经济政策不确定环境下不同收入地区保险市场的非对称发展

金 菲,粟 芳

(上海财经大学 金融学院,上海 200433)

一、引 言

法国经济学家Léon Walras提出,保险是消除其他经济活动中固有的不确定性的手段;英国著名经济学家Alfred Marshall在《经济学原理》中认为保险费乃一个人为消除邪恶的不确定性所支付的一种价格。可见不确定性与保险息息相关。Knight将不确定性分为可以测度的不确定性(即风险)和不可测度的不确定性(即不确定性)[1]。而因为不确定性难以测度,一直以来难以就不确定性对经济活动的影响展开经验分析,直到Baker等创建了经济政策不确定性指数(Economic Policy Uncertainty,简称EPU)[2]。经济政策不确定性虽是典型的不可保宏观风险,但宏观经济的背景风险会影响人们的投保行为[3]。已有学者研究发现,EPU对保险消费造成了重大影响[4-6]。但关于EPU与中国保险市场关系的研究较少,且大多都只分析了EPU对保险需求的线性影响[7-9]。但保险购买行为与消费者的风险态度、预算约束、保险方案等诸多因素密切相关;保费支出的变化可能是动态的、不对称的和非线性的;消费者的收入差异对保险消费也有明显影响[10]。那么,当保险市场在遭受EPU冲击时,不同收入地区的保险密度会有什么变化?财产保险密度和人身保险密度的变化是否存在差异?

本文首先基于期望效用理论构建了简单经济学模型,分别分析了消费者的收入变化和经济政策不确定性对效用最大化条件下最优保险花费的线性影响;发现当消费者的收入越高,用于最优保险的花费将减少;而当经济政策存在不确定性时,消费者的最优保险支出将增加。进而,进一步分析了不同收入群体因经济政策存在不确定性而增加的最优保险支出;发现与低收入群体比较而言,高收入群体在面对经济政策不确定性时会购买更多的保险。然后,运用NARDL模型实证分析了EPU对不同收入地区保险市场发展的长短期和正负向非对称影响,并采用累积影响效应图分析了保险密度随EPU和人均收入的动态变化趋势。研究发现,EPU和人均收入对不同收入地区的保险市场整体、财产保险和人身保险的影响不完全相同。因此,在推动不同收入地区的保险市场发展时,应考虑EPU对保险市场的非对称影响,而不可一概而论。

本研究可能存在下列边际贡献:(1)就EPU对保险市场影响的相关研究还相对较少,尤其是在当前EPU逐渐上升的环境下。本文揭示了EPU对中国保险市场的非对称影响。(2)考虑到导致保费变化的因素是复杂的,保费的变动也是动态且并非完全线性,运用非线性ARDL模型,发现EPU对中国保险市场的影响具有正负向和长短期的非对称性,丰富了关于保费动态变化的研究。(3)收入是影响保险消费的重要因素,研究了地区收入差异在EPU影响保险市场过程中的调节效应,并深入分析了在财产保险和人身保险中的不同表现。

二、文献综述

在学术界,如何量化经济政策的不确定性一直是个难题。部分研究采用政府官员更替来衡量政治不确定性;也有采用VIX指数度量经济不确定性,用美联储褐皮书中提到政策不确定性的频率度量政策不确定性[11]。直到Baker等基于报纸报道的频率创建了国家层面的EPU指数,并选用中国香港地区英文报纸《南华早报》创建了中国的EPU指数,用文本分析方法解决了经济政策不确定性难以准确度量的问题[2]。在Baker的研究基础上,有学者尝试采用中国大陆的报纸来编制中国的EPU指数。Davis等采用了《人民日报》和《光明日报》,Huang和Luk则采用了《北京青年报》等十份报纸[12-13]。作为宏观不确定性的代理变量,学者们广泛研究了EPU对不同经济活动的影响。在经济衰退期,经济政策不确定性急剧上升,失业率提高,企业短债长用的水平提高,企业投资水平下降,人民币受到的风险传染愈强,企业投资决策时会更多地考虑经济因素,保险公司也会增加现金持有量[14-19]。

关于EPU与保险的研究主要集中在EPU对保险消费的影响。中国学者的研究相对较少,结论也不太一致。多数学者认为,保费和EPU会朝着同一个方向发展,即正向影响关系[20];而Hemrit认为EPU对保险需求有短期负面影响[21]。也有很多学者分别研究了财险和寿险市场,但结论不完全一致,可能是正相关、负相关或不相关,关于EPU对寿险发展影响的研究结论却保持了一致,即寿险保费将随着EPU的增加而减少,两者存在负向的关系[4,6,22]。上述不一致的研究结论也表明,EPU与保险消费之间的关系可能比较复杂,并非简单的线性关系,还需要进行深入研究。

Balcilar等运用自回归分布滞后(ARDL)动态面板模型分析了1998—2016年经济政策不确定性对15个国家保费的长期和短期影响,并对财险和寿险分别展开研究[5]。研究发现EPU无论在短期还是在长期内都会促使保费增加,但长期内的影响效果明显大于短期内的影响效果;而且EPU对财险保费的影响大于寿险保费。那么,这一结论对于中国保险市场是否也仍然成立呢?中国民众的保险购买决策在经济政策不确定性冲击之下会有何变化呢?在财产风险和人身风险中是否又有不同的表现呢?

关于EPU对保险需求的影响机制,已有研究给出了不同的解释。一方面,保险产品保障的是一种不确定性。EPU虽然属于不可保风险,但依据背景风险理论的相关研究,个人的风险态度是他们对社会政治环境感知的函数[23],不可保风险对可保风险的保险需求也具有一定的促进作用[24]。也就是说,当人们感知到环境中存在风险时,相应风险规避程度可能会上升。此外,经济政策不确定性的加剧也可能会激励个人更好地保护自己的财富(包括资产和健康),从而增加对保险的购买[25]。但另一方面,当经济政策存在不确定性时,民众会普遍面临就业下降和收入降低等问题[2]。当一个国家的风险增加时,人寿保险需求对收入也具有更高的敏感性,因此消费者可能会减少保险购买[26]。那么,EPU对保险需求的影响究竟是怎样的呢?

三、理论分析

首先,根据期望效用理论构建经济学模型。保险产品供给方是保险公司,假定1,保险市场是完全竞争市场,保险公司的利润为0,即赔付支出加运营成本等于收取的保险费;假定2,保险公司不限量供应保险,即投保人可以购买任意数量的保险。假设精算公平费率(即风险资产遭受意外事故或自然灾害的损失率)是p,附加费率(即保险公司的运营成本率)为a。保险产品的需求方是家庭。就需求方设立两个假定:假定1,消费者是风险厌恶者,效用函数U(w)满足CRRA(常相对风险规避)效用函数:U(w)=w1-ρ/(1-ρ)。其中,w是家庭财富,ρ是相对风险规避系数,ρ>0且≠1,ρ=1时,U(w)=lnw。CRRA效用函数暗含着绝对风险规避系数递减(DARA),即绝对风险规避系数随着财富的增加而减小。假定2,家庭可以为全部的风险资产购买到保险。假设可保风险资产为s,投保比例为δ,家庭的初始禀赋为ε,家庭收入为y,则家庭购买保险的支出为δs·(a+p),记为π。家庭最优保险购买决策就是考虑风险概率发生后的效用最大化,即:

maxE[U(·)]=pU[ε+y-s-π+π/(a+p)]+(1-p)U(ε+y-π)

s.t.(i)π≥0

(ii)p>0,a≥0,a+p<1

(1)

式(1)中,E[U(·)]表示家庭购买保险的期望效用,E表示期望算子,U(·)表示消费者的效用函数,π/(a+p)表示发生保险事故时保险公司的赔付金额,约束条件(i)表示投保率不为负,约束条件(ii)表示精算公平费率为正、附加费率不为负、保险费率(a+p)小于1。为求出家庭的最优保险支出,将CRRA效用函数代入式(1)并对保费π求导:

F.O.C.p[1/(a+p)-1]·[ε+y-s-π+π/(a+p)]-ρ-(1-p)(ε+y-π)-ρ≤0

(2)

(一)收入y对最优保险支出π的影响

将式(2)中含y的项合并化简后得到:

(3)

(二)经济政策存在不确定性时最优保险支出π的变化

依据背景风险理论的相关研究,如果效用函数具有绝对风险规避系数递减(DARA)的性质,那么相对于经济政策不存在不确定性时,当经济政策存在不确定性时的效用函数具有更高的风险规避程度[3]。这一结论在本文中则体现为,效用函数中的相对风险规避程度ρ提高。将式(2)中含ρ的项合并化简得到:

(4)

当经济政策存在不确定性时,ρ增加为ρ+Δρ,则最优保险支出π′为:

(5)

(三)经济政策存在不确定性时,收入y对最优保险支出π的影响

用式(5)减去式(4),得到当经济政策存在不确定性时,家庭最优保险支出的变化量:

(6)

因此,通过基于期望效用理论所构建的理论模型,简单分析了不同收入群体应对经济政策不确定性时最优保险支出的变化。消费者收入越高,最优保险支出将减少,而当经济政策存在不确定性时,最优保险支出将增加;且在经济政策存在不确定性时,高收入者为达到最优保险而增加的保费支出更高。当然,受限于理论模型分析的简化和局限性,这一单调关系的结论还较简单。下面再根据实际数据实证分析动态变化。

四、研究设计

(一)样本选择与数据来源

本文研究计划为:首先以Davis等建立的中国EPU指数(2)Baker等(2016)选用中国香港英文报纸《南华早报》[2]。Davis等(2019)捕获中国大陆主要报纸《人民日报》和《光明日报》中包含有关经济(E)、政策(P)和不确定性(U)三个术语的文章数量,建立中国经济政策不确定性指数,度量更准确[12]。作为经济政策不确定性的代理变量[12]。其次根据2021年前三季度累计城镇居民人均收入,将中国31个省份(港澳台地区除外)分为三个不同收入水平的小组,其中,收入最低的11个省份为低收入省份组,收入中等的10个省份为中收入省份组,收入最高的10个省份为高收入省份组(3)低收入省份组包括黑龙江、吉林、甘肃、青海、河南、宁夏、山西、新疆、广西、河北和贵州11个省份,中收入省份组包括湖北、海南、江西、云南、陕西、四川、辽宁、湖南、安徽和内蒙古10个省份,高收入省份组包括重庆、山东、西藏、福建、天津、广东、江苏、浙江、北京和上海10个省份。。用高、中、低三个收入组的平均保险密度作为不同收入地区保险市场发展程度的代理变量。保险密度等于保费收入之和除以总人口数。由于保费收入在一年的保险周期中存在明显的季节变化特征,故使用X-12-ARIMA季节调整方法控制数据中季节性因素的影响。选取2006年1月(4)中国银保监会自2006年披露“全国各地区原保险保费收入情况表”,本文将其中的寿险、健康险和意外险合并为人身保险。至2021年9月(共189个月)的数据。保费收入数据来源于中国银保监会官网,各省人口的数据来源于全国第六次人口普查和全国第七次人口普查(5)测算保险密度时,2006—2015年的各省份人口数量参照六普数据,2016年起参照七普数据。。人均收入的数据来源于中经网统计数据库。

为了控制遗漏变量造成的模型设定偏差,参照KUMAR等人的研究,基于数据的可得性,选取了三个控制变量:(1)利率,因为利率的变化会影响消费者的储蓄决策,而保险产品和储蓄在一定程度上互为替代品;(2)物价指数,物价指数升高导致消费者的实际购买力降低,可能降低保险的购买;(3)虚拟变量为新冠疫情,新冠疫情的发生引发了人们对突发性公共卫生事件的关注,改变了人们的工作和生活模式,可能会影响民众的保险决策[6-7]。利率的数据来源于国际货币基金组织(IMF)官方网站;物价指数的数据来源于中经网统计数据库。变量说明见表1。

表1 描述性统计

(二)模型设定

非线性和非对称性在社会科学中普遍存在[27]。人们也逐渐认识到经济活动中经济变量变化的非线性特征[28-30]。本文拟研究经济政策不确定性和人均收入的变动对保险市场发展可能存在的非对称和长短期影响。Shin等对自回归分布滞后(ARDL)模型中的解释变量进行了正负项分解,并提出了非对称扩展形式,即非线性ARDL模型(NARDL)[28,31]。NARDL模型的优势在于:(1)同时考虑了解释变量的正向和负向变化对被解释变量影响的差异性;(2)模型可写成误差修正形式,集协整、非对称和非线性关系于单一方程,且OLS估计有效[28],在小样本中也具有良好的统计特性;(3)不要求变量同阶单整,平稳序列和一阶单整序列均适用。基于NARDL模型,构建了保险市场发展对于经济政策不确定性和人均收入正负向变动的非对称效应模型,误差修正形式的NARDL(p,q)为:

(7)

(8)

五、实证结果

(一)数据的初步分析和检验

1.描述性统计

表1报告了所有变量的详细说明和统计特征。2020年,人身保险保费收入占总保费的74%,财产保险占26%。2006年1月至2021年9月,高、中、低收入地区的月均保险密度分别为5.160、4.501和4.467元/人。中、低收入地区的保险密度相差不大,人身保险亦如是,但财产保险密度在中、低收入地区的差别明显大于人身保险。高收入地区保险密度的标准差(0.585)小于中、低收入地区(0.654和0.644)。这说明高收入地区人均保险花费随时间变化的波动小于中、低收入地区;财产保险密度和人身保险密度也表现出相同的特征。EPU最高出现在2020年11月,最低出现在2006年9月。高、中、低收入地区人均收入的均值均小于中位数。这说明收入相对偏低的月份数量略多一些。图1展示了不同收入地区保险密度、财产保险密度和人身保险密度与EPU随时间的变化。

图1 不同收入地区保险密度与EPU随时间变化趋势图

可以看出,保险密度有明显的时间趋势,财产保险密度随时间的变化更平滑。随着时间推移,不同收入地区财产保险密度的差距小于人身保险。EPU波动明显且呈上升趋势。EPU在2008—2009年和2019—2020年有两次较大上升,在2006—2007年和2014—2015年维持在相对低水平。相对应,图1(c)的人身保险密度分别出现负增长、零增长和较高增长。可见,随着EPU提高或降低,人身保险密度呈现出相反的变化趋势。

2.平稳性检验

依据NARDL模型,二阶单整序列不适用,需进行单位根检验,采用ADF检验和PP检验两种方法。表2中,除EPU和CPI是平稳序列,其余变量均为一阶单整。故可用NARDL模型研究EPU对不同收入地区保险市场发展的非对称效应。

表2 变量单位根检验结果

3.模型设定及非对称性检验

构建NARDL模型需确定滞后期p和q。分别测试1～12期滞后期。借鉴相关文献的做法[4,32],最佳滞后期的选择依据为:(1)CUSUM平方诊断性检验的递归残差位于5%显著水平的临界尾部内;(2)AIC值越小越好;(3)Wald非对称性检验结果尽可能显著,最终确定三个NARDL模型最合适的滞后期分别为:模型一保险密度为NARDL(2,6),模型二财产保险密度为NARDL(3,6),模型三人身保险密度为NARDL(3,6)。表3汇总了三个模型设定及非对称性检验结果。

表3 模型设定及非对称性检验

首先,检验非对称长期均衡(协整)关系。因为三个模型所涉及的变量既有平稳序列也有一阶单整序列,非同阶单整,采用Bounds Testing Approach(边界检验法)进行协整检验[33]。原假设为:ρ=β+=β-=λ=0。依据检验规则,F统计量(FPSS)应大于上界的渐近值(6)F统计量的渐近临界值(上界和下界)的分布标准来自Pesaran等[33]。。从检验结果来看,三个模型的FPSS均在1%或5%的水平上显著,表明EPU、人均收入等变量与保险市场发展之间存在长期均衡关系。

最后,进行模型的异方差检验和自相关检验,从White检验和B-G检验结果来看,有个别模型没有通过异方差和自相关检验。这时参数的OLS估计量虽仍然无偏,但不具备最小方差性。因此,在后续模型估计时,需采取相应的措施进行控制。用CUSUM平方来检验NARDL模型长期和短期估计参数的稳定性,递归残差均位于5%显著水平的临界尾部内。因此,可以认为三个NARDL模型的参数估计中没有不稳定的证据。这说明回归方程具有良好的统计特性,估计结果可靠。

(二)模型估计结果及累积效应分析

考虑到模型可能存在的共线性问题,采用逐步回归法对所选定的模型进行参数估计。表4和表5所示的NARDL模型估计结果仅保留了在10%水平下显著的变量。为比较长期系数,将不显著的长期回归量也加入表中。考虑到三个模型都或多或少存在异方差或者序列相关问题,因此模型回归时均使用异方差自相关稳健标准误Newey-West估计量。

表4 保险密度的NARDL模型估计结果

表5 财产保险密度和人身保险密度的NARDL系数估计结果

1.保险密度的NARDL估计及累积影响效应

表4汇总了保险密度的NARDL模型估计结果。

图2是依据式(8)计算出的动态乘数而作的EPU和人均收入对不同收入地区保险密度的累积影响效应图,更直观地展现了EPU和人均收入对保险密度的长短期、正负向非对称性影响。

图2 EPU和人均收入对不同收入地区保险密度的累积影响效应注:“短虚线”为EPU或人均收入正向变化,“两点长划线”为负向变化,实线为EPU或人均收入正负向变化累积影响效应的线性组合。下同。

首先看EPU对保险密度的累计影响效应。图2(a)中短虚线和两点长划线对应的累积影响值(即动态乘数)长期稳定在0之上,这说明不论EPU发生了正向变化还是负向变化,低收入地区保险密度均会增加;图2(c)和(e)中,两点长划线长期稳定在0之上,说明当EPU变低时,中、高收入地区的保险购买增加,与表5的模型回归结果一致。而且正向效应动态乘数的绝对值小于负向效应。这说明相比不确定性提高,在不确定性降低时消费者更愿意拿出更多的空闲资金来用于购买保险。横向比较图2(a)、(c)和(e)可以发现,随着收入增多,EPU变化对消费者保险购买行为的影响力度增大。这与表4的模型回归结果一致。在累积影响效应图中表现为正负向变化两条曲线之间的距离增大。这表明随着人均收入的提高,保险不单纯是规避风险的工具,当保险作为投资理财的方式时,投资者会依据外部经济环境和自身财力的变化及时调整保险购买量。当EPU降低时,三个收入组都表现出保险购买量的增加,且随着收入继续增加,保险购买量的增加量变大,表明在EPU降低时,越高收入的消费者可以拿出更多的空闲资金用于保险投资。保险密度有两个主要的决定因素,一是投保人的保险购买量,二是保险公司设定的保险费率。EPU对保险密度的影响路径是两方面的,一是投保人因为EPU的变化而改变其风险厌恶程度,从而改变了保险购买量;二是保险公司在EPU冲击下盈利能力有所变化,所以通过调整承保费率和投融资行为以保证利润水平。保险公司的利润来源由承保业务和投融资行为两部分组成,承保业务的盈利情况需结合投保人的保险购买量来分析。当EPU增加,投保人对风险更加厌恶,从而增加保险购买量,而保险业务量的增加意味着保险公司要承担更多的风险,保险公司的承保利润会被平滑,从而推动保险公司提高保险费率。投融资行为方面,EPU提高说明宏观经济政策风险变大,投资收益率可能无法得到保证,此外保险公司可能会减少投资,带来投融资回报率降低,从而保险公司有动机提高承保费率以保证盈利水平。在二者的推动下,保险密度会随着EPU的提高而提高。而当EPU降低,宏观经济状况向好,投保人的收入得到保证,可以有更多的预算用于购买保险以防范未来可能发生的风险事故。保险公司的投融资策略相对积极,可能得到较高的投融资回报率,盈利能力得到保障,保险公司在承保业务方面的风险厌恶程度会降低,从而适当放开承保端的风控,向市场释放更多的承保能力,保险收入增加。

再看人均收入对保险密度的累计影响效应。图2(b)中短虚线和两点长划线对应的累积影响值(即动态乘数)长期稳定在0之上,这说明不论人均收入发生了正向变化还是负向变化,低收入地区保险密度均会增加;图2(d)中短虚线长期稳定在0之上,说明中收入地区收入提高时,保险购买增加,与表4的模型回归结果一致。且保险密度对收入提高带来的提升效应更为敏感,这说明中收入的消费者同低收入消费者一样有着强烈的保险购买需求,随着人均收入的提高还会增加保险的购买量。图2(f)中两点长划线长期稳定在0之上,表明高收入地区收入降低时,保险购买增加。结合图2(a)和(b)可看出,低收入地区EPU和人均收入的正负向变化曲线之间的距离不大,说明EPU和人均收入的正向或负向变化对保险购买行为的影响差别不大。这也说明,低收入者是典型的风险规避者,尚未达到最优保险购买量并明显表现出增加保险购买的趋势。综合图2(a)至(f)可看出,时期在25以内时,EPU和人均收入对保险密度的影响波动非常明显,但在25期以后即长期趋于稳定。EPU和人均收入等变量与保险密度之间存在长期稳定的关系。

长期来看,EPU增加时,低收入地区保险密度增加;EPU降低时,中收入和高收入地区的保险密度增加。人均收入方面,无论人均收入增加还是降低,低收入和中收入地区的保险密度均会增加。随着人均收入增加,EPU对保险密度的影响力度变大,人均收入变化对保险密度的影响力度降低。

2.财产保险密度的NARDL估计及累积影响效应

表5汇总了财产保险密度的NARDL模型估计结果。

其次分析短期效应。低、中收入地区EPU和高收入地区中人均收入的短期回归量的系数符号均为负。这说明短期来看,EPU提高或降低时,低、中收入地区的财产保险密度反之会降低或提高;而当人均收入提高或降低时,高收入地区的财产保险密度将降低或提高。短期所呈现出来的影响趋势与长期相反。

图3是EPU和人均收入对不同收入地区财产保险密度的累积影响效应图。首先看EPU对财产保险密度的累积影响效应。从图3(a)、(c)和(e)可以看出,EPU对三个收入地区财产保险密度的非对称性影响相似。长期来看,EPU增加,财产保险的购买越多;EPU减少,财产保险的购买越少。这充分反映了消费者购买财产保险的目的是规避风险。当消费者感知到不确定性提高时,会增加财产保险的购买;而当不确定性降低时,则会减少购买。而且,EPU降低对财产保险密度的抑制效应抵消了EPU提高对财产保险密度的提升效应。这表明相比于EPU提高,消费者对EPU降低的感知更灵敏。

图3 EPU和人均收入对不同收入地区财产保险密度的累积影响效应

最后看人均收入对财产保险密度的累积影响效应。图3(b)和(d)中,正向变化(短虚线)长期稳定在0之上;而负向变化(两点长划线)在0以下。这表明当人均收入增加,低、中收入地区的财产保险密度提高;人均收入降低时,财产保险的购买减少。这反映了当消费者收入提高手头资金宽裕时,会增加财产保险的购买;而人均收入减少则会减少财产保险的购买。同时,人均收入降低对财产保险密度的抑制效应抵消了人均收入提高对财产保险密度的提升效应。这表明相对于人均收入提高,消费者对人均收入降低时所做出的财产保险购买量的调整反应更大。图3(f)中两点长划线长期稳定在0以下,说明高收入群体在人均收入降低时会减少购买财产保险。

根据上文有关财产保险密度非对称影响分析可得出结论:长期来看,EPU增加会导致中收入地区财产保险密度增加;EPU降低则会导致中、高收入地区的财产保险密度降低。这与Gupta等的结论一致[4]。这可能是因为当家庭感受到更高程度的经济政策不确定性时,相比死亡风险,对经济风险的感知更敏感。而对于财险公司而言,随着EPU升高,投保人增加了保险购买,其承担的风险也随之提高,平滑了承保利润,财险公司有动机通过提高费率以保证其盈利水平,所以财险市场整体的保险费率可能会提升,保费收入会增加。当EPU降低,投保人的风险厌恶程度下降,减少了保险购买,财险公司会通过降低费率的方式促进业务发展。因此,更高的EPU对财产保险需求有显著的正向影响,从而导致更高的财险密度,反之亦然。当收入增加或降低时,中收入和高收入地区的财产保险密度也会增加或降低。但是,短期来看,EPU对低收入和中收入地区及人均收入对高收入地区财产保险密度的影响与长期影响相反。

综合比较图2和图3正负向变动曲线趋于稳定时的变化,相比较EPU和人均收入对保险密度的非对称影响,EPU和人均收入对财产保险密度影响的非对称性在短期内的波动较小,能较为迅速地趋于稳定。

3.人身保险密度的NARDL估计及累积影响效应

图4是EPU和人均收入对不同收入地区人身保险密度的累积影响效应图。从图4(a)、(c)和(e)可以看出,EPU对三个地区人身保险密度的长期非对称性影响相似。EPU变高时,人身保险的购买减少;EPU减少时,人身保险购买增多。EPU降低对保险密度的提升效应抵消了EPU提高对保险密度的抑制效应。这说明,相比于经济政策的不确定性提高时,在不确定性降低时消费者更愿意拿出更多的空闲资金来用于购买人身保险,体现了人身保险投资的功能。再看人均收入对人身保险密度的累积影响效应。从图4(b)、(d)和(f)可以看出,当人均收入减少时,三个地区的人身保险密度均增加。

图4 EPU和人均收入对不同收入地区人身保险密度的累积效应

根据人身保险密度的非对称影响分析可得出结论:长期来看,EPU和人均收入增加时,中收入地区人身保险密度降低;EPU和人均收入降低时,高、中、低收入地区人身保险密度均增加。这可能是因寿险产品带有一定的投资属性,EPU提高带来了更大的风险和不确定性,寿险产品的保证利率降低,回报降低,继而投保人改变了保险购买决策。为保证寿险公司资本安全性,EPU提高迫使其采取保守的投融资策略,且有动机降低保险费率以促进保险业务增长。EPU降低时,宏观经济环境向好,投资收益率相对提高,投保人有更多预算购买寿险。寿险公司的投融资战略相对宽松,参与一些高风险高回报的项目,提高了寿险产品的保证利率,推动保险业务发展。EPU对财险密度的影响与人身保险密度相反。鉴于财产保险和人身保险保障家庭免受不同类型的风险,故EPU对财产保险密度和人身保险密度有不同的影响,从经济学直觉上来看是合理的。此外,短期来看,EPU对中收入地区人身保险密度的影响与长期影响相反。

综合比较表5中三个收入地区的EPU的长期系数的绝对值,发现EPU对财产保险密度的影响大于人身保险密度,这与Balcilar等的发现一致[5]。综合比较表5中三个收入地区的EPU和人均收入的长期系数的显著性,可以看出中收入地区显著系数个数相比低、高收入地区更多。这也说明EPU和人均收入的变动对中收入地区的影响最为明显。

六、结论与建议

本文将中国31个省份(港澳台地区除外)按人均收入分为高、中、低三等收入省份组,运用NARDL模型分析EPU对不同收入地区保险市场发展的长短期和正负向非对称影响,并作出累积影响效应图分析保险密度随EPU和人均收入的动态变化趋势,如表6所示。无论是EPU还是人均收入,对保险密度、财产保险密度和人身保险密度均存在非对称影响,且长期影响与短期影响也不完全一致。具体研究发现如下:

表6 非对称影响汇总

第一,经济政策不确定性对不同收入地区保险市场的发展确实存在正负向、长短期的非线性和非对称的影响。EPU和人均收入对保险密度有长期正向影响,财险密度与EPU和人均收入正相关,人身保险密度与EPU和人均收入负相关。EPU和人均收入对财产保险和人身保险的影响是相反的,这是由财产保险和人身保险的标的不同而决定的。短期来看,EPU对中低收入地区财产保险密度、中收入地区人身保险密度以及收入对低、高收入地区财产保险密度、低收入地区人身保险密度的影响与长期影响相反,这反映了EPU和收入对保险密度的影响有动态调整,由短期的波动大、不稳定逐渐在长期趋于稳定。

第二,随着人均收入增加,经济政策不确定性对保险密度的影响变大,人均收入的变化对保险密度的影响却逐步降低。这表明,随着人均收入的提高,保险产品不再单纯的是规避风险的工具,投资理财的功能逐渐显现。投资者会依据外部经济环境和自身财力的变化及时调整保险购买量。收入偏低者的保险购买因受限于收入约束,故当人均收入提高时,保险购买增加。但随着人均收入增高,保险的投资理财功能也基本完全发挥,故保险购买量的增加将减小,即人均收入效应呈现递减趋势。

第三,相比于低收入和高收入地区,经济政策不确定性和人均收入变化对中收入地区影响最明显。这也与保险产品适合中产阶级保持一致。低收入地区因人均收入偏低,可用于保险消费的预算不够,保险购买量相对偏小,故受经济政策不确定性和收入变化的影响不明显。高收入地区的人均收入偏高,保险预算相对较高,保险需求也大多被满足,故经济政策不确定性和人均收入变化也不会过多改变他们的保险决策。中等收入地区的消费者对经济政策不确定性和人均收入变动更为敏感。

根据上述结论,提出以下建议。第一,中国保险业尚处于蓬勃发展阶段,对经济政策不确定性较敏感。监管部门需关注经济政策不确定性,防范因经济政策的大幅变动对保险市场的稳定健康发展造成影响。具体可从以下几方面抵御不确定性的冲击,一是健全国家社会保障体系,增强居民的安全感;二是保险公司和监管部门应加强信息披露和信息公开,减少信息不对称,提高民众对保险的信任度;三是个人也应增强金融素养和经济政策关注度,提高自身抵御风险能力。第二,本文证实了经济政策不确定性对不同收入地区保险市场的发展存在非线性、非对称的影响,决策者不应“一刀切”地分析问题,应考虑到面对经济政策不确定性时保费可能的动态变化方向。这样才能更好预测保险市场的发展动态,并执行更有效的保险政策。首先,对不同收入水平的地区,促进保险发展的路径也应有所不同。对低收入地区而言,需大力提高消费者的风险意识;对高收入地区而言,应深入挖掘更适合消费群体的保险方案;对中等收入地区而言,要尽可能满足投保人的保险需求,因为这是保险发展增速相对最快的一个群体。其次,经济政策不确定性对不同类型的保险的影响存在差异,保险公司应加强精算水平,设置更公平的费率;还应多元化保险产品的供给,以满足不同群体的需求。