我国机动车辆保险效率研究.docVIP

我国机动车辆保险效率研究摘要：文章在分析我国机动车辆保险发展现状的基础上，运用数据包络分析方法对我国27家产险公司的机动车辆保险经营效率进行了实证分析，分析结论找出了我国机动车辆保险经营中存在的问题并分析了其产生的原因，针对问题提出相应的解决建议。 关键词：机动车辆保险 数据包络分析 经营效率 核心竞争力 退出机制 机动车辆保险一般是指以汽车、拖拉机、摩托车等各种车辆为保险标的的运输工具保险。[1]机动车辆保险有利于减少交通事故发生，促进交通安全，维护社会公众利益和社会安定，促进汽车工业及其相关产业的发展。机动车辆保险已经成为我国产险市场上支柱险种，机动车辆保险的保费收入占财产险业务原保费收入的60%以上，可以说在一定程度上，机动车辆保险业务效益已成为财产保险公司效益的“晴雨表”，其重要性不言而喻。现有的研究主要是关于保险整体效率的分析，很少有对于机动车辆保险市场效率分析。肖智、肖领（2010）分析了2005年至2008年中国财产保险业25家公司的经营效率，发现中资公司的平均效率要低于外资公司，行业平均经营效率逐年下降。[2]王家庭、赵亮（2010）研究表明我国财险产业整体经营效率较低，但财险业多数公司多处于规模报酬递增状态。[3]本文采用数据包络分析，对我国27家财险公司的机动车辆保险经营效率进行分析，通过分析探究我国机动车辆保险经营效率状况以及其中存在的问题并分析其产生原因，针对问题提出相应的解决建议。 一、我国机动车辆保险发展现状 （一）保费收入增长快，占产险保费收入比重高 伴随经济的快速发展和居民收入的持续提高，我国进入了汽车消费的黄金时期，由此带动我国机动车辆保险的快速增长。表1可以看出，从2000到2010年期间，机动车辆保险保费收入由372.5亿元提高到2010年的3004.15亿元，占产险保费总收入比重，由62.25%上升为77.12%，成为产险业务的第一大险种。 （二）市场集中度高 在机动车辆保险市场上，人保财险、中华联合、太保产险、平安产险四家产险公司机动车辆保险保费收入占机动车辆保险保费总收入的70%以上，其他产险公司占比不足30%（见表2），表明车险市场份额的集中度明显。 （三）经营状况不佳 作为国内产险市场的支柱险种的机动车辆保险，同时也是亏损大户。2006年以来，车险市场已连续三年出现行业性承保亏损的尴尬局面，2008年承保亏损更是高达125亿元，综合成本率达106.7%，也就是说，收取100元的车险保费，却要支出经营成本106.7元，亏损6.7元。直到2010年，车险业务才扭转了2006年以来连续四年承保亏损的局面,实现承保盈利62亿元。基于这样的市场现状，为什么会出现亏损？原因是什么？本文对此采用DEA方法进行实证分析。 二、DEA方法实证分析的基本原理 数据包络分析（Data Envelopment Analysis）简称DEA，是运筹学、管理科学和数理经济学交叉研究的一个新领域，是使用数学规划评价具有多个输入与输出的决策单元(Decision Making Units,简称DMU)间的相对有效性，即判断DMU是否位于生产可能集的“前沿面”上。它是由著名运筹学家A.Charnes和W.W.Cooper 等学者（1978）在“相对效率评价”概念基础上发展起来的一种新的系统分析方法。自第一个DEA模型CCR建立起来后，有关的理论研究不断深入，DEA己经被越来越多的学者用于分析被评价的决策单元之间的相对有效性，成为管理科学与系统工程领域一项重要而有效的分析工具。 DEA的基本原理是采用数学规划模型，利用观察到的有效样本数据，比较决策单元的相对效率，并做出有效性评价。每个DMU都可以看作是相同的实体，各DMU具有相同的输入输出，通过对输入输出数据的综合分析，DEA可以得出每个DMU的综合效率的数量指标，据此可将各DMU定级排序，确定有效的或者相对效率最高的DMU，并指出其他DMU非有效的原因和程度，给决策者提供管理信息。DEA还能判断各DMU的投入规模是否合理恰当，并分析各DMU调整投入规模的方向和程度，特别适用于具有多个投入以及多个产出的复杂系统。[4-5] 在DEA分析实际当中应用最广的是CCR和BCC这两种模型。本文使用BCC模型分析我国产险公司机动车辆保险效率。BCC模型剔除了CCR模型中的固定规模报酬的假设，以衡量处于可变规模报酬状态下的相对效率值。从而，技术效率可以再分为纯技术效率和规模效率。也就是说，技术非效率除了来自于投入产出配置不当的因素外，也可能来自决策单位的规模因素，因此我们可以通过调整规模因素以改进其非效率的状态。 根据DEA模型的意义，若某一公司评价单元的效率值越接近1，则表示这个DMU单元具有较高的投入产出比，单元的生