未决赔款准备金(未决赔款准备金)

【摘要】保险企业破产主要原因是准备金提存不足。国外相关文献认为公司通过调整未决赔款准备金的目的有四种，但对该行为的检验方法都存在一个明显缺点，就是要等年之后才可以研究当前行为。据未决赔款准备金估算模型，同期影响因素有保费收入与赔款支出。运用多元统计方法，建立未决赔款准备与净保费收入和净赔款支出回归模型，结果表明，我国非寿险业不存在较普遍的人为调整现象。【关键词】非寿险未决赔款准备调整行为净保费赔款支出【中图分类号】F84【文献标识码】20世纪，美国保险业统计数据表明（如表），保险公司破产的主要原因是承保风险；在承保风险中，准备金的不足是造成其破产的主要原因。非寿险公司准备金类型在各国有所差异，但主要包括两类准备金：未到期责任准备金和未决赔款准备金。随着企业财务会计准则趋同化、电子信息化，未到期责任准备金提存和转回方法大致相同或相似，绝大多数公司把保单保费分成365天来计算即1/365为调整因素可以消除，保单一生效，系统就会自动计提与转回责任准备金。而未决赔款准备金提存一直受到人为因素影响，这一点在国内外都普遍存在，也成了许多国内外学者、监管当局所关注的焦点。1969-1998年美国保险公司破产的主要原因数据来源：裴光.中国保险业监管研究.北京：中国金融出版社，1999未决赔款准备金（LossReserve）是指保险公司为已发生但尚未理赔完毕的赔案所预先提存的资金。

财产保险保单多为一年期短期保险契约，从保险事故发生到赔款支付完毕的延迟时间往往较长，因而需要评估未决赔款准备金，并且其评估结果对财产保险公司的经营和财务状况有很大的影响。然而，直到财政部1999月《保险公司财务制度》的颁布，首次具体提出未决赔款准备金的提取规定。规定指出：保单有效期内发生的已报案未决赔款，最高不超过当期保险赔偿或者给付金额的100％；已发生但尚未提出保险赔偿或者给付金额的赔案，不超过当年实际赔款支出额的4％。中国保险监督管理委员会200324日颁布的《保险公司偿付能力额度及监管指标管理规定》中指出：保险公司可按照《保险公司财务制度》的有关规定提取未决赔款准主要原因破产数目百分比准备金保费不足14322%承保风险41%增长过快8613%巨灾损失366%资产估值过高406%资产风险13%分出再保险失败223%子公司264%核心业务的巨大转变284%其它风险46%欺诈447%其它各种原因147%无法查明的原因16928%共计6381000%备金，但如果精算方法计算的准备金大于按照《保险公司财务制度》提取的准备金，则可取大者为报表数。但具体的精算方法该规定却尚未明确给出，公司拥有较大的操作空间，换而言之，在尚无客观和公开的标准的情况下，国内公司拥有较大的自主权利来确定未决赔款金，从而可能出现人为调整行为以达到相关意图。

其中。该模型预测，保险公司使用损失准备金来规避投资收入税，把资产投入到税收优惠的领域。样本1981-198940家股份产险公司，假设得到证实。FernandoPenalvaAcedo（1998）采用Kalmanfilter（KF）卡尔曼滤波器，对美国1983210家财产保险公司，检验经理调整损失准备金的现象，准确率达到80%。该模型依赖于体制特征和会计制度的特性。但以上对于损失准备金考察是采用样本五年后数据，也就是说，研究者要等到年后才能判断当期是否存在调整行为，这是一个较为明显的缺陷。二、文献综述Guay,KothariWatts（1996）认为准备金的提存偏差原因可能有几个方面：精算师主观原因、绩效度量方面的考虑，和非故意性错误。本质上来讲，以上意图使得收入平稳化，通过掌控损失准备金，保险公司可以把收入从一个时期转到另一个时期。为了检验准备金提存偏差原因，Smith（1980）研究了美国1955-1974家汽车责任保险公司的损失准备金，结果表明，1955-1962年期间损失准备金明显高估，在剩下的验了保险公司是否使用了损失准备金来调整承保业绩，但实证结果却表明证据不够。AiuppaTrieschmann（1987）调查五个险种损失准备金中的已发生未报40家保险公司，运用多元统计分析方法。

他们发现，公司规模与准备金有关联，并认为小公司因较弱的精算实力、经验缺乏，所以更可能产生较高的预测失误。Grace（1990）用一个模型，该模型是保险公司通过准备金的调整使得其现金流最大化，Grace推测保险公司通过损失准备来最大程度减少税收负担，减轻报告年度的收入波动。取样1966-197970家保险公司，研究设计了一个跨期的回归时间序列模型。结果表明，准备金调整使得样本公司在样本期间税额减少。Petron（i1992）考察错报准备金的公司对于不同成本与收益的反应，主要假设是相对财务状况好的公司，实力弱的易于低估准备金，目的是为逃避监管。样本1979-1983324家保险公司，采用跨期Grace（1990），Petroni并没有发现报告年度有税收规避证Grace（1994）建立一个利润最大化模型，考虑1986年税法有关产险公司所规定条款在三、提存未决赔款准备的影响因素对非寿险公司来说，未决赔款准备金是最为重要的负债项目之一，如何科学准确地对其进行估算，意义重大。目前主要文献资料中有六种估算方法，同期影响因素如表。表估算方法与同期影响因素近年来，在国际精算学界，很多研究人员利用现代概率统计的理论和方法，对此问题进行深入的研究。

Verrall、Scollinik、IoannisNtzoufras等在国际一流精算学杂志上发表论文，从不同角度估计未决赔款准备金，取得较大进展；并都反映出未决赔款准备金与已决赔款支出、保费收入和赔案之间的关系。影响未决赔款准备水平两个重要同期因素分别为保费收入与赔款支出；从不同期来看，还受通货、利率变化等因素影响。但非寿险业的保单期限一般都为一年期，受通货与利率影响远少于寿险，因此在考察非寿险企业时，暂不考虑这两个原因的影响。从国内已有的文献来看，衡量未决赔款提存水平高低有两类指标：未决赔款准备金已决赔款支出和未决赔款支出自留保费。文献认未决赔款准备金与净保费收入存在一个稳定关系，并进行实证。净保费收入是保费收入加上分入保费减去分出保费，但没有把分保影响考虑到已决赔款支出中,导致估算方法影响因子逐案估计法赔案数量，保费比例法保费收入平均法案均赔款，赔案数量赔付率法赔款支出，平均赔付额法赔款支出，赔案数量赔款支出，赔案数量金融论坛2009金融论坛财务与金融2009模型因变量解释力的不足；另外，该文献没有把财产保险与寿险两类性质不同公司分开，得出结论的准确性会受到影响。文献把税收因子、承保因子与利润因子与未决赔款提存水平建立联系，把税收因子加入进去主要是考虑到保险企业是否有盈余调整的可能。

直观上，在一般情况下，净保费收入越高，未决赔 款准备金提存水平就应越高；在总的损失是一定的 情况下，已决赔款越多，则未决赔款准备提存水平就 应越低。因此认为，未决赔款准备金提存水平与净保 费收入成正比，与已决赔款支出成反比。 未决赔款准备金考虑到分入分出保费影响，为 保持口径一致性，本文也采用净保费收入，而不用保 费收入这个指标；同时赔款支出应扣除摊回赔款再 加上分保赔款支出后的净赔款额。由于同一个公司 各个年度，或者同一年度各个公司的报表项目有所 不同，会出现口径不一现象，有时难以分离出其摊回 赔款和分入赔款支出数据，本文只能用其赔款支出 数据来代替净赔款额，各变量解释及其代码见表。 因变量为未决赔款准备金；自变量有两个：净保费和 净赔款。 各变量解释年）、天安（1998-2003 年）、大众（1998-2004 安（1998-2003年）、太平洋产险（2002-2004 （2003-2004年）。数据来源于 《中国保险年鉴》 （1997-2004）和《中国金融年鉴》（2005）。样本总数 60个，数据单位统一为百万元。本文做两个线性 回归模型，一个是未决赔款准备金与净保费收入模 型，也就是文献 采用的方法；另一个是未决赔款准备金与净保费与净赔款，然后比较两个模型得出结 论的差异。

用 Eview3.1 做第一个线性回归方程，其 结果如下： 对应的回归表达式为：Y=-54.62104+0.224671 X1（-0.49） （31.47） 拟合程 度较好，可决系数 0.944705，回归的标准 误差 772.06，Prob 等于 0，对应系数显著不为零。 第二个回归方程输出结果如下： 四、模型比较与实证 由于我国非寿险业时间发展时间不长，且市场 经营主体数量还相对较少，为了在实证中尽可能采 用更多的样本，故做以下假设：1、非寿险企业各样本 的业务性质等同。该假设主要基于我国非寿险公司 业务结构，经营模式，产品雷同性等方面的相似性； 2、在正常年份，各期保险业务性质稳定。在短期内 业务特性不受时间推移影响。该假设隐含着样本公 司在样本期间没有出现保费与赔付方面的大波动。 由于未决赔款准备金与净保费收入和赔款支出 这种 关系，如果没有人为调整未决赔款准备，在一个 泰（1996-2004年）、中华联合 （1996-2004 年）、永安（1996-2004 对应的回归表达式是： Y=-12.24043+0.035419 DependentVariable: Method:Least Squares Sample: 60Included observations: 60 Variable Coefficient Std.Error StatisticProb. 12.24043108.9156 0.1123850.9109 X1 0.035419 0.081306 0.435624 0.6648 X2 0.321654 0.137693 2.336030 0.0230 squared0.949536 Mean dependent var 1514.642 Adjusted squared0.947766 S.D. dependent var 3255.346 S.E. regression744.0026 Akaike info criterion 16.11067