風(fēng)險相依、風(fēng)險溢出與保險機構(gòu)系統(tǒng)重要性評估

陳奇柏 雷振華

（中國聯(lián)通智能城市研究院，河北保定 557707；南華大學(xué)經(jīng)濟管理與法學(xué)學(xué)院，河北保定 557707）

一、引言

在金融中的保險往往是受到忽視的，但保險業(yè)的保障功能夠有效地推進“六穩(wěn)六?！?，對金融市場的穩(wěn)定和社會經(jīng)濟的發(fā)展具有重要的意義。相對其他金融機構(gòu)而言，傳統(tǒng)意義上保險機構(gòu)的系統(tǒng)性風(fēng)險相對較低，但同時保險機構(gòu)作為資本市場中的重要投資者，近年來不斷涉及非保險業(yè)務(wù)，這提高了保險機構(gòu)和其他金融機構(gòu)和金融市場的業(yè)務(wù)關(guān)聯(lián)度，導(dǎo)致保險機構(gòu)面臨著潛在的自身風(fēng)險和風(fēng)險傳染問題。因此，保險機構(gòu)和保險業(yè)作為重要的主體，同時存在金融風(fēng)險的現(xiàn)狀，本文從保險機構(gòu)和保險行業(yè)的視角，分別分析保險機構(gòu)和保險業(yè)之間的風(fēng)險相依和風(fēng)險溢出，以期挖掘其風(fēng)險特征，進而實現(xiàn)風(fēng)險防控的目的。

對于風(fēng)險相依結(jié)構(gòu)，相比于網(wǎng)絡(luò)分析、Granger因果檢驗、DCC-GARCH模型和Pearson相關(guān)系數(shù)等相關(guān)性方法，Copula模型能夠描述序列間非線性和非對稱的相關(guān)性。等（2014）認(rèn)為尾部相依度對極端風(fēng)險事件和狀況的刻畫更加精準(zhǔn)，而Copula函數(shù)能夠較為準(zhǔn)確地去度量包括上尾和下尾的尾部相依度。王培輝（2016）使用Markov時變Copula研究了我國銀行業(yè)、保險業(yè)、證券業(yè)和信托業(yè)之間的尾部動態(tài)依存結(jié)構(gòu)，綜合運用混合Copula和時變Copula，以反映金融市場時變性、厚尾性和非對稱性等復(fù)雜特征。Mejdoub和Arab（2018）使用D-Vine-Copula模型來分析保險機構(gòu)四種非壽險損失的相依結(jié)構(gòu)，認(rèn)為Vine-Copula模型能夠準(zhǔn)確地刻畫高維金融變量之間的相依性。綜上所述，對于風(fēng)險相依，Copula模型能夠準(zhǔn)確刻畫和捕捉序列間的尖峰厚尾、波動聚集、有偏非對稱依存結(jié)構(gòu)等金融特征，特別是極端事件下的尾部依賴。

對于風(fēng)險溢出效應(yīng)，國內(nèi)外學(xué)者主要使用CoVaR、MES、SRISK和CCA等模型。其中，CoVaR是系統(tǒng)性金融風(fēng)險的主要模型，主要研究當(dāng)某個金融機構(gòu)陷入危機時，整個金融市場面臨的風(fēng)險水平。王周偉等（2014）指出CoVaR模型的估計方法主要包括分位數(shù)回歸、DCC-GARCH和Copula等，并分析了各個估計方法的優(yōu)缺點。歐陽資生和莫廷程（2017）通過分位數(shù)回歸來估計改進的CoVaR模型，研究了上市商業(yè)銀行之間的風(fēng)險溢出效應(yīng)。嚴(yán)偉祥等（2017）使用DCC-GARCHCoVaR模型，研究了銀行業(yè)、證券業(yè)、保險業(yè)、信托業(yè)以及金融期貨之間的風(fēng)險溢出效應(yīng)。翟永會（2019）使用時變t-Copula-CoVaR模型，分析了我國各個實體行業(yè)與銀行業(yè)之間的動態(tài)風(fēng)險溢出效應(yīng)，考慮了各個市場之間時變性、非線性和波動聚集性。綜上所述，DCC模型綜合考慮了金融時間序列之間的非線性、時變性、聚集性和聯(lián)動性等復(fù)雜的風(fēng)險相關(guān)關(guān)系。

二、模型構(gòu)建

（一）GJR模型

研究保險機構(gòu)和保險業(yè)的風(fēng)險相依性，以及保險機構(gòu)對保險業(yè)的風(fēng)險溢出效應(yīng)的前提是選擇合適和準(zhǔn)確的邊際分布模型。大量的歷史數(shù)據(jù)和經(jīng)驗表明，金融時間序列存在有偏、尖峰、非正態(tài)和非線性等特征，不適合普通的回歸模型。GJR模型能夠較好地解決金融時間序列中的自回歸、波動聚集和非對稱效應(yīng)等問題，故本文使用GJR模型來擬合和刻畫各個收益率序列的邊際分布，該模型主要包括均值方程模型、方差方程模型和殘差分布模型。

（二）Copula模型

相比于Pearson相關(guān)系數(shù)，Copula能夠刻畫序列之間的非線性、非對稱性和厚尾性等復(fù)雜特征，且不需要考慮邊際分布的各種形式，故本文選擇Copula模型來描述各個保險機構(gòu)和保險業(yè)之間的風(fēng)險相依結(jié)構(gòu)。

Copula函數(shù)能夠?qū)⒙?lián)合分布和其對應(yīng)的邊際分布連接起來，故Copula模型的重點在于最優(yōu)Copula函數(shù)和邊際分布模型的選取，其中常見的Copula函數(shù)主要有Gaussian Copula、Student's t Copula、Gumbel Copula、Frank Copula、Clayton Copula和SJC Copula等。

（三）DCC-CoVaR模型

CoVaR模型的估計方法主要有分位數(shù)回歸、DCC-GARCH模型和Copula模型等，相比于其他估計方法，DCC-CoVaR模型能夠準(zhǔn)確地描述各個保險機構(gòu)和保險業(yè)之間的非線性和時變性等風(fēng)險特征，強調(diào)風(fēng)險波動的聚集性，故本文選擇GJRDCC模型來估計CoVaR模型。

為了準(zhǔn)確地刻畫保險機構(gòu)發(fā)生的極端事件，本文參照Girardi和Ergün（2013），對保險機構(gòu)的危機條件進行了改進，以反映其尾部特征。改進的CoVaR模型定義如下：

對于DCC-CoVaR模型，本文對式（1）進行轉(zhuǎn)化可以得到：

三、實證結(jié)果與分析

本文主要研究保險機構(gòu)和保險業(yè)之間的相依程度以及保險機構(gòu)對保險業(yè)的風(fēng)險溢出效應(yīng)，研究對象主要是各個保險機構(gòu)和保險業(yè)。對于保險機構(gòu)數(shù)據(jù)的選取，本文考慮數(shù)據(jù)的可獲性和完整性，使用A股上市的保險公司來代表保險機構(gòu)，主要包括中國人壽、中國平安、中國太保和新華保險，這四家保險公司構(gòu)成了我國保險機構(gòu)的主體，均入選國內(nèi)系統(tǒng)重要性保險機構(gòu)（D-SII）。對于保險業(yè)，目前國內(nèi)學(xué)者還未形成統(tǒng)一和科學(xué)的數(shù)據(jù)標(biāo)準(zhǔn)，本文考慮數(shù)據(jù)的關(guān)聯(lián)性和代表性，通過中國人壽、中國平安、中國太保和新華保險等4家保險公司的加權(quán)平均來計算保險業(yè)指數(shù)，以此衡量保險業(yè)的整體市場狀況。本文的保險機構(gòu)數(shù)據(jù)來源于Wind數(shù)據(jù)庫，以新華保險較晚交易時間為基期時間，樣本期為2011年12月16日至2022年1月28日，樣本量為2461個，主要使用S-Plus和Matlab軟件工具進行數(shù)據(jù)分析。保險機構(gòu)和保險業(yè)指數(shù)收益率序列的計算公式如下：

本文根據(jù)AIC準(zhǔn)則確定保險機構(gòu)和保險業(yè)收益率序列的最優(yōu)邊際分布模型，具體而言，均值模型形式為ARFIMA(1,0,0)，方差模型形式為GJR(1,1)，殘差分布模型形式為有偏學(xué)生 分布，即AR(1)-GJR(1,1)-有偏模型能夠較好地處理各個收益率序列中的自回歸、波動聚集和杠桿效應(yīng)問題。GJR模型的參數(shù)估計和擬合結(jié)果如下：

表1主要包括參數(shù)估計和模型擬合效果檢驗兩個部分。具體而言，根據(jù)ARCH項參數(shù)可知，中國人壽對市場信息的反應(yīng)最為敏感，其次為中國平安和中國太保，新華保險的反應(yīng)最為遲緩。根據(jù)GARCH項參數(shù)可知，中國平安和中國太保對市場波動有較強的記憶性，而中國人壽和新華保險的記憶性較弱。根據(jù)非對稱項系數(shù)的正負(fù)方向可知，各個保險機構(gòu)和保險業(yè)在面對外部信息沖擊時存在非對稱效應(yīng)，新華保險受到利空消息的影響更大，而中國人壽、中國平安、中國太保和保險業(yè)更容易受利好消息的影響。根據(jù)尺度參數(shù)和形狀參數(shù)可知，各個保險機構(gòu)和保險業(yè)的殘差序列分布具有非對稱性和厚尾性特征。根據(jù)LB檢驗可知，各個保險機構(gòu)和保險業(yè)的殘差序列不存在自相關(guān)，根據(jù)ARCH檢驗可知，各個保險機構(gòu)和保險業(yè)的殘差序列不存在ARCH效應(yīng)，表明GJR模型已消除其條件異方差。

表1 邊際分布模型的參數(shù)估計和擬合結(jié)果

在確定邊際分布模型之后，提取各個保險機構(gòu)和保險業(yè)的標(biāo)準(zhǔn)殘差序列，通過概率積分變換為均勻分布形式的數(shù)據(jù)，以此構(gòu)建Copula模型，進而計算相依系數(shù)?；贑opula模型的相依結(jié)構(gòu)關(guān)鍵在于最優(yōu)Copula的選取，本文選擇Gaussian Copula、Student's t Copula、Gumbel Copula、Frank Copula、Clayton Copula和SJC Copula等常用Copula函數(shù)，使用LogLike、AIC和BIC準(zhǔn)則來確定最優(yōu)Copula，在既定的最優(yōu)Copula函數(shù)和參數(shù)估計下，進而可以計算各個保險機構(gòu)和保險業(yè)之間的Kendall相關(guān)系數(shù)、Spearman相關(guān)系數(shù)和尾部相關(guān)系數(shù)。

根據(jù)表2可知，存在如下特征：(1) 根據(jù)最優(yōu)Copula可知，各個保險機構(gòu)和保險業(yè)連接的最優(yōu)Copula函數(shù)均為SJC Copula，該函數(shù)具有非線性、非對稱性和厚尾性等特征；(2) 根據(jù)上尾相關(guān)系數(shù)和下尾相關(guān)系數(shù)可知，各個保險機構(gòu)和保險業(yè)之間的下尾相關(guān)系數(shù)均大于上尾相關(guān)系數(shù)，如中國人壽和保險業(yè)的上尾相關(guān)系數(shù)為0.4460，下尾相關(guān)系數(shù)為0.5947，表明相對于利好消息，中國人壽和保險業(yè)對利空消息更為敏感；(3) 根據(jù)Kendall相關(guān)系數(shù)和Spearman相關(guān)系數(shù)可知，各個保險機構(gòu)和保險業(yè)之間存在較強的正向相依關(guān)系，表明當(dāng)保險機構(gòu)或者保險業(yè)發(fā)生風(fēng)險時，通過相關(guān)的風(fēng)險傳導(dǎo)和溢出機制，則保險業(yè)或者保險機構(gòu)也會面臨相關(guān)風(fēng)險的概率，這對政策的啟示在于“太關(guān)聯(lián)而不能倒”；(4) 中國人壽和保險業(yè)的相依程度最大，反映中國人壽在保險業(yè)的主導(dǎo)地位，其次為中國太保和保險業(yè)、中國平安和保險業(yè)，相依程度最弱的是新華保險和保險業(yè)，這對政策的啟示在于“太大而不能倒”。

表2 保險機構(gòu)和保險業(yè)的相依結(jié)構(gòu)

風(fēng)險相依度是一種互相關(guān)性，而風(fēng)險溢出具有明確的方向性。本文基于邊際分布模型AR(1)-GJR(1,1)-有偏 模型，使用DCC-CoVaR模型，測度各個保險機構(gòu)對保險業(yè)的動態(tài)風(fēng)險溢出效應(yīng)，對我國上市保險機構(gòu)的系統(tǒng)重要性進行評估。圖1從左至右、從上至下分別為中國人壽、中國平安、中國太保和新華保險對保險業(yè)的動態(tài)風(fēng)險溢出效應(yīng)。存在如下特征：(1) 從絕對值來看，各個保險機構(gòu)對保險業(yè)的均值風(fēng)險溢出效應(yīng)分別為2.8335、2.5573、2.8052和2.4259，表明中國人壽對保險業(yè)的風(fēng)險溢出效應(yīng)最大，其次為中國太保對保險業(yè)、中國平安對保險業(yè)，而新華保險對保險業(yè)的風(fēng)險溢出效應(yīng)最小。總體而言，由于中國人壽的保險業(yè)務(wù)廣泛、營業(yè)收入多、規(guī)模大以及與其他保險機構(gòu)業(yè)務(wù)往來密切，因此中國人壽一旦發(fā)生風(fēng)險和危機，將迅速傳染至其他的保險機構(gòu)，進而對整個保險行業(yè)產(chǎn)生相對應(yīng)的風(fēng)險影響；(2) 從相對變化趨勢來看，各個保險機構(gòu)對保險業(yè)的動態(tài)風(fēng)險溢出效應(yīng)的趨勢基本一致，在2015-2016年的時間區(qū)間內(nèi)，各個保險機構(gòu)對保險業(yè)的風(fēng)險溢出效應(yīng)較大，且波動程度較大，這主要是由于股票市場的劇烈波動帶來的風(fēng)險影響到各個保險機構(gòu)的收益和投資決策，導(dǎo)致各個保險機構(gòu)的風(fēng)險急劇增加，這表明保險機構(gòu)除了要防范自身風(fēng)險外，還要抵御來自資本市場和宏觀經(jīng)濟的風(fēng)險波動和危機傳染。

圖1 各個保險機構(gòu)對保險業(yè)的動態(tài)風(fēng)險溢出效應(yīng)時序圖

四、結(jié)論與政策建議

本文基于AR(1)-GJR(1,1)-有偏 模型，對中國人壽、中國平安、中國太保、新華保險和保險業(yè)收益率序列的邊際分布進行了擬合，使用GJRSJC-Copula模型來分析了4家保險機構(gòu)和保險業(yè)之間的風(fēng)險相依關(guān)系，使用DCC-CoVaR模型測度了4家保險機構(gòu)對保險業(yè)的動態(tài)風(fēng)險溢出效應(yīng)。結(jié)果表明：第一，各個保險機構(gòu)和保險業(yè)之間具有較強的風(fēng)險相依度，且存在下尾相關(guān)的非對稱效應(yīng)，更容易受到利空消息的沖擊和影響，下跌的可能性大于上行的可能性；第二，對于風(fēng)險溢出效應(yīng)而言，中國人壽對保險業(yè)的風(fēng)險溢出效應(yīng)是最大的，變化波動程度也是最為顯著的，其次為中國太保和保險業(yè)、中國平安和保險業(yè)，而新華保險對保險業(yè)的風(fēng)險溢出值最??；第三，在動態(tài)風(fēng)險溢出效應(yīng)的變化趨勢中，容易受到某個危機或者極端事件的影響，當(dāng)危機或者風(fēng)險事件出現(xiàn)時，各個保險機構(gòu)對保險業(yè)的風(fēng)險溢出效應(yīng)均會有顯著的增加。為了加強對保險機構(gòu)的風(fēng)險防控，本文提出以下建議：

第一，完善保險機構(gòu)的風(fēng)險防控和監(jiān)管體系，健全重大風(fēng)險應(yīng)急機制。從系統(tǒng)性風(fēng)險的角度來看，要提高對保險機構(gòu)的監(jiān)管要求，加強在非保險業(yè)務(wù)方面的審批和監(jiān)管，完善保險機構(gòu)的信息披露，堅持宏觀審慎監(jiān)管和微觀審慎監(jiān)管相結(jié)合的監(jiān)管理念，以避免保險機構(gòu)在規(guī)模和業(yè)務(wù)等方面的盲目擴張而發(fā)生重大風(fēng)險隱患，降低風(fēng)險外溢能力和水平。同時，極端事件的爆發(fā)對保險機構(gòu)的風(fēng)險具有較大的影響，因此要通過設(shè)置系統(tǒng)的風(fēng)險預(yù)警和評估機制，對保險機構(gòu)在系統(tǒng)性金融風(fēng)險方面進行科學(xué)的識別和預(yù)測，制定系統(tǒng)和有效的重大風(fēng)險應(yīng)急機制，以確保保險機構(gòu)在發(fā)生重大風(fēng)險時能夠得到快速、安全和有效的應(yīng)對處置。

第二，健全財政在保險機構(gòu)危機救助的機制。財政的危機救助有利于恢復(fù)保險市場秩序，穩(wěn)定風(fēng)險預(yù)期，提升保險機構(gòu)的市場競爭力。一方面，要明確財政救助在系統(tǒng)性風(fēng)險中的基本職能和監(jiān)管責(zé)任，做到財政救助的有度和有效，不能盲目的財政救助和行政干預(yù)，防止出現(xiàn)“太大而不能倒”的道德風(fēng)險，讓保險機構(gòu)的業(yè)務(wù)經(jīng)營和風(fēng)險管理均處于健康發(fā)展和良好循環(huán)之中。另一方面，在確定對保險機構(gòu)進行財政救助后，通過減免稅收優(yōu)惠政策、設(shè)立專項救助資金、發(fā)行政府債券、提供信用擔(dān)保和實現(xiàn)國有化等多種渠道和措施，對保險機構(gòu)在發(fā)生金融風(fēng)險時進行及時和有效的危機救助。

第三，加強監(jiān)管合作，提高監(jiān)管效率。保險機構(gòu)之間具有一定的關(guān)聯(lián)性，存在“太關(guān)聯(lián)而不能倒”，在保險機構(gòu)處理自身風(fēng)險的同時，還要防止其他保險機構(gòu)的風(fēng)險傳導(dǎo)和影響。因此保險機構(gòu)之間要加強風(fēng)險監(jiān)管方面的合作，在保障保險機構(gòu)之間業(yè)務(wù)合作的同時，還要降低保險機構(gòu)之間風(fēng)險傳染和共振。同時，從政府相關(guān)監(jiān)管機構(gòu)的角度來看，近年來保險機構(gòu)的業(yè)務(wù)開展逐漸多元化，其風(fēng)險存在發(fā)生頻率高、風(fēng)險損失大和風(fēng)險關(guān)聯(lián)隱蔽復(fù)雜等特征，對保險業(yè)形成風(fēng)險沖擊，因此需要各個政府監(jiān)管部門之間加強監(jiān)管合作，注重風(fēng)險監(jiān)管工作的協(xié)調(diào)性。