中国上市保险公司经营效率实证分析

摘要：目前我国正处于保险意识不断加强的时期，作为三大金融体系之一的保险业，国内保险公司正处于进一步向成熟转型的关键发展期，一家保险公司能否从大背景下脱颖而出很大程度上取决于其经营效率。本文主要运用DEA方法的CCR模型、BCC模型和Malmquist指数法对2015年～2018年等多家保险公司进行综合经营效率评估，在进行综合比较的基础上，尝试为各家公司提出建设性意见。

关键词：保险公司;DEA方法;CCR模型;BCC模型;Malmquist指数法;经营效率

中图分类号：F842.3;F224 文献识别码：A文章编号：2096-3157（2020）04-0156-04

一、引言

当前，随着社会的进步，社会的风险意识也得到了加强，人们也由对自身的保障进而延伸至了对家庭和集体的保障。从时代背景来看，随着我国社会人口老龄化的不断加深，重大疾病的发生率将随之提高，这将刺激社会对保险的需求。除了老龄化带来的保险市场空间外，全面放开二孩等人口政策也会拉动保险保障需求进一步提升。从投保能力来说，身处该时期黄金年龄段的人群相对消费能力较强，从而拥有更大的投保能力。从自身发展来看各保险公司也纷纷推出各种满足社会各阶层需求的保险产品来抢占市场，推出更多人性化的服务，使得保险更加大众化、平民化。所以，在中国保险将进入稳步增长的阶段时，作为企业要想立足于这个保险黄金期并得到充分发展，需要深入研究保险企业效率来进行合理的统筹规划，这对于企业提高竞争力，充分发挥自身优势加快转型升级以及对社会改善保险结构，满足人民需求，缓和生产力矛盾有着重大意义。

二、研究方法

1.DEA（数据包络分析）

“Data Envelopment Analysis”数据包络分析，是一种将多维数据整合为一个综合指标，然后提出系统改进方向的线性优化绩效分析方法。DEA是基于线性规划模型，其本身用于评价多个决策单元“输入”和“输出”，并得出服务单位效率最大化。即通过对每个单元本身的最佳权值进行统筹，然后得出一个适合每个单元效率最大化的权重，和各个单元之间的效率比较。从公式角度，假设有n个决策单元、m项输入、s项输出，则

下面将主要采用DEA中的模型BCC模型、CCR模型以及Malmquist指数法来对诸多上市保险公司进行分析，并通过分析数据结果来进行合理建议。

2.CCR模型，BCC模型

CCR是DEA的一个基本的模型，其计算的是技术效率（包含规模效率）。而BCC在CCR上进一步考虑规模效应，所以BCC计算的是纯技术效率（没有计算规模效率具有规模效应）。因此，结合BCC与CCR分析可以很好地将技术与规模相结合。

技术效率，简单来说就是投入与产出的最佳组合，它包括了纯技术效率和规模效率。纯技术效率，顾名思义就是单纯在技术方面的生产效率，而规模效率是由规模效应所导致，用于对企业的投产规模进行评估。

一般意义上的“技术效率”是在“可变规模报酬（VRS）”下所提及的，因为在这种情况下厂商往往没有达到最优规模，因此此时的“技术效率”既包括了纯技术效率，也包括了实际规模效率。我们引入生产可能性这个概念，在非产能过剩时代，所能利用的有限资源所创造的生产可能性组合，其边界的点集即为最佳组合的集合;（综合）技术效率可理解为在最优情况下对生产可能性边界的追赶程度。

3.Malmquist模型

Malmquist指数模型，相比于BCC模型和CCR模型，该模型考虑了一段时间内连续的效果，我们在这里把它称作动态效率，因此它表现的是一段时期的变化。此外，Malmquist模型可直接用来计算全要素生产率，全要素生产率有三个来源：一是效率的改善;二是技术进步;三是规模效应，所以计算出来的全要素生产力我们可以看作生产力水平。

本文将每家保险公司看做一个决策单元，通过Malmquist指数可对每家保险公司进行时间轴上的动态比较从而可以对效率变化以及技术进步进行比较。

三、指标与样本的选取和数据分析

1.样本的选取

为了确保本次研究对象广泛性和代表性，笔者选取了中国较大的人保财险 、 国寿财险等22家较为权威且占市场份额较大的保险公司作为决策单元（由于恒大人寿于2015年年末才成立，故无2015年的数据全按照数据标准化的最小值进行计算）。为了体现数据和分析的时效性且具有参考意义，我们选取了这些公司在2015年～2018年的财务数据进行分析。

2.指标的选取

在综合了各个因素和考量之后，为了更好地反映所有保险公司对投入方面的普遍状况，笔者选取了员工薪酬、总资产、业务以及管理费用作为投入的指标。员工薪酬可以非常好地体现出在人力资源和能力分配方面的管理水平。总资产即总投入，作为一个分母性质基础性的指标，不仅用于对资本投入的评估，还能更好地反映一个公司所累积下来的收益。业务及管理费用则主要用于对业务管理水平进行评估。对于产出指标，本文则选取了保费收入、赔付总额、净利润作为三大指标。毫无疑问保费收入是所有保险公司收入的大头，也是最能體现经营效率的一个产出指标。赔付总额，更多的是对保险额精算方面的效率输出，净利润则综合考量了所有的一切可利润方式的效率，是输出方面最为综合性的一个指标。

3.数据的标准化

由于部分公司的财务报表中出现了DEA所无法处理的负值，所以我们对一切负值进行归一化处理，按照“Y=0.1+0.9（（Xi-Min）/（Max-Min））”这一算法来进行处理。

注：X 为原始值，Y 为调整后的值;Max为该变量的最大值，Min 为最小值。

四、实证分析

1.CCR—BCC静态效率评价

对于中国保险公司的效率评价，运用DEA模型中的CCR模型和BCC模型求出各个保险公司从2015年开始的四项指标数据，即技术效率（crste）、纯技术效率（vrste）、规模效率（scale）以及对部分DMU进行了规模报酬阶段的判断。

从2015年～2018年的数据来看，平均每年约有8家保险公司达到了DEA最大化，即投入产出最优情况;到达过DEA最大值的公司的有国寿股份、人保财险、人保寿险、平安产险、建信人寿、国华人寿、中国信保、工银安盛、富德生命。从整体来看，三项指标都在平均值以上的平均每年有11家公司。处于规模报酬递增阶段的公司每年平均有6家，而有7家都处于规模报酬递减的阶段。总体上来说，2015年～2018年行业结构较为均衡，但整体上升趋势不明显。

综合四年数据，非极端数据和极端数据我们分别选取了太平人寿、富德生命、阳光人寿、天安人寿作为最能代表2015年～2018年行业平均水平的四家公司;选取人保财险、国华人寿、中国信保作为效率最优公司（极端大）并选取平安人寿、太保人寿、天安财险作为效率最低公司（极端小）进行分析。

表1给出了选取的中国主要的22家保险公司所形成的2015年～2018年综合技术效率，纯技术效率和规模效率的平均值。表2为选取的在2015年～2018年有各自特色以及一定代表性的公司的三项指标的四年来的平均值。通过对比发现，中国保险公司的综合技术效率自2015年开始，2016年达到最高，然后近年来有所波动下滑;纯技术效率在2015年～2017年是增进的，但2018年却呈下滑趋势;规模效率值在2015年～2017年一直下滑，直到2018年才较上一年基本持平并有稍稍回升。从选取的公司来看并不存在一家公司完全三项数据低于平均水平。此外，从表外可以看出，绝大多数保险公司之间效率差异并不算大。

表3为选取的又一极端案例。中国太平保险公司由2015年的效率倒数第一稳步发展，取得了极大进步。

2.Malmquist动态效率评价

紧接着，运用Malmquist方法对保险公司2015年～2018年数据进行动态分析，得到了保险公司的全要素生产率指数以及分解值，结果如表4和表5所示。

从表4可以看出2015年～2018年这22家保险公司经营效率整体上呈增长的趋势。增长的主要区间为2015年～2017年，而2017年～2018年开始下滑趋势。

从技术效率变化（effch）来看，2015年～2016年的技术效率是有增进的，增长率为2%;2016年～2017年的技术效率衰退率为1.4%;2017年～2018年的衰退率为2.6%。三个阶段的平均衰退率为0.7%，这说明了整体上的生产技术效率稍微下滑，这体现在许多保险公司高投入低产出的现象当中。下面对技术效率变化（effch）进一步分解看出技术水平在2015年～2016年的增长率为1.4%;在2016年～2017年增长率幅度较大，为28.4%;而到了2017年～2018年由增长变为衰退，衰退率则在10.1%。三个阶段平均技术水平增长率达到了7.40%。

从纯技术效率和规模效率的角度来看，四年来的纯技术效率是有增长的，主要是靠2015年～2017年约2%的稳步增长;而在2017年～2018年效率是降低的。因此，需要对管理方式进行改善。对于规模效率，2015年～2017年均衰退率达到了2.35%，而在2017年～2018年稍微有所增长，增长率为0.7%。总体上看规模效率四年来是衰退的，所以各大保险公司也应对资源的配置进行改善。

由表5整体上看，全要素生产率的变化主要被技术效率所影响。

从表5我们对极个别极端数据进行分析，可以发现四年来技术衰退幅度最大的是新华人寿，其管理方式和资源配置都存在着不合理。而四年来增长幅度最大的是之前在BCC中选取的公司进步最明显的中国太平保险公司。

五、结论与建议

第一，从BCC和CCR的分析结果来看，对于一般的公司，变化幅度不大;对于极小值的公司，其中也不乏占市场份额前几名的公司，都会存在着纯技术效率和综合技术效率较低的情况，这是因为不能很好地利用广阔的资源而达到利益最大化。对于极端大的公司四年来一直处于DEA最优情况，其运作模式以及分配结构值得借鉴。

第二，由Malmquist分析发现四年来生产技术水平有所进步，且是带动着全要素生产率的提升的主要原因。对于每一家公司影响全要素生产率的还是技术效率（effch）;对于绝大多数公司，技术水平是决定公司进步与否的关键。此外，这也说明依靠技术进步是提高财产保险公司经营效率的有效方式，技术成为制约中国保险公司效率的主要因素。

第三，由Malmquist分析法发现大部分指标同样是在2017年～2018年效率降低。虽然降低的幅度不大，但足以看作警示的信号，从表4的数据看来这说明中国保险公司在稳步增长后已经进入了类瓶颈期，为了公司发展，各大保险公司不得不面临转型升级。

第四，对于选取的进步最明显的中国太平保险公司，在技术效率、管理方式、投入产出比重都进行了优化，使得员工薪酬、业务以及管理费用更加合理化的基础上扩大净利润，值得各个保险公司借鉴。总的来说使其进步的关键还是技术水平。由此可见，下一阶段中国保险公司转型成功的关键在管理方法和改进或引进新技术。

本文通过对中国较大的22家保险公司进行研究从而尝试对中国保险公司的现状和效率进行分析和建议，但仍有不足之处。首先，这22家保险公司并不能完全代表所有保险公司在这一年中的变化情况。其次，任何一家保险公司的运行都是由多种因素来决定的，本文只是选取了极个别重点作为决策单元。另外，考虑到国内外经济形势的影响，保险公司的调整内容也注定多元化且具有弹性。

参考文献：

[1]白彩全，范婧雯，何宜庆，等.中国财产保险公司经營效率评价及影响因素：基于CCR-BCC和Malmquist的DEA-Tobit模型[J].数学的实践与认识，2015，45（13）：18～30.

[2]张俊岭.中国财产保险公司的规模效率DEA实证研究[J].统计与信息论坛，2007，22（06）：45～48.

[3]杨波，龙炫睿.我国财产保险公司经营绩效评价（2009～2016）：基于DEA-Malmquist的分析[J].区域金融研究，2018，（03）：12～17.

[4]Joe Zhu.数据包络分析：让数据自己说话[M].公彦德，李想，译.北京：科学出版社，2019.

作者简介：王雨航，金陵中学河西分校学生。