【保险学术前沿】文章推荐：寿险和非寿险保费的宏观经济决定因素

声明：本系列文章基于原期刊目录和摘要内容整理而得，仅限于读者交流学习。如有侵权，请联系删除。

本文基于以下论文整理而得：

Hodula, M., Janků, J., Časta, M. et al. On the macrofinancial determinants of life and non-life insurance premiums. Geneva Pap Risk Insur Issues Pract 48, 760–798 (2023).

https://doi.org/10.1057/s41288-021-00249-z

作者：Martin Hodula（捷克国家银行，奥斯特拉瓦技术大学），Jan Janků（捷克国家银行，奥斯特拉瓦技术大学），Martin Časta（捷克国家银行，布拉格经济与商业大学），Adam Kučera （捷克国家银行）

本期看点：

●使用了24个欧洲国家1997-2017年的面板数据，采用带有一维固定效应（FEs）的最小二乘法（OLS）对寿险和非寿险保费模型进行估计。

●寿险和非寿险保费均与商业周期密切相关，与实际GDP增长呈正相关。

●对寿险来说，市场集中度越高，保费收入越高；对非寿险来说，整体集中度影响不显著，但在部分细分领域和后共产主义国家呈负相关，后共产主义国家集中度下降推动行业发展。

●非寿险保费与价格变化正相关，价格上涨时保费数量增加，需求缺乏弹性，寿险保费对价格变化不敏感，价格变化对保费数量影响不显著或相反，因其投资成分有替代品。

●在寿险保费模型中，预期寿命变量可能产生误导，它更多反映收敛效应而非医疗保健改善。

本文检验了保险业发展的潜在决定因素。我们使用跨越二十年的24个欧洲国家的丰富数据集，确定了一组宏观金融因素，这些因素是寿险和非寿险部门毛保费增长的最有力预测因素。我们发现，寿险和非寿险保费都与商业周期同步，与更高的储蓄和更发达的金融体系呈正相关。此外，我们还为市场集中度和价格效应的作用提供了新的证据。我们发现，市场集中度仅对寿险重要，而价格渠道仅对非寿险重要。从政策角度来看，我们的实证估计可用于重新评估保险业现有的宏观审慎压力测试。

健康的保险行业对经济运作至关重要，它不仅促进经济增长，还增强金融稳定。保险通过减轻企业和家庭的大额损失影响，促进风险的集中，从而鼓励投资、创新和竞争。研究表明，保险产品的可用性与经济增长之间存在正相关关系。然而，自2008-2009年全球金融危机后，保险行业的稳定性受到关注，政策制定者开始担心其可能成为系统性风险的源头。

为了应对这一挑战，中央银行和监管机构逐渐将保险行业纳入其风险监测工具中，以评估不利市场和经济发展对保险行业及其对金融稳定的潜在影响。然而，针对保险行业主要驱动因素的研究相对较少，尤其是与银行业相比。

本研究旨在探讨影响保险行业的多种因素，编制了一个涵盖1997-2017年期间24个欧洲国家的丰富保险保费数据集，分别考察寿险和非寿险的驱动因素。研究认为，保险行业与经济周期存在关联，保险市场的集中度变化对保险保费有显著影响，同时在非寿险领域发现了价格渠道的存在。

研究贡献：本研究不仅扩展了对非寿险的理解，还填补了欧洲数据在保险决定因素研究中的空白。通过微观数据分析，研究了市场集中度对保费的影响，捕捉了保险产品价格变化对保费的影响。

欧洲保险业在金融体系中扮演着重要角色，主要鉴于其两个主要角色的重要性：（i）非寿险产品和寿险产品风险组成部分的风险转移作用，以及（ii）寿险产品的投资组成部分在金融市场中对家庭储蓄配置的中介作用。

1. 保险公司中介的投资金额主要反映了寿险部门的规模：上述第二个角色决定了保险公司管理的资产数量（如图1）。但该行业在欧洲各国间展现出显著的异质性，主要由英国、法国和德国推动，这三国占据了近50%的金融资产。相比之下，部分国家如捷克、爱沙尼亚等则占比不足5%。

图1 保险公司在欧洲金融系统中的头寸。左：自2009年以来保险公司资产占整个金融系统资产的比例，从2009年的9.3%到2017年底大约占欧洲金融行业总资产的11%；右：家庭寿险产品的市值占其总金融资产的比例，从1997年家庭总金融资产的不到13%上升到2010年的超过16%，并大致保持不变。数据来源：OECD保险统计数据库。

2. 非寿险可以被视为定期支付的服务，而不是积累储蓄的工具。因此，毛保费收入是衡量该部门规模的更好指标。保险渗透率（每年毛保费收入在国内生产总值中的份额）显示了保险行业在国家整体经济产出中的相对重要性（图2）。金融危机前，寿险的市场渗透率上升，但由于低收益环境，家庭投资转向其他渠道，导致危机后渗透率稍有下降。非寿险的渗透率大致保持稳定，因为经济主体对抵御不确定性的自然需求和非寿险的可负担性与经济表现密切相关。同时，欧洲国家之间的渗透率存在相当大的异质性，这从总和值和中位数值之间的差异中可以看出，特别是在寿险的情况下。

图2 欧洲国家保险渗透率（毛保费收入/实际GDP）。虚线表示中位数，而实线表示分析中的24个欧洲国家的总值。数据来源：AXCO数据库和OECD国家账户数据库。

3. 各国在增长率、水平和个别保险子部门的重要性之间存在差异性（图3），这是由多种因素造成的，受到金融市场发展程度、公共保险制度存在以及经济体财富状况的影响。各国非寿险市场中，车险、财产险和意外险占据主导地位。这些观察为本文的研究提供背景，旨在通过保费收入的视角分析保险行业与经济增长的关系，同时考虑不同国家和保险细分市场的差异。

图3 根据毛保费收入划分的欧洲国家保险行业细分市场（1997年至2017年的平均值）。NL代表非寿险。数据来源：AXCO数据库，CNB计算。

我们通过多变量回归分析的方法来实证检验保险行业决定因素。我们估计了两组模型—寿险和非寿险—因为保险行业提供了一组非同质的产品，这使得我们无法将整个保险行业作为一个整体来建模。寿险和非寿险行业的变化可能由不同的因素决定，尽管一些决定因素可能是相同的。

本文的研究数据涵盖了24个欧洲国家从1983年到2017年的数据，但由于部分关键变量的数据限制，基线样本选择了1997年至2017年这段时期。模型主要的因变量是寿险和非寿险的毛保费的增长率。毛保险费率是用保险价格和保险数量的乘积计算，受需求和供给双方面因素影响，而保险价格的波动也会影响总保费。因此，本文在模型中加入价格影响作为控制变量，以降低因遗漏价格因素而引起的估计偏差。

文中还使用了协调的消费者物价指数来捕捉保险服务的价格变化，从而更好地控制需求方的价格影响。为了减少跨国差异对结果的干扰，本文使用面板数据的国家固定效应模型（FE模型）来控制各国的特定因素，有助于确保估计的无偏性。

1. 保费模型

本文分别建立了寿险和非寿险的保费增长模型：

两个模型的因变量为保费增长率，主要自变量为GDP增长率，用于表示经济周期。角标i和t 分别代表国家和时间段（年份）。变量GDPit是实际国内生产总值（实际GDP增长）的年变化量，而 Xit和Zit是控制变量的行向量。最后，i表示捕捉未观察到的国家特定效应，  是误差项。

GDP增长率的系数能够揭示保费变动与经济周期的关系，帮助识别保险业在经济周期中的角色，例如是否作为经济冲击的放大器或吸收器。此类信息对于进⾏宏观审慎压⼒测试⾄关重要，这种测试可以评估金融部门在经济或金融危机等极端情况下的弹性。本文预期保费与实际 GDP 增长之间的系数是正值，因为表现不佳的经济可能会造成保险需求上升。图4显示了寿险和⾮寿险保费增长与实际 GDP 增长之间的简单相关性（均以百分⽐表示）。虽然散点图并未显示这些变量之间有特别强的关系，但相关系数在统计上显著且为正，正如预期的那样。实际 GDP 增长与寿险保费之间的相关性更强。

图4 寿险和非寿险保费增长与实际GDP增长之间的相关性。数据来源：AXCO数据库和OECD经济展望。

2. 控制变量

本文关于控制变量的选择是基于对现有实证研究的回顾。其中一些变量是新加入的，之前未曾考虑过的。

这些变量的具体描述如下。

原文表7 变量定义与预期关系。（原文附录表7）

其中SOLVENCYII_it是一个虚拟变量，自2016年起等于1，其他情况下为0。它帮助我们区分自《偿付能力II指令》实施以来的时期，可能导致保险公司在风险管理、资本规划及某些保险产品定价和盈利能力方面发生重大变化。而且，如果不考虑它对某些业务类别的重新分类，可能会错误地归因于2016年后的保费波动。特别是在健康保险方面，《偿付能力II》根据与其他类别的相似性将其划分为寿险和非寿险。

SSCGOVREV_it表示社会保障缴款与政府总收入的比率。我们预期其具有负相关性，因为更慷慨的社会保障体系可能降低额外私人保险的需求。从这个角度来看，社会保障（平均而言）充当了寿险的替代品，而非补充品。

INSHICP_it是保险产品的统一消费者价格指数变化。这一变量代表了保险保费增长中的价格部分。该变量完全反映了非寿险部门从家庭视角看来的价格增长。寿险部门不包括在内，因此该变量更像是寿险价格增长的近似值。保险产品价格上涨应自然导致保险保费的增加（预期为正相关）。

预期寿命（LIFEEXP_it）和年龄依赖比率（ADR_it）一起控制人口趋势。较高的预期寿命意味着更为先进的医疗保健系统，因此可能会减少对私人保险的需求。同时，预期寿命也反映了一个国家的经济水平，可以假设在更发达的国家，保险增长较低，因为当前保险的饱和度较高（预期为负相关）。然而，人口老龄化（由ADR_it体现），尤其是退休人员数量的增加，可能意味着由于退休人员购买力较低，对保险的需求会减少。我们引入这两个变量，主要是为了探究导致这些混合估计结果的因素，并加以解释。

SAVINGS_it变量表示储蓄率，反映了可支配收入的一部分，这部分收入与负债的发生一起，用于购买金融和非金融资产。我们假设较高的储蓄率会促进保险保费的增长。这是因为，投资于寿险也可以反映储蓄动机。

金融发展指数（FDI_it）取自Svirydzenka（2016），旨在衡量金融发展的水平。我们使用FDI的年度变化作为解释变量。先前的研究通常依赖单一指标来衡量金融发展水平，例如准货币（M2-M1）与广义货币（M2）的比率，私人信贷与总银行资产的比率与GDP。然而，这种方法可能不足够，因为各国金融体系的多样性表明，衡量金融发展需要考虑多个指标（Sahay等，2015）。因此，使用如FDI_it这样的复合指标，能够将来自金融体系多个层面的信息纳入考虑。

LCONCENT_it和 NCONCENT_it分别反映了寿险和非寿险行业的集中度变化。集中度比率通过对个别保险公司的微观数据进行计算，特别是我们收集了15,083家寿险公司和18,291家非寿险公司的保费信息，并计算了四大保险公司的市场份额。理论上，市场集中度较高应导致市场供应受限，因此对保险保费的数量影响可能是负面的（数量效应）。然而，市场集中度的提高也会增强保险保费增长的价格效应（正效应）。因此，我们无法事先确定其总效应。

EXPORT_it是一个代理变量，表示该国参与跨境贸易的程度，它通过出口的年增长率来计算。我们预期参与全球贸易更多的国家，其保险保费的增长也更高。这主要是因为国际贸易中存在的某些风险是可以投保的。另一方面，更多参与世界贸易可能意味着更多的外来竞争（如外资保险公司的分支或子公司），这可能最终导致保险产品价格的下降。因此，我们无法事先确定哪种效应占主导地位。

CRISIS_it是一个虚拟变量，表示2008-2009年的全球金融危机时期，由于需求冲击该时期保险保费大幅下降。它旨在捕捉模型中未包含但与这一特殊事件相关的时间效应。

除上述变量外，我们还测试了相关文献中建议的一些其他变量（见原文表6）。由于与其他变量的共线性问题或回归中表现出不一致问题，有些变量未能纳入分析。最后，我们承认，尽管我们模型中包含了多个控制变量，但出于数据等原因未纳入我们的实证模型，但所选的控制变量集足以将可能的遗漏变量偏误限制在合理水平。

3. 数据

数据来源：保险保费数据来自AXCO全球统计数据库，集中度比率数据是基于AXCO公司统计的微观数据，其他宏观经济变量则来自OECD、ECB、IMF和世界银行的数据库。

变量描述：研究考虑了12个国家和地区特定的解释变量，包括生命和非生命保险的毛保费增长率、Solvency II指令的实施、社会保障贡献比率、保险产品的价格变化、预期寿命、储蓄率、金融发展指数、市场集中度比率、出口增长率和危机时期的虚拟变量。

数据预处理：对生命和非生命保险费增长的数据进行了极端异常值的剔除，即排除了超过四分位范围三倍以上的极端值，这些值占不到1%的观测值。由于缺乏微观数据，包含集中度比率的回归中的观测数量较少。因此，作为稳健性检验，文章还提供了一些不包含这些变量的回归分析。

本部分描述了寿险和非寿险保费的回归分析结果。表2展示了的寿险和非寿险保费基准回归结果。第一和第二列（（1）和（2））显示了寿险保费回归的结果，最后两列（（3）和（4））呈现了非寿险保费回归的结果。此外，列（1）和（3）排除了变量预期寿命LIFEEXP（有关更多细节，请参阅“人口统计因素的作用”部分）。文章报告了点估计值以及聚类稳健标准误（在括号内）。

表2 寿险和非寿险的决定因素

1. 保费对商业周期的敏感性

商业周期与保费的关联：研究表明，保险费率与商业周期有着强烈的正相关性，并且这种关系在统计上是显著的。

GDP增长率（GDP_GROWTH）的影响：研究中特别指出，实际GDP增长率的增加与寿险和非寿险保费的增长有着直接的联系。根据回归结果，我们可以声明寿险行业被发现更容易受到商业周期的转变影响。这支持了寿险可以被视为奢侈品的非平凡结论。保费与实际GDP增长之间的正向关系可能因不利金融市场发展后的资产配置变化和可能的寿险保单失效等情况导致。

另一方面，保险行业仍可能保持某些反周期特征，这些特征没有反映在保费动态中。这些包括从信用保险政策支付给银行的索赔，以及在各种商业保险政策下支付给非金融公司的索赔。因此，我们的结果只显示了周期性的一个方面，不能被视为整个保险行业前瞻性的证据。

估计的参数值可以直接且容易地用于宏观审慎压力测试，通过从商业周期情景中推导出保险收入动态。

2. 寿险和非寿险之间的价格效应

我们在寿险和非寿险部门的价格效应估计上记录到了明显的差异。我们发现INSHICP的变化与非寿险保费的统计显著增加有关，而在寿险的情况下我们没有记录到这样的关系。在这方面，我们是第一个在我们的回归中纳入保险价格变化的，而以前的研究要么省略了价格效应，要么使用了一个总体通胀变量。

正如Feyen等人（2011）所说，预计通胀对寿险需求有负面影响，因为它削弱了保险单的价值，使它们变得不那么吸引人。这种直觉得到了其他几项研究的证实（表6）。然而惊讶的是，Feyen等人（2011）最终在他们所有的非寿险回归中识别出总体通胀变量的正号，我们认为，这可以被部分地解释为总体通胀变量主要捕捉了如汽车和房地产等实物商品的价格，而这些商品价格的增长自然会提高非寿险保费的价格。我们更精确的INSHICP变量支持这种解释，因为它比总体通胀更好地涵盖了非寿险部门的价格增长。

对于寿险部门，INSHICP变量显示对保费没有显著或负面影响。统计上不显著的估计并不令人惊讶，因为我们的价格变量只捕捉了非寿险部门的发展，而对于寿险部门它更多地作为一个近似值。还可以考虑使用需求/供应弹性的额外经济解释，寿险需求高度弹性，迅速响应寿险价格的变化。这种解释与寿险产品，特别是其投资组成部分，有银行或基金提供的投资产品的紧密替代品这一事实相符。这与非寿险形成对比，非寿险的保费量随着价格上涨而增加，尽管增长幅度较小—非寿险产品的需求在价格上涨后只部分减少，这与非寿险产品没有紧密替代品的事实相符。

3. 市场集中度的作用

保险市场集中度变化影响研究不足。我们用微观数据计算集中度比率，为寿险市场集中度影响提供证据并补充前人研究。

我们发现集中度水平的变化对寿险保费有显著正向影响。该结果与前人显著负向的研究结果相悖。其负向影响可用不完全竞争理论解释。然而，许多国家存在大量保险承保能力较小的小公司，而保险业务集中于少数公司的国家在发展保险服务方面更成功，所以 LCONCENT 的正向影响在理论上合理。我们还认为，高市场集中度可能强化保费增长价格渠道。

非寿险部门集中度比率（NCONCENT）的系数不显著。一种解释是，集中度变量的价格渠道在很大程度上已被 INSHICP 所涵盖。然而还需思考为何未产生显著负向影响。

4. 人口因素的作用

在第二个回归设定中纳入预期寿命变量。LIFEEXP（预期寿命变量）的系数表明着，国家的人口预期寿命每延长一年，其寿险业务量就会下降 3.37%。这一结果与费恩等人（2011）所记录的平均点估计值-3.4较为接近。然而，学者对在寿险保费模型中纳入预期寿命变量存在较大争议。

我们对其进行假设检验并纳入非寿险保费回归分析。发现它在 5% 的显著性水平下也产生了一个显著为负的系数- 1.4。然而，该假设并不能应用于非寿险。原因是过早死亡概率会降低激励经济主体为财产投保。我们发现预期寿命指标与人均国内生产总值高度相关。因此，发达国家由于此前保费饱和度较高，其自然记录的保险保费增长率较低。

总体而言，我们发现有证据表明，预期寿命反映的是收敛效应，而非医疗保健系统或人口总体健康状况的改善。虽然它得出了高度显著的估计值，但在解读时需谨慎。

5. 金融发展、社会保障与储蓄

我们发现，储蓄增加和金融体系更加发达会促进寿险保费的增长。具体而言，外国直接投资（FDI）每增加一个单位，寿险保费增长率在 1% 的显著性水平下大约会增加 1.3 个百分点。储蓄（SAVINGS）每增加 1 个百分点，保费大约会增加 0.85 个百分点。因保险可视为另一种储蓄形式。正如雅瑞（1965 年）所指出的，寿险需求应在消费者一生资源分配过程中考量。追求效用最大化的家庭有相同程度相对风险厌恶，在其一生中，任何超额的总储蓄都可转化为保险公司提供的任何一种金融产品。

社会保障缴款（SSCGOVREV）的影响显著，平均影响为 - 1.63 个百分点。社会保障支付似乎会取代私人保险。因此，我们的结果支持了社会保障计划至少部分替代私人寿险的假设。社会保障计划提供了抵御死亡风险的保障，因此会对寿险需求产生负面影响。该估计值与布朗和金（1993 年）的研究结果相符。

危机虚拟变量（CRISIS）表明，全球金融危机对非寿险部门的冲击严重。寿险部门的结果带有负号但在统计上并不显著。相同的实证设定，但未包含危机虚拟变量的结果与上述描述一致，只是实际国内生产总值增长的系数略大一些，现在涵盖了整个商业周期。这可被视为对我们结果的首次稳健性检验。

6. 关于《偿付能力 II》虚拟变量的结果说明

在寿险的回归中，《偿付能力 II》虚拟变量（SOLVENCYII）的系数为负，在非寿险的情况下为正且大多显著。这证实了在模型中纳入该虚拟变量的重要性。我们用两个论点来解释这些符号。一是《偿付能力 II》制度的采用导致了某种保险业务险种的重新分类，因此原本在寿险中观察到的保费动态可能会转移到非寿险中，反之亦然。二是制度实施期间收益率低使某些寿险产品吸引力下降。因此，保险业务的部分长期趋势也可由 SOLVENCYII 参数来捕捉。后一个论点得到了以下事实的支持：在将利率纳入模型后，SOLVENCYII 的显著性降低，然而其他结果并未发生显著变化。该变量作为控制变量，不深入评估其参数估计值等，只声称其控制了部分保费方差。

本文研究了保险保费增长的宏观金融决定因素，通过对24个欧洲国家1997 - 2017年数据的分析，得出以下结论：

（i）寿险和非寿险保费均与商业周期密切相关，与实际GDP增长呈正相关，可用于宏观审慎压力测试及保险行业发展评估。

（ii）对寿险来说，市场集中度越高，保费收入越高，可能因价格增长或公司发展能力，本文计算集中度比率的方法更精确。对非寿险来说，整体集中度影响不显著，但在部分细分领域和后共产主义国家呈负相关，后共产主义国家集中度下降推动行业发展。

（iii）非寿险保费与价格变化正相关，价格上涨时保费数量增加，需求缺乏弹性，寿险保费对价格变化不敏感，价格变化对保费数量影响不显著或相反，因其投资成分有替代品。

（iv）在寿险保费模型中，预期寿命变量可能产生误导，它更多反映收敛效应而非医疗保健改善。

本文的研究结果能够增强保险行业的宏观审慎压力测试，通过分析保险费增长的决定因素，为保险行业的发展提供回顾性评估和前瞻性预测。COVID-19大流行凸显了保险行业韧性的重要性，预计会导致寿险和某些非寿险部门的索赔增加，同时保险费可能下降。这些发现对保险公司和监管当局规划未来具有重要意义，因为它们揭示了经济周期与保险业务之间的联系。保险公司可以利用这些参数估计将宏观经济预测转化为业务增长预测，而监管当局可以评估保险公司对GDP增长恶化的韧性。此外，这些结果也对讨论扩展欧洲保险监管框架的宏观审慎元素提供了支持，提示在设计政策工具时需考虑保险业务的异质性。

入驻平台：雪球、头条号、微博、百家号、知乎

邮箱：thirteenactuary@163.com

小编微信号：xxjss13