基于SVM-SRISK的非上市保险公司系统性风险度量
依据Brownlees和Engel提出的系统性风险指数SRISK方法，本文度量我国占市场份额70%的前18家保险公司系统性风险SRISK大小，并计算了各家保险公司对整个保险系统的资本短缺贡献SRISK%。在SRISK模型的基础上，采用支持向量机SVM法加以改进，探讨一种全面度量我国保险公司系统性风险的方法。SRISK模型以LRMES模型为基础，既包含反映公司运营状况的静态财务信息，又包括反映市场环境的动态信息，而改进后的模型更充分地利用了非上市公司的自身财务信息，提高了估计其长期边际期望损失的准确性，扩大了适用范围，且符合我国保险市场发展不均衡、上市公司较少的现状。最后通过计算每家公司适用的审慎杠杆率，对目前的偿付能力监管提供一定的补充。这样不仅可以比较全面地度量整个保险行业存在的资本短缺，且可为宏观审慎监管提供参考意见。
研究背景
随着保险业“前端”业务的逐步放开，部分中小型保险公司将万能险作为主要融资渠道发展公司规模。在“偿二代”监管体系下，大型保险公司依靠稳健的承保和投资策略使偿付能力上升，而部分万能险扩张较快、另类投资占比较高的中小保险公司偿付能力下降。为了缓解这种压力，中小型险企屡屡举牌上市公司。2015年共有35家上市公司被险资举牌，涉及金额高达1300亿元，2016年险资举牌涉及金额达257.93亿元，占整个市场的30.57%。随着利率水平的下降、非核心业务的增加和投资的杠杆效应，在经济下行的条件下，公司可能会面临严重的利差损、资产负债错配以及集中退保、提前给付造成的流动性和偿付能力问题。随着资本市场的发展以及与世界各国联系的日益密切，保险行业在不断发展壮大的同时，也增加了交叉持股、支付系统交互、再保险、衍生品风险传递的可能性。从规模和程度上看，发生系统性风险的可能性以及可能对实体经济等造成的影响也在不断扩大。
我国目前保险业的现状是，截至2017年9月共有171家保险公司（其中84家财险公司，78家寿险公司，9家养老险公司），仅有6家上市保险集团，其中2家在港股上市，4家在A股上市。通过传统的方法度量不能够全面反映目前我国保险业具有的系统性风险，非上市保险公司系统性风险的度量是不可缺少的一部分。
研究方法
SRISK权衡了“太大而不能倒”和“太关联而不能倒”，强调总体资本短缺可以是由金融机构自身经营不善引发，也可以是由外部冲击，如宏观经济波动或货币政策等原因导致，因此SRISK具有更广阔的运用空间。Brownlees等认为SRISK方法的稳定性和敏感性优于事前测量的SES，并通过宏观经济指标数据进行验证，发现SRISK具有良好的风险预警功能，其结果能够反映单个金融机构抵御风险的能力，方便从宏观上进行审慎监管。王培辉等通过比较MES、SRISK和CES三种评估方法在中国市场上的有效性和适用性，发现MES和CES指标时效性较好，SRISK虽然时效性略差，但对综合规模、杠杆率等信息的评估结果更可靠。考虑到我国保险业上市公司数据样本少的现状，倾向得分法（PSM）的应用以大样本为基础，在小样本的情况下，当处理组和对照组倾向得分没有重叠时，组间可比性较差，无法进行合适的分层或者匹配；构建BP神经网络需要训练集、评估集和测试集，对数据的要求也较高；而SVM相较于PSM和BP在小样本情况下更具有有效性和优越性，目前在信用风险评估和机动车保险欺诈识别中应用较多。
使用SRISK模型的最大问题在于非上市公司无法提供股价信息，因此无法按照上市公司股票价格在发生系统性危机时下降的幅度，结合公司的权益负债数据代入SRISK模型求解公司资本短缺大小的传统思路。本文运用支持向量机SVM模型训练上市公司LRMES与其对应的年度财务数据之间的联系，通过将非上市公司的财务数据代入训练好的模型，得到预测的非上市公司LRMES的大小，进一步代入非上市公司的权益负债数据得到每家公司对应的资本短缺SRISK大小以及相对于市场的系统性风险贡献份额SRISK%。
实证分析
◆ 变量选择
由于国内缺少关于非上市保险公司系统性风险的研究，结合保险行业自身的特征以及实证过程中数据的可获得性，首先选取12个可能对保险机构长期边际期望损失LRMES有影响的业务指标，其次根据输入变量之间的共线性和相关性，进行数据处理和筛选，最终确定为以下六个指标作为支持向量机SVM模型的预测影响因子变量。
◆ 样本选取
本文选取的样本数据主要分为两类：
第一类：上市保险集团的市场数据。从Wind金融数据库获取在大陆证券交易所上市的4家上市保险公司市场数据（上市以来每一年的股价信息）。从时间维度上看，由于公允价值计量的会计准则和顺周期的金融监管制度存在，使得经济周期存在上行和下行时期，即系统性风险存在一定的周期性。所以把每家上市公司各个年份作为独立的样本设置为训练样本，共34个独立样本：中国平安（2007~2016）、中国人寿（2007~2016）、中国太保（2008~2016）、新华保险（2012~2016）。其中，行业的股票收盘价数据由Wind计算的总股本加权平均得到。
第二类：各保险公司的财务数据。我国保险市场集中度较高，且非上市保险公司的数量较多、规模大小不一、机制不健全，没有完全的财务信息数据披露，数据获取较困难，并且系统性风险大多由市场规模较大的公司引起，所以本文选取2016年占市场份额前70%的18家保险公司计算其2014~2016年SRISK风险的大小。数据通过各保险公司在官网上披露的年度财务报表数据和偿付能力报表获得。
◆ 结果与分析
1.SRISK逐年显著增加
保险行业2014年总SRISK约为895亿元，2015年约1391亿元，增幅为55.40%，2016年约2275亿元，相较于2015年增幅为63.49%，远超过行业规模增速27.49%。随着行业规模的扩大，SRISK以更快的速度增加。在占市场份额70%的前18家保险公司中，2014年和2015年存在资本短缺的公司均为8家，2016年存在9家，分别占39%、40%和43%的市场份额，可见我国保险业系统性风险逐年增加。
2.财产险和人身险公司对系统性风险贡献差异显著
2014~2016年占市场份额70%的18家保险公司中，有5家财险公司，占比27.8%，而其对系统性风险的总贡献三年均为0。由于经营模式和业务特点、保险资金运用以及非传统业务方面，人身险公司和财产险公司存在的差别，导致在样本集中出现了较为极端的情况，即财产险公司的系统性风险贡献为0。
3.非上市公司表现突出
总体上看，2014年上市公司的平均贡献度为5.67%，而15家非上市保险公司总贡献度为83%，平均贡献度为5.53%，在2015年上升至6.3%，在2016年小幅下跌至6%。由此可见，非上市公司对系统性风险的贡献不容忽视，虽然非上市公司融资渠道少于上市公司，但其披露要求没有上市公司严格，且管理权相对集中。由于保险行业规模效应显著，导致上市保险公司业务渠道更加完善，市场份额更加稳定，管理层倾向于发展内含价值高的保障型保险业务，制定稳健性的投资策略，且上市公司一般信用较好，不会轻易发生退保挤兑风险。
4.系统性风险因素分析
规模因素不是决定保险机构是否存在系统性资本短缺的唯一因素，虽然中国人寿的规模排名第一，但其国有股本比例高且稳定、业务相对单一和高固定收益率投资比例等特征，对可能发生的系统性风险事件起到一定的抵御作用。平安人寿的SRISK值从2014~2016年都稳居第一位，这与平安集团的混业经营模式和业务经营范围有关，且在全球市场上的活跃度使其面临更大的风险敞口，更容易受到国际市场波动的影响。
结论
从整体水平上看，我国保险公司SRISK年均增长速率极高，达50%以上，超过保费收入的增长速率，系统性风险的增速远高于业务规模增速。平均而言，非上市公司对系统性风险的贡献SRISK%在2014年约为5.53%略低于上市公司的5.67%，在2015年上升至6.3%，在2016年小幅下跌至6.0%，意味着加强对非上市公司系统性风险的度量刻不容缓。财险公司占比27.8%，对系统性风险的贡献却为0，说明不同的经营模式和业务特点，导致系统性风险的集中度水平存在较大区别，另外要加强对非核心业务的监管，避免保险公司出现偿付能力不足、资本缺口面积过大的状况。
另外，我们发现大部分人身险公司的实际财务杠杆率都要明显大于最低资本充足率为8%时的适用杠杆率。因此，在对系统重要性保险机构实施偿付能力充足率监管的同时，可以适当降低其杠杆率，以保证保险系统的安全与稳健运行。
摘自《保险研究》2018年第6期
作者简介：
张琳，博士，湖南大学金融与统计学院教授，研究方向：保险精算；汤薇，湖南大学金融与统计学院硕士研究生，研究方向：保险精算；林晓婕，湖南大学金融与统计学院硕士研究生，研究方向：保险精算；周媛，湖南大学金融与统计学院硕士研究生，研究方向：保险精算。
