模型平均下基于稀疏导向学习的寿险公司偿付能力影响因素分析

自第二代偿付能力监管制度体系正式实施以来,中国银保监会对保险公司的偿付能力有了新的规定,在此情况下,研究偿付能力影响因素具有重要的现实意义。现有研究多集中于面板数据模型等传统的假设检验方法,没有考虑多模型推断。作为模型选择的重要推广,模型平均将不同备选模型的估计进行加权平均,可以减少遗失有用信息,且在模型平均框架下亦可研究变量的重要性。本文基于我国2016-2020年67家寿险公司的面板数据,在模型平均和稀疏导向学习(Sparsity Oriented Importance Learning,SOIL)的框架下,分析偿付能力重要影响因素及其影响程度。研究结果发现,在控制GDP增速、利率水平等10个变量影响的基础上,债券投资占比、资产负债率等变量对偿付能力充足率有重要影响,并基于此对改进偿付能力监管提出相应的政策建议。