(jī)構(gòu)將面對(duì)可能導(dǎo)致巨額虧損的農(nóng)業(yè)巨災(zāi)風(fēng)險(xiǎn)，系統(tǒng)風(fēng)險(xiǎn)日益顯著.保險(xiǎn)機(jī)構(gòu)和監(jiān)管部門應(yīng)創(chuàng)新合適的監(jiān)管方式，控制未來(lái)保險(xiǎn)業(yè)的系統(tǒng)風(fēng)險(xiǎn)[3].

自國(guó)際金融監(jiān)管機(jī)構(gòu)提出“系統(tǒng)重要性金融機(jī)構(gòu)”以來(lái)，許多學(xué)者開(kāi)始對(duì)金融機(jī)構(gòu)整體,以及以商業(yè)銀行為首的各個(gè)金融行業(yè)進(jìn)行系統(tǒng)風(fēng)險(xiǎn)及系統(tǒng)重要性機(jī)構(gòu)的研究.對(duì)保險(xiǎn)行業(yè)單獨(dú)作為整體的研究開(kāi)始較晚，研究方法也相對(duì)較少.但研究表明，保險(xiǎn)機(jī)構(gòu)對(duì)金融機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)程度僅次于銀行業(yè)[4]，且保險(xiǎn)機(jī)構(gòu)的邊際期望損失(MSE)較大[5]，因此增加對(duì)保險(xiǎn)機(jī)構(gòu)的關(guān)注非常必要.現(xiàn)有文獻(xiàn)中的研究方法主要有指標(biāo)體系方法和定量模型方法.指標(biāo)體系方法運(yùn)用較多的是IAIS公布的G-SIIs評(píng)定標(biāo)準(zhǔn)初稿中給出的用于識(shí)別系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)的指標(biāo)體系.如王超[6]和劉樂(lè)平[7]運(yùn)用此方法對(duì)保險(xiǎn)行業(yè)的系統(tǒng)風(fēng)險(xiǎn)進(jìn)行了研究.定量模型方法是一種以市場(chǎng)為基礎(chǔ)建立風(fēng)險(xiǎn)管理模型,度量單個(gè)金融機(jī)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)關(guān)聯(lián)程度的方法.通常使用的是市場(chǎng)公開(kāi)數(shù)據(jù)，如股價(jià)、股權(quán)收益率等.運(yùn)用較多的模型包括MSE[4]、DCC-Garch[8]、格蘭杰因果關(guān)系模型[9]、CoVaR模型[10-12]等.在諸多模型中，CoVaR方法備受青睞，該方法被廣泛用于金融行業(yè)系統(tǒng)風(fēng)險(xiǎn)的測(cè)度研究.2011年，Adrian和Brunnermeier[13]提出了動(dòng)態(tài)CoVaR模型，在原有模型中加入滯后一期的市場(chǎng)狀態(tài)變量，提高了模型的穩(wěn)健性.改進(jìn)后的動(dòng)態(tài)風(fēng)險(xiǎn)價(jià)值模型在金融行業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究中已得到初步運(yùn)用.黃瑋強(qiáng)[14]、楊揚(yáng)[15]等分別從各金融機(jī)構(gòu)對(duì)整個(gè)金融系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)，以及各金融子系統(tǒng)之間的風(fēng)險(xiǎn)傳導(dǎo)等角度進(jìn)行了研究.其中都有涉及保險(xiǎn)機(jī)構(gòu)風(fēng)險(xiǎn)貢獻(xiàn)的研究，但針對(duì)保險(xiǎn)行業(yè)系統(tǒng)內(nèi)部的風(fēng)險(xiǎn)研究鮮少.本文將運(yùn)用動(dòng)態(tài)CoVaR模型對(duì)我國(guó)6家保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度和貢獻(xiàn)率進(jìn)行度量，從而為銀保監(jiān)會(huì)識(shí)別系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)和提出具體的系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管要求提供參考.

1 條件風(fēng)險(xiǎn)價(jià)值(CoVaR)：方法、模型與數(shù)據(jù)

1.1 條件風(fēng)險(xiǎn)價(jià)值的定義與方法

在研究金融個(gè)體機(jī)構(gòu)風(fēng)險(xiǎn)水平時(shí)，風(fēng)險(xiǎn)價(jià)值(value at risk，VaR)被廣泛運(yùn)用，其可以度量特定分位數(shù)下某資產(chǎn)可能面臨的最大損失.但不足之處是VaR模型只孤立地衡量單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)情況，難以揭示該機(jī)構(gòu)所在行業(yè)或整個(gè)金融體系的全局性風(fēng)險(xiǎn)，而單個(gè)機(jī)構(gòu)或行業(yè)的風(fēng)險(xiǎn)會(huì)通過(guò)行業(yè)內(nèi)或行業(yè)間的關(guān)聯(lián)渠道外溢，進(jìn)而影響全局.因此Adrian和Brunnermeier在VaR模型的基礎(chǔ)上提出了條件風(fēng)險(xiǎn)價(jià)值(conditional value at risk，CoVaR).機(jī)構(gòu)i的自身風(fēng)險(xiǎn)在q水平下的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度可由下式推得：

1.2 動(dòng)態(tài)CoVaR模型的設(shè)定

Adrian和Brunnermeier(2011)[13]對(duì)CoVaR模型進(jìn)行改進(jìn)(引入滯后期的狀態(tài)變量)，提出了動(dòng)態(tài)CoVaR模型.動(dòng)態(tài)CoVaR模型由以下兩個(gè)回歸方程組成：

(1)

(2)

其中：X表示資產(chǎn)的市值；Mt-1表示滯后一期的狀態(tài)變量.對(duì)照1.2的實(shí)現(xiàn)機(jī)制，式(2)中βsystem|i表征內(nèi)部的傳染溢出效應(yīng)，則γsystem|i可以衡量外部共同沖擊的影響.分別對(duì)式(1)和式(2)進(jìn)行q分位數(shù)回歸，可求得t時(shí)刻下機(jī)構(gòu)i的在險(xiǎn)價(jià)值:

(3)

(4)

(5)

利用式(3)、式(4)的計(jì)算結(jié)果可求得t時(shí)刻下機(jī)構(gòu)i的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度：

(6)

(7)

1.3 數(shù)據(jù)選擇與處理

表1 動(dòng)態(tài)CoVaR模型涉及的狀態(tài)變量及其介紹Tab.1 State variables involved in dynamic CoVaR model and their introduction

表2 各變量描述性統(tǒng)計(jì)結(jié)果Tab.2 Descriptive statistical results of each variable

由于分位數(shù)回歸需根據(jù)時(shí)間序列的平穩(wěn)性及分布情況調(diào)整，擬合模型前應(yīng)對(duì)股價(jià)的對(duì)數(shù)收益率數(shù)據(jù)進(jìn)行正態(tài)性和平穩(wěn)性檢驗(yàn).如表3所示，從JB檢驗(yàn)看，各個(gè)序列不服從正態(tài)分布，且具有典型的尖峰厚尾特點(diǎn).因此選用分位數(shù)回歸度量回歸變量，以避免序列尾部分布情況對(duì)模型精度的影響，且出于謹(jǐn)慎考慮，可用取值不同的分位點(diǎn)進(jìn)行多次實(shí)驗(yàn).從ADF檢驗(yàn)結(jié)果看，各序列符合平穩(wěn)性要求.

表3 保險(xiǎn)機(jī)構(gòu)股票對(duì)數(shù)收益率序列正態(tài)性和平穩(wěn)性檢驗(yàn)結(jié)果Tab.3 Test results of normality and stability of logarithmic return series of insurance institutions' stocks

2 保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)狀況的量化

2.1 模型回歸結(jié)果與分析

本文對(duì)6家上市保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行測(cè)度，數(shù)據(jù)處理采用Eviews7.2軟件.在金融風(fēng)險(xiǎn)管理實(shí)踐中，通常選取較小分位數(shù)q考察收益率序列在左尾的情況.在本文的分位數(shù)回歸中，若沒(méi)有特別注明，則默認(rèn)分位數(shù)q為0.05.基于動(dòng)態(tài)CoVaR模型，首先對(duì)6家保險(xiǎn)機(jī)構(gòu)分別進(jìn)行VaR分位數(shù)回歸，結(jié)果見(jiàn)表4.結(jié)果顯示,對(duì)所有樣本機(jī)構(gòu)而言，國(guó)債收益率價(jià)差越大，機(jī)構(gòu)的收益風(fēng)險(xiǎn)越大；對(duì)大部分樣本機(jī)構(gòu)(除中國(guó)人保外)而言，企業(yè)信用價(jià)差越大，機(jī)構(gòu)的收益風(fēng)險(xiǎn)越大；上證綜指收益率的影響則根據(jù)機(jī)構(gòu)的不同略有差異，對(duì)新華、平安、人壽3家機(jī)構(gòu)而言，上證綜指收益率越高，機(jī)構(gòu)的收益風(fēng)險(xiǎn)越大，對(duì)中國(guó)人保而言，上證綜指收益率越高，機(jī)構(gòu)收益率風(fēng)險(xiǎn)越小，對(duì)溪水股份和中國(guó)太保兩家機(jī)構(gòu)則沒(méi)有顯著影響；流動(dòng)性價(jià)差對(duì)6家機(jī)構(gòu)收益率風(fēng)險(xiǎn)的影響都不明顯.分析這種差異的原因可能是機(jī)構(gòu)的業(yè)務(wù)配置、組織形式不同，以及中國(guó)人保上市時(shí)間不長(zhǎng)，樣本量較少，在分位數(shù)回歸中容易產(chǎn)生偏誤.從擬合結(jié)果看，4項(xiàng)滯后一期的狀態(tài)變量能夠較好地模擬各機(jī)構(gòu)風(fēng)險(xiǎn)價(jià)值的波動(dòng)情況，增加了結(jié)果的可靠性.

表4 VaR分位數(shù)回歸結(jié)果Tab.4 VaR quantile regression results

注：括號(hào)內(nèi)的數(shù)值為標(biāo)準(zhǔn)誤；***、**、*分別代表在1%、5%、10%顯著性水平下顯著.

由表4可知，各狀態(tài)變量對(duì)預(yù)測(cè)風(fēng)險(xiǎn)價(jià)值的貢獻(xiàn)不同，其中流動(dòng)性價(jià)差和國(guó)債收益率價(jià)差在多個(gè)回歸結(jié)果中不顯著，這是由于數(shù)據(jù)的頻率較低，對(duì)市場(chǎng)變化的反應(yīng)不同步造成的，考慮到模型的完整性及穩(wěn)健性檢驗(yàn)中模型的可比性，不予剔除.從總體看，除西水股份外，其他保險(xiǎn)機(jī)構(gòu)的風(fēng)險(xiǎn)價(jià)值預(yù)期值可用作系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度研究.

基于式(1)求得各家保險(xiǎn)機(jī)構(gòu)的VaR值后，針對(duì)式(2)對(duì)6家保險(xiǎn)機(jī)構(gòu)進(jìn)行CoVaR分位數(shù)回歸并求得系數(shù)βsystem|i(見(jiàn)表5).最后，將估計(jì)值結(jié)果代入式(6)和式(7)，得到各保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度(△CoVaR)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率(△CoVaR/VaR)的數(shù)值，如表6所示.

表5 CoVaR分位數(shù)回歸的β系數(shù)Tab.5 Coefficient β of CoVaR quantile regression

表6 6家保險(xiǎn)機(jī)構(gòu)VaR、△CoVaR和△CoVaR/VaR的估計(jì)結(jié)果Tab. 6 Estimated results of 6 Insurance institutions VaR, △CoVaR and △CoVaR/VaR

表6(續(xù))

6家保險(xiǎn)機(jī)構(gòu)的VaR、△CoVaR和△CoVaR/VaR值衡量了各家保險(xiǎn)機(jī)構(gòu)的自身風(fēng)險(xiǎn)狀況,以及對(duì)保險(xiǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度和貢險(xiǎn)率的大小.根據(jù)表6可以得出以下結(jié)論：

(1) 機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率(△CoVaR/VaR)：在6家上市保險(xiǎn)機(jī)構(gòu)中，中國(guó)平安的平均系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率最高(99.23%)，即中國(guó)平安單獨(dú)破產(chǎn)將帶來(lái)巨大的風(fēng)險(xiǎn)溢出效應(yīng)，甚至?xí)l(fā)整個(gè)行業(yè)的崩潰,中國(guó)人壽、中國(guó)太保、新華保險(xiǎn)3家機(jī)構(gòu)的平均系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率分別為97.5%、85%、73.48%.可見(jiàn)，這4家保險(xiǎn)機(jī)構(gòu)在我國(guó)保險(xiǎn)行業(yè)體系中具有較突出的系統(tǒng)重要性地位.西水股份的平均系統(tǒng)性貢獻(xiàn)率為54.79%，在系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率中的地位相對(duì)較低.中國(guó)人保有極端值出現(xiàn)，且回歸系數(shù)為零，故不予參考其貢獻(xiàn)率數(shù)據(jù).

(2) 系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度(△CoVaR)：?jiǎn)蝹€(gè)保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度不能直接代表系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率(風(fēng)險(xiǎn)溢出比率)，且很大程度受自身風(fēng)險(xiǎn)水平(VaR)影響.中國(guó)平安、中國(guó)人壽、中國(guó)太保3家機(jī)構(gòu)的自身風(fēng)險(xiǎn)水平明顯低于其余3家機(jī)構(gòu)，所以即使他們?cè)谪暙I(xiàn)率方面的表現(xiàn)超越了新華保險(xiǎn)和西水股份兩家保險(xiǎn)機(jī)構(gòu)，這幾家機(jī)構(gòu)在系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度上也不會(huì)有顯著差異.

(3) 機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率(△CoVaR/VaR)與個(gè)體風(fēng)險(xiǎn)水平(VaR)的關(guān)系：自身風(fēng)險(xiǎn)水平與其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率沒(méi)有顯著相關(guān)性，說(shuō)明僅強(qiáng)調(diào)保險(xiǎn)機(jī)構(gòu)的自身風(fēng)險(xiǎn)控制并不能保證已經(jīng)對(duì)保險(xiǎn)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了有效的控制.隨著整個(gè)保險(xiǎn)行業(yè)間關(guān)聯(lián)的日趨緊密，監(jiān)管局應(yīng)更加重視個(gè)體風(fēng)險(xiǎn)的負(fù)外部性，嚴(yán)格把控系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)的風(fēng)險(xiǎn)狀況.

2.2 系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度與貢獻(xiàn)率的動(dòng)態(tài)特征

系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管應(yīng)著眼于時(shí)間維度和橫截面維度兩大方面.本節(jié)基于動(dòng)態(tài)CoVaR模型，著重展示2011年12月19日至2019年6月28日6家上市保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的日度變化情況(圖1)，反映我國(guó)保險(xiǎn)機(jī)構(gòu)風(fēng)險(xiǎn)溢出的總體情況，在時(shí)間尺度下同時(shí)展示6家保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率曲線，便于比較各機(jī)構(gòu)之間系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率隨時(shí)間變化的區(qū)別，掌握其獨(dú)特的趨勢(shì)特征.在圖1中，豎軸表示△CoVaR，其絕對(duì)值越大說(shuō)明機(jī)構(gòu)對(duì)保險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度越大.由圖1可知，2015年和2018年，各家保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度有所增加，2016年6家保險(xiǎn)機(jī)構(gòu)的平均貢獻(xiàn)度有所降低，這可能與2016年保險(xiǎn)行業(yè)正式實(shí)施“償二代”、啟動(dòng)D-SII監(jiān)管制度、發(fā)布第三套生命表、落實(shí)“保險(xiǎn)姓?！闭叩扔嘘P(guān).

3 系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率的影響因素與穩(wěn)健型檢驗(yàn)

3.1 影響因素

根據(jù)系統(tǒng)重要性保險(xiǎn)機(jī)構(gòu)評(píng)估指標(biāo)體系涉及的5大要素，以及系統(tǒng)性風(fēng)險(xiǎn)微觀成因分析結(jié)論，本文選取以下4類大指標(biāo)對(duì)各機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率的影響因素進(jìn)行分析(各保險(xiǎn)機(jī)構(gòu)的股票代碼：600291代表西水股份；601318代表中國(guó)平安；601336代表新華保險(xiǎn)；601601代表中國(guó)太保；601628代表中國(guó)人壽).

3.1.1 規(guī)模

規(guī)模變量代表各機(jī)構(gòu)的市場(chǎng)占有率、業(yè)務(wù)范圍、分支機(jī)構(gòu)數(shù)量等，主要由各保險(xiǎn)機(jī)構(gòu)總資產(chǎn)情況和利潤(rùn)總額兩個(gè)易觀察的變量來(lái)反映.由圖2和圖3可知，規(guī)模因素對(duì)于系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率有較大影響，中國(guó)平安和中國(guó)人壽的資產(chǎn)和利潤(rùn)總額大幅領(lǐng)先其他機(jī)構(gòu)，他們的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率也相對(duì)高于其他機(jī)構(gòu).

3.1.2 外部關(guān)聯(lián)性

外部關(guān)聯(lián)度數(shù)據(jù)顯示(圖4～圖10)：持有的金融資產(chǎn)和金融負(fù)債越多，衍生品資產(chǎn)和負(fù)債越多，投資收益越高，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率越高；再保險(xiǎn)業(yè)務(wù)收入的多少與系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率的大小并沒(méi)有明顯的相關(guān)性；在風(fēng)險(xiǎn)轉(zhuǎn)移業(yè)務(wù)圖中(圖10)，中國(guó)平安和中國(guó)太保表現(xiàn)突出，與VaR統(tǒng)計(jì)表(表6)相對(duì)應(yīng)，他們的自身風(fēng)險(xiǎn)較低，說(shuō)明尋求其他機(jī)構(gòu)分?jǐn)偞箢~保單是規(guī)避自身風(fēng)險(xiǎn)的有效途徑.

3.1.3 傳統(tǒng)保險(xiǎn)業(yè)務(wù)收入

結(jié)合傳統(tǒng)保險(xiǎn)業(yè)務(wù)收入圖(圖11)和機(jī)構(gòu)總利潤(rùn)圖(圖3)分析發(fā)現(xiàn),中國(guó)平安的傳統(tǒng)保險(xiǎn)業(yè)務(wù)收入比例低于其他機(jī)構(gòu)，說(shuō)明傳統(tǒng)保險(xiǎn)業(yè)務(wù)對(duì)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率無(wú)顯著影響.在控制風(fēng)險(xiǎn)時(shí)應(yīng)排除傳統(tǒng)保險(xiǎn)費(fèi)用收入對(duì)總體規(guī)模的影響，篩選出其他有增加風(fēng)險(xiǎn)溢出的業(yè)務(wù)加以控制.

3.1.4 非傳統(tǒng)保險(xiǎn)業(yè)務(wù)活動(dòng)

非傳統(tǒng)業(yè)務(wù)收入顯示(圖12)，中國(guó)平安和中國(guó)人壽遠(yuǎn)遠(yuǎn)超過(guò)其他機(jī)構(gòu)，說(shuō)明非傳統(tǒng)業(yè)務(wù)的經(jīng)營(yíng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率存在影響；在短期借款方面(圖13)，中國(guó)平安與之前的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率不存在比例關(guān)系，所以本文不予討論.

3.2 穩(wěn)健性檢驗(yàn)

由于各機(jī)構(gòu)的自身收益率風(fēng)險(xiǎn)受諸多因素影響，其收益率的分布形態(tài)不盡相同，因此本文取q=0.025進(jìn)行分位數(shù)回歸，對(duì)比q=0.05得出的結(jié)果，檢驗(yàn)?zāi)Ｐ驮诓煌治稽c(diǎn)是否具有穩(wěn)健性.回歸結(jié)果如表7所示,各機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率大小的順序沒(méi)有改變，說(shuō)明通過(guò)了穩(wěn)健性檢驗(yàn)，結(jié)果具有可靠性.

表7 當(dāng)q=0.025時(shí)CoVaR分位數(shù)回歸的β系數(shù)Tab.7 Coefficient β of CoVaR quantile regression when q=0.025

4 結(jié)論與建議

本文從風(fēng)險(xiǎn)溢出與傳染機(jī)制出發(fā)，運(yùn)用動(dòng)態(tài)的條件風(fēng)險(xiǎn)價(jià)值(CoVAR)模型，對(duì)我國(guó)6家上市保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行研究，并在面板數(shù)據(jù)回歸模型的基礎(chǔ)上，進(jìn)一步探究對(duì)單個(gè)保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率造成影響的業(yè)務(wù)活動(dòng).基于實(shí)證結(jié)果本文得出以下結(jié)論，并提出相應(yīng)的政策建議：

(1) 從橫截面維度看：在6家上市保險(xiǎn)機(jī)構(gòu)中，中國(guó)平安、中國(guó)人壽和中國(guó)太保的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率最高，在國(guó)內(nèi)的保險(xiǎn)體系中具有絕對(duì)的系統(tǒng)重要性地位，其自身風(fēng)險(xiǎn)狀況的惡化對(duì)保險(xiǎn)行業(yè)整體風(fēng)險(xiǎn)水平產(chǎn)生的負(fù)面影響是顯著的，其余保險(xiǎn)機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)遠(yuǎn)小于這3家；自身風(fēng)險(xiǎn)水平較低的保險(xiǎn)機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)率不一定低.因此，監(jiān)管局應(yīng)兼顧保險(xiǎn)機(jī)構(gòu)的自身風(fēng)險(xiǎn)控制和風(fēng)險(xiǎn)溢出程度控制，有效避免只強(qiáng)調(diào)自身而忽略外部性.

(2) 從時(shí)間維度看：6家保險(xiǎn)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率基本保持穩(wěn)定，其中中國(guó)平安最穩(wěn)定，其余5家機(jī)構(gòu)在2016年更嚴(yán)格的新監(jiān)督政策出臺(tái)后，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率有所下降，后又恢復(fù)至原來(lái)水平.從整個(gè)行業(yè)的平均系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度看，沒(méi)有明顯的上升趨勢(shì)，說(shuō)明采取的風(fēng)險(xiǎn)控制措施已有成效，但由于自然災(zāi)害的頻率或程度在未來(lái)預(yù)期中有所增加，以及社會(huì)發(fā)展不平衡帶來(lái)的問(wèn)題可能會(huì)隨時(shí)爆發(fā)，因此持續(xù)提高對(duì)保險(xiǎn)行業(yè)的監(jiān)管效率有重要意義.

(3) 從保險(xiǎn)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率的影響因素看：機(jī)構(gòu)規(guī)模越大、金融資產(chǎn)持有量和負(fù)債量越多、衍生品持有量和負(fù)債量越大、非傳統(tǒng)業(yè)務(wù)收入越高等，都會(huì)在一定程度上增加個(gè)體機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率.此外，傳統(tǒng)保險(xiǎn)業(yè)務(wù)主要包括原保險(xiǎn)業(yè)務(wù)和再保險(xiǎn)業(yè)務(wù)，對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度沒(méi)有明顯影響，分出保險(xiǎn)作為一種轉(zhuǎn)移風(fēng)險(xiǎn)的方式，對(duì)于自身的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率也沒(méi)有顯著影響.因此，保險(xiǎn)機(jī)構(gòu)在管理自身業(yè)務(wù)結(jié)構(gòu)時(shí)應(yīng)控制各種非傳統(tǒng)保險(xiǎn)業(yè)務(wù)的比例，對(duì)大額保單適當(dāng)運(yùn)用尋求再保險(xiǎn)機(jī)構(gòu)來(lái)轉(zhuǎn)移自身風(fēng)險(xiǎn)，以控制自身的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率.