我国产险公司财务恶化预警研究.pptx

我国产险公司财务恶化预警研究——基于 Logistic 模型;一、文献背景; 因此，本文通过回顾国内外产险业财务预警分析的相关文献，探讨影响产险公司财务状况的主要因素，并利用国内产险公司2002-2005年的财务数据，运用Logistic模型进行财务状况恶化预警的实证研究。由于以Logistic模型作为分析工具，需要有实际失去偿付能力公司的相关数据，然而目前国内产险业尚无公开的失去偿付能力的公司，因而本文拟根据财务比率分析中的均值-方差法，将研究样本依财务状况分为两组，财务状况好的公司视为正常公司，反之则视为异常公司。之后，根据监管尺度的宽松和严格程度，在四个不同模式下，分析影响产险公司财务异常的主要因素，并对不同模式下事前概率与预测概率的整体辨别率及错误成本进行比较。;二、文献回顾; 国内，戴娟（2003）指出我国偿付能力监管指标主要是借鉴了美国IRIS体系，但许多指标对偿付能力不足的预警作用并不显著。占梦雅（2005）通过因子分析，指出各偿付能力监管指标之间存在高度相关性，四个以下独立指标值超出正常范围的公司可能会比四个以上高度相关的指标超出正常范围的公司更值得关注，同时Logit模型结果表明偿付能力充足率对业务增长、资金运用风险等敏感性不强。吕长江、周县华、杨家树（2006）利用我国保险公司2001-2003年数据，分别运用多元判别分析模型和Logistic模型对偿付能力恶化的保险公司进行预测，发现多元判别分析模型要优于Logistic模型。; 通过上述文献回顾发现，财务预警的主要目的是寻找一套有效预测保险公司财务状况的方法，以避免保险公司破产导致社会动荡与经济发展不稳定等现象。由于Logistic模型是采用一系列财务比率变量来预测公司破产或违约的概率，然后根据公司、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策，其与多元判别分析法的本质区别在于前者不要求满足正态分布，其模型采用Logistic函数。而Logistic回归不假定任何概率分布，在样本分布不满足正态情况下其判别正确率高于判别分析法的结果。因此，本文采取Logistic回归作为研究模???，利用2002-2005年产险公司的财务数据建立模型，并对2005年公司的财务状况进行预警，以探求影响公司财务状况的重要因素，并寻求最佳的监管标准。 ;三、样本、指标选择与实证设计;（二）模型选择与实证设计;对初始因子数的选择我们采用最小特征值方法，只选取特征值大于1的因子，发现有6个因子有比较大的特征值，它们一同解释了总信息的83.69％，接近85%，所以选前6个因子为主因子。为了进一步解释主因子的含义，选用方差极大化旋转方法进行因子旋转，经过旋转后的因子载荷矩阵列于附表2。显然，第一个主因子factor1在X1、X2、X3和X13、X14、X15上有较大的载荷，我们将其称为资本结构与经营风险因子；第二个主因子factor2在X8、X9、X10、X11上有较大的载荷， 我们称其为经营成本因子；第三个主因子factor3在X16、X17上有较大的载荷，称其为成长能力因子；第四个主因子factor4 在X4、X5、X12上有较大的载荷，称其为短期偿债能力因子；第五个主因子factor5 在X6、X7、X18上有较大的载荷，称其为长期偿债能力因子；第六个主因子factor6 在X19、X20上有较大的载荷，称其为获利能力因子。;下文我们将用这6个因子作为自变量进行logistic回归。logistic回归模型为： ;四、Logistic 实证结果分析;将上述因子分析过程得到的6个因子全部放入logistic回归模型，用逐步回归的方法进行分析，变量加入和保留的显著水平分别为0.3 与0.35，结果如表2所示： ; 表2至表5中HL是Holmer和Lemeshow提出的拟合优度检验指标，可以看出，HL指标的p值不显著，表明模型很好地拟合了数据。 从前三种 Logistic 回归模式的结果可知，factor1、factor4、factor5和factor6对产险公司的财务恶化状况有较好的预测能力，即资本结构与经营风险因子、短期偿债能力、长期偿债能力和获利能力因子涵盖了各方面财务状况信息。另外，当指标规定过于宽松如模式4下，仅factor1对财务恶化状况的影响显著，缺少了偿债能力、获利能力等因素，必然会导致模型整体的预警能力较差。 ;（二）Logistic回归模型预测能力分析; 可见，在监管规定严格程度不同的规定下，Logistic 模型不论以事前概率或预测概率预测其结果，其整体正确率均在75%以上，显示该模型预测能力不错。但若以识别正常公司的正确识别率来看，以预测概率为好，反之，若以识别