逆景氣循環在股票風險係數之分析 - 政大學術集成

全文

(1)國立政治大學金融學系研究所碩士學位論文. 逆景氣循環在股票風險係數之分析 Counter-Cyclical Adjustments Analysis of Stock Risk Factors. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 指導教授：林士貴博士＿研究生：鄭吉翔撰＿. 中華民國一百零六年六月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 致謝感謝林士貴老師於撰寫論文的指導與精神上的支持，老師的耐心指導總能讓我在困惑無助的時候再有收穫。林老師對待學生如兄亦友般態度親切。幸運能歸入老師的門下。老師是碩士班的熱門老師之一，許多同系的同學及學弟妹都競相加入，有幸能成為老師門下一員成長、獲得栽培，是碩士班最為珍貴的收穫。同時也要感謝彭金隆老師對學生論文的認真提點與指導，總是給予我每次論文新的方向及啟發，能再此有突破，循循善誘的方式讓學生能吸收且成長。感謝葉錦徽教授、林建秀教授、王韻怡教授給予論文的指導，讓學生的論文可以更再精進，獲益匪淺。. 政治大在即將要研究所畢業的同時，要邁入新的人生階段。感謝同班所有的好朋立友可以一起在碩班奮鬥，每次的討論、寫作業、上課，玩樂，點點滴滴的回憶 ‧. ‧ 國. 學. 都歷歷在目。並感謝 TMBA 社團夥伴們一同努力成長，因為你們讓我碩班生涯豐富許多。. n. al. er. io. sit. y. Nat. 最後感謝我的家人，父母與弟弟的關愛支持，讓我能一路走來無後顧之憂並感謝思瑾從進碩班以來的一路陪伴，有你們真好！. Ch. engchi. i n U. v. 鄭吉翔於台北中華民國 106 年 6 月 29 日.

(4) 逆景氣循環在股票風險係數之分析學生:鄭吉翔. 指導教授 : 林士貴博士. 國立政治大學金融系. 摘要本研究主要針對保險公司的 RBC 制度在股票風險係數上，進行逆景氣循環. 政治大. 調整，並研究其可行性。研究的方法為蒐集各國的逆景氣循環模型，並探討各模. 立. 型在台灣 RBC 制度上施行的可行性。並在進一步考量其他模型的全面行及經濟. ‧ 國. 學. 直覺上，選出新加坡模型及歐盟模型來進一步研究其於台灣可行性。除上述兩模. ‧. 型外，並進一步加入本研究建議之台灣建議模型於台灣股票市場資料，進行驗證及參數校準，並以新加坡官方報告建議的逆景氣循環模型的判斷指標進行評估模. er. io. sit. y. Nat. 型的適用程度。. al. 本研究發現台灣建議模型考量到成長率移動調整的方式，以長久自動調整的. n. v i n Ch 方式，有較佳的適應性，得更有效的反應景氣變化以做調整。同時在考量上述三 engchi U 模型於本研究適用的評分方式下，新加坡模型與台灣建議模型整體差異不大，最. 後透過回測過去資料台灣建議模型的整體優勢較多下，最終本研究建議使用台灣建議模型作為台灣 RBC 制度未來的改進方向以納入逆景氣循環。. 關鍵詞：RBC、逆景氣循環、股票風險係數。. I.

(5) Department of Money and Banking, National Chengchi University. Student: Chi Hsiang Cheng. Advisor: Dr. Shih-Kuei Lin. Counter-Cyclical Adjustments Analysis of Stock Risk Factors. Abstract. 立. 政治大. In this thesis, we focus on stock risk factors of insurer’s RBC regulation. We con-. ‧ 國. 學. sider adding a counter-cyclical adjustments on current regulation framework. We take other countries’ models of counter-cyclical adjustments as reference and apply their. ‧. adjustments on Taiwan’s stock indices. By widely consideration, we choose Singapore. Nat. sit. y. model, European model and Taiwan model which was recommended by this thesis as. n. al. er. io. further evaluation. We use the model judging approach using by Singapore’s govern-. i n U. ance association to evaluate which model best fit our need.. Ch. engchi. v. In this research we come out that Taiwan model has the best efficiency relating to its moving calculation of growing rate. The empirical results show that either Singapore or Taiwan model has qualified results, but when considering the advantages that Taiwan model contains that we finally recommend Taiwan model for Taiwan’s RBC regulation framework for further enhancement.. Keywords：RBC, Counter-Cyclical Adjustments, Stock Risk Factors. II.

(6) 目錄第一章緒論 ............................................................................................... 1 1.1 研究動機與目的 .............................................................................. 1 1.2 研究架構 .......................................................................................... 4 第二章 2.1 2.2 2.3 2.4 2.5 2.6. 各國監理制度探討 ....................................................................... 5 台灣 RBC 制度 ................................................................................ 5 現行台灣逆景氣循環調整進度 ...................................................... 9 歐盟(Solvency II)逆景氣循環調整 ............................................... 10 新加坡逆景氣循環調整 ................................................................ 11 中國逆景氣循環調整 .................................................................... 12 澳洲逆景氣循環調整 .................................................................... 14. 政治大. 第三章資料說明與研究方法 ................................................................. 15 3.1 資料選取與範圍 ............................................................................ 15 3.2 研究方法與說明..................................... 16 3.2.1 歐盟模型與估計方法 ......................... 17 3.2.2 新加坡模型與估計方法 ....................... 18 3.2.3 台灣建議模型與估計方法 ..................... 20 3.3 模型選擇準則 ...................................... 22. 立. ‧. ‧ 國. 學. 實證結果與分析 ................................... 歐盟模型估計結果與準則判斷 ......................... 新加坡模型估計結果與準則判斷 ....................... 台灣建議模型估計結果與準則判斷 ..................... al v i 模型選擇與分析..................................... n Ch 模型效果驗證 ...................................... en hi U. n. er. io. sit. y. Nat. 第四章 4.1 4.2 4.3 4.4 4.5. gc. 24 24 26 28 30 33. 第五章結論與建議 ....................................... 35 5.1 結論 .............................................. 35 5.2 建議 .............................................. 36 參考文獻 ................................................. 37. III.

(7) 附錄附錄 A：RBC 附表 .................................................................................................... 38 附錄 B：歐盟、新加坡模型估計結果輸出綜合表 ................................................. 39 附錄 C：台灣建議模型估計結果輸出 ..................................................................... 40. 表次表 1: 新加坡模型調整公式 ...................................................................................... 18 表表表表. 2: 3: 4: 5:. 台灣建議模型調整公式 .................................................................................. 20 歐盟模型參數估計結果 .................................................................................. 24 歐盟模型使用模型選擇準則結果 .................................................................. 26. 政治大新加坡模型參數估計結果 .............................................................................. 26 立表 6: 新加坡模型使用模型估計準則結果 .............................................................. 27. y. Nat. n. al. er. sit. 台灣建議模型於台灣加權指數景氣衰落前一年調整次數及增強強度 ..... 34 Herfindahl Index 係數表 ............................................................................ 38 台灣 RBC 制度個債券評級調整表 ............................................................... 38 歐盟模型於台灣加權指數估計參數結果輸出綜合表 ................................. 39 新加坡模型台灣加權指數估計參數結果輸出綜合表 ................................. 39 台灣建議模型於台灣加權指數估計參數結果 ............................................. 40 台灣建議模型選擇指標輸出 ......................................................................... 40 台灣建議模型第一層及第二層次數 ............................................................. 41 台灣建議模型第一層及第二層穿透率 ......................................................... 41 台灣加權指數於台灣建議模型運用期間(1995-2016)成長率 ..................... 41. io. 表 12: 表 13: 表 14: 表 15: 表 16: 表 17: 表 18: 表 19: 表 20: 表 21:. ‧. ‧ 國. 學. 表 7: 台灣建議模型參數估計結果 .......................................................................... 28 表 8: 台灣建議模型使用模型選擇準則結果 .......................................................... 30 表 9: 台灣建議模型使用模型選擇準則區間 2 結果 .............................................. 31 表 10: 歐盟模型、新加坡模型、台灣建議模型優缺點分析 ................................. 32 表 11: 新加坡模型於台灣加權指數景氣衰落前一年調整次數及增強強度 ......... 33. Ch. engchi. IV. i n U. v.

(8) 圖次圖 1：2006 至 2016 台灣加權股價走勢...................................................................... 2 圖 2：1988 至 2016 MSCI 股價走勢及對應歐盟模型風險係數 ............................. 25 圖 3：1979 至 2016 台灣加權股價指數走勢及對應新加坡模型風險係數........... 27 圖 4：1995 至 2016 台灣加權股價指數走勢及對應台灣建議模型風險係數....... 29 圖 5：台灣建議模型回溯測試逆景氣效果圖........................................................... 42 圖 6：新加坡模型回溯測試逆景氣效果圖............................................................... 42. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. V. i n U. v.

(9) 1. 第一章緒論在我國保險業資產占金融機構資產比率一路成長，據2017年6月之財團法人保險事業發展中心公開之保險業資產占金融機構資產比率表指出，保險業由 2002年的13.55%至2016年已達31.78%，保險業佔金融業的比例逐漸擴大，其重要程度可見一斑。另由2017年6月，財團法人保險事業發展中心公告之保險業家數及其分支機構統計表指出截至2017年1月為止，台灣壽險業共有國內23家、外國5家，共28家，台灣產險業則有國內17家、國外6家，共23家。. 政治大. 為了保護保戶權益及維持保險公司良好的資產品質，台灣自2003年7月9日. 立. 起，實施風險基礎資本額制度(Risk-Based Capital, 以下簡稱RBC)作為監理機關. ‧ 國. 學. 監理清償能力的工具，於此制度涵蓋的風險為資產風險、保險風險、利率風險等風險，而保險業的資本需依照此規範滿足資產充足的相關規定。. ‧. 1.1. 研究動機與目的. sit. y. Nat. n. al. er. io. 在資本適足率(RBC)的框架下，保險業的資產充足程度決定於各項風險係. i n U. v. 數，我國的 RBC 的風險係數，是以風險值(Value at Risk, VAR)計算之，各類資. Ch. engchi. 產的風險值為市場歷史資料計算得之，若無法計算的項目，則參考美國 RBC 之相關規定，佐以我國實際情形來做調整。在 RBC 制度規定下，保險業自有資本與風險比率不得低於百分之兩百，否則將不得分配盈餘，主管機關並將視情節輕重採取不同的監理行動。屆時，可以從保險公司的 RBC 比率來判斷該保險公司承受風險的能力。從制度面來看資本適足率(RBC)設計，RBC 之計算方式為自有資本額除以風險基礎資本總額。而在景氣處於高點時，股票資產多較過去位於高點，此時保險公司的資本適足率的公式之分子部分中自有資本額項目裡的「公允價值變. 1.

(10) 動列入損益之金融資產--股票投資」未實現評價利益及「備供出售金融資產--股票投資」未實現評價利益則會上升，致使於計算上使公司資本適足率更充足，雖然於整體風險係數計算上仍因資產價值上升亦會提高整體風險，但整體資本適足率仍為上升，在此情境下變相會使保險公司有資本適足充足的錯覺，致使在制度上鼓勵保險公司做更積極的投資。然此僅為制度上設計的干擾，非保險公司資本實際提存上升，因此在制度上需於景氣較佳時對保險公司做風險係數上的調升，使保險公司之資本適足率下降，以減少此類原始設計上的不周全之影響，並於景氣相對差時，調低風險係數，使資本適足率下降，此類設計有逆. 政治大. 景氣作調整之概念，是以為逆景氣循環設計。. 立. 過去台灣保險業的資本適足規定(RBC)在景氣遇到逆風時，保險公司容易. ‧ 國. 學. 遭受到資產下跌而被迫出售股票等資產，而在景氣過熱時未能順應景氣提高準備，而使保險公司資產的風險準備不夠充足。在2008年時期發生金融海嘯，台. ‧. 灣加權股價從2007年高點9631點開始往下跌，2008年底至4171點，跌幅達. Nat. sit. y. 56.7%，這期間的景氣由盛轉衰，股市由強轉弱，在過去在沒考量到景氣狀況. al. n. 差異化提出的準備。. er. io. 下，會使用一致的風險係數，使股價等資產風險未能反映景氣好壞變化時所應. Ch. engchi. i n U. v. 圖 1：2006 至 2016 台灣加權股價走勢於保險公司治理上，因需照顧保戶的權益，所以會有 RBC 制度的風險管理規定，以規範保險資產能提供充足準備。但在景氣較差或較不佳的情形時，如 2.

(11) 上述 2008 年的金融海嘯重挫，若還以一般風險計算方式對保險公司資本提存作要求，易使整體保險產業難以恢復。而制度面的規範若未考量到景氣影響也未見何宜。因此基於上段所討論到金融危機風險，為制度所需提前處理或預防。可行的方式為：在景氣好時，提高風險係數來為較可能下跌的資產做準備，在景氣差時給予保險公司緩衝機會，調低風險係數，使保險公司不用在景氣谷底大量出售股票，加深市場恐慌進而拖累整體景氣。同時在適時降低部分風險係數部分，使保險業持有的資產有機會在景氣反彈時恢復，上述調整機制類似逆景氣作調整，是以於本研究以逆景氣循環稱之。. 政治大. 因上述需納入逆景氣循環調整之理由，本研究亦蒐集是否有其他先進國家. 立. 已著手研議逆景氣循環方面的機制方案作參考，並整理他國之已發展之逆景氣. ‧ 國. 學. 循環報告於本研究後以作後續談討。其中諸如新加坡之監理機關 Monetary Authority of Singapore(MAS)發布的 RBC2 顧問報告、歐盟國家的保險償付規定. ‧. Solvency II 等皆有公布逆景氣相關的調整方式應用在股票資產及債券資產。歐. Nat. sit. y. 盟的監理規定中亦建議各國保險業的監理機關制定的監管準則應納入逆景氣循. n. al. er. io. 環為考量因子。此外在中國、澳洲等國保險業監理機關亦有類似逆景氣循環方. i n U. v. 式調整股票風險係數措施。由於篇幅上的考量本研究將聚焦在股票風險係數部. Ch. engchi. 分，但除本研究所聚焦於保險業投資之股票風險外，保險業其他所投資的各項資產，如有與景氣連動者亦可以做類似調整方式之參考，酌以各資產特性加以改良後，再比照施行逆景氣循環機制。綜上所述，本研究之目的為綜合參考他國監理制度中已含逆景氣循環措施的調整制度，並採用本研究建議之台灣建議逆景氣模型，將各國之措施使用台灣股價資料套用以作檢視，再透過測試各國的調整方式於台灣適用情形，並以台灣資料適應方式及台灣 RBC 制度之調整方式做微調，來完全本研究之目標，選出適合台灣的逆景氣循環措施，以做後續台灣保險業監理制度之改進參考。. 3.

(12) 1.2. 研究架構. 本研究首先確立主要的研究動機與目的，再蒐集國外相關逆景氣循環的股票風險係數修正方式，以台灣及其他國家監理制度進行探討。以實際台灣股價來做測試，選出適合的模型來訂定適合的逆景氣循環制度套用在台灣的股價風險係數作調整，最後針對研究結果作比較並作結論。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 4. i n U. v.

(13) 2. 第二章各國監理制度探討經上章介紹完逆景氣循環使用的緣由後，本章將先介紹台灣的 RBC 制度及股票風險係數部分及逆景氣循環得以運用之處，再接續討論歐盟、新加坡、澳洲保險業之逆景氣循環調整方式與各國發展現況。. 2.1. 台灣 RBC 制度. 政治大. 在 2003 年以前，台灣保險公司管理法規是採「單一資本額」方式，產、壽. 立. 險公司最低實收資本額均為新台幣二十億元，於 2003 年起開始實行台灣 RBC. ‧ 國. 學. 制度，以國際保險監理官協會制定的 Insurance Core Principles (ICP)準則為核心、及歐盟國家所採行的 Solvency II 為考量，並以美國的 RBC 制度為主要參. ‧. 考，訂定出台灣保險業的資本監理規定台灣 RBC 制度。由於台灣 RBC 制度建. Nat. sit. y. 立在美國 RBC 的基礎，相關風險係數主要以我國保險市場之實證資料來計算，. n. al. er. io. 其無實證資料部分以參考美國風險資本額制度之相關經驗，再考量我國實際情形以主觀的方法研定之。. Ch. engchi. i n U. v. 據其報告書將風險分為五大類(參考自：金融監督管理委員會人身保險業資本適足性報告相關填報表格填報手冊－資本適足比率分析表)，詳列如下： C0：資產風險--關係人風險此類風險為關係人資產風險，為保險業投資於關係人交易所持有之各項資產，可能因其資產價值變動而影響保險業清償能力不足之風險，依此風險計算應提存之風險資本，試圖保障保險業不致因為關係人資產風險的突然惡化，造成保險業無法清償之危險。. 5.

(14) 關係人分為「具控制與從屬關係」與「非控制與從屬關係」二大類，各類別下再依投資標的種類區分為各風險細目。 C1：資產風險--非關係人風險此類風險為非關係人資產風險，係指保險業投資於非關係人之交易所持有之各項資產，可能因其資產價值變動而影響保險業失卻清償能力之風險，依此風險計算應提存之風險資本，試圖保障保險業不致因為非關係人資產風險的突然惡化，造成保險業無法清償之危險。並可細分為(1)國內資產風險、(2)國外資產風險，以及(3)不計入風險資本額計算之項目三大類。. 政治大. 立. 另依各類風險相關程度則分為「C1𝑠 ：非關係人股票風險」及「C1𝑜 ：非股. ‧ 國. 學. 票之資產風險」。其中「C1𝑜 ：非關係人股票風險」係包括國內資產風險及國. ‧. 外資產風險中之股票部分，其中「C1𝑠 ：非股票之資產風險」則係指非關係人除股票風險外之其他資產風險。. sit. y. Nat. io. al. er. C2：保險風險. v. n. 此類風險為保險風險，係指保險業經營業務時針對已簽單業務低估負債、. Ch. engchi. i n U. 或是於未來新簽單契約費率定價不足之風險，依此風險計算提存之風險資本，試圖保障保險業不致因為承保風險的突然惡化，造成保險業無法清償之危險。保險風險可概分為「個人壽險」、「年金保險」、「個人傷害保險」、「個人健康保險」、「團體保險」、「失能保險」及「賠款準備金」七大部分。 C3：利率風險利率風險即保險業因利率變動因素，造成資產與負債價值變動不一致之風險，依此風險計算應提存之風險資本，試圖保障保險業不致因為資產與負債配置風險的突然惡化，造成保險業無法清償之危險。. 6.

(15) 此類風險可區分為(1)強制分紅保單等、(2)不分紅保單、(3)自由分紅保單以及(4)附保證項目之投資型商品四類，且均以「保單價值準備金」為其利率風險之計算基礎 C4：其他風險此類風險包含營運風險(Operational Risk)及市場招攬行為而生之作業風險。營運風險其係指保險業因營運上各項因素所導致的直接或間接的可能損失，營運風險的來源包括五大方面：員工(人為疏失、舞弊等)，技術(電腦系統出問題等)，顧客關係(與顧客的糾紛或訴訟等)，意外(火災、巨災等)，以及外在環境. 政治大. (外來的詐欺等)。市場招攬行為而生之作業風險係指業務員經授權從事保險招. 立. 攬行為時所產生之申訴案件，導致所屬公司因而受有損失之風險。. ‧ 國. 學. 在了解此五大類風險後須考慮風險集中度之衡量。風險集中度乃依財團法. ‧. 人保險事業發展中心公告之 105 年度檢查手冊(RBC 相關)中之 Herfindahl Index 表作計算，會依各資產所給定之風險係數乘上風險集中度因子來調整計算調整. y. Nat. er. io. sit. 後的風險係數，進而計算風險資本額。. Herfindahl Index 為表列國內外各資產項目之各項資產投資金額占表列國內. al. n. v i n Ch 外資產總和比例之平方值予以加總。根據前述所得之值對照如下之「Herfindahl engchi U. Index 係數表」查得國內外資產集中度風險係數。再按前述之各項資產風險資本額之總額乘以所查得之係數計算表列國內外資產之風險資本額。其計算方式如下：. n. H   Z i2 i 1. (Zi 為投資金額占國內外資產比例). 國內資產之風險資本額為：[有價證券＋不動產＋放款]之風險資本額＊依上表查得之係數。國外資產之風險資本額為：[公債、公司債及金融資產受益證券、股票、ETF、受益憑證及信託資金、不動產投資信託基金、不動產、放款]. 7.

(16) 之風險資本額＊依上表查得之係數。透過上述考量風險集中度後之計算可得國內及國外各風險性資產之風險資本額。根據此份資本適足率報告書可知，保險業的風險有上述五大類，各類風險其內細項(例如:表 14 債券評級表)，有其應適用的風險係數。保險公司於每半年填報需各項資產及負債可算出該公司所面臨營運上的所有風險，其各項風險經過調整後加總計算可得的公式如下所述風險基礎資本總額 = K × (𝐶0 + 𝐶4 + √(𝐶1𝑜 + 𝐶3)2 + 𝐶1𝑠 2 + 𝐶22 ) (2-1). 政治大由上提及的我國的 RBC 制度風險係數，乃是以各資產風險值計算之。經上立 (K 為動態調整，乃主管機關決定依保險公司現況做調整，現行為 0.5). ‧ 國. 總額，可得風險資本額比例，即所謂的 RBC ratio。. 學. 述計算可得風險基礎資本總額，再將保險公司之自有資本額除以風險基礎資本. Nat. 自有資本額. y. ‧. 風險資本額(RBC)計算公式如下述：. (2-2). er. io. sit. 風險資本額比例 = 風險基礎資本總額 × 100%. al. 此比例在監理規定上需滿足 200%的要求，以確保保險公司之清償能力。除. n. v i n C h ratio 在 250％以上的公司投資公共建設金監理上之清償穩健程度要求外，RBC engchi U. 額在 50 億元以下，可事後報備，但未達 250％的公司，其事後報備部分僅限 10 億元以下。同時亦有其他海外投資限額等，綜觀而言 RBC 計算關係保險公司甚遠，重則在監理上可能受到接管，輕則亦會使 RBC 較低的保險公司相對投資效率及收益會受影響，進而影響公司體質，是以研究其資本適足率之標準合理程度至關重要。. 8.

(17) 2.2. 現行台灣逆景氣循環調整進度. 在台灣現行制度上，因現行 RBC 制度乃以過去半年指數之水準計算資產價值，若過去指數較當期指數低，則會使整體資產風險係數計算上，較採當期指數計算為低，進而減低風險基礎資本總額之提存要求。而若過去半年指數較當期指數為高，則會較僅採當期指數計算風險基礎資本額之方式提高風險基礎資本額之要求。此方式含有在指數反轉向下概念時提高風險係數，並在指數扭轉向上時降低風險係數，隱含部分逆景氣循環概念，但其效過於過去情形表現仍有改進空間，乃因其指數如果持續上漲泡沫時，無法即時反應提升風險基礎資本額要求，反之亦同。. 立. 政治大. 是以現行由金融監督管理委員會及財團法人保險事業發展中心開始推展，. ‧ 國. 學. 已著手進行逆景氣循環之研究。其中本研究探討的𝐶1𝑠 風險係數部分(非關係人股. ‧. 票資產風險部分)。在過去股票風險係數的基礎係數採定值方式調整，一段時間主. 管機關得依現行資產變動情形調整風險係數，目前國內為非關係人且未擔任該. y. Nat. io. sit. 公司董事之股票風險係數訂定為 0.2165 (2016 年 8 月調整)，已開發國家(DM)為. n. al. er. 0.2009，新興市場(EM)為 0.2887，因採固定風險係數，所以尚未納入逆景氣循. Ch. i n U. v. 環的調整措施。而官方暫定的施行方向為兩階段調整，在第一階段的調整上以. engchi. 參考歐盟模型做調整，在景氣循環週期內提高或降低風險係數以因應，而在較極端景氣狀況下，除調動 RBC 之分母項目調高或降低風險係數外，同時調動分子之已實現損益認列之部份，著手進行減低或提升，以達雙重調整之功效來反映較極端之景氣狀況。綜上本研究亦認為應納入逆景氣循環來動態修改台灣股票風險係數以期可以替代過去依次調整檢討的方式，使保險公司於制度的透明上得以有效預先做好該資產之準備上的調整，亦使保險公司整體 RBC 更穩定符合監理規定。本研究同時研議出雙門檻調整方式及比較他國之逆景氣循環制度於台灣之適用性以. 9.

(18) 供後續金融監督管理委員會及財團法人保險事業發展中心逆景氣相關計畫作參考以納入逆景氣制度於現行台灣 RBC 制度中。. 2.3. 歐盟(Solvency II)逆景氣循環調整. 歐盟償付能力第二代(Solvency II)，為歐盟地區保險與職業退休監理主管機關European Insurance and Occupational Pensions Authority, (EIOPA)所頒布管理的歐盟地區清償能力制度，於2016年起取代前身Solvency I。而Solvency II為原則性規範，歐洲各國立法單位可自行遵守全面適用該國保險業監理法令的空間，. 政治大. 及在以達成歐盟會員過各國法令內容和歐盟指令所呈現監理規範所希望達成地. 立. 目地上，以監理法規與監管實務中互相轉換，做最大收斂式的配合。. ‧ 國. 學. Solvency II採取三支柱的方式，就整體公司清償能力制度做全面性規範，. ‧. 包含第一支柱量化的要求標準，第二支柱監理檢視流程及第三支柱監理報告與公開資訊揭露。其中第一支柱量化部分，須滿足市場風險的清償資本要求規定. y. Nat. 分中的股票風險逆景氣循環方式做更詳細說明。. n. al. Ch. engchi. er. io. sit. （Solvency Capital Requirement，SCR），而本研究僅針對此規定中市場風險部. i n U. v. 歐盟建議的逆景氣循環方式，是以測試EIOPA equity index 的資料(特別編製的)作測試而產生的。此模型設定，過去一段時間(36個月)的平均日資料做基準(AI；Average Index)，並以現今指數水準(CI；Current Index)來對過去做衡量。更詳細公式內容將於下章介紹。以此指數之CI對應AI之差距占AI的比率，扣除年均成長率(8%)後，以高於或低於的部分為調整程度，並以公式設計調整幅度及最高調整上限及下限各 10%。於上述調整方式中，指數以現今水準超出其過往一段時間平均一定比率，再扣除成長率部分調整，使股票風險係數增加，並在指數低於過往平均扣除成長率部分則會降低股票風險係數。此調整方式參酌指數現今水準，相較於 10.

(19) 過去一段時間的高低點，而作相反方向的調高或調低股票風險係數的方式，即為歐盟的逆景氣循環調整方式，可納作本研究欲建議之模型之一作實證參考。. 2.4. 新加坡逆景氣循環調整. 新加坡的監理制度於2014年3月26日由新加坡貨幣機構Monetary Authority of Singapore(MAS)發布的RBC2顧問報告為其近年監理版本依據，並於2014年7 月認為應增添逆景氣循環調整的措施，而在2015年1月份由新加坡精算協會提出該份關於新加坡逆景氣循環的調整報告。. 政治大式以做改進的模型，同樣以CI (Current Index)及AI(Average Index)來做衡量標立. 此份新加坡官方所提出的逆景氣循環制度乃參酌歐盟逆景氣循環的調整方. ‧ 國. 學. 準，使用CI超出AI的比例並扣除指數本身年均成長率(g)來做後續調整，並設定此模型每三年檢討一次適用之效果。但新加坡與歐盟模型不同之處乃有二，其. ‧. 一納入新調整參數啟動門檻(Trigger)，設定以大於Trigger才啟動調整，此效果. sit. y. Nat. 為認為調整模型不需恆常性的調整，而是非尋常情形的景氣變化才做調整來達. io. er. 成特定景氣狀況(過熱或過冷)而調整之目的，其二為資料計算以月資料計算. al. 之，同樣認為歐盟調整頻率為日資料過於頻繁，所以採月移動平均及當月資料. n. v i n Ch 來衡量較穩定且合宜。在公式上限和下限之設計方面，設定調整幅度及最高調 engchi U 整上限及下限為各10%，如同歐盟既有的模型。新加坡的調整原理概念同歐盟模型，調整方式參酌指數現今水準，相較於過去一段時間的平均水位，並考慮到景氣成長，而作相反方向的調高或調低股票風險係數的方式。由上所述，此新加坡模型確實具有逆景氣的效果，是以作本研究欲建議之模型之一，得作後續台灣資料實證參考。在國情方面，新加坡之於台灣的國際現況類似，兩者皆處於亞洲也在近期發展成偏向已開發中國家，所以其國家之監理制度及指數之調整措施尤具有其參考價值，本節介紹新加坡逆景氣循環概況及內涵，更詳細公式內容將於下章做更進一步介紹。 11.

(20) 2.5. 中國逆景氣循環調整. 償二代，全稱為中國第二代償付能力監管制度體系為中國的保險業風險管理制度。該體系用來監控保險公司的償付能力，為保監會對保險公司監管的核心指標，類似中國銀行業監督管理委員會對銀行資本充足率的監管。償二代相比於過去以規模為導向的“償一代”，“償二代”以風險為導向，規定不同風險的保險業務對資本金的要求，再到對保險公司的資產和負債的監理規定。有關中國保險業的股票風險係數相關規定，於償二代規定中的定量資本要求中有詳細規定，其中定量資本要求第七號為規範市場風險的規範內容如下：. 立. 治政 𝑀𝐶 = 𝐸𝑋 × 𝑅𝐹 大. (2-3). 市場. ‧ 國. 學. 其中𝑀𝐶市場市場風險最低資本要求、𝐸𝑋 為風險暴露，等於該資產(負債)的市場價值、而RF為風險因子，公式如下：. ‧. (2-4). sit. y. Nat. 𝑅𝐹 = 𝑅𝐹0 × (1 + 𝐾). io. al. er. 其中K 為特徵因子， K =∑𝑛1 𝑘𝑖 = 𝑘1 +𝑘2 +𝑘3 +…+𝑘𝑛 ，K∈ [−0.25,0.25]。. v. n. 因本研究注重股票風險的討論，所以摘要股票風險相關規定如下：. Ch. engchi. i n U. 上市普通股票風險暴露(𝐸𝑋)為其市場價值，其基礎因子(𝑅𝐹0 )，因其股票所在不同分類有不同的(𝑅𝐹0 )，如滬深主板股為0.31、中小板股為0.41、創業板股為0.28。至於股票特徵因子(K)部分，分為𝑘1 到𝑘𝑛 ，其中股票部分風險係數如下述： 𝑖𝑓 𝑋 ≥ 1 1, 2 𝑖𝑓 0 ≤ 𝑋 < 1 𝑘1 = {𝑋 , 2 −𝑋 , 𝑖𝑓 − 1 ≤ 𝑋 < 0. 𝑋=. 上市股票帳面價值(市價) − 購買成本購買成本. 12. (2-5).

(21) 𝑘2 = {. −0.05,. 滬深300指數成分股其他. 0,. 其中因為𝑘1 特徵因子部分，為股價與購買成本之差佔購買成本的比例，並以超出越多的比例，增加特徵係數，進而調升股票風險。同樣地，股票風險會在股價低於購買成本越多(即賠錢時)，使特徵係數為負，進而使股票風險係數減少。基於上述調整方式，以股票相對高點(賺錢)及相對低點(賠錢)做相反方向調整，本研究認為為一種逆景氣循環的變形，可視為逆景氣循環的調整方式。但在綜合考量上，因中國的風險係數調整方式，是以個別股票買進賣出的. 政治大. 市價與成本的差距做為考量，未完全切中與景氣相關之本研究方向。逆景氣循. 立. 環乃以整體保險業投資的標的股價相較於過去低股價水位的高低較相關，中國. ‧ 國. 學. 制度與上述所謂景氣連結的衡量上連結度不夠，因個別股票的漲跌於長期上與該公司本身的成長性等因子較相關。. ‧. 同時此衡量方式亦與該保險公司選擇該股票來投資的獲利能力較相關，此. y. Nat. io. sit. 調整方式變相補償保險公司在錯選股價表現相對不好的股票給予監管優待，較. n. al. er. 不適宜為台灣適用的逆景氣循環參照模型，也在資料上無法取得台灣個別保險. Ch. i n U. v. 公司之投資資料做檢驗。是以本研究僅列出此國調整方式供參考，並不納入後. engchi. 續實證研究部分在台灣市場所做的討論範圍之內。. 13.

(22) 2.6. 澳洲逆景氣循環調整. 澳洲監理機關(Australian Prudential Regulation Authority)於2013年出版的壽險業及保險業監理規範－Life and General Insurance Capital Standards (LAGIC)規定，保險公司之清償相關規定。本研究就其股票風險係數訂定部分做以下介紹：股票係數 = 1 –. 股利殖利率壓力情境股利殖利率. 𝑑. = 1 −. =. 𝑑′. 𝐴 𝑑+𝐴. (2-6). 其中A = 2.5% (上市股票) 或 3% (未上市股票)，壓力情境股利殖利率為定. 政治大. 值，為監理規定中規範的壓力情境下，股利殖利率變化之情形。其所採用的監. 立. 理指數為澳洲(ASX 200)指數，的殖利率資料作為規範。. ‧ 國. 學. 探究此模型所設定的股票風險係數，在股票殖利率越高的情況下，整體股. ‧. 票風險係數會上升，而在股票殖利率越低情形下，整體股票風險係數則下降，所以股票風險係數與股利殖利率呈反向變動。而景氣變化上，整體股票市場殖. y. Nat. io. sit. 利率與股票變化則呈反向。接下來本研究參考邱國欽(2007)於股價、景氣狀態. n. al. er. 與貨幣政策─台灣證券交易所發行量加權指數實證研究所提出的看法，認為景. Ch. i n U. v. 氣與殖利率會呈反向變化。是以澳洲模型於股利殖利率越低時調升風險係數即. engchi. 可視為在景氣越好時調升風險係數，反之亦然，所以澳洲此股票風險係數設定亦為含有逆景氣循環的監理規定。但在綜合考量上，澳洲風險係數模型以股利殖利率變動的做法，未見與景氣關聯程度直接相關。殖利率仍有可能反映其他更多雜訊，未與景氣或者股價高低完全相關，有其適用性的可議之處。同時本研究在參考他國模型適用於台灣市場上，考量台灣指數的除權息狀況適用上有困難，及與本研究欲直接反映景氣的程度上，不選擇使用澳洲模型，所以不計入後續模型測試及實證的項目，僅供表列為他國逆景氣調整的方式之一作參考。. 14.

(23) 第三章資料說明與研究方法本研究主要針對台灣保險公司的股票投資風險係數所適用的逆景氣循環措施作談討。依前章分類介紹，較適用台灣的模型為新加坡以及歐盟。本研究以兩者為雛形，建立出台灣建議適用的模型。將於本章依序介紹上述三模型的模型設定，並介紹第四章實證結果中在選取各模型參數所需使用到的資料與本研究所需使用的台灣股票資料。. 3.1. 資料選取與範圍. 政治大股價指數選用所參考模型(新加坡、歐盟)配適參數所需的股價資料，以及立. ‧ 國. 學. 台灣對應的股價資料。指數資料以MSCI(Morgan Stanley Capital International)編制的相關指數為主。在考量本報告納入移動成長率考慮之模型下，為擴展全段. ‧. 資料時間計算時間以增加資料量，則會在台灣建議模型計算部分改以台灣加權. sit. y. Nat. (TWSE)指數資料代替MSCI台灣資料。. n. al. er. io. 上述資料分別為MSCI 新加坡指數，時間範圍為1969年12月至2014年10. v. 月，(此段資料之選取長度乃為為了推估新加坡模型所使用之估計方式，使用新. Ch. engchi. i n U. 加坡官方報告所採用之期間即上述資料之全段長度，並以MSCI 新加坡指數及該官方公布之參數可推估之)，所使用資料頻率為月資料。MSCI 台灣指數，時間範圍1988年1月至2016年12月，使用資料頻率為月資料。MSCI 已開發國家指數(MSCI AC)，時間範圍為1987年12月31日至2016年12月31日，使用資料頻率為日資料，(之所以使用日資料乃依歐盟模型所才用之方式為日資料)。台灣加權指數時間範圍為1976年12月31日至2016年12月31日，使用資料頻率為月資料。以上資料的選用以彭博系統(Bloomberg)提供的資料為資料來源。在校準各國逆景氣模型參數及研究校準方式時，會以各國資料來做校準研究，如新加坡則採MSCI 新加坡指數，歐盟模型則採MSCI AC指數來代替歐盟 15.

(24) 資料。於各國模型及台灣建議模型較準參數及回測資料應用於台灣之有效程度評估上以MSCI 台灣指數優先，若無對應資料時，則全段資料台灣加權指數資料代替。. 3.2. 研究方法與說明. 本研究目的為研究歐盟逆景氣模型(於後簡稱：歐盟模型)、新加坡逆景氣模型(於後簡稱：新加坡模型)及本研究改良歐盟與新加坡模型所制定的台灣逆景氣模型(於後簡稱：台灣改良模型)在台灣之股價指數風險係數納入逆景氣循. 政治大調整或規定時程的調整規範，其調整方式以人為制定，未有一套標準模式可供立環之適用性。過去台灣股票風險係數乃依監理當局因應景氣作調整，並無自動. ‧ 國. 學. 保險業以參考何時風險係數做前瞻性的資產配置調整，於監理規範上所需耗的更改時間及更動規則上的不確定性較高。在不確定性下，於配合監理規定上，. ‧. 保險公司亦會面臨調整上緩衝時間無法事先安排決定的問題。. y. Nat. sit. 參考財團法人保險事業發展中心的 105Q4 的 RBC 報告書，台灣現行股票. n. al. er. io. 投資風險係數為 0.2165，並無動態調整設計。因此本研究依歐盟、新加坡、台. i n U. v. 灣建議模型以台灣資料及現行風險管理規範做修正，再得調整後的逆景氣循環風險係數。. Ch. engchi. 在台灣風險係數規定中，含有資產集中度調整因子，及稅賦調整因子，因此在各逆景氣循環調整方法中亦要在調整風險係數的模型中納入上述因子才得以適用台灣的 RBC 制度監理規定。本研究納入參考國泰人壽報告以 0.83 的稅負調整、0.85 的資產集中度調整為依據，設定適用在台灣監理規定的各模型的調整幅度如下列公式：. 調整幅度 =. SA(調整項）×稅負調整(0.83)×資產集中調整(0.85) 基礎係數. 16. (3-1).

(25) 將由上所得之調整幅度，乘以原先之風險係數(0.2165)，最後可得各模型之調整後係數(即股票風險係數)，公式如下示：調整後係數 = 基礎係數 × (1+調整幅度). (3-2). 依上述方式，透過計算台灣股價指數資料依各模型的調整方式，可得到調整後的風險係數。最後以上述方式得到的風險係數，分別估計上述三模型應用於台灣資料之所適用的參數以得到各模型的參數。最後本研究參考新加坡主管機關(MAS)的逆景氣循環機制評分指標，並修. 政治大量指標輸出結果，並針對其結果做探討，再給予最終實證結果之結論做為本研立改標的部分內容以適用台灣指數變動情形。最後將上述三種模型依本研究的評. ‧ 國. 學. 究建議之模型。. ‧. 3.2.1 歐盟模型與估計方法. Nat. n. al. 其中：. Ch. (a) CI 代表現今指數水準. 𝐶𝐼−𝐴𝐼 𝐴𝐼. engchi. − 𝑔%). er. io. 1. 𝑆𝐴(調整項) = 2 ∙ (. sit. y. 在歐盟的監理報告書中，歐盟模型調整方式如下公式：. i n U. (3-3). v. (b) AI 代表過去 36 個月指數的加權平均日均值 (c) 最高調整幅度為上限、下限各 10% (d) g 為指數年化算術平均成長率在歐盟模型參數估計方面，需估計的參數有：成長率(g)、上限(Upper Limit)、下限(Lower Limit)。首先 g 部分，歐盟報告書是以全段資料成長率的方式，以年化算術平均成長率計算，但本研究參考新加坡報告及台灣情形，認為可得依該國實際經濟發展狀況，來調整模型成長率。考量台灣近 20 年成長率較接近已開發國家水準，所以採近 20 年之台灣成長率估計之。待估得台灣成長率 17.

(26) 後，依上述公式(3-3)方式計算出調整項，再帶入本節(3.2)說明之台灣適用的調整措施後可得調整幅度，進而可得調整後風險係數。於上限、下限參數估計部分，因歐盟模型為對稱式的上下限設計，本研究採用(10%~20%)的範圍選取合適的上下限，以穿透率 30%為標準，來估得歐盟模型之上、下限。. 3.2.2 新加坡模型與估計方法. 政治大. 在新加坡的官方報告書中，新加坡模型調整方式如下表格所示：. 立表 1 新加坡模型調整公式. 逆景氣循環調整. 𝐶𝐼 ) − (1 + 𝑔)| ≤ 𝑇𝑟𝑖𝑔𝑔𝑒𝑟 𝐴𝐼. 𝑖𝑓 [(. 𝐶𝐼 ) − (1 + 𝑔)] > 𝑇𝑟𝑖𝑔𝑔𝑒𝑟 𝐴𝐼. sit. n. al. 1 𝐶𝐼 𝑚𝑖𝑛 [ ( − (1 + 𝑔 + 𝑇𝑟𝑖𝑔𝑔𝑒𝑟), 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡] 2 𝐴𝐼. er. io. 𝑖𝑓 [(1 + 𝑔) − (. 0. y. Nat. 𝑖𝑓 |(. ‧. ‧ 國. 學. 情形. Ch. engchi. 𝐶𝐼 )] > 𝑇𝑟𝑖𝑔𝑔𝑒𝑟 𝐴𝐼. i n U. v. 1 𝐶𝐼 𝑚𝑎𝑥 [ ( − (1 + 𝑔 − 𝑇𝑟𝑖𝑔𝑔𝑒𝑟), 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡] 2 𝐴𝐼. 其中： (a) CI 代表現今指數水準(月資料) (b) AI 代表過去 36 個月指數的加權平均值(月資料) (c) Upper Limit 為最高調整幅度上限、Lower Limit 為最高調整幅度下限 (d) g 為指數年化成長率 (e) Trigger 為啟動門檻 18.

(27) 上述新加坡模型方法中，與歐盟差異為 Trigger 設計。以在. 𝐶𝐼 𝐴𝐼. 超出 Trigger. 部分才進行調整，並設有上限(Upper Limit)、下限(Lower Limit)。所以需估計得參數為 g、Trigger、Upper Limit、Lower Limit。估計方式依序為，依先計算成長率 g，依新加坡報告之建議選擇方式為全段資料或近 20 年資料之成長率，考量台灣與新加坡成長率皆在近 20 年趨緩，未如同 1976 年至近 20 年水準，是以用近 20 年算術平均年化成長率計算之。接者以調整機率接近 30%之水準，來估計合適的 Trigger，此調整機率之限制乃本研究建議的調整機率及模型參考準則，其設定將於下節(3.2.4)討論之。Upper. 政治大. Limit、Lower Limit 於新加坡報告為沿襲歐盟報告之設定，訂定為各 10%，未. 立. 使用參數校準之方式。但因考量後續模型選用標準以往上調整幅度及往下調整. ‧ 國. 學. 幅度相除為 1 之考量，所以本研究將新加坡模型之上、下限參數部分改進為不. 範圍測試之。. ‧. 同參數，以利模型選用，所以設上下限為參數估計之一以 5%~20%為參數選用. n. er. io. sit. y. Nat. al. Ch 3.2.3 台灣建議模型與估計方法. engchi. i n U. v. 下列台灣建議模型乃本報告改良新加坡模型之缺點為調整的門檻設定過高，同時在景氣更極端狀況時已觸及上限，所以納入雙層調整的制度，以反映不同景氣變化中，更多調整程度變化。在新加坡模型中，公式僅能以一種景氣變化情形來調整，或在極端景氣與尋常景氣中取中介值，於本研究認為以雙層調整模式，假以不同幅度來反映其變化較適合。當景氣較一般情形下所適用的調整及較極端情況下所適用不同的調整方式理應不同。. 19.

(28) 𝐶𝐼. 由上述內容所設計得模型如下表格 2。分六種情形，前兩種情形為(𝐴𝐼)扣除 (1 + 𝑔)後仍無法超越調整門檻(分上下調整門檻)即不調整。其他調整概念雛型為依歐盟及新加坡方式做調整幅度參考，並設有第一層上限、下限及第二層上限、下限，詳細調整幅度如下所示。表 2 台灣建議模型調整公式情形. 立. 1 𝐶𝐼 𝑚𝑖𝑛 [ ( − (1 + 𝑔 + 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1 𝑢𝑝), 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡1] 2 𝐴𝐼. ‧. 𝐶𝐼 ) − (1 + 𝑔)] < 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2 up 𝐴𝐼 𝐶𝐼 )] > 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1 𝑑𝑜𝑤𝑛 𝐴𝐼. io. al. 𝐶𝐼 ) − (1 + 𝑔)] > 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2 up 𝐴𝐼. [(1 + 𝑔) − (. Ch. v. 1 𝐶𝐼 𝑚𝑖𝑛 [ ( − (1 + 𝑔 + 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2) 2 𝐴𝐼. n. [(. 1 𝐶𝐼 𝑚𝑎𝑥 [ ( − (1 + 𝑔 − 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1), 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡1] 2 𝐴𝐼. er. Nat. 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2 𝑑𝑜𝑤𝑛 > [(1 + 𝑔) − (. 0. 學. 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1 𝑢𝑝 < [(. 政治大. ‧ 國. 𝐶𝐼 0 < (1 + 𝑔) − ( ) ≤ 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1 𝑑𝑜𝑤𝑛 𝐴𝐼. 0. y. 𝐶𝐼 ) − (1 + 𝑔) ≤ 𝑇𝑟𝑖𝑔𝑔𝑒𝑟1 𝑢𝑝 𝐴𝐼. sit. 0≤(. 逆景氣循環調整. engchi. 𝐶𝐼 )] > 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2 down 𝐴𝐼. i n U. + 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡1), 𝑈𝑝𝑝𝑒𝑟 𝐿𝑖𝑚𝑖𝑡2]. 1 𝐶𝐼 𝑚𝑎𝑥 [ ( − (1 + 𝑔 − 𝑇𝑟𝑖𝑔𝑔𝑒𝑟2) 2 𝐴𝐼 + 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡1), 𝐿𝑜𝑤𝑒𝑟 𝐿𝑖𝑚𝑖𝑡2]. 在參數估計方面，欲校準的參數有：成長率(g)、啟動門檻(Trigger1 up、 Trigger1 down、Trigger2 up 、Trigger2 down)、第一層上下限(Upper Limit1、 Lower Limit2) 、第二層上下限(Upper Limit2、Lower Limit2)。. 20.

(29) 首先以移動算術平均年化成長率計算成長率(g)，此參數不同於新加坡及歐盟成長率計算方式僅為 20 年平均年化成長率計算，而改以動態調整的方式計算，以移動 20 年平均估計之，因需扣除前 20 年資料做計算，在考量全段資料長度衡量下，於估計模型則採用台灣加權指數作計算。於此台灣建議模型中，本研究認為因應資料期間不同成長率的變化所適用的模型參數也應不同的情形。在設計上採用雙層調整方式作調整，並將上限、下限拆開採用作分開校準，並依以下步驟校準參數。. 估計方式為依模型設定模型第一層調整機率 30%、第二層調整機率 15%，. 政治大. 由機率回推，可計算出可行的(Trigger1、Trigger2)組合，並依新加坡監理機關. 立. (MAS)官方報告所建議之模型準則來做考量，以往上除以往下調整次數相除越. ‧ 國. 學. 接近 1 者為優，同時調整強度往上及往下相除接近 1 為佳，兩者為調教作後續參數之選擇，並以上下限門檻 5%~20%為選用的參數進行選擇，透過整數參數. ‧. 選取，最後可得到本研究建議之台灣建議模型雙層上下限參數，即得到所有台. y. Nat. n. er. io. al. sit. 灣建議模型適用的參數。. Ch. engchi. 21. i n U. v.

(30) 模型選擇準則. 3.3. 本報告參考新加坡監理機關(MAS)所使用的逆景氣循環報告中指出的模型衡量指標，於該報告中推薦以下三模型選擇指標衡量模型之於指數的適用性，本研究引進以下衡量逆景氣循環措施的重要表現指標，並酌以改良其介紹如下：. 1. 調整機率(Probability of adjustment). 政治大. = CCA 調整期數 / 資料總期數. 立. (3-4). 上述公式所述之 CCA 全稱為 Counter Cyclical Adjustments，即逆景氣循環. ‧ 國. 學. 之調整為風險係數依此調整措施上下調整之比例，本研究後續討論亦將以 CCA. ‧. 代稱之。此調整機率之概念意味者使用調整的期數除以資料總期數不應超過一定的比例，即調整機率應維持在該設定的頻率，以使整體模型部會每期變動，. y. Nat. n. er. io. al. sit. 而是在相對少的機率下才行變動。. i n U. v. 依新加坡報告此指標以接近 20 %為優，而新加坡模型的計算方式乃逐月計. Ch. engchi. 算。歐盟模型以每日變動為調整依據，然其調整機率未同新加坡模型及台灣建議模型設有門檻(Trigger)之設計，是以調整機率為 100%。在兩相比較之下，新加坡以每月調整機率僅 20%月份需調整之設定的調整機率略低，本研究推估實乃因該國考量極端景氣狀況及正常景氣循環下，兩者發生頻率不一下做的折衷取捨，選擇調整機率僅 20%左右而非同歐盟全期調整，設定為 100%。但本研究在觀察近年台灣股票市場資料波動漸小之下，於台灣加權指數後期的調整機率會明顯低於前期。同時考量景氣在一般調動上應分極端的危機情形及一般景氣循環來做設定較妥當，所以本研究建議修改為最一般情形的調整機率為 30%，而極端情形調整機率為 15%。然因所有模型選擇評估上，需綜合比較， 22.

(31) 且僅本研究建議之台灣建議模型有考量極端情形，是以在選擇模型的準則評估上仍以調整機率 30%衡量各模型於台灣資料之適用性。. 2. 存續期間平衡(Duration Balance). = CCA 向上調整次數/ CCA 向下調整次數. (3-5). 依新加坡官方(MAS)報告指出，此指標反映向上及向下調整的次數，由於上下調整次數相除接近 1，表示上下調整在總期數上一致，當兩者於期數差不. 政治大. 多情形為較適合方式，而不致使逆景氣循環之調整過度偏向往上或往下調整，因此本報告沿用之。. 學. ‧ 國. 立. 3. 強度平衡(Magnitude Balance). ‧. = CCA 累積向上調整強度加總/ CCA 累積向上調整強度加總. Nat. y. (3-6). er. io. sit. 在新加坡官方報告建議，往上調整的總和應等同往下調整總和，以反映整體模型的上下調整的程度，並建議此計算比例宜接近 1，即所謂上下調整程度. al. n. v i n 一致而非單方向調整較多。本報告亦認同此調整方式，如此才不會致使原調整 Ch engchi U 方式偏向使保險公司在總和計算風險係數上，有得利或受損的情形，以使全段期間保險公司風險係數調整上不改變原有風險係數的精神，使得模型得以反映景氣循環之影響，卻不會對於保險公司整體清償能力的穩健度有法規上之趨嚴或趨緊之改變。. 23.

(32) 第四章實證結果與分析在上章(第三章)講解完各模型較準參數方式後，本研究蒐集台灣加權指數資料，於本章將進行檢驗，以較準各模型適用參數。接著使用本研究上章(3.2.4 節)歸納之模型選擇準則之判斷指標，輸出實證分析之結果，以期可以找出合適的模型，最後給予實證分析之模型結論。. 4.1. 歐盟模型估計結果與準則判斷. 政治大計方式所估出之參數，其結果如下所示：立. 於本節將探討MSCI台灣指數適用歐盟模型的情形，首先依上章所使用的估. Trigger. Upper Limit. 0. 16%. Lower Limit -16%. Nat. sit. y. ‧. 5.15%. 學. g. ‧ 國. 表 3 歐盟模型參數估計結果. io. er. 上述參數乃依台灣近20年實際資料，以計算出MSCI台灣指數之成長率為. al. v i n C -20% 變動之 Lower 及 -10% ~ h e n g c h i U Limit為參數，並選取穿透 n. 5.15%，上限(Upper Limit)及下限(Lower Limit)之估計方式為選擇於+10% ~ +20%之 Upper Limit. 上限加下限之總和調整機率30%為標準，在校準兩參數時，以上下限之絕對值同時變動方式最後可得 Upper Limit 為 +16% 及 Lower Limit 為 -16%。於下圖可見於1988年起MSCI台灣指數及使用歐盟模型之MSCI台灣指數風險係數兩者之對應變動圖。. 24.

(33) 圖 2. 政治大. 1988至2016 MSCI股價走勢及對應歐盟模型風險係數. 立. ‧ 國. 學. 因指數型態為日資料，可見調整後的風險係數隨著紅線頻繁震盪。指數於 1988年等處出現平滑處，乃往上調觸及逆景氣調整之上限，其他平滑處亦為調. ‧. 整成上限或下限的型態。. Nat. sit. y. 於下表格為選用上節討論之模型選擇指標輸出的結果。因歐盟模型並無設. n. al. er. io. 有啟動門檻的設定，是以調整機率為100%，即7131日的日資料內皆會調整。在. i n U. v. 調整頻率指標上，往上調機率約等同於往下調整，相除可得1.0448。於調整強. Ch. engchi. 度方面，往上調整約等同往下調整，相除約為0.967。. 25.

(34) 表 4 歐盟模型使用模型選擇準則結果 Probability(調整機率) 總期數. 7131. 總調整次數. 7131. 整體機率. 100% Duration(調整次數). 上調次數. 3641. 下調次數. 3485. 整體上下調次數比. 1.0448 Magnitude(調整強度). 上調強度. 1052.0. 下調強度. 1087.7. 整體上下調強度比. 立. 新加坡模型估計結果與準則判斷. ‧ 國. 學. 4.2. 治政 0.967 大. 於本節將探討台灣加權指數所適用新加坡模型的參數，首先依上章所使用. ‧. 的估計方式所估出之參數，其結果如下所示：. n. al. y. sit. Trigger. Upper Limit. 26%. i n U. Ch. er. io. 5.15%. Nat. g. 表 5 新加坡模型參數估計結果. 6%. engchi. v. Lower Limit -15%. 新加坡的成長率同上節歐盟成長率計算，乃以過去 20 年之資料計算台股成長率，在 Trigger 方面，以調整機率 30%校準之，最後選出 Trigger = 26%。接著以調整幅度上下調整幅度相除為 1 調整參數，可得 Upper Limit = 6%，Lower Limit = -15%。於下圖可見於 1979 年起台灣加權指數及使用新加坡模型之台灣加權指數風險係數兩者之對應變動圖。. 26.

(35) 政治大. 圖 3 1979 至 2016 台灣加權股價指數走勢及對應新加坡模型風險係數. 立. 由上圖見之，一樣在許多時期或觸及調整上界，不過集中在資料前期. ‧ 國. 學. 1987~1990 處左右。當時台股波動劇烈，從 1000 點漲至 11000 點，所以整段時. ‧. 期調升風險係數實屬合理，但整段期間皆在上界，實有可改進之處，或可調高. y. sit. io. n. al. er. 間。. Nat. 上界幅度，或如下節所介紹的台灣建議模型，設計兩段式的調整以增加緩衝空. i n U. v. 表 6 新加坡模型使用模型估計準則結果總期數. C hengchi Probability(調整機率) 456. 總調整次數整體機率. 138 30% Duration(調整次數). 上調次數. 79. 下調次數. 59. 整體上下調次數比. 1.3390 Magnitude(調整強度). 上調強度. 12.3. 下調強度. 11.7. 整體上下調強度比. 1.053. 27.

(36) 上列表格為使用模型選擇準則輸出之表，其調整機率如同原先估計參數結果為 30%，但上下調整次數未能剛好接近一樣，向上調整次數略多。整體調整強度為 1.053，往上即往下調的調整幅度大略一致，大抵滿足模型選擇要件。. 4.3. 台灣建議模型估計結果與準則判斷. 同上兩節方法，台灣建議模型亦需估計參數，本研究建議之台灣建議模型分 Trigger1 及 Trigger2，並各自分上下，並有各自的上限、下限，以達到雙層. 政治大. 調整的設計，得以延展新加坡模型調整幅度對台灣指數各時期適應性不一的問題。其結果如下表格所示：. 立. up. down. 14%. 26%. Trigger2. Trigger2. Upper. Lower. Upper. Lower. up. down. Limit1. Limit1. Limit2. Limit2. 20%. 35%. 10%. -5%. 20%. -10%. Nat. io. sit. y. ‧. Trigger1. 學. Trigger1. ‧ 國. 表 7 台灣建議模型參數估計結果. n. al. er. 估計步驟為：首先使用移動成長率方法，計算出每期的近 20 年資料年化平. Ch. i n U. v. 均成長率。再來，對第一層的上下門檻(Trigger1 up , Trigger1 down)做估計，方. engchi. 式為從 10% ~ 40% 範圍選取，使調整機率為 30%左右。接著以調整(Trigger2 up , Trigger2 down)的方式，使第二層調整機率為 10%。最後，以上述參數可行的參數組合，進行後續估計 Upper Limit1, Lower Limit1, Upper Limit2, Lower Limit2 以使模型滿足上下調整強度及上下調整次數相等，可得所有台灣建議模型所有參數。在參數方面，Trigger1 down (26%) > Trigger1 up (14%)、Trigger2 down (35%) > Trigger2 up (20%) 且 |Upper Limit1 | > | Lower Limit1|、 |Upper Limit2 | > | Lower Limit2|，可以看出在調整方向上，盡量使往上調整幅度及次數提升，因台股過去走勢往上偏的幅度成長平穩，但下跌時卻易快速下 28.

(37) 跌，致使模型容易反映下跌的情形較明顯，所以透過參數選擇可以使模型調整方向上下平衡以滿足模型選擇要件，不會在調整上偏袒下調。下頁圖顯示利用上述參數，而使台灣加權指數至 1995 年起到 2016 年底的變化，對照其使用台灣建議模型所得之風險係數。台灣建議模型於前段期間起伏較大，因股市在前段期間的上下波動程度亦較後期明顯，然於 2011 後，風險係數調整極少，僅有 2014 部分有調整，乃因指數於後期波動亦唯有先前的劇烈，且其他模型於此段未有調整，所以台灣建議模型仍有在此時發揮效果。而其在 2008 金融海嘯前，於 2007 年中有大幅提高風險係數至 0.323 左右. 政治大針對危機來臨前做更多的準備，在風險係數提昇時部份獲利了解以求 RBC 符合立水位，達到調整上限左右，有效的提升保險公司的股票風險，使保險公能提前. 規定相比新加坡模型的反應圖於 2007 年因模型上限設定規定僅能提升至 0.25. ‧ 國. 學. 左右，未能使保險公司做好充足的大事件預防，在此項目上台灣建議模型有其. ‧. 優勢。但相較在 2009 年初股價跌至谷底至 4247.97，相較於前年高峰約莫腰. y. Nat. 斬，此時台灣建議模型則降低風險係數至 0.1634，可以適時減輕保險公司的風. n. al. er. io. sit. 險準備，讓保險公司魚骨底部用出售過多的股票資產，而有復原機會。. Ch. engchi. i n U. v. 圖 4 1995 至 2016 台灣加權股價指數走勢及對應台灣建議模型風險係數. 29.

(38) 最後將模型依模型選取準則輸出各項結果。由下表知調整機率約略等於 30%，往上及往下調整次數亦接近相等，相除為 1.0811，調整強度部分亦大抵相等，上下幅度相除約莫為 1.038。所以總體而言，台灣建議模型在模型選擇準則中表現相當符合其要求。表 8 台灣建議模型使用模型選擇準則結果 Probability(調整機率) -整體總期數. 253. 總調整次數. 77. 整體機率. 30.4% Duration(調整次數) -整體. 上調次數下調次數. 立. 整體上下調次數比. 40 政治 37 大. ‧ 國. 7.6. 下調強度. 7.3. 整體上下調強度比. 1.038. ‧. 上調強度. 學. 1.0811 Magnitude(調整強度) -整體. sit. y. Nat. al. er. io. 因台灣建議模型有兩階段設計，輸出下表以檢驗第二層的調整方式依. v. n. 模型選擇準則指標輸出的結果為何。可見到第二層(區間 2)的調整機率約為. Ch. engchi. i n U. 15%，但上下調整次數相除為 0.6，即於第二層往下調整次數較多，調整幅度加總也在第二層中往下調整幅度較大，也顯示在極端景氣變動情形下，以台灣建議模型來說，會較常降低極端情形下的風險係數，不論在次數會整體調整強度，而在平常的景氣變動過程中，即第一層調整中，則為往上調整次數較多，也整體強度較大。於模型選擇準則中，兩階段的調整各階段內非達平衡，但模型整體調幅及次數需平衡的理由是可以使保險公司於股票風險係數調整上，不會受逆景氣調整機制影響整體準備降低或增加而使整體 RBC 機制規範有放鬆或變嚴的情形。所以於整體變動上尤其調整強度部分需符合選擇標準。但各. 30.

(39) 自兩調整區間內調整次數及強度指標不同則是可接受的，不影響整體調整之合理性。表 9 台灣建議模型使用模型選擇準則區間 2 結果 Probability(調整機率) -區間 2 總期數. 253. 總調整次數. 40. 整體機率. 15.8% Duration(調整次數) -區間 2. 上調次數. 15. 下調次數. 25. 0.6000 治政 Magnitude(調整強度) -區間大2 立 0.9. 整體上下調次數比上調強度. 整體上下調強度比. 0.569. ‧. ‧ 國. 1.7. 學. 4.4. 下調強度. 模型選擇與分析. sit. y. Nat. io. er. 上述結果顯示，台灣建議模型與新加坡模型設計在調整頻率 40%的水準，. al. 而歐盟模型每期調整，於本研究認為有違逆景氣循環的精神，調整幅度過於頻. n. v i n Ch 繁，非僅於景氣特殊循環之下才調整，不符合本研究設定的目標在景氣偏熱或 engchi U 偏冷才調整係數的概念，與選擇上該項評分較不合適，至於調整幅度及上下調整次數歐盟模型則反映良好，不用特別做太大修改即適用。新加坡模型與台灣建議模型調整方式在頻率上整體較合宜，新加坡的特色為單層設計所以未能反映景氣異常及極端異常的情形，而本研究認為台股於尋常週期會有較熱或較冷的波動，但不時會有重大危機出現，其反應會超越一般景氣波動所需做的調整。所以新加坡的模型設定參數不易在更大極端狀況來臨時適度反映，或有需要把參數設計在一般景氣與大極端事件的過度區間，而略有缺陷。 31.

(40) 本研究建議的台灣設計多一層，可以在景氣更極端情景時，有更大的反應幅度。於 2008 年的金融海嘯也適時提高風險係數，使保險公司於危機發生前提升風險係數，確實能反映逆景氣的安全目的。另外，台灣建議模型分上下 Trigger 也可以對上調幅度與下調幅度及頻率有更多的控制，整體調整空間大，是以獲得的模型評分標準有較佳的表現，但模型參數相對多也較複雜，為其施行上的缺點。茲將上述三模型之優缺點整理如下：表 10 歐盟模型、新加坡模型、台灣建議模型優缺點分析國家歐盟模型. 優點.  . 政治大可以反映所有指數變化  立概念簡單易理解 . 缺點每期調整係數，過頻繁. 調整制度具連續性. 新加坡模型. . 設有調整門檻，僅在景氣特殊  狀況調整. 僅反映部分指數狀態，有些期間完全沒調整. 台灣建議模型. . ‧. ‧ 國. . 學. 恆常性調整，非反映極端狀況. n. Ch. 設有調整門檻，僅在景氣特殊狀況調整. . 兩層模型加大及分級反映程度. engchi. 模型設計較複雜，不易理解. er. io. al. . sit. y. Nat. 成長率動態移動，可以因應指  數成長而改變. i n U. v. 在整體考量上台灣建議模型之優勢為較多的調整參數可以在評量各準備指標型滿足多數要求，而且在成長率動態調整的計算下，有利於更貼近指數之成長率。其缺點為適用的模型參數多，所以相對複雜。但考量逆景氣循環已有歐盟及新加坡之方式可供遵循，台灣建議模型為在此兩國之模型改變上加以突破，仍有他國之雛形在，所以適用及理解上不會太困難。綜合衡量優缺利弊下，建議使用台灣建議模型可以有較多的彈性以及較符合現今指數需求。然由. 32.

(41) 於新加坡模型與台灣皆具有調整門檻機制合乎本文所建議之非過頻繁且以月週期調整概念得以互相比較，下節將進行兩模型之台灣指數詳細驗證。. 4.5. 模型效果驗證. 由上節(4.4)所述，新加坡模型與台灣建議模型較可以適用模型準則之判斷，然因台灣建議模型之參數較多，所以在整體評估下，更容易滿足準則。所以本節將驗證新加坡與台灣建議模型於實際資料的適用情形。檢驗方式為取新加坡與台灣建議模型之同段台灣加權指數資料，採兩者同. 政治大限，所以檢驗的月份選取為景氣異常差的情形)，並檢驗是否在前一年即提高風立. 段期間可以輸出的資料中，挑出特殊景氣變動情形之月份，(因 RBC 僅規定下. ‧. ‧ 國. 學. 險係數因應，挑選方法如下所述：. 當月指數 < 過去一年平均(不含當期) – 一倍或兩倍月平均標準差. Nat. sit. y. (4-1). io. er. 取出符合上述(4-1)條件之月份，並選出該條件月份 12 個月前之模型風險係. al. 數，驗證是否上調，(上調標準為風險係數是否大於 0.2165)，若有上調則顯示. n. v i n Ch 於景氣異常熱時有提升準備以成功因應隔年的下跌，將其結果輸出如下： engchi U. 表 11 新加坡模型於台灣加權指數景氣衰落前一年調整次數及增強強度累積上調強度. 一倍標準差. 兩倍標準差. 1996-2016 (同台灣建議模型期間). 0.24. 0.152. 1980-2016. 1.07. 0.618. 累積上調次數. 一倍標準差. 兩倍標準差. 1996-2016 (同台灣建議模型期間). 9. 5. 1980-2016. 31. 16. 33.

(42) 因新加坡的成長率計算乃以固定方式，以近 20 年之成長率計算之，而台灣建議模型則為動態計算近 20 年成長率，須扣除前 20 年資料，所以使用新加坡模型可輸出的資料全段期間較長。但為求比較，所以輸出台灣同段期間的資料以做比較何者模型成功在景氣衰落前一年上調的風險係數。同理，輸出台灣同期間調整次數及強度如下：. 表 12 台灣建議模型於台灣加權指數景氣衰落前一年調整次數及增強強度累積上調強度. 一倍標準差. 兩倍標準差治政大0.60 0.96. 1996-2016. 立一倍標準差 14. 兩倍標準差 8. 學. 1996-2016. ‧ 國. 累積上調次數. ‧. 由上述表 11 及表 12 可知，在同一期間內台灣建議模型成功上調之次數，. y. Nat. er. io. sit. 不論一倍或兩倍標準差皆高於新加坡模型，強度方面亦同，也是台灣建議模型額外上調的強度加總較高。. al. n. v i n 於此節上述結果顯示，在景氣有大幅跌落的情形(低於過去一年標準差 1或 Ch engchi U 2 倍)之時期，台灣建議模型相較新加坡模型優，可以在其前一年時及提高風險. 係數，符合逆景氣循環的概念，在景氣較熱處提高風險係數以因應衰落。反之是否在低點降低風險係數方面的檢驗於本研究未考慮的原因為，降低風險係數乃是使保險公司符合標準，但其準備之充足乃以及格制考量。在降低風險係數下，保險公司有兩種可能：一、為其體質尚健全，所以適時降低風險係數使其易於恢復乃監理上較佳調整。二、保險公司體質不夠健全，若降低風險係數使其容易達標準，則喪失保險公司資本適足健全的目的，所以本研究在其指數是否回漲對於 RBC 的計算上，不做跌深並且隔年指數回漲的測試。. 34.

(43) 第五章結論與建議 5.1. 結論. 過去的台股波動較劇烈，但近年波動相對平穩，除了 2008 年的金融海嘯時期，但在新加坡模型及歐盟模型都因單層反映的結果於極端狀況為能加強反映，只能反映景氣正常週期變化，所以加入台灣建議的雙層模型來做進一步調整，可供極端情形下更多的反映空間。. 政治大. 在上章以模型選擇準則討論完各模型的適用表現並繪圖比較後，本研究以. 立. 最後綜合考量建議使用台灣建議模型。因其有考量到成長率動態調整精神，在. ‧ 國. 學. 未來成長率若改變，仍有動態的適用性。其調整方向方兩段式的調整，其第一層調整容易反應景氣尋常周期的變化，並在重大危機發生時，在第二層有更多. ‧. 調整空間以利係數變動，同時也適時反映了金融海嘯時的狀況。所以整體而言. Nat. sit. y. 建議採用台灣建議模型應用於台灣股票風險係數。. n. al. er. io. 台灣建議模型適用上的缺點為參數較多，可能模型較複雜，不過在各國已. i n U. v. 陸續施行起初的版本後，台灣朝設計更精細的版本推行上較不困難。新加坡原. Ch. engchi. 先也是改良歐盟版本增加Trigger參數，但在台灣引進後以雙Trigger及移動式的調整成長率，其概念與新加坡接近，所以施行上不會太難理解。至於成長率的計算動態化也有其合理之處，相信可以更準確的反應景氣的變化程度。在第四章實測的逆景氣效果中，在同段期間(1996-2016)台灣建議模型的調整較新加坡模型調整合乎逆景氣循環的概念。不論在當期股價低於過去一年時間一倍或兩倍標準差情形下，保險公司都能在前一年調高股票風險係數，使其高於基準係數(0.2165)，以提升保險公司資產面的憂患意識，經由監理使保險公司在資本適足率的考量下，減低股票部分曝險。. 35.

(44) 5.2. 建議. 未來建議台灣的施行方向以台灣建議模型為修改方向，因此模型較他國模型擁有較多的優勢，除了在成長率移動計算方面更優於他模型外，透過雙層調整設計可使保險公司的股票風險係數有更多的變化空間。採納的方向則應如新加坡官方報告所述，給予一定期間的緩衝空間，如：一年。給予保險公司適當時間調整資產負債以因應，並固定三年修正一次以檢討適應情形。同時往後研究上，此類模型的測試應推廣到更多商品標的，因台股為保險公司投資的標的之一，但壽險業的投資標的非侷限於此，仍有債券、房地產等. 政治大. 大宗投資標的。債券尤多，多數保險公司持有達80%以上的資產水位，但債券. 立. 關於景氣的變動上屬於反向成長，所以其他資產模型應適當修正至各資產所適. ‧ 國. 學. 用的方式或另行較準參數。未來將更多資產的變動方式齊納入此類模型的計算上，有利保險公司長期的RBC ratio調整上更平穩，得適時抵銷掉景氣不安定因. ‧. 素對保險公司的負面作用，積極面得使保險公司長期經營上更穩健，消極面也. Nat. sit. y. 使整體大環境有更多緩衝，不致使投資人被保險公司等大型投資人在監理上的. n. al. er. io. 制度上被迫雪上加霜的加深景氣谷底。. Ch. engchi. 36. i n U. v.

(45) 參考文獻 [1] 中國保險監督管理委員會，保險公司償付能力監管規則第7號：市場風險最低資本，2015年，7-9 ~7-10。 [2] 安明璿，我國人壽保險業利率風險資本監理之探討，2014，p.1-8。 [3] 邱國欽、林鳴琴、呂偉傑, 股價、景氣狀態與貨幣政策─台灣證券交易所發行量加權指數實證研究，2006，p.6-10。 [4] 曾于芳，台灣保險業資產風險係數之探討，2010，p.4 -16。 [5] 財團法人保險事業發展中心，105年度檢查手冊(RBC相關)，2016年，p.119120。. 學. ‧ 國. [6]. 政治大財團法人保險事業發展中心，105年度檢查報表－壽險(RBC相關)，2016年，立表30-1~表30-17。 ‧. [7] 梁正德、許永明、袁曉芝、詹芳書、黃芳文、郭榮堅、陳昱廷、余柔萱、郭荏妤，金融監督管理委員會102年度委託研究計劃－國際保險業清償能力監理制度之研究，2016年，p.5-19。. io. y. sit. 2013, p.5-6.. Nat. [8] Australian Prudential Regulation Authority, Information Paper Asset Risk Charge,. n. al. er. [9] European Insurance and Occupational Pensions Authority, EIOPA symmetric adjustment of the equity capital charge, Feb 2017, Section：Legal Background - Example.. Ch. engchi. i n U. v. [10] Monetary Authority of Singapore, Consultation Paper, Annex K: Technical Specifications for QIS2, 2016, p.24-25. [11] Singapore Actuarial Society, Review of the Risk-Based Capital Framework for Insurers in Singapore (“RBC 2 Review”), Second Consultation, 2015, p.5-22. . 37.

(46) 附錄 A：RBC 附表表 13 Herfindahl Index 係數表 Herfindahl Index. 係數. 1/9 ≦ H <1/8. 1.000. 1/8 ≦ H <1/7. 1.005. 1/7 ≦ H <1/6. 1.010. 1/6 ≦ H <1/5. 1.015. 1/5 ≦ H <1/4. 1.020. 1/4 ≦ H <1/3. 1.040. 1/3 ≦ H <1/2 1/2 ≦ H < 1. 1.080 1.160. 學. ‧ 國. 立. 政治大. 表 14 台灣 RBC 制度個債券評級調整表. 級、Fitch AAA 等級者。. al. er. Fitch AA 等級、中華信用評等公司 twAAA 等級者。. n A 者折扣 5％. y. sit. S&P AA 等級、A.M. Best aa 等級、Moody’s Aa 等級、. io. AA 者折扣 10％. S&P AAA 等級、A.M. Best aaa 等級、Moody’s Aaa 等. Nat. AAA 者折扣 15％. 評等機構及等級. ‧. 係數折扣數. i n U. v. S&P A 等級、A.M. Best a 等級、Moody’s A 等級、Fitch. Ch. engchi. A 等級、中華信用評等公司 twAA 等級者。. 38.

(47) 附錄 B：歐盟、新加坡模型估計結果輸出綜合表表 14 歐盟模型於台灣加權指數估計參數結果輸出綜合表參數輸出 1+g. g. Trigger. Upper Limit. Lower Limit. 穿透率. 105.15%. 5.15%. 0.00%. 16.00%. -16.00%. 30.01%. Probability(調整機率). Duration(調整頻率). Magnitude(調整強度). 整體機率. 100.00%. 整體上下調次數比. 104.48%. 整體上下調強度比. 96.72%. 總期數. 7131. 上調次數. 3641. 上調強度. 1052. 總調整次數. 7131. 下調次數. 下調強度. 1088. 立. 政治 3485大. ‧ 國. 學. 表 15 新加坡模型台灣加權指數估計參數結果輸出綜合表. 30.26%. 總期數. 456. 總調整次數. 138. y. 6.00%. a lDuration(調整次數) v i n Ch 整體上下調次數比 i U e n g c h133.90% n. 整體機率. 26.00%. io. Probability(調整機率). Upper Limit. sit. 5.15%. Trigger. er. 105.15%. ‧. g. Nat. 1+g. 參數輸出. Lower Limit. 穿透率. -15.00%. 12.72%. Magnitude(調整強度). 整體上下調強度比. 105.25%. 上調次數. 79. 上調強度. 12. 下調次數. 59. 下調強度. 12. 39.