论保险投资新政对寿险公司投资收益的影响

陈迪红 易者

摘要近年来，保险监管部门颁布了多项保险投资新政，保险资金运用上的限制得到了放松.保险投资新政的实施对寿险公司投资收益有着怎样的影响呢？运用双重差分模型（DID模型），定量估计了保险投资新政实施前后的寿险公司投资收益的具体变化，并分析了何种因素对寿险公司的投资收益有显著影响.研究发现，保险投资新政对寿险公司的总投资收益率的提高有着积极的影响，保险投资新政对不同规模的寿险公司投资收益的影响存在着差异，仅考虑政策的调整因素，大型寿险公司的总投资收益率增量超过中小型寿险公司1.13%，综合考虑其它指标的影响后，其总投资收益率增量仍然超过中小型寿险公司0.097%.实证结果为保险监管部门的政策实施以及寿险公司的经营提供了新思路.

关键词保险学；保险投资新政；DID模型；投资收益；寿险公司

中图分类号F842.0文献标识码A

A Study of the Effects of the Innovation

Policies in Insurance Investment on the Investment

Income of Life Insurance Companies

Dihong Chen， Zhe Yi

（College of Finance and Statistics，Hunan University，Changsha，Hunan410079，China）

AbstractIn recent years， China's insurance regulators have promulgated a series of innovation policies in insurance investment， and restrictions on the utilization of insurance funds have been relaxed. How does the implementation of the innovation policies in insurance investment affect the investment income of life insurance companies？ This thesis uses the Difference in Difference models to quantitatively estimate the specific changes in the investment income of life insurance companies before and after the implementation of the innovation policies in insurance investment， and to analyze which factors have a significant impact on the investment income of life insurance companies. Empirical research has found that the innovation policies in insurance investment has a positive impact on the growth of the total investment yield of life insurance companies， and found that the impact of the innovation policies in insurance investment on the investment income of life insurance companies in different sizes is different. Considering the policy factor only， since the innovation policies in insurance investment implemented， large scale life insurance companies exceed medium and small scale life insurance companies in the increment of rate of return on total investment to 1.13%. While considering with other influential factors， the rate of return on total investment of large scale life insurance companies go beyond by 0.097% with comparing of its counterpart. The empirical results provide new ideas for the policy implementation of the China's insurance regulators and the management of the life insurance companies.

Key wordsinsurance； innovation policies in insurance investment； difference in difference model； investment income； life insurance company

1引言

壽险公司的经营不仅有负债端的管理，也有资产端的管理，而资产端的管理离不开投资.随着2012年来中国保险监管部门连续发布的多项保险投资新政，保险资金运用上的限制得到了放松，拓宽了投资范围和比例限制.随着中国保险业的发展，寿险公司能够进行投资的资本也越来越多，投资逐渐成为了寿险公司获取收入的主要途径之一.

针对保险投资新政和保险公司投资收益的研究，中外学者做了大量的工作.李心愉（2013）[1]认为2012年是中国保险历史上的重要的一年，保险投资新政的出台推动了保险资金运用的市场化进程.张少建（2016）[2]认为保险新政策出台后，保险公司的发展需要越来越庞大的保险资金投资.保险公司应广泛参与到资产证券化中，以提高投资收益.胡良（2014）[3]指出应以偿付能力水平为依据来规范保险公司投资行为，以实现资金的合理和有效的运用.Joe S. Floyd， Jr（1962）[4]发现了寿险公司在资本分配上存在的问题，并提出了寿险公司投资资金的最优配置.盛虎和王学（2010）[5]分析了中国保险业的投资现状，指出保险公司的投资收益对公司的绩效有影响.Emmanuel Olateju Oyatoye和Waheed Oladimeji Arilesere（2012）[6]认为保险投资是保险业生存和发展的支柱，能为保险公司弥补承保损失，获得利润.许文和张国栋（2017）[7]认为中国的养老问题亟需解决，养老地产将得到发展，保险公司可投资养老地产.

尽管以上研究分析了投资新政对寿险公司投资收益的影响，并研究了保险公司的投资组合.然而，现有研究成果很少涉及保险公司投资收益的影响因素的研究，更是没有定量分析投资新政对寿险公司投资收益的影响.而这些工作对中国监管机构完善保险投资政策、帮助寿险公司合理经营和投资是有益的.

通过对资产规模的划分，选取了24家寿险公司作为研究对象，并以2012年末作为时间节点来划分政策实施前后、以总投资收益率作为被解释变量，建立双重差分模型（Difference in Difference Model， DID模型）来对保险投资新政实施前后的寿险公司投资收益变化进行实证研究.意在反映保险投资新政对不同规模的寿险公司投资收益状况的影响，并分析何种因素对寿险公司投资收益有显著影响.

2模型设定和研究方法

双重差分模型，简称DID模型，是一种计量经济学模型，在政策分析中广为使用.David Card和Alan B. Krueger（1994）[8]较早利用该模型分析了最低工资率对雇工数量的影响，Feldstein（1995）[9]评估了1986年美国税制改革政策对个人收入的影响，周黎安和陈烨（2005）[10]运用该模型评价了中国农村税费改革的政策效果；聂辉华、方明月和李涛（2009）[11]分析了中国增值税转型对企业的影响.下面将建立并运用DID模型来研究保险投资新政对寿险公司投资收益的影响.

设Yit-政策影响的指标，其中Yit是t时刻、第i个寿险公司的总投资收益率；T-反映时间效应的虚拟变量，T=0为政策实施前，T=1为政策实施后；Pi-反映政策效应的虚拟变量，其中Pi=0为第i个样本属对照组，Pi=1表示其属政策作用组；T×Pi-政策效果和作用时间的交叉项、反映二者的共同影响；εit-扰动项、服从正态分布N（0，σ2）.不考虑其他影响因素的DID模型为

Yit=α0+α1T+α2Pi+α3T×Pi+εit， （1）

设对照组为B组，政策实施前后，B组的政策影响指标值分别为

YB1=α0+εT=0， （2）

YB2=α0+α1+εT=1.（3）

B组的政策影响变化量为

ΔYB=YB2-YB1=α1，（4）

设作用组为A组，政策实施前后，A组的政策影响指标值分别为

YA1=α0+α2+ε， （5）

YA2=α0+α1+α2+α3+ε. （6）

A組的政策影响变化量为

ΔYA=YA2-YA1=α1+α3.（7）

因此，政策对A、B两组的指标Y的净影响为

Dif=ΔYA-ΔYB=（YA2-YA1）-

（YB2-YB1）=α3. （8）

式（8）描述了政策实施前后，作用组A的指标Y变化量、对照组B的指标Y变化量的差异.

需要说明的是：因为研究的是保险投资新政对不同规模的寿险公司投资收益影响的差异，故文中虚拟变量P的意义略有改变——Pi=1表示中小型寿险公司组，仍用A代表；Pi=0表示大型寿险公司组、仍用B代表.

式（8）反映了DID模型中系数α3的重要含义：仅考虑政策影响因素时，若拟合结果中α3≥0，即Dif≥0时，意味着ΔYA≥ΔYB.此时，又可以细分为三种情况——①YA2-YA1≥0、YB2-YB1≥0、并且ΔYA≥ΔYB时；②YA2-YA1≤0、YB2-YB1≤0、并且ΔYA≥ΔYB；③YA2-YA1≥0、YB2-YB1≤0、自然有ΔYA≥ΔYB.可以证明以上各种情形都对作用组较为有利.因此α3≥0时，保险投资新政的实施对作用组即中小型寿险公司相对更有利.

如果α3≤0，同上面的分析，此时意味着保险投资新政的实施对大型寿险公司相对更有利.

若反过来假设大型寿险公司为作用组，设中小型寿险公司为非作用组，那么类似式（8），得到新双重差分值、不妨设其为α3*、它恰是α3的相反数，即α3*=-α3.这意味着：不论人为地设置作用组或对照组，都不会改变结论的面貌，故该方法不受人为因素干扰，具有客观性.

另一方面，仅在模型中引入虚拟变量“分组（P）”、“时间（T）”是远远不够的，需要加入其他可能影响Y的因素来反映其他因素对政策指标Y的影响.DID模型的更一般形式如下

Yit=α0+α1T+α2Pi+α3T×Pi+αT4Zit+εit，（9）

其中：Yit、T、Pi、εit和前式（1）中的定义一致；Zit=（Zit（1）， Zit（2）， …， Zit（k））T，它是其他影响Y的指标向量，k为选取的指标个数，Zit（j）为t时刻、第i个寿险公司、在第j个控制变量上的取值；T×Pi仍是政策效果和作用时间的交叉项.

同前，设中小型寿险公司组仍用A代表，政策实施前后，Y指标变化为

ΔYA=YA2-YA1=α1+α3+αT4（Zsa-Zsb）.（10）

设大型寿险公司组仍用B代表，政策实施前后，Y指标变化为

ΔYB=YB2-YB1=α1+αT4（Zla-Zlb），（11）

其中：l表示large，即大型寿险公司；s表示small，即中小型寿险公司；a表示after，即政策实施后；b表示before，即政策实施前.Zsa为政策实施后，中小型寿险公司的其它影响Y的指标向量Z的各项取值；符号Zsb、Zla、Zlb的含义类似Zsa.

由式（10）和式（11），得到政策对两组指标Y的净影响Dif为

Dif=ΔYA-ΔYB=

（YA2-YA1）-（YB2-YB1）=

α3+αT4（ΔZs-ΔZl），（12）

式（12）与式（8）不同的是：式（8）反映了政策实施前后大型、中小型寿险公司投资收益变化的差异Dif只由双重差分系数α3决定；而式（12）中，Dif还受到其它指标的影响.在引入其它控制变量后，Dif的不同取值的含义仍类似式（8）.

为考察政策实施之后每一年的影响，还将采用多时期数据模型来进行研究，模型具体设置为：

Yit=α0+α1Xit+α2Zit+ut+βi+εit. （13）

模型（13）中，Yit为被解释变量，Xit为表示个体i在时期t是否发生了“处理”的虚拟变量，Zit是其他影响Y的控制变量向量，ut为表示时间前后的虚拟变量，βi为表示个体i不随时间变化的虚拟变量，εit代表其他随机扰动项.其中，Xit系数α1称为双重差分估计量，它揭示了政策实施的效果.

3数据描述与变量说明

首先对寿险公司的规模进行划分.

由于保险投资新政的实施使得寿险公司可以更多地投资另类资产

中国保监会，2012：《关于保险资金投资股权和不动产有关问题的通知》.

中国保监会，2012：《关于保险资金投资有关金融产品的通知》.

中国保监会，2012：《基础设施债权投资计划管理暂行规定》.，而投资另类资产所需资金额较大，资产规模小的中小型寿险公司不具备这样的投资能力，所以通过对2010年前成立的52家寿险公司6个年度的资产总额平均值高低进行排序，选取了资产总额平均值在250亿以上的寿险公司作为研究对象，具体排序见表1.并根据资产总额平均值的相对大小，对寿险公司规模进行了划分：大型寿险公司8家，资产总额平均值均在1000亿人民币以上；中小型寿险公司16家，它们与8家大型寿险公司相差较大.

然后对保险投资新政实施前、实施后的时间节点进行了界定.

2012年7月，保监会连续颁布了《保险资产配置管理暂行办法》等四项新政

中国保监会，2012：《保险资产配置管理暂行办法》.

中国保监会，2012：《保险资金投资债券暂行办法》.

中国保监会，2012：《关于保险资金投资股权和不动产有关问题的通知》.

中国保监会，2012：《保险资金委托投资管理暂行办法》；2012年10月，保监会颁布了第二批六项新政

中国保监会，2012：《保险资金参与股指期货交易规定》

中国保监会，2012：《保险资金参与金融衍生产品交易暂行办法》

中国保监会，2012：《保险资金境外投資管理暂行办法实施细则》

中国保监会，2012：《基础设施债权投资计划管理暂行规定》

中国保监会，2012：《关于保险资金投资有关金融产品的通知》

中国保监会，2012：《关于保险资产管理公司有关事项的通知》.

基于保险投资新政颁布时间的特点，设置2010～2012年为政策实施前、2013～2015年为政策实施后.这样划分时点是由于保险投资新政的具体实施时间在2012年的后半年，且该年的年报数据是根据其全年信息汇总而成的，故视2012年为政策实施前.另外，各保险公司从2010年开始才在其网站上公布公司年报，为了获取准确的数据，故没有纳入2010年以前的数据.

最后，采用总投资收益率来研究寿险公司的投资收益，并筛选了6个与寿险公司投资收益关系密切的财务指标，用来建立引入了其它影响指标的DID模型.这6个指标分别是资金运用率、投资收益占总收入的比例、偿付能力充足率、总资产增长率、净利润率和平均资产回报率.此外，还加入了影响寿险公司投资收益的宏观经济数据.有描绘社会经济水平的人均GDP指数增长率和CPI同比增长率、上证综合指数同比增长率、反映货币政策的准货币（M2）同比增长率和反映财政政策的税收收入增长率.

变量的统计特征描述见表2.

4实证结果与分析

运用三类DID模型，利用中国寿险公司2010～2015年的财务数据和宏观经济数据，通过一般最小二乘估计法和EVIEWS 7.0软件进行实证研究.

4.1模型拟合

4.1.1数据的平稳性分析

为了避免虚假回归，保证拟合结果的有效性，采用ADF检验（Augmented DickeyFuller test）对各数据序列进行了平稳性检验.EVIEWS7.0的ADF检验的结果如表3所示.

由于ADF检验的原假设为数据序列存在一个单位根，如果拒绝原假设则序列是平稳的，反之序列不平稳.又由于上述数据序列的ADF检验的t统计量的绝对值大于-3.4765（1%的置信水平）的绝对值，故以上数据序列均是平稳的.

4.1.2回归方程显著性检验

1）无控制变量DID模型的回归方程

根据式（1）的定义，得到无其他控制变量时的DID模型拟合结果，详见表4.

将各变量的系数估计值代入式（1），得到无控制变量DID模型的回归方程为

Y=0.0417+0.0376T-0.002P-0.001 T×P.（14）

表4中反映模型拟合显著性的F值=（SSR/M）/[SSE/（N-M-1）]=15.5593.其中：SSR为回归平方和、SSE为残差平方和；M为除常数外的变量个数、即M=3，N为样本数、N=144.查F分布表得F0.01（3，140）=3.9246.显然回归方程是显著的.不过回归方程的拟合优度R2=0.2500，为了提高R2值，还需要在回归方程中加入其他控制变量，以更好地拟合方程.

2）考虑其他控制变量的回归方程

根据考虑其它控制变量的DID模型式（9）的定义，并根据逐步回归分析法的双检验原则，从11个指标中逐步引入和剔除相应的控制变量，以排除多重共线性，得到最优的拟合结果.最终筛选出了资金运用率（Utilization Efficiency of Capital， UEC）、平均资产回报率（Return On Average Assets， ROAA）和总资产增长率（Growth rate of total assets， GRTA）.并得到了考虑其他控制变量时的回归方程的拟合结果，详见表5.

将各变量的系数估计值代入式（9），得到含有控制变量的回归方程为

Y=0.1268+0.0222T+0.0095P

-0.0113T×P-0.1052UEC

+0.9339ROAA+0.0048GRTA. （15）

表5中反映模型拟合显著性的F值=（SSR/M）/[SSE/（N-M-1）]=26.5142，回归方程是显著的.另外，回归方程的拟合优度R2=0.5373，达到了较高的水平.这说明加入了描述寿险公司资金运用状况的资金运用率（UEC），反映营运状况的平均资产回报率（ROAA）和反映资产状况的总资产增长率（GRTA）的回归方程能够较客观地反映寿险公司的投资收益水平.

3）多时期数据模型的回归方程

为了考察投资新政实施后的每一年对寿险公司投资收益的影响，运用多时期数据模型式（13）来分析政策效果在时间上的变化趋势.模型式（13）在加入了控制变量的基础上还加入了多时期虚拟变量（T1，T2和T3）和公司个体特征虚拟变量（集团公司虚拟变量（Group Company， GC））.

表6中F值=（SSR/M）/[SSE/（N-M-1）]=26.5469，回归方程非常显著.并且拟合优度R2=0.6114，拟合质量良好.这说明该模型能有效地反映政策效果在时间上的变化趋势.

4.2拟合结果分析

4.2.1保险投资新政政策效果分析

1）时间变量T的分析.

表5中，时间变量T的系数为0.0222，T的t值=α2/s（α2）=2.8698，是显著的.这表明，控制了资金运用率、平均资产回报率和总资产增长率这三个变量后，投资新政的实施平均每年能够提高寿险公司总投资收益率0.0222个百分点.这说明政策的实施对寿险公司投资收益的提高具有显著的正效应.

2）双重差分估计的结果分析.

表5中，考虑其他控制变量的DID模型的交叉项T×P的拟合系数为-0.0113，且t值接近显著.仅考虑政策因素的影响，保险投资新政的实施对大型寿险公司的总投资收益率提高了0.0222，而对中小型寿险公司的总投资收益率仅提高了0.0222-0.0113=0.0109，说明保险投资新政对大型寿险公司的投资收益水平提高更多.

将控制变量的平均数据代入式（12）得到其他控制变量加入后的大型、中小型寿险公司总投资收益率变化量的差异情况：

Dif=ΔYA-ΔYB=

α3+αT4（ΔZs-ΔZl）=

-0.00097（16）

由于Dif=-0.00097<0，这说明考虑了其它因素后，中小型寿险公司投资收益水平受到的保险投资新政的有利影响比大型寿险公司小，即大型寿险公司更能把握住保险投资新政来实现更高的投资收益.

表6中，多时期数据模型的双重差分估计量，即X的系数为-0.0195，且t值显著，这说明保险投资新政对不同规模寿险公司的投资收益的影响存在显著差异.

3）政策實施效果的时间趋势分析.

通过表6的拟合结果可知，多时期虚拟变量T1，T2和T3的回归系数值均为正，并且从T1，T2和T3的系数0.0192、0.0274和0.0438可以看出，保险投资新政对寿险公司投资收益的提高逐年上升.且T1，T2和T3的t统计结果均为显著的.这说明保险投资新政不仅在实施第1年有政策效果，并且在往后的每一年仍然有显著的影响，保险投资新政的政策效果具有长期效应.

4.2.2显著的指标变量的提取和分析

从表5中可以看到，资金运用率（UEC）、平均资产回报率（ROAA）、总资产增长率（GRTA）的t统计量都通过了相应显著性水平下的统计检验.

以资金运用率（UEC）为例，它的t统计量满足∣t∣=∣α5/s（α5）∣=6.1913>t0.01（N-M-1）=t0.01（137）=2.6122，通过显著性水平为1%的统计检验.这表明，资金运用率（UEC）这个反映寿险公司资金运用状况的指标对寿险公司总投资收益率有显著的负效应，资金运用率每增长1%，平均降低寿险公司总投资收益率0.1052%.由于资金运用率的计算公式为投资资产/总资产，这说明目前寿险公司的投资资产的运用效率并不高，投资资产的增加没有带来理想的投资收益.

平均资产回报率（ROAA）的系数估计值为0.9339，这说明，平均资产回报率对寿险公司总投资收益率有显著的正效应.显然，当寿险公司的平均资产回报率增加时，寿险公司经营的单位报酬增加，运营状况变得更好，能够促进寿险公司更好地进行投资.

另一方面，总资产增长率（GRTA）对总投资收益率有积极影响，资金运用率每增长1%，平均能提高寿险公司总投资收益率0.0048%.这意味着寿险公司资产的递增、规模的不断壮大能够促进投资收益增长.

5结论

定量分析了投资新政的实施对寿险公司投资收益的影响，基于实证结果，得出的主要结论有：保险投资新政对寿险公司投资收益有积极影响，从政策作用时间上分析，保险投资新政的政策效果具有长期效应，保险监管层应加大保险投资政策的实施力度，促进寿险公司投资收益的提高以及保险行业更好更快的发展；且保险投资新政对不同规模的寿险公司投资收益的影响存在差异，鉴于中小型寿险公司自身条件的限制以及资产规模的不足，没有能力把握住政策的优势，保险监管政策可以进一步细化，对大型、中小型寿险公司的资金运用实施差异化监管；此外，资金运用率（UEC）、平均资产回报率（ROAA）、总资产增长率（GRTA）对寿险公司的总投资收益率有显著的影响，寿险公司需要结合自身特点进行投资选择，对投资资产进行合理配置，提高资金运用能力和资金运用效率；考虑到寿险公司主营业务的发展能够给寿险公司投资带来积极的影响以及资金运用业务能够支持保险主业发展的作用日渐明显，寿险公司应促进资金运用与保险主业的协同发展.

如果数据允许，未来可以寻找更多对寿险公司投资收益有影响的指标，进一步提高模型的拟合优度以及考虑纳入其他控制变量的DID模型的双重差分估计量的显著性水平，并进一步研究寿险公司应如何完善资产配置从而提高投资收益率.

参考文献

[1]李心愉.释放保险资金投资新政红利[J].中国经济报告，2013（4）：53-57.

[2]张少建.新常态下保险资金参与资产证券化的路径分析[J].金融与经济，2016（9）：82-86.

[3]胡良.偿付能力与保险资金运用监管[J].保险研究，2014（11）：94-102.

[4]JOE S， FLOYD Jr. The Rate Of Return And The Allocation Of Life Insurance Company Investments[J]. Journal of Insurance， 1962， 29（3）： 417-423.

[5]盛虎，王学.中国保险投资对保险公司收益的影响研究——以中国上市保险公司为例[J].金融理论与实践，2010（2）：97-100.

[6]OYATOYE E O， ARILESERE W O. A non-linear programming model for insurance company investment portfolio management in Nigeria[J]. Inderscience Publishers， 2012， 4（1）： 83-100.

[7]许文，张国栋.保险公司投资新渠道——养老地产[J].保险职业学院学报，2017，31（1）：47-51.

[8]CARD D， ALAN B. Krueger. Minimum Wages and Employment： A Case Study of the Fast Food Industry in New Jersey and Pennsylvania[J]. American Economic Review， 1994， 84（4）： 772-793.

[9]FELDSTEIN M. The Effect of Marginal Tax Rates on Taxable Income： A Panel Study of the Tax Reform Act[J]. Journal of Political Economy， 1995， 103（3）： 551-572.

[10]周黎安，陳烨.中国农村税费改革的政策效果：基于双重差分模型的估计[J].经济研究，2005（8）：44-53.

[11]聂辉华，方明月，李涛.增值税转型对企业行为和绩效的影响——以东北地区为例[J].管理世界，2009（5）：17-35.