保險(xiǎn)承保風(fēng)險(xiǎn)引致系統(tǒng)性風(fēng)險(xiǎn)的空間復(fù)雜網(wǎng)絡(luò)分析

陸思婷 粟芳

作者簡(jiǎn)介： 陸思婷（1994—），女，廣東清遠(yuǎn)人，上海財(cái)經(jīng)大學(xué)金融學(xué)院博士研究生，研究方向：風(fēng)險(xiǎn)管理;粟芳（1974—），女，四川綿陽(yáng)人，博士，上海財(cái)經(jīng)大學(xué)金融學(xué)院教授，研究方向：風(fēng)險(xiǎn)管理與保險(xiǎn)。

摘 要：基于2008-2019年中國(guó)各省份財(cái)險(xiǎn)和壽險(xiǎn)月度經(jīng)營(yíng)數(shù)據(jù)，使用TENET風(fēng)險(xiǎn)模型構(gòu)建了省份間承保風(fēng)險(xiǎn)的空間溢出網(wǎng)絡(luò)，量化了各省份承保風(fēng)險(xiǎn)可能導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)水平，回歸分析了產(chǎn)生影響的各種因素。結(jié)果表明，各省份承保風(fēng)險(xiǎn)空間關(guān)聯(lián)性相對(duì)較低，省份間傳染極低，不太可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。各省份蘊(yùn)含的系統(tǒng)性風(fēng)險(xiǎn)水平存在顯著差異，具有從東部向西部遞減的特征。樣本期內(nèi)，財(cái)險(xiǎn)業(yè)承保風(fēng)險(xiǎn)的空間溢出總量基本穩(wěn)定，壽險(xiǎn)業(yè)經(jīng)歷了先上升后下降的過(guò)程。各省份風(fēng)險(xiǎn)狀況及保險(xiǎn)資金運(yùn)用是導(dǎo)致差異的關(guān)鍵因素，監(jiān)管可據(jù)此施策。

關(guān)鍵詞： 空間視角;承保風(fēng)險(xiǎn);系統(tǒng)性風(fēng)險(xiǎn);TENET風(fēng)險(xiǎn)模型

中圖分類號(hào)：F842 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2022）01-0051-08

一、引 言

中國(guó)保險(xiǎn)業(yè)是一個(gè)不穩(wěn)定系統(tǒng)，系統(tǒng)性風(fēng)險(xiǎn)正在不斷積累[1]。學(xué)者們從不同角度探索中國(guó)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的根源，力求防治和監(jiān)管系統(tǒng)性風(fēng)險(xiǎn)。學(xué)者證實(shí)，無(wú)論在財(cái)險(xiǎn)還是壽險(xiǎn)業(yè)，投資風(fēng)險(xiǎn)都是引致系統(tǒng)性風(fēng)險(xiǎn)的來(lái)源之一[2]。而且，財(cái)險(xiǎn)承保風(fēng)險(xiǎn)也可通過(guò)再保險(xiǎn)聯(lián)系進(jìn)行傳遞，從而存在引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性[3]。甚至就承保業(yè)務(wù)本身而言，保險(xiǎn)機(jī)構(gòu)之間的產(chǎn)品同質(zhì)化也正在積累系統(tǒng)性風(fēng)險(xiǎn)[4]。那么，是否還存在可能引發(fā)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的其他途徑？眾所周知，金融機(jī)構(gòu)間的互聯(lián)性是金融業(yè)乃至整個(gè)經(jīng)濟(jì)體系爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)的重要前提之一[5，6]。中國(guó)自然災(zāi)害頻發(fā)，受自然災(zāi)害影響的地域面積較廣[7]。各省份可能會(huì)因此受到共同損失沖擊而存在空間關(guān)聯(lián)性，也可能因保險(xiǎn)標(biāo)的在省份間的轉(zhuǎn)移而存在相關(guān)性。那么基于空間視角，各省份承保風(fēng)險(xiǎn)的空間聯(lián)系是否顯著？又能否使保險(xiǎn)業(yè)爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)？

學(xué)者們將基于空間視角的金融系統(tǒng)性風(fēng)險(xiǎn)稱為區(qū)域性金融風(fēng)險(xiǎn)[8]。他們使用社會(huì)網(wǎng)絡(luò)模型分析，發(fā)現(xiàn)中國(guó)各省份之間的區(qū)域性金融風(fēng)險(xiǎn)具有較高的關(guān)聯(lián)性，且自2008年金融危機(jī)以來(lái)，省際區(qū)域性金融風(fēng)險(xiǎn)的空間傳染效應(yīng)增強(qiáng)[9]。整體而言，中國(guó)區(qū)域性金融風(fēng)險(xiǎn)呈震蕩上升趨勢(shì)，且具有較強(qiáng)的空間溢出效應(yīng)[10]。對(duì)比不同地區(qū)，東部和中部地區(qū)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)大于西部地區(qū)，但東部地區(qū)金融機(jī)構(gòu)的風(fēng)險(xiǎn)則顯著小于中部和西部地區(qū)[11]。作為金融業(yè)的分支，保險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)與金融系統(tǒng)性風(fēng)險(xiǎn)在空間方面的表現(xiàn)應(yīng)相似，但可能不完全相同。本文在上述文獻(xiàn)的基礎(chǔ)上提出并擬解決以下問(wèn)題：（1）各省份承保風(fēng)險(xiǎn)間是否存在空間關(guān)聯(lián)性？能否引致保險(xiǎn)業(yè)爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)？（2）各省份承保風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)的水平如何？其影響的能力和被影響的程度如何？ （3）哪些因素導(dǎo)致各省份保險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)存在差異？

在測(cè)量方法上，學(xué)者們主要采用綜合指標(biāo)量化和空間溢出效應(yīng)兩種方法。綜合指標(biāo)量化方法主要有CAMELS評(píng)價(jià)體系[8]、熵權(quán)法[10]和AHP-熵權(quán)法[12]，此類方法的差異在于確定變量權(quán)重的方式不同。區(qū)域性金融風(fēng)險(xiǎn)的空間溢出效應(yīng)分析通常分為定性分析和定量分析。定性分析可使用空間杜賓模型[10]和探索性空間數(shù)據(jù)分析（ESDA）技術(shù)[12]，但這兩個(gè)模型僅能驗(yàn)證空間溢出效應(yīng)的存在性，而不能展示省份間空間溢出效應(yīng)的強(qiáng)弱程度。定量分析則主要基于復(fù)雜網(wǎng)絡(luò)模型而展開(kāi)，如引力模型[9]、相關(guān)系數(shù)模型[13]等。其優(yōu)勢(shì)在于可以直觀地展現(xiàn)微觀個(gè)體之間的風(fēng)險(xiǎn)聯(lián)系，但上述模型均不能刻畫間接的風(fēng)險(xiǎn)溢出效應(yīng)，從而可能導(dǎo)致結(jié)果被低估。

在其余網(wǎng)絡(luò)模型中，TENET風(fēng)險(xiǎn)模型能有效識(shí)別風(fēng)險(xiǎn)的間接溢出效應(yīng)，從而準(zhǔn)確度量機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出總量[14]。因此，本文采用TENET風(fēng)險(xiǎn)模型測(cè)量各省份承保風(fēng)險(xiǎn)間的空間關(guān)聯(lián)性。具體地，首先根據(jù)各省份的保險(xiǎn)月度經(jīng)營(yíng)數(shù)據(jù)構(gòu)建TENET風(fēng)險(xiǎn)模型[14]，繼而計(jì)算在險(xiǎn)價(jià)值和條件在險(xiǎn)價(jià)值，衡量承保風(fēng)險(xiǎn)溢出、承保風(fēng)險(xiǎn)接收和系統(tǒng)性風(fēng)險(xiǎn)等，最后使用回歸模型分析引致系統(tǒng)性風(fēng)險(xiǎn)差異的影響因素。

二、理論模型與研究設(shè)計(jì)

（一）基于TENET風(fēng)險(xiǎn)模型的承保風(fēng)險(xiǎn)網(wǎng)絡(luò)

Ysi指代SR、SRE或SRR，Bsi和Ms分別表示窗口期s中省份i的特征變量和宏觀經(jīng)濟(jì)變量。學(xué)者們常用簡(jiǎn)單賠付率（賠付支出/保費(fèi)收入）來(lái)度量保險(xiǎn)公司的承保風(fēng)險(xiǎn)[19]，賠付率越高則承保風(fēng)險(xiǎn)越大。在評(píng)估金融體系的系統(tǒng)性風(fēng)險(xiǎn)時(shí)，一般以“l(fā)n（1+股票收益率）”度量股票收益風(fēng)險(xiǎn)，進(jìn)而計(jì)算在險(xiǎn)價(jià)值VaR和條件在險(xiǎn)價(jià)值CoVaR [14]。VaR和CoVaR越小，發(fā)生極端風(fēng)險(xiǎn)時(shí)可能遭受的損失越大。以“- ln（1+月度賠付率）”度量各省承保風(fēng)險(xiǎn)，滿足“承保風(fēng)險(xiǎn)的VaR和CoVaR值越小，發(fā)生極端風(fēng)險(xiǎn)時(shí)的損失越嚴(yán)重”。詳細(xì)變量見(jiàn)表1。

（四）數(shù)據(jù)來(lái)源

樣本期為2008年1月-2019年12月，包含中國(guó)大陸31省份財(cái)險(xiǎn)和壽險(xiǎn)經(jīng)營(yíng)數(shù)據(jù)，來(lái)源于銀保監(jiān)會(huì)官網(wǎng)。各省份特征變量和宏觀經(jīng)濟(jì)變量分別來(lái)源于中經(jīng)網(wǎng)產(chǎn)業(yè)數(shù)據(jù)庫(kù)和中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。TENET風(fēng)險(xiǎn)模型中，分位點(diǎn)取值為τ=0.05，時(shí)間窗口大小為24，共計(jì)得到120個(gè)窗口的擬合結(jié)果。

三、實(shí)證分析

（一）省份間的承保風(fēng)險(xiǎn)網(wǎng)絡(luò)

計(jì)算各省份的財(cái)險(xiǎn)和壽險(xiǎn)承保風(fēng)險(xiǎn)、VaR和CoVaR。結(jié)果顯示各省份財(cái)險(xiǎn)承保風(fēng)險(xiǎn)、壽險(xiǎn)承保風(fēng)險(xiǎn)、VaR和CoVaR都存在顯著差異?；谑剑?）得到各省份承保風(fēng)險(xiǎn)對(duì)省份i的邊際影響;得到承保風(fēng)險(xiǎn)空間溢出網(wǎng)絡(luò)的一般連接矩陣后經(jīng)地理經(jīng)濟(jì)距離加權(quán)調(diào)整，得到承保風(fēng)險(xiǎn)空間溢出網(wǎng)絡(luò)模型（見(jiàn)圖1）。從圖1中最下方開(kāi)始，逆時(shí)針依次為東部、中部、西部和東北地區(qū)各省份，不同地區(qū)用不同形狀的節(jié)點(diǎn)分別指代①。

財(cái)險(xiǎn)業(yè)中，東部地區(qū)財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的主要溢出地為北京、河北、江蘇，對(duì)應(yīng)的風(fēng)險(xiǎn)接收地分別為天津和廣東、北京和江蘇、上海和江西，即東部地區(qū)財(cái)險(xiǎn)承保風(fēng)險(xiǎn)不僅對(duì)鄰近省份有負(fù)向影響，同時(shí)也對(duì)相隔較遠(yuǎn)的其他省份產(chǎn)生不利沖擊。中部地區(qū)財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的主要溢出地為河南和湖北。風(fēng)險(xiǎn)溢出路徑較多，但傳染距離較短，大多為相鄰省份。西部地區(qū)空間溢出具有明顯的單向性和路徑單一性。東北地區(qū)承保風(fēng)險(xiǎn)的空間溢出則呈現(xiàn)出明顯的雙向性。

壽險(xiǎn)業(yè)中，各省份間的壽險(xiǎn)承保風(fēng)險(xiǎn)空間傳染路徑與財(cái)險(xiǎn)相似，僅存在細(xì)微差別。東部地區(qū)風(fēng)險(xiǎn)溢出仍具有多向性和遠(yuǎn)距離性，但中部地區(qū)不具有多向溢出性，反而是山西向安徽、安徽向江蘇等單向溢出關(guān)系更為明顯。西部地區(qū)風(fēng)險(xiǎn)溢出的單向性和路徑單一性同樣明顯，但東北地區(qū)壽險(xiǎn)承保風(fēng)險(xiǎn)空間傳染的雙向性則明顯少于財(cái)險(xiǎn)業(yè)。

兩個(gè)行業(yè)中，省份間的空間聯(lián)系均較稀疏，明顯低于區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的稠密度[9]。這說(shuō)明無(wú)論財(cái)險(xiǎn)還是壽險(xiǎn)，承保風(fēng)險(xiǎn)在省份間進(jìn)行空間傳染的可能性較低，由此傳遞風(fēng)險(xiǎn)并引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性也較低。

（二）承保風(fēng)險(xiǎn)的空間溢出與接收的時(shí)間趨勢(shì)

計(jì)算各省份在每個(gè)窗口期的條件期望損失（CTL）、風(fēng)險(xiǎn)溢出水平（SRE）和風(fēng)險(xiǎn)接收水平（SRR），最后對(duì)各省份按年加總得到每年的風(fēng)險(xiǎn)溢出總量和風(fēng)險(xiǎn)接收總量。圖2和圖3分別匯報(bào)了財(cái)險(xiǎn)和壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量和風(fēng)險(xiǎn)接收量的熱力圖和柱狀圖。熱力圖中，顏色從淺到深依次對(duì)應(yīng)統(tǒng)計(jì)量取值為50%分位點(diǎn)以下、50%～75%、75%～95%、95%～99%、99%～99.5%及99.5%分位點(diǎn)以上。前三者為低關(guān)聯(lián)度或低風(fēng)險(xiǎn)狀態(tài)，后三者為高關(guān)聯(lián)度或高風(fēng)險(xiǎn)狀態(tài)。

1.財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的空間溢出與接收。

圖2中，地理分布上，財(cái)險(xiǎn)承保風(fēng)險(xiǎn)在各年的風(fēng)險(xiǎn)溢出量和風(fēng)險(xiǎn)接收量大體呈現(xiàn)從東部、東北、中部到西部依次遞減的規(guī)律。時(shí)間趨勢(shì)上，各年份雖有波動(dòng)，但總體相對(duì)平穩(wěn)。

風(fēng)險(xiǎn)溢出量方面，東部地區(qū)的北京、河北、上海和江蘇的風(fēng)險(xiǎn)溢出量較大，在樣本年基本都在75%分位點(diǎn)以上。其中，北京在2010年、2013年和2016年三個(gè)年份的風(fēng)險(xiǎn)溢出量較大，顯著高于其他省份。在實(shí)務(wù)中，北京財(cái)險(xiǎn)確實(shí)在上述年份發(fā)生了巨災(zāi)賠付。比如2009年底北京受暴雪影響損失數(shù)十億元;2016年遭受特大暴雨等極端風(fēng)險(xiǎn)事件;等等。這表明，本文模型能有效捕捉各省份的高承保風(fēng)險(xiǎn)狀態(tài)。在中部地區(qū)，山西財(cái)險(xiǎn)承保風(fēng)險(xiǎn)溢出量較低，湖北、湖南等其余省份的風(fēng)險(xiǎn)溢出量均在50%～95%分位點(diǎn)區(qū)間內(nèi)，且隨時(shí)間變化的趨勢(shì)不強(qiáng)，說(shuō)明中部地區(qū)財(cái)險(xiǎn)的承保風(fēng)險(xiǎn)溢出量較低且很穩(wěn)定。在西部地區(qū)，內(nèi)蒙古的財(cái)產(chǎn)承保風(fēng)險(xiǎn)溢出量相對(duì)偏大，其他省份則均很低，大多在50%分位點(diǎn)以下。在東北地區(qū)，吉林財(cái)險(xiǎn)的承保風(fēng)險(xiǎn)溢出量最大，遼寧次之，黑龍江最小。其中，吉林的承保風(fēng)險(xiǎn)溢出量在半數(shù)樣本年中都在95%分位點(diǎn)以上，甚至在2015年到達(dá)99%分位點(diǎn)。

風(fēng)險(xiǎn)溢出與風(fēng)險(xiǎn)接收相對(duì)，前者為風(fēng)險(xiǎn)的起點(diǎn)，后者為終點(diǎn)。東部地區(qū)，北京、天津和浙江的風(fēng)險(xiǎn)接收量均較大。中部地區(qū)的風(fēng)險(xiǎn)接收量在2015年后普遍增加，但風(fēng)險(xiǎn)溢出量卻沒(méi)有明顯增加，說(shuō)明中部地區(qū)在2015年后受其他經(jīng)濟(jì)區(qū)承保風(fēng)險(xiǎn)影響程度變大。與風(fēng)險(xiǎn)溢出量相似，西部地區(qū)的風(fēng)險(xiǎn)接收量也在50%分位點(diǎn)以下。東北地區(qū)，黑龍江的承保風(fēng)險(xiǎn)接收量變化過(guò)程與吉林省承保風(fēng)險(xiǎn)溢出量的變化過(guò)程相似。

2.壽險(xiǎn)承保風(fēng)險(xiǎn)的空間溢出與接收。

從地理分布看，壽險(xiǎn)承保風(fēng)險(xiǎn)各年的風(fēng)險(xiǎn)溢出量和風(fēng)險(xiǎn)接收量呈現(xiàn)出從東部依次向中部、西部和東北部遞減的變化規(guī)律。從時(shí)間軌跡看，則呈現(xiàn)出先上升后下降的變化趨勢(shì)。

風(fēng)險(xiǎn)溢出量方面，東部地區(qū)，北京、河北、江蘇和山東的壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量較大。河北的風(fēng)險(xiǎn)溢出量一直維持高水平，北京、江蘇和山東則表現(xiàn)為先升后降，且北京在2016年、江蘇在2014年和2015年分別達(dá)到風(fēng)險(xiǎn)溢出量的最高值。中部地區(qū)的壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量均較低，但山西、安徽和江西在2016年后輕微上升。西部地區(qū)，除甘肅、陜西和內(nèi)蒙古外，其余省份的壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量基本保持在75%分位點(diǎn)以下，且大都位于50%分位點(diǎn)以下。西部地區(qū)各省份的壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量普遍較低且穩(wěn)定。東北地區(qū)，遼寧、吉林和黑龍江的壽險(xiǎn)承保風(fēng)險(xiǎn)溢出量基本都在50%分位點(diǎn)以下，僅在少數(shù)年份有小幅增加。

風(fēng)險(xiǎn)接收量方面，東部地區(qū)，北京、天津、河北、江蘇和山東壽險(xiǎn)承保風(fēng)險(xiǎn)接收量相對(duì)較高，基本都在75%分位點(diǎn)以上，廣東、海南等其余五省普遍低于50%分位點(diǎn)。中部地區(qū)，江西和安徽壽險(xiǎn)承保風(fēng)險(xiǎn)接收量相對(duì)較高，但變化趨勢(shì)不同。前者在樣本期內(nèi)相對(duì)穩(wěn)定，后者則經(jīng)歷了先升后降的變化過(guò)程。西部地區(qū)，青海壽險(xiǎn)承保風(fēng)險(xiǎn)接收量相對(duì)較高，在半數(shù)年份中均在75%～95%區(qū)間內(nèi)。東北地區(qū)，各省壽險(xiǎn)承保風(fēng)險(xiǎn)接收量在多數(shù)年份位于50%分位點(diǎn)以下，僅少數(shù)年份落于50%～75%區(qū)間。中部地區(qū)和東北地區(qū)壽險(xiǎn)承保風(fēng)險(xiǎn)接收量普遍較低。

依據(jù)圖2和圖3右側(cè)柱狀圖，財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的空間溢出量在樣本期間整體基本穩(wěn)定，但在2013年和2016年相對(duì)較高。壽險(xiǎn)承保風(fēng)險(xiǎn)空間溢出量先升后降，且在2014年和2015年達(dá)到最大。

（三）承保風(fēng)險(xiǎn)引致的系統(tǒng)性風(fēng)險(xiǎn)

將120個(gè)窗口期內(nèi)財(cái)險(xiǎn)和壽險(xiǎn)承保風(fēng)險(xiǎn)的風(fēng)險(xiǎn)溢出水平和風(fēng)險(xiǎn)接收水平排序，分析最高的五個(gè)省份。財(cái)險(xiǎn)業(yè)中，空間溢出水平最高的前五名分別是東部的江蘇、河北、山東、北京和中部的湖北。前四者的總保費(fèi)規(guī)模均位于行業(yè)上游水平，而后者則僅位于行業(yè)中游。這說(shuō)明在財(cái)險(xiǎn)業(yè)中，保費(fèi)規(guī)模大的省份一般具有較大的風(fēng)險(xiǎn)，同時(shí)也存在規(guī)模不大但風(fēng)險(xiǎn)溢出較高的省份。這一規(guī)律在壽險(xiǎn)中更為明顯。壽險(xiǎn)中，風(fēng)險(xiǎn)空間溢出水平最高的前四名同樣都在東部地區(qū)，依次是河北、江蘇、北京和山東，它們的總保費(fèi)規(guī)模均位于行業(yè)前列。排名第五的江西在中部地區(qū)，保費(fèi)規(guī)模僅處于行業(yè)下游。與系統(tǒng)重要性機(jī)構(gòu)相似，空間溢出水平較高的省份應(yīng)被視為系統(tǒng)重要性省份。因?yàn)樗鼈兊谋ｋU(xiǎn)經(jīng)營(yíng)業(yè)務(wù)對(duì)其他省份具有明顯的空間溢出效應(yīng)。當(dāng)其保險(xiǎn)業(yè)發(fā)生較大損失時(shí)，勢(shì)必引起其他省份的變化，因此應(yīng)當(dāng)將其作為重點(diǎn)監(jiān)管。

財(cái)險(xiǎn)業(yè)中，空間接收水平最高的省份分別是北京、浙江、天津、江蘇和黑龍江，前四者均在東部地區(qū)，而后者在東北地區(qū)。這說(shuō)明上述省份財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的脆弱性較高。其中，北京、浙江和江蘇的總保費(fèi)規(guī)模排名均靠前，而天津和黑龍江靠后。這說(shuō)明各省份財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的空間接收量受保費(fèi)規(guī)模的影響較低。這一規(guī)律在壽險(xiǎn)中亦有體現(xiàn)。與系統(tǒng)脆弱性機(jī)構(gòu)相似，承保風(fēng)險(xiǎn)空間接收水平較高的省份容易被其他省份的波動(dòng)所影響，也應(yīng)作為重點(diǎn)監(jiān)管對(duì)象。

進(jìn)一步地將各省份風(fēng)險(xiǎn)溢出水平（SRE）和風(fēng)險(xiǎn)接收水平（SRR）加總，形成各省份系統(tǒng)性風(fēng)險(xiǎn)（SR）（見(jiàn)圖4）。

各省份基于財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的系統(tǒng)性風(fēng)險(xiǎn)大體呈現(xiàn)從東向西遞減的規(guī)律，與有關(guān)區(qū)域性金融風(fēng)險(xiǎn)的結(jié)論一致[19]。東部地區(qū)，北京和江蘇的系統(tǒng)性風(fēng)險(xiǎn)明顯較大，且除海南、廣東和福建外，其余東部省份的系統(tǒng)性風(fēng)險(xiǎn)也相對(duì)較高。因此應(yīng)尤其重視東部省份的風(fēng)險(xiǎn)管理，且特別重視對(duì)北京和江蘇等高系統(tǒng)性風(fēng)險(xiǎn)省份的管控。中部地區(qū)呈現(xiàn)出越靠近東部地區(qū)則系統(tǒng)性風(fēng)險(xiǎn)越高的規(guī)律。如安徽高于河南與湖北，而河南和湖北則高于湖南和山西等。東北地區(qū)的財(cái)險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)略低于中部地區(qū)，而西部地區(qū)則遠(yuǎn)低于東部、中部和東北地區(qū)。

各省份基于壽險(xiǎn)承保風(fēng)險(xiǎn)的系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)出東部和中部顯著高于西部和東北部的特點(diǎn)。東部地區(qū)，北京、河北和江蘇的壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)遠(yuǎn)大于其他省份，因此應(yīng)作為壽險(xiǎn)監(jiān)管的重點(diǎn)對(duì)象。中部地區(qū)，安徽壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)也明顯較大。西部地區(qū)，四川、重慶和陜西的壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)略高于其余省份。類似的，遼寧壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)也略高于東北其余二省。

（四）系統(tǒng)性風(fēng)險(xiǎn)差異的影響因素分析

基于式（3）線性回歸模型分析表1各變量對(duì)系統(tǒng)性風(fēng)險(xiǎn)（SR）、風(fēng)險(xiǎn)溢出水平（SRE）和風(fēng)險(xiǎn)接收水平（SRR）的影響，分別對(duì)應(yīng)表2中的模型1、模型2和模型3。

1.財(cái)險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)的影響因素。

財(cái)險(xiǎn)中，有關(guān)保險(xiǎn)市場(chǎng)發(fā)育狀況的指標(biāo)，HHI指數(shù)均顯著為負(fù)，即保險(xiǎn)產(chǎn)品集中度較高的省份，系統(tǒng)性風(fēng)險(xiǎn)反倒較低。在實(shí)務(wù)中，部分省份的保險(xiǎn)市場(chǎng)發(fā)達(dá)程度低，保險(xiǎn)產(chǎn)品種類少，故HHI指數(shù)偏高。然而其保費(fèi)規(guī)模和經(jīng)濟(jì)體量均較低，在整個(gè)經(jīng)濟(jì)和保險(xiǎn)市場(chǎng)中的地位和作用不明顯，從而具有較低的風(fēng)險(xiǎn)溢出、風(fēng)險(xiǎn)接收和系統(tǒng)性風(fēng)險(xiǎn)。保險(xiǎn)深度僅在模型3中顯著為負(fù)。保費(fèi)增長(zhǎng)率在3個(gè)模型中均不顯著，說(shuō)明當(dāng)前各省份財(cái)險(xiǎn)保費(fèi)收入的增長(zhǎng)模式基本合理，暫時(shí)不存在增長(zhǎng)過(guò)快的風(fēng)險(xiǎn)隱患。在關(guān)于地區(qū)風(fēng)險(xiǎn)狀況的指標(biāo)中，交通事故財(cái)損和自然災(zāi)害財(cái)損均顯著為正。這說(shuō)明交通事故和自然災(zāi)害中財(cái)產(chǎn)損失的增加會(huì)導(dǎo)致該地區(qū)承保風(fēng)險(xiǎn)溢出量增加，進(jìn)而增加系統(tǒng)性風(fēng)險(xiǎn)。由于自然災(zāi)害分布存在明顯的連片性特征[20]，當(dāng)一個(gè)省份的自然災(zāi)害風(fēng)險(xiǎn)增加時(shí)，鄰近省份自然災(zāi)害風(fēng)險(xiǎn)也將相應(yīng)增加。在表示保險(xiǎn)資金運(yùn)用的指標(biāo)中，銀行存款占比和資金運(yùn)用余額占比均顯著為正，即投資性存款和其他投資資產(chǎn)的增加會(huì)促使財(cái)險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)上升，從側(cè)面證實(shí)了保險(xiǎn)應(yīng)“脫虛向?qū)崱薄⑼癸@保險(xiǎn)保障功能的正確性。在表示宏觀經(jīng)濟(jì)環(huán)境的指標(biāo)中，美元兌人民幣匯率亦均顯著為正，即當(dāng)美元對(duì)人民幣升值時(shí)，財(cái)險(xiǎn)業(yè)中各省份的風(fēng)險(xiǎn)溢出、風(fēng)險(xiǎn)接收和系統(tǒng)性風(fēng)險(xiǎn)水平均有明顯的上升趨勢(shì)。

2.壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)的影響因素。

壽險(xiǎn)回歸結(jié)果與財(cái)險(xiǎn)相似。在表示保險(xiǎn)市場(chǎng)發(fā)育狀況的指標(biāo)中，保險(xiǎn)深度均顯著為負(fù)，即保險(xiǎn)深度高的省份具有更低的系統(tǒng)性風(fēng)險(xiǎn)。

保費(fèi)增長(zhǎng)率和HHI指數(shù)均不顯著，說(shuō)明在當(dāng)前中國(guó)壽險(xiǎn)業(yè)中，暫時(shí)也不存在顯著的增速過(guò)高風(fēng)險(xiǎn)，且保費(fèi)收入結(jié)構(gòu)對(duì)溢出效應(yīng)的影響較低。在表示地區(qū)風(fēng)險(xiǎn)狀況的指標(biāo)中，交通事故人傷在模型3中顯著為正，自然災(zāi)害人傷則在模型1和模型3中顯著為正。這說(shuō)明嚴(yán)重的交通事故和自然災(zāi)害同樣會(huì)增加當(dāng)?shù)氐膲垭U(xiǎn)承保風(fēng)險(xiǎn)，進(jìn)而拉高壽險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)。在表示保險(xiǎn)資金運(yùn)用的指標(biāo)中，資產(chǎn)增長(zhǎng)率、銀行存款占比和資金運(yùn)用余額占比均顯著為正，說(shuō)明壽險(xiǎn)總資產(chǎn)的異常膨脹和高風(fēng)險(xiǎn)投資業(yè)務(wù)比例上升會(huì)促使系統(tǒng)性風(fēng)險(xiǎn)增加。在表示宏觀金融環(huán)境的指標(biāo)中，上證指數(shù)增長(zhǎng)率均顯著為負(fù)，即當(dāng)股票市場(chǎng)整體表現(xiàn)良好時(shí)，壽險(xiǎn)公司投資收益也較高，可抵消部分賠款損失的負(fù)向沖擊。

結(jié)合表2中各模型的回歸結(jié)果可見(jiàn)，承保風(fēng)險(xiǎn)空間溢出水平、空間接收水平和系統(tǒng)性風(fēng)險(xiǎn)的影響因素基本一致，基本都來(lái)自地區(qū)特征和保險(xiǎn)行業(yè)本身。首先，西部和部分中部保險(xiǎn)欠發(fā)達(dá)地區(qū)中，由于保險(xiǎn)覆蓋率不足而使系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較低;其次，各地區(qū)自身的風(fēng)險(xiǎn)狀況，如交通事故和自然災(zāi)害的增多直接或間接地增加了財(cái)險(xiǎn)和壽險(xiǎn)的系統(tǒng)性風(fēng)險(xiǎn);最后，當(dāng)保險(xiǎn)更多地脫離保險(xiǎn)保障而側(cè)重投資時(shí)，各地區(qū)的保險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)會(huì)隨之而上升。

四、研究結(jié)論與政策建議

本文主要研究結(jié)論如下：（1）無(wú)論財(cái)險(xiǎn)還是壽險(xiǎn)，承保風(fēng)險(xiǎn)在各省份間都具有空間傳染性，但傳染量極低、總體較弱。承保風(fēng)險(xiǎn)通過(guò)省份間的空間傳播從而爆發(fā)保險(xiǎn)系統(tǒng)性風(fēng)險(xiǎn)的可能性不大。（2）財(cái)險(xiǎn)和壽險(xiǎn)業(yè)承保風(fēng)險(xiǎn)的空間溢出和接收總量最高的前五個(gè)省份基本上都位于東部。各省份基于承保風(fēng)險(xiǎn)的系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)從東向西依次遞減的規(guī)律。（3）財(cái)險(xiǎn)承保風(fēng)險(xiǎn)的空間溢出量在樣本期基本穩(wěn)定，僅在2013年和2016年相對(duì)較高。壽險(xiǎn)承保風(fēng)險(xiǎn)的空間溢出量呈現(xiàn)先升后降的時(shí)間趨勢(shì)，并在2014年和2015年達(dá)到最大。（4）導(dǎo)致不同省份承保風(fēng)險(xiǎn)的空間溢出、接收水平及系統(tǒng)性風(fēng)險(xiǎn)存在差異的主要因素是各省份自身風(fēng)險(xiǎn)狀況及保險(xiǎn)資金運(yùn)用情況。

為防范保險(xiǎn)承保風(fēng)險(xiǎn)通過(guò)省份間的空間聯(lián)系傳染并引發(fā)更大范圍的系統(tǒng)性風(fēng)險(xiǎn)，基于研究結(jié)果提出如下政策建議：（1）持續(xù)監(jiān)控省份間承保風(fēng)險(xiǎn)的空間傳染;盡管當(dāng)前承保風(fēng)險(xiǎn)通過(guò)省份間空間聯(lián)系的傳染性較弱，進(jìn)一步爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性不大，但并不代表未來(lái)會(huì)一直如此。（2）與系統(tǒng)重要性機(jī)構(gòu)和系統(tǒng)脆弱性機(jī)構(gòu)一樣，有必要密切監(jiān)管具有較高空間溢出和空間接收的省份，也有必要嚴(yán)格監(jiān)管系統(tǒng)性風(fēng)險(xiǎn)水平處于不斷上升過(guò)程的省份;相對(duì)而言應(yīng)嚴(yán)格監(jiān)管東部地區(qū)。（3）各省份可從下列措施入手控制自身的系統(tǒng)性風(fēng)險(xiǎn)：做好交通事故和自然災(zāi)害的防損減災(zāi)工作，降低事故發(fā)生的可能性，降低事故發(fā)生后的財(cái)產(chǎn)損失和人員傷亡，從而降低承保風(fēng)險(xiǎn)的溢出總量;積極回歸保險(xiǎn)保障，提高保險(xiǎn)產(chǎn)品的保障屬性。

注釋：

① 參照國(guó)家統(tǒng)計(jì)局將中國(guó)經(jīng)濟(jì)區(qū)域劃分為東部、中部、西部和東北地區(qū)。東部含京、津、冀、滬、蘇、浙、閩、魯、粵和瓊;中部含晉、皖、贛、豫、鄂和湘;西部含蒙、桂、渝、川、黔、云、藏、陜、甘、青、寧和新;東北含遼、吉和黑。為增強(qiáng)可讀性，圖1未報(bào)告偏導(dǎo)數(shù)之和較小的連線。

參考文獻(xiàn)：

[1] 方蕾， 粟芳. 中國(guó)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的存在性研究——基于動(dòng)態(tài)均衡模型的視角[J]. 保險(xiǎn)研究， 2018（11）：17-28.

[2] 鄒奕格， 陸思婷. 投資業(yè)務(wù)風(fēng)險(xiǎn)對(duì)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響沖擊[J]. 保險(xiǎn)研究， 2020（9）：34-51.

[3] 陸思婷， 粟芳. 非壽險(xiǎn)承保風(fēng)險(xiǎn)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的復(fù)雜網(wǎng)絡(luò)分析[J]. 保險(xiǎn)研究， 2021（2）： 31-51.

[4] 王向楠. 壽險(xiǎn)公司的業(yè)務(wù)同質(zhì)化與風(fēng)險(xiǎn)聯(lián)動(dòng)性[J]. 金融研究， 2018（9）：160-176.

[5] Baluch F， Mutenga S， Parsons C. Insurance， systemic risk and the financial crisis[J]. The Geneva Papers， 2011， 36（1）：126-163.

[6] Park S C， Xie X. Reinsurance and systemic risk： The impact of reinsurer downgrading on property-casualty insurers[J]. Journal of Risk and Insurance， 2014， 81（3）： 587-621.

[7] 史培軍， 王季薇， 張鋼鋒， 等. 透視中國(guó)自然災(zāi)害區(qū)域分異規(guī)律與區(qū)劃研究[J]. 地理研究， 2017，36（8）： 1401-1414.

[8] 王擎， 劉軍， 金致雯. 區(qū)域性金融風(fēng)險(xiǎn)與區(qū)域經(jīng)濟(jì)增長(zhǎng)的相關(guān)性分析[J]. 改革， 2018（5）： 66-75.

[9] 王營(yíng)， 曹廷求. 中國(guó)區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)及其傳染效應(yīng)——基于社會(huì)網(wǎng)絡(luò)分析法[J]. 金融經(jīng)濟(jì)學(xué)研究， 2017，32（3）： 46-55.

[10]陳守東， 李卓， 林思涵. 地方政府債務(wù)風(fēng)險(xiǎn)對(duì)區(qū)域性金融風(fēng)險(xiǎn)的空間溢出效應(yīng)[J]. 西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，40（6）： 33-44.

[11]郭文偉， 周媛， 王禮昱. 機(jī)構(gòu)規(guī)模、財(cái)務(wù)杠桿與金融系統(tǒng)性風(fēng)險(xiǎn)溢出——基于區(qū)域、行業(yè)及機(jī)構(gòu)異質(zhì)性的視角[J]. 金融監(jiān)管研究， 2020（4）： 48-65.

[12]沈悅， 李博陽(yáng)， 張嘉望. 系統(tǒng)性金融風(fēng)險(xiǎn)：測(cè)度與時(shí)空格局演化分析[J]. 統(tǒng)計(jì)與信息論壇， 2017，32（12）： 42-51.

[13]Chen L， Han Q， Qiao Z， et al. Correlation analysis and systemic risk measurement of regional， financial and global stock indices[J]. Physical A： Statistical Mechanics and its Applications， 2020， 542：122653.

[14]Hrdle W K， Wang W， Yu L. TENET： Tail-event driven NETwork risk[J]. Journal of Econometrics， 2016，192（2）： 499-513.

[15]Lee C F， Lee J C . Handbook of financial econometrics and statistics[M]. New York： Springer， 2015：1467-1489.

[16]Fan Y， Hrdle W K， Wang W， et al. Single-index-based CoVaR with very high-dimensional covariates[J]. Journal of Business & Economic Statistics， 2018， 36（2）： 212-226.

[17]李婧， 譚清美， 白俊紅. 中國(guó)區(qū)域創(chuàng)新生產(chǎn)的空間計(jì)量分析——基于靜態(tài)與動(dòng)態(tài)空間面板模型的實(shí)證研究[J]. 管理世界， 2010（7）：43-55+65.

[18]Chen H， Sun T. Tail risk networks of insurers around the globe： An empirical examination of systemic risk for G-SIIs v.s. non-G-SIIs[J]. Journal of Risk and Insurance， 2020， 87（2）： 285-318.

[19]李藝華， 郝臣. 外部治理對(duì)保險(xiǎn)公司風(fēng)險(xiǎn)承擔(dān)的影響研究——基于外部監(jiān)管和產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)視角[J]. 保險(xiǎn)研究， 2019（12）： 65-80.

[20]梁來(lái)存. 我國(guó)糧食作物保險(xiǎn)風(fēng)險(xiǎn)區(qū)劃的實(shí)證研究[J]. 山西財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2010，32（1）： 65-71.

（責(zé)任編輯：厲 亞）

3920501908273