某公司財(cái)務(wù)知識(shí)與財(cái)務(wù)惡化預(yù)警研究管理學(xué)

我國(guó)產(chǎn)險(xiǎn)公司財(cái)務(wù)惡化預(yù)警研究

——基于Logistic模型

一、文獻(xiàn)背景

上個(gè)世紀(jì)60年代初期，美國(guó)保險(xiǎn)市場(chǎng)接連發(fā)生產(chǎn)險(xiǎn)公司失去償付能力的事件（Barniv和McDonald，1992），之后在80年代中期，保險(xiǎn)公司破產(chǎn)的頻率及危害程度大幅增加（Harrington，1992）。反觀我國(guó)產(chǎn)險(xiǎn)市場(chǎng)，雖然尚未出現(xiàn)公司倒閉或財(cái)務(wù)危機(jī)的情況，但隨著外資產(chǎn)險(xiǎn)公司的大量進(jìn)入，未來(lái)市場(chǎng)的競(jìng)爭(zhēng)勢(shì)必更趨激烈，經(jīng)營(yíng)風(fēng)險(xiǎn)也會(huì)相對(duì)增加。而于保險(xiǎn)公司財(cái)務(wù)異常狀況的識(shí)別和預(yù)測(cè)可以幫助保險(xiǎn)公司管理層確定公司是否面臨經(jīng)營(yíng)失敗的風(fēng)險(xiǎn)，也可以幫助審計(jì)人員判斷公司是否具有持續(xù)經(jīng)營(yíng)的能力，這對(duì)于監(jiān)管機(jī)關(guān)、立法部門、保單持有人、股東、債權(quán)人以及一般公眾都是十分重要的。因此，我們需要針對(duì)我國(guó)實(shí)際情況，及早尋找一個(gè)有效的評(píng)估方法，作為產(chǎn)險(xiǎn)業(yè)的財(cái)務(wù)預(yù)警評(píng)估工具，促使保險(xiǎn)業(yè)所扮演的穩(wěn)定社會(huì)、促進(jìn)經(jīng)濟(jì)發(fā)展等功能得以有效發(fā)揮。

因此，本文通過回顧國(guó)內(nèi)外產(chǎn)險(xiǎn)業(yè)財(cái)務(wù)預(yù)警分析的相關(guān)文獻(xiàn)，探討影響產(chǎn)險(xiǎn)公司財(cái)務(wù)狀況的主要因素，并利用國(guó)內(nèi)產(chǎn)險(xiǎn)公司2002-2005年的財(cái)務(wù)數(shù)據(jù)，運(yùn)用Logistic模型進(jìn)行財(cái)務(wù)狀況惡化預(yù)警的實(shí)證研究。由于以Logistic模型作為分析工具，需要有實(shí)際失去償付能力公司的相關(guān)數(shù)據(jù)，然而目前國(guó)內(nèi)產(chǎn)險(xiǎn)業(yè)尚無(wú)公開的失去償付能力的公司，因而本文擬根據(jù)財(cái)務(wù)比率分析中的均值-方差法，將研究樣本依財(cái)務(wù)狀況分為兩組，財(cái)務(wù)狀況好的公司視為正常公司，反之則視為異常公司。之后，根據(jù)監(jiān)管尺度的寬松和嚴(yán)格程度，在四個(gè)不同模式下，分析影響產(chǎn)險(xiǎn)公司財(cái)務(wù)異常的主要因素，并對(duì)不同模式下事前概率與預(yù)測(cè)概率的整體辨別率及錯(cuò)誤成本進(jìn)行比較。二、文獻(xiàn)回顧

保險(xiǎn)行業(yè)中對(duì)于償付能力不足問題的研究很早就受到了關(guān)注，并且相應(yīng)發(fā)展起了許多關(guān)于識(shí)別保險(xiǎn)公司財(cái)務(wù)異常狀況的方法。Ambrose和Seward（1988）根據(jù)A.M.Best的評(píng)級(jí)指標(biāo)，引入虛擬變量，運(yùn)用多變量判別分析法進(jìn)行財(cái)務(wù)困境預(yù)警，并與財(cái)務(wù)比率法分析結(jié)果加以比較，再將二者合并代入事前概率多變量判別分析法，比較三種方法的預(yù)測(cè)能力，結(jié)果發(fā)現(xiàn)事前概率的判別結(jié)果較好。Grace，Harrington和Klein（1998）和Cummins，Grace和Phillips（1999），分別以1989-1991年和1990-1992年產(chǎn)險(xiǎn)公司為樣本，比較了財(cái)務(wù)分析追蹤系統(tǒng)（FAST）與風(fēng)險(xiǎn)基礎(chǔ)資本（RBC）兩種靜態(tài)償付能力評(píng)估方法，結(jié)果發(fā)現(xiàn)FAST更能有效識(shí)別異常公司，而RBC的預(yù)測(cè)能力雖不及FAST，但仍具一定程度的正確識(shí)別率。

國(guó)內(nèi)，戴娟（2003）指出我國(guó)償付能力監(jiān)管指標(biāo)主要是借鑒了美國(guó)IRIS體系，但許多指標(biāo)對(duì)償付能力不足的預(yù)警作用并不顯著。占?jí)粞牛?005）通過因子分析，指出各償付能力監(jiān)管指標(biāo)之間存在高度相關(guān)性，四個(gè)以下獨(dú)立指標(biāo)值超出正常范圍的公司可能會(huì)比四個(gè)以上高度相關(guān)的指標(biāo)超出正常范圍的公司更值得關(guān)注，同時(shí)Logit模型結(jié)果表明償付能力充足率對(duì)業(yè)務(wù)增長(zhǎng)、資金運(yùn)用風(fēng)險(xiǎn)等敏感性不強(qiáng)。呂長(zhǎng)江、周縣華、楊家樹（2006）利用我國(guó)保險(xiǎn)公司2001-2003年數(shù)據(jù)，分別運(yùn)用多元判別分析模型和Logistic模型對(duì)償付能力惡化的保險(xiǎn)公司進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)多元判別分析模型要優(yōu)于Logistic模型。

通過上述文獻(xiàn)回顧發(fā)現(xiàn)，財(cái)務(wù)預(yù)警的主要目的是尋找一套有效預(yù)測(cè)保險(xiǎn)公司財(cái)務(wù)狀況的方法，以避免保險(xiǎn)公司破產(chǎn)導(dǎo)致社會(huì)動(dòng)蕩與經(jīng)濟(jì)發(fā)展不穩(wěn)定等現(xiàn)象。由于Logistic模型是采用一系列財(cái)務(wù)比率變量來(lái)預(yù)測(cè)公司破產(chǎn)或違約的概率，然后根據(jù)公司、投資者的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警界線，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位和決策，其與多元判別分析法的本質(zhì)區(qū)別在于前者不要求滿足正態(tài)分布，其模型采用Logistic函數(shù)。而Logistic回歸不假定任何概率分布，在樣本分布不滿足正態(tài)情況下其判別正確率高于判別分析法的結(jié)果。因此，本文采取Logistic回歸作為研究模型，利用2002-2005年產(chǎn)險(xiǎn)公司的財(cái)務(wù)數(shù)據(jù)建立模型，并對(duì)2005年公司的財(cái)務(wù)狀況進(jìn)行預(yù)警，以探求影響公司財(cái)務(wù)狀況的重要因素，并尋求最佳的監(jiān)管標(biāo)準(zhǔn)。三、樣本、指標(biāo)選擇與實(shí)證設(shè)計(jì)

（一）樣本數(shù)據(jù)及指標(biāo)選擇樣本數(shù)據(jù)主要來(lái)源于《中國(guó)保險(xiǎn)年鑒》（2003~2006）。經(jīng)過數(shù)據(jù)整理和剔除缺失及特大異常數(shù)據(jù)，本文的實(shí)際樣本為：2002年26個(gè)，2003年28個(gè)，2004年23個(gè)，2005年26個(gè)。根據(jù)上述相關(guān)研究文獻(xiàn)，本文參照美國(guó)IRIS、FAST財(cái)務(wù)比率系統(tǒng)，A.M.Best公司評(píng)級(jí)指標(biāo)體系及我國(guó)財(cái)產(chǎn)保險(xiǎn)公司監(jiān)管指標(biāo)，共選取20項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行保險(xiǎn)公司財(cái)務(wù)狀況的預(yù)警（見附表1），這些指標(biāo)從資本結(jié)構(gòu)、流動(dòng)性及償債能力、經(jīng)營(yíng)效率、運(yùn)營(yíng)風(fēng)險(xiǎn)衡量、成長(zhǎng)能力、獲利能力共六個(gè)方面反映產(chǎn)險(xiǎn)公司的財(cái)務(wù)狀況。（二）模型選擇與實(shí)證設(shè)計(jì)

我們的目的在于分析附表1中的各因素是否對(duì)財(cái)務(wù)異常有顯著影響，以及究竟有幾類因素在發(fā)揮關(guān)鍵性的作用。但是，以上指標(biāo)個(gè)數(shù)達(dá)20個(gè)，而且各指標(biāo)之間存在一定的相關(guān)性，因此我們希望用較少的綜合指標(biāo)綜合存在于各指標(biāo)中的信息，同時(shí)使綜合指標(biāo)之間彼此不相關(guān)，從而利用該綜合指標(biāo)對(duì)各個(gè)觀測(cè)進(jìn)行綜合評(píng)價(jià)，來(lái)獲得比較可信的結(jié)果。人們經(jīng)常用因子分析來(lái)解決這類問題。因子分析法作為主成分分析方法的一種自然的延伸，其解不具有唯一性，我們可以從中選擇適合所考慮的具體問題的解，判斷所得到的因子的實(shí)際意義。并且，從實(shí)務(wù)上考慮，影響保險(xiǎn)公司的財(cái)務(wù)狀況是否出現(xiàn)異常的是一些不可觀察的潛在變量，這些不可觀測(cè)的潛在變量一般不能表示為原來(lái)隨機(jī)變量的線性組合，如經(jīng)營(yíng)效率因素、資本結(jié)構(gòu)因素，獲利能力因素等，而通過因子分析法，可以發(fā)現(xiàn)這些潛在因素。對(duì)初始因子數(shù)的選擇我們采用最小特征值方法，只選取特征值大于1的因子，發(fā)現(xiàn)有6個(gè)因子有比較大的特征值，它們一同解釋了總信息的83.69％，接近85%，所以選前6個(gè)因子為主因子。為了進(jìn)一步解釋主因子的含義，選用方差極大化旋轉(zhuǎn)方法進(jìn)行因子旋轉(zhuǎn)，經(jīng)過旋轉(zhuǎn)后的因子載荷矩陣列于附表2。顯然，第一個(gè)主因子factor1在X1、X2、X3和X13、X14、X15上有較大的載荷，我們將其稱為資本結(jié)構(gòu)與經(jīng)營(yíng)風(fēng)險(xiǎn)因子；第二個(gè)主因子factor2在X8、X9、X10、X11上有較大的載荷，我們稱其為經(jīng)營(yíng)成本因子；第三個(gè)主因子factor3在X16、X17上有較大的載荷，稱其為成長(zhǎng)能力因子；第四個(gè)主因子factor4在X4、X5、X12上有較大的載荷，稱其為短期償債能力因子；第五個(gè)主因子factor5在X6、X7、X18上有較大的載荷，稱其為長(zhǎng)期償債能力因子；第六個(gè)主因子factor6在X19、X20上有較大的載荷，稱其為獲利能力因子。下文我們將用這6個(gè)因子作為自變量進(jìn)行l(wèi)ogistic回歸。logistic回歸模型為：其中，y是實(shí)際觀察到的反應(yīng)變量，y=1表示財(cái)務(wù)異常，y=0表示財(cái)務(wù)正常；p表示公司財(cái)務(wù)異常的概率,α為截距項(xiàng)，β1,β6,L為斜率參數(shù)，factor1,Lfactor6為通過因子分析計(jì)算出的6個(gè)主因子。四、Logistic實(shí)證結(jié)果分析

（一）Logistic模型回歸結(jié)果本文依據(jù)均值-方差的方法以時(shí)間序列的方式，分別以該年前兩年的產(chǎn)險(xiǎn)業(yè)財(cái)務(wù)比率變量的均值加減兩個(gè)標(biāo)準(zhǔn)差為上、下限（即2004年選用2002年和2003年的相應(yīng)財(cái)務(wù)變量的均值和標(biāo)準(zhǔn)差，2005年選用2003年和2004年的相應(yīng)財(cái)務(wù)變量的均值和標(biāo)準(zhǔn)差）以及依據(jù)1號(hào)文中財(cái)險(xiǎn)公司業(yè)務(wù)的監(jiān)管指標(biāo)規(guī)定作為判斷的標(biāo)準(zhǔn)，選取2004年至2005年的產(chǎn)險(xiǎn)公司為觀察樣本，共計(jì)49個(gè)觀察樣本。各個(gè)樣本的財(cái)務(wù)變量若未落入上下限區(qū)間內(nèi)，則認(rèn)為該樣本公司的該財(cái)務(wù)變量出現(xiàn)異常，否則就認(rèn)為正常。將出現(xiàn)異常的財(cái)務(wù)變量個(gè)數(shù)相加，就得到該樣本公司不符合設(shè)定標(biāo)準(zhǔn)的財(cái)務(wù)變量的個(gè)數(shù)。我們將其分為四個(gè)等級(jí)，分別為異常指標(biāo)數(shù)目大于3個(gè)、大于4個(gè)、大于5個(gè)、大于8個(gè)，作為區(qū)分正常公司與異常公司的標(biāo)準(zhǔn)，即監(jiān)管標(biāo)準(zhǔn)從嚴(yán)格到寬松，相應(yīng)地得到了4個(gè)模型。將4個(gè)模型區(qū)分為正常公司與異常公司的樣本數(shù)匯總為下表1：將上述因子分析過程得到的6個(gè)因子全部放入logistic回歸模型，用逐步回歸的方法進(jìn)行分析，變量加入和保留的顯著水平分別為0.3與0.35，結(jié)果如表2所示：

表2至表5中HL是Holmer和Lemeshow提出的擬合優(yōu)度檢驗(yàn)指標(biāo)，可以看出，HL指標(biāo)的p值不顯著，表明模型很好地?cái)M合了數(shù)據(jù)。從前三種Logistic回歸模式的結(jié)果可知，factor1、factor4、factor5和factor6對(duì)產(chǎn)險(xiǎn)公司的財(cái)務(wù)惡化狀況有較好的預(yù)測(cè)能力，即資本結(jié)構(gòu)與經(jīng)營(yíng)風(fēng)險(xiǎn)因子、短期償債能力、長(zhǎng)期償債能力和獲利能力因子涵蓋了各方面財(cái)務(wù)狀況信息。另外，當(dāng)指標(biāo)規(guī)定過于寬松如模式4下，僅factor1對(duì)財(cái)務(wù)惡化狀況的影響顯著，缺少了償債能力、獲利能力等因素，必然會(huì)導(dǎo)致模型整體的預(yù)警能力較差。（二）Logistic回歸模型預(yù)測(cè)能力分析

由于國(guó)內(nèi)外文獻(xiàn)對(duì)于償付能力不足的相關(guān)研究大部份均假設(shè)pi=0.5（臨界值為0.5）作為研究基礎(chǔ)，然而，當(dāng)財(cái)務(wù)狀況正常與異常公司的樣本數(shù)不相等時(shí)（即pi≠0.5），則須運(yùn)用事前概率（priorProbability）的概念，將過去數(shù)據(jù)中異常公司樣本數(shù)占全部樣本數(shù)的比率作為臨界值（cut-offvalue），將預(yù)測(cè)值小于臨界值的樣本歸類為正常公司，反之則歸類為異常公司。最后，本文希望能通過事前概率（pi≠0.5）與預(yù)測(cè)概率（pi=0.5）作一比較與分析，并選取最佳模型進(jìn)行個(gè)案探討，以作為產(chǎn)險(xiǎn)業(yè)的參考依據(jù)。經(jīng)過上述Logistic回歸分析下的不同模型，并通過事前概率（視過去數(shù)據(jù)而定）與預(yù)測(cè)概率的區(qū)分，分別以其預(yù)測(cè)值作為歸類為異常公司的受檢值，各模型的正確識(shí)別率情況如表6、表7所示?？梢?，在監(jiān)管規(guī)定嚴(yán)格程度不同的規(guī)定下，Logistic模型不論以事前概率或預(yù)測(cè)概率預(yù)測(cè)其結(jié)果，其整體正確率均在75%以上，顯示該模型預(yù)測(cè)能力不錯(cuò)。但若以識(shí)別正常公司的正確識(shí)別率來(lái)看，以預(yù)測(cè)概率為好，反之，若以識(shí)別異常公司的正確識(shí)別率而言，則相對(duì)以事前概率為好，其原因是因?yàn)槭虑案怕实氖軝z值將隨著異常公司過去所發(fā)生的概率改變，較能反映異常情況的發(fā)生概率。而預(yù)測(cè)概率的受檢值是由于假設(shè)正常公司與異常公司發(fā)生概率相等，使得較寬松規(guī)定時(shí)的受檢值設(shè)定較低，將所有正常公司均納入與異常公司部分納入而造成正常公司正確識(shí)別率較高，如模式4下，僅有的一家異常公司被誤認(rèn)為正常公司；反之，如規(guī)定較嚴(yán)格時(shí)，其受檢值偏高又將排除部分正常公司納入異常公司分類，致使正常公司正確識(shí)別率降低，異常公司正確識(shí)別率增加。對(duì)于整體正確識(shí)別率而言，由于規(guī)定較寬松模型的正常公司數(shù)較多，因而提升整體正確識(shí)別率，反之則反；再者，從事前概率的正確識(shí)別率較預(yù)測(cè)概率的正確識(shí)別率呈現(xiàn)較為穩(wěn)定的狀態(tài)來(lái)看，事前概率的運(yùn)用較預(yù)測(cè)概率更適合該模型對(duì)產(chǎn)險(xiǎn)公司財(cái)務(wù)狀況的預(yù)測(cè)，由于國(guó)內(nèi)學(xué)者對(duì)于相關(guān)模型的研究分析大部分均以預(yù)測(cè)概率為主，此結(jié)果可作為未來(lái)研究的又一新的方向。

再者，通過表中異常公司識(shí)別正確率可發(fā)現(xiàn)，事前概率正確識(shí)別率和預(yù)測(cè)概率正確識(shí)別率的結(jié)果并不一致，因?yàn)橐?guī)范過于寬松或過于嚴(yán)格對(duì)于產(chǎn)險(xiǎn)公司的財(cái)務(wù)狀況均可能造成偏差，將會(huì)影響該模型對(duì)于異常公司的財(cái)務(wù)狀況做出錯(cuò)誤的分類。在前三種模式下，無(wú)論事前概率還是事后預(yù)測(cè)概率來(lái)看，以大于5個(gè)以上指標(biāo)作為異常公司標(biāo)準(zhǔn)更為合適，其整體正確識(shí)別率最高。但在預(yù)測(cè)概率下，模式4的整體正確率高于其他。這時(shí)，如何判斷預(yù)警模型的預(yù)測(cè)能力，需要考慮兩類錯(cuò)誤的總體錯(cuò)誤成本，以選擇適合的監(jiān)管標(biāo)準(zhǔn)。（三）Logistic模型錯(cuò)誤成本分析

預(yù)測(cè)錯(cuò)誤包括兩類，第一類錯(cuò)誤是模型把將來(lái)償付能力會(huì)惡化的保險(xiǎn)公司預(yù)測(cè)為償付能力良好公司；第二類錯(cuò)誤是模型把將來(lái)償付能力良好的公司預(yù)測(cè)為償付能力會(huì)惡化的公司。不同模式下發(fā)生兩類錯(cuò)誤的概率如表8所示為了判斷模型的有效性，必須區(qū)分這兩類錯(cuò)誤的發(fā)生成本。因?yàn)榘凑誗inkey（1975）的觀點(diǎn)，把一個(gè)有問題公司錯(cuò)分類成沒有問題公司的成本，要遠(yuǎn)比把一個(gè)沒有問題公司錯(cuò)分類成有問題公司的成本大得多。因此，本文參照國(guó)外文獻(xiàn)，采用了相對(duì)成本法，即用第一類錯(cuò)誤成本除以第二類錯(cuò)誤成本（Altmanetal.，1977）。在一系列相對(duì)成本比率（第一類錯(cuò)誤成本/第二類錯(cuò)誤成本）：1：1，10：1，20：1，和30：1下，用下面的公式估計(jì)總體相對(duì)成本：總體相對(duì)成本=（PI×CI）+（PII×CII）其中，PI、PII分別表示第一類和第二類的錯(cuò)誤率；CI、CII對(duì)應(yīng)各自的相對(duì)錯(cuò)誤成本。理論上，總體相對(duì)成本低的模型更為有效，并易于被接受。由表9可知，在相對(duì)成本從1：1變化至30：1的過程中，事前概率模型的錯(cuò)估成本普遍低于預(yù)測(cè)概率的錯(cuò)估成本，事前概率模型有效性更高。另發(fā)現(xiàn)，前三種模式下事前概率和預(yù)測(cè)概率模型下的錯(cuò)估成本比較接近，預(yù)測(cè)能力相對(duì)穩(wěn)定，而模式4的兩種模型存在顯著差別，表明其預(yù)測(cè)的穩(wěn)定性差于其他模式。因此，監(jiān)管者若以Logistic模型作預(yù)警工具，在確定監(jiān)管尺度時(shí)，必須考慮正常和異常公司數(shù)量的差異，若其中一類公司比重幾乎微不足道時(shí)，必然影響模型的預(yù)測(cè)能力。

再進(jìn)一步作個(gè)案探討，以模式2下的Logistic事前概率對(duì)2004和2005年各產(chǎn)險(xiǎn)公司進(jìn)行財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)，其結(jié)果如圖1所示?？梢园l(fā)現(xiàn)，以Logistic回歸預(yù)測(cè)各公司的財(cái)務(wù)狀況結(jié)果，以I公司、J公司、X公司、Y公司、Z公司的財(cái)務(wù)狀