中国车险市场分析.docx

中国车险市场分析.docx

《中国车险市场分析.docx》由会员分享，可在线阅读，更多相关《中国车险市场分析.docx（19页珍藏版）》请在冰点文库上搜索。

中国车险市场分析

中国车险市场分析

随着近几年我国汽车市场和保险市场的不断发展壮大和完善，车险业务的发展极为迅速，机动车辆的承保面已达到50％以上，尤其是乘用车辆的承保比例更高，达到了80%。

车险已成为国内保险业务中最大的险种，如1997年全国机动车辆保险费收入为287.68亿元，占财产险保险费总收入的60％左右。

我国将于2004年12月11日以后，允许外资财产保险公司经营除法定保险业务以外的全部非寿险业务，这其中就包括了汽车保险业务。

而最近几年以至今后几年中，国内汽车价格的不断下降使私家车的数量不断增加，国内的汽车保险市场自然也将迅速膨胀。

巨大的市场需求，使我国的车险市场成为全球最引人注目的新兴汽车保险市场。

随着外资保险公司业务经营范围的逐渐放开，汽车保险产品的供应能力将极大增强，投保人的需求也将更为多样化、选择的范围也更为广泛，各家保险公司之间的竞争也将更加激烈。

与此同时，由于汽车市场的扩大，人们家用轿车的快速增加，再加上各大中城市交通的承载运营能力未能及时改善，使得车辆出险率上升，以致机动车保险的赔付率业务也随之急剧上升。

由于汽车产业和保险产业之间信息的不对称，使得各大经营车险的保险公司虽通过几次调整费率（主要是家用车和营运车保费的提高及一些车型保险系数的变化）、不断推出新的车险品种，但赔付率仍然高居不下，致使一些保险公司在某些地区的车险业务曾一度处于亏损状态。

可见，把“车险”仅单纯的作为保险业务，而忽视它与汽车产业的密切联系的原有“车险”运作模式已不再适应汽车和保险市场的迅速变化。

可预见，未来“车险”的规模之大，保费收入之多，汽车、保险市场联系之紧密对中国汽车和保险产业的经营有着举足轻重的影响，这也必将是中外保险公司竞争、争夺的热点之一。

因此，中国车险市场正成为中国汽车市场和保险市场联系的纽带，它的发展规范与否会对汽车、保险两个市场的壮大、拓展产生重要影响。

因此研究它对汽车、保险两市场的关系及两市场对它所起的作用对于两个产业的协调发展和车险市场进一步完善和规范是一个重要课题。

一、数据的选择和模型分析

车险，狭义的讲是属于保险业一部分。

车险业务更是财险业务中所占比例最大的业务。

而从广义来看车险又是汽车产业和保险产业的交汇点，它的生存、发展不仅受到汽车市场中各个生产企业间激烈竞争的影响，而且也受到保险市场诸如：

制度、费率调整、险种创新、服务质量的制约。

本文正是从广义的车险——车险市场来分析的。

（一）样本选取和模型的理论基础

本文选取的样本数据为2003年1月到2005年4月的包括车险保费收入、乘用车销售量和保费收入，共28组数据。

其具体数据如表1所示：

表1

2003年1月－2005年4月保费收入和乘用车销量

保费收入（万元）

乘用车销量

时间

财产险收入

车险收入

总保费收入（累计）

月保费收入

销售量（乘用车）

比例

2003年1月

603746.98

362248.19

3639081.42

3639081.42

166360.00

7.56%

2003年2月

650954.95

390572.97

6999970.61

3360889.19

118461.00

5.38%

2003年3月

870372.76

522223.66

11416903.62

4416933.01

164582.00

7.48%

2003年4月

739525.31

443715.19

14424300.00

3007396.38

180035.00

8.18%

2003年5月

737200.00

442320.00

17281500.00

2857200.00

168368.00

7.65%

2003年6月

1163109.83

697865.90

21542557.24

4261057.24

179089.00

8.14%

2003年7月

588123.52

352874.11

23983671.16

2441113.92

181590.00

8.25%

2003年8月

633856.33

380313.80

26540979.90

2557308.74

181937.00

8.27%

2003年9月

732788.88

439673.33

29681281.39

3140301.49

212168.00

9.64%

2003年10月

581362.02

348817.21

32280402.48

2599121.09

190371.00

8.65%

2003年11月

574230.69

344538.41

35307832.59

3027430.11

210203.00

9.55%

2003年12月

818777.83

491266.70

38803960.93

3496128.34

247909.00

11.26%

2004年1月

813186.00

555406.04

3818449.82

3818449.82

168942.00

6.74%

2004年2月

770695.38

526384.94

7437527.97

3619078.15

204388.00

8.16%

2004年3月

1193999.14

815501.41

11998333.73

4560805.76

250167.00

9.99%

2004年4月

963833.95

658298.59

15539594.72

3541260.99

245198.00

9.79%

2004年5月

986914.15

674062.36

19019179.33

3479584.61

199240.00

7.95%

2004年6月

1131836.20

773044.12

23735402.13

4716222.80

188556.00

7.53%

2004年7月

861514.25

588414.23

26666153.21

2930751.08

184815.00

7.38%

2004年8月

963082.98

657785.68

29793615.38

3127462.17

185738.00

7.41%

2004年9月

933305.78

637447.85

33397675.29

3604059.91

207586.00

8.29%

2004年10月

746931.40

510154.15

36693357.83

3295682.54

189600.00

7.57%

2004年11月

714571.37

488052.25

39956981.05

3263623.22

217311.00

8.68%

2004年12月

818988.30

559369.01

43181349.81

3224368.76

263373.00

10.51%

2005年1月

1443625.48

985996.20

4588781.69

4588781.69

242000.00

21.07%

2005年2月

719771.09

491603.65

7720019.26

3131237.57

213500.00

18.59%

2005年3月

1266257.91

864854.15

14768499.86

7048480.60

355800.00

30.98%

2005年4月

1139430.81

778231.24

18483822.90

3715323.04

337000.00

29.35%

模型及有关符号说明：

（1）一元线性回归模型。

由经济理论和实际经济问题可知，车险费率的高低会影响汽车的销售量：

车险费率高意味着购车费用加大，消费者的购买数量和购买时间将发生变化，从而影响汽车的销量；同理，车险收入作为财险收入的主要组成部分，车险收入的增加或减少，也会影响到保险收入的变化。

故，建立数学模型：

其中，

——各月的车险保费收入；

——各月的保险收入；

——各月的乘用车销售量；

为相应的回归系数（待定系数）；

——误差项。

（2）二元线性回归模型。

现实经济问题中，随着汽车销售量（Z）的变化，以及由于保险政策、费率调整等因素引起的保险收入（Y）的变化，都会影响车险收入（X）的变化。

可建立数学模型：

其中，

——误差项；

——回归系数。

模型的估计方法：

OLS法即最小二乘法。

检验模型的方法：

（1）检验估计参数是否符合经济理论和实际经济问题的要求；

（2）用数据统计中关于假设检验的原理进行统计检验。

统计检验的指标：

R-squared：

样本可决系数，用以检验回归方程的拟合优度。

t检验：

H0：

β1=0；H1：

β1≠0；

t=

|t|>tα/2（n-2）,则拒绝原假设H0，表明解释变量对被解释变量有显著影响；否则，接受原假设H0，解释变量对被解释变量没有显著影响。

F检验：

H0：

β1＝β2＝0；H1：

至少有一个βi（i=1,2）不等于零；

k：

解释变量的个数；n：

样本的个数。

DW：

利用残差et构成的统计量推断误差项ut是否存在自相关。

H0：

ρ＝0；H1：

ρ≠0；

（二）模型估计及检验

1、建立保险收入Y与车险保费收入X之间的一元线性回归模型：

Yi=α0+α1Xi+ui

应用Eviews软件采用最小二乘法（OLS）进行估计，结果如表2所示：

表2

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

1406804.

424039.2

3.317626

0.0027

X

3.870381

0.721178

5.366750

0.0000

R-squared

0.525565

Meandependentvar

3588183.

AdjustedR-squared

0.507317

S.D.dependentvar

910839.4

S.E.ofregression

639330.6

Akaikeinfocriterion

29.64298

Sumsquaredresid

1.06E+13

Schwarzcriterion

29.73814

Loglikelihood

-413.0017

F-statistic

28.80200

Durbin-Watsonstat

1.920810

Prob（F-statistic）

0.000013

相应的样本回归方程为：

Y=1406803.842+3.870381426*X

（3.317626）（5.366750）

R-squared＝0.525565，F-statistic＝28.80200，DW＝1.920810

α1＝3.870381426为样本回归方程的斜率，表示月保险收入的边际收入倾向，说明月车险保费收入每增加1万元，月保费收入将相应增加约3.87万元；拟合优度为0.525565，说明X和Y有一定的相关性；α0＝1406803.842是样本回归方程的截距，表示不发生车险收入的情况下，保险收入也会发生1406803.842万元，这是由于保险收入中除了车险收入外还有包括寿险、财险中的非车险等诸多项目及一些其它因素带来的。

可见，α0和α1的符号和大小，基本均符合经济理论及目前市场的实际情况。

R-squared＝0.525565，说明离差平方和的约52.56%被样本回归直线解释，样本回归直线对样本点的拟合优度在考虑有其他因素存在的条件下，是可以接受的；给定显著性水平α＝0.05，查自由度为28－2＝26的t分布，则tα/2（26）＝2.08，样本回归方程的t检验值均大于2.08，该模型可通过t检验，即回归系数均显著不为零，回归模型中应包含常数项，X对Y有显著影响；F（1，26）＝4.23，28.8>4.23，通过F检验；由于DW的值接近于2，所以ut不存在自相关。

可见，该模型通过了各项统计检验。

以上的评价可看出，此模型是比较好的，较为合理的反映了车险收入（X）和保险收入（Y）间的关系。

2、乘用车月销售量Z与车险收入X之间的一元线性回归模型：

Zi=β0+β1Xi+vi

同上例，应用Eviews软件采用最小二乘法（OLS）进行估计，估计结果如下：

样本回归方程为：

Z=113504.2303+0.1695813041*X

（4.12）（3.62）

R-squared=0.34，F-statistic=13.10，DW=1.00

从上面的统计量可知：

给定α＝0.05，样本回归方程的t检验值均大于2.08，可通过t检验，说明回归系数显著不为零，X对Z有显著影响；F（1，26）＝4.23，13.10>4.23，通过F检验；但由于，在样本容量T＝28，α＝0.05，解释变量个数k＝1时，DW检验的临界下值dL为1.33，而0

因此，为了消除自相关对模型进行修正，考虑AR

（1）并重新进行估计，估计结果如下表3所示：

表3

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

161630.4

35820.92

4.512180

0.0001

X

0.100658

0.045071

2.233307

0.0351

AR

（1）

0.639195

0.201062

3.179097

0.0040

R-squared

0.496637

Meandependentvar

210664.0

AdjustedR-squared

0.454690

S.D.dependentvar

50212.54

S.E.ofregression

37079.49

Akaikeinfocriterion

23.98395

Sumsquaredresid

3.30E+10

Schwarzcriterion

24.12794

Loglikelihood

-320.7834

F-statistic

11.83967

Durbin-Watsonstat

1.874313

Prob（F-statistic）

0.000265

相应的样本回归方程为：

Z=161630.4385+0.1006582368*X+[AR

（1）=0.6391951397]

（4.512180）（2.233307）（3.179097）

R-squared＝0.496637，F-statistic＝11.83967，DW＝1.874313

通过对模型的修正从上表中可知，R-squared＝0.496637，说明离差平方和的约有50%被样本回归直线解释，样本回归直线对样本点的拟合优度在考虑有其他因素存在的条件下，是可以接受的；给定显著性水平α＝0.05，查自由度为28－2＝26的t分布，则t0.025（26）＝2.08，样本回归方程的t检验值t0＝4.512180和t1＝2.233307均大于2.08，该模型可通过t检验，即回归系数均显著不为零，回归模型中也应该包含常数项，X对Z即车险收入对乘用车销量有显著影响；F（1，26）＝4.23，11.84>4.23，通过F检验；修正后dU=1.48

此时，模型通过了各项统计检验。

β1＝0.1006582368为样本回归方程的斜率，表示月乘用车销售量的边际销售倾向，说明月车险保费收入每增加1万元，月乘用车销售量将相应增加约0.1万辆；拟合优度为0.496637，说明车险收入X和乘用车销量Z有一定的相关性；β0＝161630.4385是样本回归方程的截距，表示不发生车险收入的情况下，乘用车也会销售161630.4385辆，这是由于乘用车的销量很大程度上是要受到人们对乘用车的消费倾向、购买力以及乘用车的价格等因素制约，即使没有车险作为规避购买和使用乘用车风险的方式，人们也会因为自己的生活需求、消费偏好来购车的。

可见，β0和β1的符号和大小，基本均符合经济理论及目前汽车市场的实际情况。

以上的评价可看出，此模型已较为合理的反映了车险收入（X）和乘用车销售量（Z）之间的关系，车险收入（X）对乘用车销售量（Z）有重要影响。

在看到车险收入（X）对保险收入（Y）和乘用车销售量（Z）的相关性的同时，也应该看到：

车险收入作为连接汽车市场和保险市场的纽带，也直接受到汽车市场和保险市场变动的制约和影响，至于有多大的影响，下面通过作出模型进行分析。

3、建立车险月收入X与保险月收入Y和乘用车月销售量Z之间的二元线性回归模型：

Xi=γ0+γ1Yi+γ2Zi+wi。

同上例，应用Eviews软件采用最小二乘法（OLS）进行估计，估计结果如下：

X=-20202.43434+0.1089254034*Y+0.9229241059*Z

（-0.192）（3.797）（1.764）

R-squared=0.59，F-statistic＝17.12，DW＝1.27

由于γ0＝-20202.43434，即保险收入和乘用车销售量均不发生的情况下车险收入为负值，不符合经济理论与汽车市场和保险市场及车险收入的实际情况。

而且γ0的t值不能通过t值检验，应该将截距常数项γ0消去。

故对模型进行修正：

Xi=γ1Yi+γ2Zi+wi，可得到重新修正后的回归估计结果.

修正后的样本回归方程为：

X=0.1065741263*Y+0.8707772333*Z

（4.184134）（1.985452）

R-squared＝0.577473，DW＝1.248913，

通过上述对模型的修正，可得到拟合优度R-squared＝0.577473，说明该模型的离差平方和的约有57.75%被样本回归线解释，该拟合优度是可以接受的；给定显著性水平α＝0.1，查自由度为28－2＝26的t分布，则t0.05（26）＝1.71，样本回归方程的t检验值t1＝4.184134和t2＝1.985452均大于1.71，该模型可通过t检验，即两个回归系数均显著不为零，回归模型中应该包含常数项，保险收入Y和乘用车销量Z对车险收入X有显著影响；0

（1）后重新估计。

估计结果如下表4所示：

表4

Variable

Coefficient

Std.Error

t-Statistic

Prob.

Y

0.114482

0.023393

4.893885

0.0001

Z

0.764451

0.407548

1.875730

0.0729

AR

（1）

0.326379

0.186628

1.748827

0.0931

R-squared

0.641596

Meandependentvar

571066.2

AdjustedR-squared

0.611729

S.D.dependentvar

169143.8

S.E.ofregression

105395.9

Akaikeinfocriterion

26.07327

Sumsquaredresid

2.67E+11

Schwarzcriterion

26.21726

Loglikelihood

-348.9892

Durbin-Watsonstat

1.893710

InvertedARRoots

.33

样本回归方程：

X=0.1144819703*Y+0.7644505762*Z+[AR

（1）=0.3263792949]

（4.893885）（1.875730）（1.748827）

R-squared＝0.641596，DW＝1.893710，

通过对模型的再次修正，样本回归方程发生变化：

从表4中可看到，拟合优度R-squared由0.577473提高到0.641596，此时回归模型的离差平方和约有64.16%被样本回归线解释。

认为样本回归线对样本点的拟合优度在考虑有汽车市场和保险市场的其他因素及相关政策因素存在的条件下，以及中国车险市场目前存在的管理不规范、品种不够丰富、行业的竞争力弱等原因情况下，该拟合优度是可以接受的；给定显著性水平α＝0.1，查自由度为28－2＝26的t分布，则t0.05（26）＝1.71,模型的t检验值t1=4.893885，t2=1.875730，t3=1.748827均大于1.71，该模型可通过t检验，即回归系数均显著不为零，回归模型中应该包含常数项，保险收入Y和乘用车销量Z对车险收入X有显著影响；又由dU=1.56

此时，模型通过了各项统计检验。

也可通过样本回归模型的残差图进行比较如下图1。

γ1＝0.1144819703，表示月乘用车销售量对月车险收入的边际收入倾向，说明当其它条件不变的情况下月乘用车销量每增加1辆，月车险收入约增加0.114482万元。

γ2＝0.7644505762，表示月保险收入对月车险收入的边际收入倾向，说明在其它情况保持不变的时候月保险收入每增加1万元，月车险收入约增加0.76445万元。

拟合优度提高到0.641596，说明车险收入X与保险收入Y和乘用车销量Z都有相关性，也说明保险收入和乘用车销量的变化对车险收入有很大的影响。

由于样本回归方程的截距不存在，即表示如果保险收入和乘用车销售量均未发生时，车险收入就为零。

从以上的分析可知，该二元回归模型基本符合经济理论及目前汽车和保险产业的实际情况。

模型也较为合理的反映了车险收入（X）与保险收入（Y）和乘用车销售量（Z）之间的关系，从而定量的说明保险收入和乘用车销售量的变化对车险收入的影响。

图1：

二元线性回归残差图

通过建立车险市场与汽车、保险市场间的模型，从估计出的样本回归方程式（2.1）、（2.2）和（2.3）并经各项经济理论和统计量的检验，可知道车险市场与汽车市场、与保险市场间有显著的相关关系；同时，汽车市场和保险市场也共同作用于车险市场即汽车和保险市场对车险市场也有较大的相关性。

二、汽车保险产业间不协调的原因及车险市场的滞后表现

通过上面的模型分析，已知车险市场对汽车（乘用车）市场和保险市场有较大的相关作用，因此汽车和保险两个产业是否协调的发展对车险市场的顺利拓展和壮大，有着极为重要的影响；同时，车险市场发展的滞后与否也必然对汽车、保险市场能否正常的、顺利的发展起着重要的作用。

所以为了对我国汽车和保险产业是否是协调的进行分析，本文根据上面的模型对汽车和保险产业进行了预期，并根据汽车