影響我國產險公司再保險行為因素之研究- 以天災事故為研究核心 - 政大學術集成

全文

(1)國立政治大學風險管理與保險學系碩士學位論文. 影響我國產險公司再保險行為因素之研究以天災事故為研究核心. Ａ. 政治大 study on the 立factors influencing the reinsurance ‧. ‧ 國. 學. behavior of property insurance companies in Taiwan. n. er. io. sit. y. Nat. al. Ch. i n U. v. e n彭金隆 g c h i 博士指導教授: 研究生: 趙曼如撰. 中華民國一零八年十二月. DOI:10.6814/NCCU201901315.

(2) 謝辭謝謝彭金隆老師當我的指導老師，不厭其煩得指導我做研究寫論文，在繁忙之餘仍細心修正我的論文。謝謝許永明老師、陳彥志老師抽空擔任我的口試委員老師，給了我很多寶貴的建議。這三位老師的辛勤灌溉，使我對於再保險有更深一層的認識，受益良多。謝謝教導保險實證研究方法的鄭士卿老師，讓我認識實證論文。謝謝我的同組夥伴乙辰、奕帆和貫晨，在我沒有接觸過統計的時候接納我，教我基. 治政大礎的統計、主成份分析及一起整理文獻和變數。也謝謝其他這課堂的同學在立報告時提供意見，讓我可以聽到很多不同想法而改進。. ‧ 國. 學. 謝謝我的家人，不論是研究所或是交換，我都先申請了才跟你們討論，. ‧. 謝謝你們無限的包容及支持。. sit. y. Nat. 謝謝風管所的學長姐、同學和學弟妹，大家來自不同背景科系，從你們. al. n. 路以來的鼓勵。. er. io. 身上學到很多，不管在學業上、實習上或未來工作都給我很多建議，謝謝一. Ch. engchi. i n U. v. 覺得不論在知識上、能力上或心境上在研究所這幾年成長許多，謝謝我所遇到的人事物，是我成長的養分。. 趙曼如謹誌于中華民國一百零八年十二月. DOI:10.6814/NCCU201901315.

(3) 摘要過往文獻對於再保險及產險公司之研究變數多著重於產險公司本身之經營績效，或是監理法規的改變是否影響產險公司再保險之決策，對於天災或是巨災僅以可能影響國際再保險人之供給或價格敘述，較少以天災或巨災為變數探討自然災害對於產險公司之再保險需求。又台灣天然災害頻繁，往往對台灣造成重大損失，故本研究欲探討產險公司與天災關聯，及其關於再保險之風險管理決策。. 治政大本研究以 2001 年至 2018 年之我國產險業精算統計資料，使用多元迴歸立. 模型及隨機效果模型，探討影響我國產險業者再保險分出之決定因素，尤其. ‧ 國. 學. 「天災」因素與下年度再保險比例之關聯。. ‧. 研究結果發現天災頻率及天災程度與下年度再保險比例為負向顯著關. sit. y. Nat. 係，認為可能的原因有再保險人減少再保險之供給、保險公司再保之成本提. n. al. er. io. 升及可能透過其他避險方式應對天災風險。而天災房屋損失與再保險需求為. i n U. v. 正向顯著關係，認為當年度天災房屋損失越大，對於產險公司有較大的損. Ch. engchi. 失，進而提高下一年度之再保險分出以分散風險及擴大承保能量。又相較天災頻率，天災房屋損失及天災程度對於再保比例之影響較大。. 關鍵字:產險公司、天災、再保險比例。. DOI:10.6814/NCCU201901315.

(4) 目錄第一章緒論 ................................................................................... 1. 第一節研究背景與動機 .................................................................... 1 第二節研究目的 ................................................................................ 3 第三節研究架構 ................................................................................ 4 第二章文獻探討 ........................................................................... 5. 政治大第一節再保險之功能 ........................................................................ 5 立. ‧ 國. 學. 第二節天災對保險的影響 ................................................................ 7 第三節影響再保險行為之因素 ........................................................ 9. ‧. Nat. y. 第三章研究設計 ......................................................................... 12. er. io. sit. 第一節研究假說 .............................................................................. 12 第二節研究對象 .............................................................................. 13 a. n. iv l C n hengchi U 第三節資料分析模型 ...................................................................... 14 第四節變數介紹 .............................................................................. 17 第四章實證結果分析 .................................................................. 22. 第一節天災變數處理 ...................................................................... 22 第二節基本敘述統計量 .................................................................. 28 第三節實證結果 .............................................................................. 30 第四節實證結果分析與討論 .......................................................... 37 第五章結論與建議...................................................................... 40. DOI:10.6814/NCCU201901315.

(5) 參考文獻 ...................................................................................... 42. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901315.

(6) 表目錄. 表 3-1 自變數名稱、預期結果及定義 ............................................ 20 表 4-1 天災成份 KMO 與 BARTLETT 檢定 ..................................... 22 表 4-2 天災成份主成份分析 ............................................................ 23 表 4-3 天災成份最大變異轉軸法結果 ............................................ 24 表 4-4 天災成份權重 ....................................................................... 25. 政治大. 表 4-5「天災程度」變數................................................................. 25. 立. 表 4-6「天災房屋損失」及「天災頻率」 ..................................... 26. ‧ 國. 學. 表 4-7 本研究變數基本敘述性統計量 ............................................ 28. ‧. 表 4-8 普通最小平方法模型彙整 .................................................... 30. sit. y. Nat. 表 4-9 BREUSCH AND PAGAN 拉式乘數檢定彙整 ............................ 32. io. n. al. er. 表 4-10 隨機效果模型彙整 ............................................................. 33. Ch. engchi. i n U. v. DOI:10.6814/NCCU201901315.

(7) 第一章緒論第一節研究背景與動機近年來台灣天然災害頻繁，每年發生多次颱風、地震、水患、山崩土石流等造成重大損失。根據內政部的統計資料，自 2001 年至 2018 年台灣發生 167 起天災，房屋全倒及半倒數達 6,896 戶，共計 8,296 人死傷。由上述統計資料可知天災的嚴重程度，而房屋全倒半倒、洪水淹沒及其他因天災而生之相關損失，皆可能向產險業者要求賠償。此外，依據瑞士再保險公司. 治政大 30%由保險業承擔（梁統計，過去十年天災事故所造成的經濟損失中，平均立正德，2016）。故本文推測天災對台灣產險業應有一定程度的影響，而產險. ‧ 國. 學. 公司如何管理重大損失、風險，進而穩健公司經營，為一重要的課題。. ‧. 又再保險為保險公司常見的風險管理方法，相對於壽險業而言台灣產險. sit. y. Nat. 公司規模小且承保能量有限，再加上近年來天災頻繁導致損失幅度與頻率加. n. al. er. io. 劇，對再保險依存度高。故再保險對於產險業更為明顯重要，扮演著穩定保. i n U. v. 險市場功能的適當角色。此外，依據我國再保慣例，產險公司對於天災的再. Ch. engchi. 保險安排為合約再保險之方式為：每年年底會依照今年的營運狀況評估未來一年可能面臨的風險，而明年年初便與再保險公司簽約，簽訂該公司該年的再保險契約。因此本文在分析上，會以產險公司下年度的再保險比例與當年度的資料分析，探討其間之關聯。台灣產險業在台灣已深根多年，截至 2018 年 12 月 31 日共有 14 家產險業者，且市佔率高達約百分之 97。而現行外商產險業者存續期間歷史未較本國產險業者悠久，有些公司近幾年才來台經營，資料取得較不全面且市佔率亦低。此外，本研究欲探討一完整產業之市場情形，外商產險公司在 1. DOI:10.6814/NCCU201901315.

(8) 台灣之經營險種較不全面，可能無法完整顯示完整產險公司對於再保險分出決定因素之市場概況。又許永明、黃芳文（2015）亦僅採計本國產險公司為研究再保險之樣本，係因外國產險公司之運作及決策大多以其母公司為主，其再保險決策之考量不全然以在台分公司之利益為唯一考量，與我國之保險公司決策方式恐有明顯不同。故基於上述原因之考量，本文僅以本國產險業者作為研究對象，主要探討天災房屋損失、天災頻率及天災程度，是否對於台灣產險業下年度的再保險比例有所影響。又從過往再保險比例相關文獻中觀察，許多變數在多篇文章中對於再保險為顯著相關，本研究將之列為控制. 治政大變數，探討並分析其與天災變數對於再保險比例之關聯。立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 2. DOI:10.6814/NCCU201901315.

(9) 第二節研究目的世界銀行於 2005 年「Natural Disaster Hotspots–A Global Risk Analysis」將我國被評估為地震、水災等災害反覆發生機會最高的區域（梁正德， 2016） ; 國際信評機構標準普爾（Standard & Poor's）亦曾發布與天災相關的報告，台灣因地震發生頻繁而上榜為十大脆弱國（李牧宜，2015）; 又倫敦勞埃德保險社（Lloyd's of London）發布全球風險指標台灣排名第四，面臨最大的威脅是颱風，其次為地震。. 政治大為決策造成影響或僅將天災列為虛擬變數，較少深入研究及分析。天災頻仍立然過往研究國內產險業之文獻，較少提及天災是否對產險公司再保險行. ‧ 國. 學. 的台灣且財產保險與人民生活息息相關，我國產險公司是否有所衝擊？又我國行政院內政部消防署有詳細統計我國歷年天災資訊，本研究觀察此份統計. ‧. 資料，認為天災房屋損失、天災頻率及天災程度，會對台灣人民及相關業者. y. Nat. io. sit. 產生一定之影響。基於上述動機，本研究欲探討我國產險公司再保險決策，. er. 與當年度天災事故之關聯。. al. n. v i n 此外，從產險公司有關再保險行為相關文獻中，許多影響產險公司再保 Ch engchi U. 險需求且效果顯著之因素，本研究將之列為控制變數，以多元迴歸之隨機效果模型進行分析，探討這些變數和天災與產險公司再保險決定間的關聯，並提出可能影響的原因。. 3. DOI:10.6814/NCCU201901315.

(10) 第三節研究架構本研究架構共分為五章，下簡述各章節內容：第壹章說明論文研究背景與動機、研究目的及研究架構。第貳章為文獻回顧，首先回顧保險公司風險管理之手段之一，為何保險公司需要再保險，再保險對於無論是國際或我國產險業者之重要性及必要性。其次為天災與保險業間之關聯，台灣產險業者及保險公司面對天災風險如何因應。接著探討有關保險公司再保險需求、再保險比例的相關文獻，說明研究對象，找出影. 政治大第參章為研究設計，首先統整本研究之研究假說及研究對象。此章節主立. 響產險公司風險管理及再保險分出之因素作為控制變數。. ‧ 國. 學. 要內容為研究方法。首先，針對本研究加入的最主要自變數：天災變數，說明主成份分析、共線性檢定及說明模型如何選取。此外，透過文獻回顧選擇. ‧. 控制變數與蒐集資料，並說明控制變數之定義、預期效果。. y. Nat. io. sit. 第肆章為實證結果與分析，首先是天災變數處理，即天災變數主成份分. n. al. er. 析之結果，其次為天災變數及控制變數之基本敘述統計量。最後運用隨機效. Ch. 果模型探討分析實證結果。. engchi. i n U. v. 最後統整本研究之實證結果，其原因及可能之影響，做成本研究之結論，並針對本研究不足之處，提供建議供未來後續研究參考。. 4. DOI:10.6814/NCCU201901315.

(11) 第二章文獻探討第一節再保險之功能危險責任之移轉為再保險之重要功能，此一部分可由法律層面及經營層面觀察（林麗玲，2019）。在法律層面，保險法第 39 條對再保險之定義為：「再保險，謂保險人以其所承保之危險，轉向他保險人為保險之契約行為。」而在經營層面，再保險係原保險人將超過其所能承擔之部分，移轉給再保險人以減輕其本身之負擔。由此可知再保險與保險相同，皆有危險移. 治政大and Rui（2018）和 Chang 轉、風險風散之本質。鄭濟世（2019）、Park, Xie 立（2019）提出再保險對於保險人主要功能有以下三點：. ‧ 國. 學. 一、提供保險公司承保能量，當保險標的之保險金額超出保險公司所能. ‧. 承擔之範圍時，便會需要再保險以分散風險。天災為不可抗力因素之一，所. sit. y. Nat. 造成之損失往往為巨大且不可預測，故產險公司依實務慣例，會將天災風險. n. al. er. io. 以再保險之方式分散，擴大其承保之能量。二、強化保險公司財務基礎，清. i n U. v. 償能力（自留保費除以業主權益）為代表保險公司財務基礎最簡單之指標。. Ch. engchi. 當業主權益不變，自留保費會因再保險分出而使清償能力提升，進而強化了保險公司之財務能力。如天災造成之損失過大，將造成產險公司理賠（負債）過度負擔，會影響該產險公司之財務表現。故保險公司將天災風險以再保險之方式移轉，不僅強化其因應風險的能力，強化其財務基礎而降低財務壓力及破產風險。三、創造保險公司之穩定經營：再保險之參與能幫助風險分散，當保險事故發生時可共同分攤損失。天災如有再保險參與，再保險人能減少原保險人面對天災所可能產生的理賠壓力，共同分攤損失進而穩健經營。 5. DOI:10.6814/NCCU201901315.

(12) 由上述可知，保險公司購買再保險不僅能提升其承保能量，協助危險移轉，亦能強化其財務能力，進而穩健經營，可見再保險對於保險公司有一定之影響力及重要性。又面對如天災等不可抗力因素，其造成之損失往往為重大難以恢復，更應做好風險管理，而再保險便為我國產險公司常見之風險管理方式。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 6. DOI:10.6814/NCCU201901315.

(13) 第二節天災對保險的影響過往文獻探討此天災時多從「巨災」角度探討，本研究認為是因為巨災相對於天災而言，對於國際保險市場的影響較為顯著。惟縱使我國天災頻繁且有嚴重災情發生，然而因國土面積狹小，損失幅度相較於他國而言為低，對於整體國際市場並無顯著影響。此外實務上並不會將自然災害特別區分是否為巨災，進而決定其再保險之分出及再保險合約之擬定。故本研究所謂之天災係指在台灣發生之自然災害而言，係以內政部消防署之統計資料（區分. 政治大災，亦無另外依嚴重程度區分為天災或巨災，合先敘明。立. 為颱風、水患、地震及其他），而無依國際再保險人或聯合國所定義之巨. ‧ 國. 學. 李珍穎、張瑞益（2003）認為台灣產險公司規模均小，相對於天然災害之承擔額度實屬偏低。另依保險法第 147 條對自留額之規範，實質限制保險. ‧. 業之供給，若勉強承保恐有喪失清償能力之危機。若面臨國際天災不斷，國. y. Nat. io. sit. 際再保險市場嚴重虧損，國際再保險人因承保能量大幅縮減，承做天災危險. er. 之額度及政策將會變得保守，此時將造成國內再保險安排之困難。. al. n. v i n 張士傑（2018）提及台灣天災風險依全球經驗而言是偏高的，保險公司 Ch engchi U. 承保後將風險以高比例移轉至國際再保險市場，對於不可預測之天災而言，其與保險之關聯以下簡述之：再保險市場因資訊不對稱，保險人傾向低風險自留並將高風險移轉給再保險人，則再保險人可能產生核保損失。又保險人若有再保險契約可能會缺乏風險控管之積極動機。而前述之逆選擇和道德風險將影響再保險契約的合理定價，且因天災頻率與損失幅度的高度不確定性，再加上全球再保險市場供給需求，當再保險市場轉為硬市場（hard market）時，會自然造成再保險費率之上漲。 7. DOI:10.6814/NCCU201901315.

(14) 而當巨災理賠發生時市場價格走升，亦即核保趨於嚴格，導致保險費率上升；而核保利潤一旦增加，透過市場效率競爭後價格會開始下降；然後重回上升，周而復始地構成循環現象，此一循環現象約為 5 年至 7 年，即核保週期。張雪梅（2008）及曾哲韜（2014）提及天災風險的控制主要藉由再保險市場分散風險。而 Biener, Eling and Jia（2017）亦指出再保險能保護保險公司，減少其受自然災害的損失。本研究認為依據現行產險業及再保險實務運作慣例，加上近年來天災頻繁且我國產險公司確實依賴再保險作為風險管理. 治政大方法，故推測當天災來臨時應會對我國產險業者產生如賠款增加、核保標準立改變等一定影響，或甚至有對應措施如影響其下一年度之再保險分出決定或. ‧ 國. 學. 合約簽訂等。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 8. DOI:10.6814/NCCU201901315.

(15) 第三節影響再保險行為之因素台灣產險公司規模小且承保能量有限，再加上近年來天災頻繁導致損失幅度與頻率加劇，對再保險依存度高，故在台灣再保險為產險公司風險管理重要之一環。過往文獻多以再保險比例作為衡量再保險需求之指標（Cole and Mccullough，2006 ; Wang, Chang, Lai and Tzeng，2008 ; Chang and Jeng，2015 ; Shiu，2011），又不同國家地區之產險業者對再保險的需求也不盡相同，許多文獻提及產險公司與再保險間之關聯，本研究以下統整之。. 政治大得出公司規模對於下年度再保險比例有顯著負向影響。此與過往文獻相同，立許永明、蕭景元（2014）運用 2002 年至 2010 年我國產險公司之資料，. ‧ 國. 學. 過往文獻大多得出規模較小之保險公司，有較高之破產成本，有較高之再保險需求（Adams, Hardwick and Zou，2008 ; 詹芳書、許永明、陳柏欣，. Nat. y. ‧. 2015 ; Chang et al.，2016 ; 張永郎，2015）。. io. sit. 吳聯燦、申曙光、王亮（2010）使用中國大陸 32 家產險資料，以賠款. er. 支出、保險業務集中度、償付能力和淨保費分析影響中國大陸產險業者再保. al. n. v i n 險分出之決定。實證結果顯示此四項指標均對產險公司再保險分出金額有正 Ch engchi U 向影響，而其中影響最大的為保險業務集中度。業務集中程度對於保險公司運用再保險風險管理之意義，過往文獻有所不同。Adam et al.（2008）認為若保險公司業務集中程度低，代表商品種類越多元，營運波動性較低，而減少再保險之購買需求 ; 另一方面，若保險公司能專心經營其優勢的保險商品，業務集中程度高，所需之再保險亦不多。此外 Cole et al.（2006）和 Shiu（2011）認為若保險公司業務集中程度高，則可能代表所承保風險越集中，再保險需求高。此外本研究以為吳聯燦等（2010）之論文對於再保險分. 9. DOI:10.6814/NCCU201901315.

(16) 出金額及賠款支出等金額未以比例計算，實證結果恐將因各家產險公司公司規模不同而有所影響，故本研究將會對於金額方面的計算將會以比例呈現。詹芳書等（2015）使用 1993 年至 2010 年台灣產物保險公司之資料，分析出財務槓桿對再保險為負向影響。保險財務槓桿對於保險公司下年度再保險分出之決定影響，過往文獻大多得出高財務槓桿，代表保險公司可能面臨破產風險，償付能力較弱，故有較高之再保險需求（Cole et al., 2006 ; Wang et al., 2008 ; Carneiro and Sherris, 2009 ; 吳聯燦等，2010 ; Shiu, 2011 ; 許永明等，2014 ; 張永郎，2015）。許永明等（2015）說明財務槓桿高之保險公. 治政大司，較可能發生流動性風險，且因對外籌資限制較多，為了降低融資需求，立 ‧ 國. 學. 保險公司可能會因此購買較多的再保險 ; 又吳聯燦等（2010）論文實證結. 果顯示保險財務槓桿對於再保險分出之決定為正向關係。本研究認為詹芳書. ‧. 等（2015）使用之資料為特定之保險公司-台灣產物保險公司，然本研究欲. y. sit. n. al. er. io. 控制變數。. Nat. 研究此一變數在我國整體產險業之影響，故將「保險財務槓桿」列為其中一. i n U. v. Chang et al.（2016）應用美國產險公司之資料，探討再保險需求、保險. Ch. engchi. 公司流動性及保險財務槓桿間之關係。研究結果顯示對於美國保險公司而言，流動性和再保險需求間呈現替代關係，流動性和保險財務槓桿間之關係亦是替代關係，而再保險需求及保險槓桿則是互補關係。此與過往文獻相同，均說明保險公司若流動性越高，則應有較多財務支援未來可能面臨的理賠狀況，故可以降低下年度對再保險的依賴（許永明等，2015）。惟於張永郎（2015）一文中，保險公司流動性與再保險需求為正向關係。此外 Chang et al.（2016）與張永郎（2015）、何佳玲（2016），皆針對美國產險公司再保險決定因子做分析，但使用資料年度不同，所用資料之變數結果亦不盡相 10. DOI:10.6814/NCCU201901315.

(17) 同。本研究認為變數「保險公司流動性」於過往文獻中大多與保險公司再保險決策有顯著關係，故本研究將此列為控制變數，探討其與台灣產險業者再保險決定間之關聯。許永明等（2015）使用我國 12 家產險業者之資料，發現金控成員與再保險比例為負向顯著關係，推論若產險公司為金融控股公司之一員，則金控公司對於子公司間之資本配置清楚了解，必要時資本得在法律允許下移動使用，故對於再保險之依賴較低。又張永郎（2015）一文說明若保險公司屬於某一集團，則得以在集團內做利潤轉移，亦會減少再保險的購買（Cole et. 治政大 al., 2006 ; Wang et al., 2008 ; Chang et al.，2016）。立. 由上可知，較少文獻深入探討天災與我國產險公司再保險分出決定之關. ‧ 國. 學. 聯，故本研究根據過往文獻，將與再保比例有顯著影響之變數列為控制變. ‧. 數，並以天災房屋損失、天災頻率及天災程度，作為天災代理變數，探討與. n. al. er. io. sit. y. Nat. 再保行為間之關聯。. Ch. engchi. i n U. v. 11. DOI:10.6814/NCCU201901315.

(18) 第三章研究設計第一節研究假說過往文獻天災風險控制主要藉由再保險市場分散風險（張雪梅，2008 ; 曾哲韜，2014）。本研究推論當天災來臨時應會對我國產險業者產生如賠款增加、核保標準改變等一定影響，或甚至有對應措施如影響其下一年度之再保險分出決定或合約簽訂等。又因為天災為不可抗力之因素，所造成之損失範圍廣泛，非僅針對特定地區或特定保險公司，再加上本研究欲探討整體產. 治政大險業再保險分出概況，故本研究依據內政部天災成份之統計資料，將受損房立屋總戶數推論為天災房屋損失 ; 當年度發生天災數總計推論為天災頻率，. ‧ 國. 學. 且根據主成份分析之結果得出一個代表天災程度變數，而提出以下研究假. ‧. 說：. sit. y. Nat. H1 天災房屋損失對我國保險業之再保險行為決策有顯著影響。. n. al. er. io. H2 天災頻率對我國保險業之再保險行為決策有顯著影響。. i n U. v. H3 天災程度對我國保險業之再保險行為決策有顯著影響。. Ch. engchi. 根據以上三個假說成立以下模型： 𝑟𝑒𝑖𝑛_𝑛𝑒𝑥𝑡),+,- = 𝛼 + 𝜇) + 𝛾+ + 𝛽𝑥),+ + 𝜀),+. 其中𝛼 為常數項、i 為各家產險公司、t 為當年度樣本、t+1 為下年度樣本、𝜀),+ 為誤差項、𝜇) 為第 i 家產險公司之產險公司隨機效果、𝛾+ 為第 t 年之時間隨機效果。。. 12. DOI:10.6814/NCCU201901315.

(19) 第二節研究對象本次研究對象為台灣產物保險產業者，截至 2018 年為止共計 14 家，且資料不包含外國保險公司在台設立之分公司、信用合作社（台灣 14 家產險業者分別為：台產、兆豐、富邦、和泰、泰安、明台、南山、第一、旺旺友聯、新光、華南、國泰世紀、新安東京、台壽保）。變數資料來源包含各家公司之年度財務報表、財團法人保險事業發展中心（下稱保發中心）之精算統計公開資料及 TEJ 台灣經濟新報資料庫，而天災變數之資料則為行政. 政治大因 2006 年才成立，故台壽保產險之保險資料於 2006 年開始加入。又於立. 院內政部消防署公開資料。資料期間為 2001 年至 2018 年，僅台壽保產險. ‧ 國. 學. 2001 年至 2018 年中有保險公司合併、進出市場之情況，本研究以最後存續公司計算，此次研究樣本共計 233 筆。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 13. DOI:10.6814/NCCU201901315.

(20) 第三節資料分析模型本研究資料具有追蹤資料（Panel Data）特性，彭永龍（2011）提及此種資其誤差項之變異數會有異質性（heteroscedasticity）情形存在。若以普通最小平方法（Ordinary Least Square Method, OLS）分析，因假設所有變數截距項皆相同會忽略橫斷面資料時間效果上的差異性，結果將會產生偏誤。故本研究為了使估計模型的資料處理更有效率，採用橫斷面追蹤資料常用的估計模型做資料分析。如此透過橫斷面的分析，保有全體本國產險公司. 政治大結果，本研究模型分析流程如下：立. 平均對於天災和各公司下年度再保險比例的影響程度，而為獲得較佳的研究. ‧ 國. 學. 一、共線性診斷：. ‧. 如變數間互不獨立、彼此相關則有共線性問題，將導致模型中存. y. Nat. io. sit. 在著相似的自變數而提高某一自變數的解釋力與預測力，使得理論之. n. al. er. 建立不正確。故在建立 Panel Data 模型前，先進行共線性（Variance. Ch. i n U. v. Inflation Factor, VIF）診斷（彭永龍，2011）。若 VIF 大於 10 則表示該. engchi. 變數有共線性問題，需做對應之調整。而在共線性診斷部分，本研究以多元迴歸模型得出有共線性之變數進行篩選處理。. 二、本研究主要資料分析：在主要資料分析部分，劉彩卿、陳欽賢（2014）說明因大部分的模型都有其限制及其適合之資料屬性，故實證模型之選擇會影響資料分析是否有意義，本研究依據以下分析本研究適合之模型：. 14. DOI:10.6814/NCCU201901315.

(21) 1.. 不採用普通最小平方法（OLS）模型：. 本研究主要分析為天災及其他變數對於產險公司下一年度之再保險比例是否有影響，且再保險比例此一因素亦有核保週期之考量，資料性質有強烈的時間因素，若單純使用 OLS 分析將無法將此重要因素考量進去，故本研究選擇有考量時間效果的隨機效果模型或固定效果模型做分析。. 隨機效果模型（Random Effect Model, RE）或固定效果模型（Fixed. 治政 Effect Model, FE）之選取：大立. 學. 由前述可知本研究資料為橫斷面追蹤資料，故本研究先進行隨. ‧ 國. 機效果模型或固定效果模型之選取。劉彩卿等（2014）表示固定效. ‧. 果模型是指不同家本國產險公司所有的各自效應（𝜃) ）與自變數. y. Nat. io. sit. （𝜒),+ ）有關連（cov（𝜃) , 𝜒),+ ）≠ 0），反之隨機效果模型不同家本國產險公司所有的各自效應與自變數無關連（cov（𝜃) , 𝜒),+ ）=. er. 2.. al. n. v i n Ch 0），以下分別介紹固定效果模型和隨機效果實證模型： engchi U （1）. 固定效果模型：. 𝑟𝑒𝑖𝑛_𝑛𝑒𝑥𝑡),+,- = 𝛼 + 𝜙) + 𝜑+ + 𝛽𝑥),+ + 𝜀),+. 其中𝛼 為常數項、i 為各家產險公司、t 為當年度樣本、 t+1 為下年度樣本、𝜀),+ 為誤差項、𝜙) 為第 i 家產險公司之產險公司固定效果、𝜑+ 為第 t 年之時間固定效果。（2）. 隨機效果模型： 15. DOI:10.6814/NCCU201901315.

(22) 𝑟𝑒𝑖𝑛_𝑛𝑒𝑥𝑡),+,- = 𝛼 + 𝜇) + 𝛾+ + 𝛽𝑥),+ + 𝜀),+. 其中𝛼 為常數項、i 為各家產險公司、t 為當年度樣本、 t+1 為下年度樣本、𝜀),+ 為誤差項、𝜇) 為第 i 家產險公司之產險公司隨機效果、𝛾+ 為第 t 年之時間隨機效果。按劉彩卿等（2014）採用 Breusch and Pagan LM Test 做為選取指標，而 Breusch and Pagan LM Test 的虛無假設為：組間殘差項之變異數為 0，即滿足固定效果模型之假設，使固定效果（截距. 治政項）與其他自變數不相關。又若檢測結果顯示大 p 值相當顯著，則拒立絕虛無假設，表示資料間存在隨機效果，在模型選擇上選取隨機效. ‧ 國. 學. 果較佳。. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 16. DOI:10.6814/NCCU201901315.

(23) 第四節變數介紹一、變數定義: 本研究探討天災對於我國本國產險公司下年度再保險分出之決定是否有所影響，進而探討其他影響保險公司再保險風險管理之因子。首先，本研究最主要想探討為天災房屋損失、天災頻率及天災程度對再保行為之影響。其次，在再保險需求相關文獻中，大多將公司規. 政治大控制變數，故本研究將上述變數作為控制變數，綜合探討並做成分立. 模、金控成員、保險公司流動性、業務集中度和保險財務槓桿等列為. ‧ 國. 學. 析。. 以下分別就本研究之應變數、控制變數和自變數之定義及可能影. ‧. 響做解釋：. sit. y. Nat. 應變數：. io. n. al. er. 1.. Ch. i n U. v. 過往文獻多以再保險比例作為衡量再保險需求之指標，且因再. engchi. 保行為可能具有延後反應之效果，故本研究之應變數為 t+1 年再保險比例（rein_next）。其中再保險比例依據 Carneiro et al. （2009）、Cole et al.（2006）、許永明等（2014）、詹芳書等（2015）等文獻之定義為 t+1 年的再保險支出除以 t+1 年的總保費收入。. 2.. 控制變數：. （1）. 公司規模（ln_asset）： 17. DOI:10.6814/NCCU201901315.

(24) 過往文獻指出規模較小之保險公司，有較高之破產成本，而有較高之再保險需求（Adams et al.，2008 ; 許永明等， 2014 ; 詹芳書等，2015 ; Chang et al.，2015 ; 張永郎， 2015），故本研究推論公司規模對再保險比例為負向關係的顯著結果。公司規模之定義依上述文獻為該公司之總資產取自然對數。. （2）. 金控成員（d_group）：. 治政過往文獻指出若該保險公司為金控成員，則於必要時資本大立. 能相互移轉，再保險需求低（張永郎，2015 ; Chang et al.，. ‧ 國. 學. 2016）。故依過往文獻之解釋，推論金控成員之於再保險比例. ‧. 為顯著負向關係。依上述文獻及 Cole et al.（2006）將之定. sit. y. Nat. 義，將「金控成員」設為虛擬變數，若該產險公司為金控成員. er. io. 設為 1，反之設為 0。. n. al. （3）. i n Ch 保險公司流動性（liq）： engchi U. v. 過往文獻均說明保險公司若流動性越高，則應有較多財務支援未來可能面臨的理賠狀況，故可以降低下年度對再保險的依賴（許永明等，2015），甚至有文獻提及保險公司流動性及再保險比例為替代關係（Chang et al.，2016），故本研究「保險公司流動性」之定義按張永郎（2015）為現金及約當現金和投資除以資產總額之比例。. （4）. 業務集中程度（hhi）： 18. DOI:10.6814/NCCU201901315.

(25) Adam et al.（2008）認為若保險公司業務集中程度低，代表商品種類越多元，營運波動性較低，而減少再保險之購買需求，本研究亦認為保險公司業務集中度低，代表商品種類越多元，風險越分散，故推論業務集中度對於下年度再保險比例之預測結果為負向關係。本研究參採 Shiu（2011）使用赫芬達爾指數（Herfindahl Index）衡量保險公司的業務集中度，赫芬達爾指數為各險種保費佔該年度全部險種保費的比例平方後之總和。. 立. 保險財務槓桿（lev）：. 學. ‧ 國. （5）. 政治大. 文獻指出高財務槓桿，代表保險公司可能面臨破產風險，. ‧. 償付能力較弱，故有較高之再保險需求（Cole et al., 2006 ;. sit. y. Nat. Wang et al., 2008 ; Carneiro et al.，2009 ; 吳聯燦等，2010 ;. n. al. er. io. Shiu, 2011 ; 許永明等，2014 ; 張永郎，2015），且本研究認. i n U. v. 為保險財務槓桿高之保險公司，因負債之比例較高，可能會安. Ch. engchi. 排較多之再保險以分散風險。按詹芳書等（2015）文獻之定義，將保險財務槓桿定義為負債除以業主權益之比例。. 3.. 自變數：. 台灣天然災害頻繁，每年發生多次天災，故本研究想以過去文獻中較少提及的天災變數進行分析，並依台灣特有之狀況，探討天災對產險公司決定的下年度再保險比例之影響。本研究依張雪梅（2008）和曾哲韜（2014）提及天災風險控制主要藉由再保險市場 19. DOI:10.6814/NCCU201901315.

(26) 分散風險，推測天災越多或越大對於下年度再保險比例有影響。而為了更瞭解天災對我國產險公司之影響，本研究將天災變數細分為三，包括天災房屋損失（n1）、天災頻率（n2）和天災程度（n3）三項變數，又關於此三變數之定義，本研究是依據內政部天災成份之統計資料，以受損房屋總戶數為天災房屋損失 ; 以當年度發生天災數總計為天災頻率，最後再根據主成份分析之結果得出一個代表「天災程度」變數。. 政治大. 本研究將自變數假設及定義整理如表 3-1：. 學. 表 3-1 自變數名稱、預期結果及定義預期結果. 天災頻率. n3. 天災程度. io. n. al. +. 以受損房屋總戶數為天災房屋損失。. +. 以當年度發生天災數總計為天災頻率。. +. 將總人員傷亡數、受損房屋總棟數、搶救. y. n2. ‧. 天災房屋損失. Nat. n1. 定義. sit. 名稱. er. 變數. ‧ 國. 立. v i n C h 災民人數、總出動救災人員和總出動裝 engchi U 備數主成份分析後加權。. ln_asset. 公司規模. -. 總資產取自然對數。. d_droup. 金控成員. -. 若該產險公司為金控成員設為 1，反之設為 0。. liq. 保險公司流動性. -. 現金及約當現金和投資除以資產總額。. hhi. 業務集中程度. +. 各險種保費佔該年度全部險種保費的比例平方後之總和。. 20. DOI:10.6814/NCCU201901315.

(27) 保險財務槓桿. +. 負債除以業主權益。. 二、主成份分析黃財尉（2013）提及主成分分析法主要目的在於企圖找出一群互不相關的變數組合以解釋原始資料所含蓋之最大訊息，其主要特點有：成份彼此間互不相關、所定義之成份分數盡可能地保留觀察變數之訊息，即主成份分析非常適合用於資料縮減之用途。故主成份分析. 治政經常用於減少成份數據的維數，因其同時保持數據中的對變異數貢獻大立最大的特徵，用低維的變數保留住數據中最重要的部分。. 學. ‧ 國. 而在本研究中，因行政院內政部消防署關於天災之公開資料，紀. ‧. 錄了天然災害之總傷亡人數、受損房屋總棟數、受損房屋總戶數、災. sit. y. Nat. 民人數、總出動救災人數、總出動救災裝備數、該種類天災於當年度. io. 發生次數。故由上可知天災變數的衡量方式非常多，因此本研究以主. n. al. er. lev. i n U. v. 成份分析的方法將眾多變數降維，保留這些變數的重要訊息，建置出. Ch. engchi. 一個表達「天災程度」（n3）的變數。. 21. DOI:10.6814/NCCU201901315.

(28) 第四章實證結果分析第一節天災變數處理本研究依據內政部消防署之統計資料，包括當年度發生天災數總計、總人員傷亡數、受損房屋總棟數、受損房屋總戶數、搶救災民人數、總出動救災人員和總出動裝備數等 7 項成份，作為天災變數之估計基礎。本研究使用主成份分析法將這些可能能夠表示天災程度的成份進行分析，做出一個表示天災程度的變數，再放入上述隨機效果模型做為本研究主. 治政大要之自變數，檢視天災房屋損失、天災頻率及天災程度是否會影響台灣產險立公司下年度再保費支出比例。. ‧ 國. 學. 進行主成份分析前須進行 KMO 與 Bartlett 檢定，檢視天災成份是否可. ‧. 進行因素分析。當 KMO 值越大表示成份間的共同因素越多，越適合進行因. sit. y. Nat. 素分析，惟若 KMO 小於 0.5 則表示不能接受。此外 Bartlett 球形檢定亦可運. n. al. er. io. 用於檢測資料成份是否適合做因素分析，該檢定是用來判斷資料是否為多變. i n U. v. 量常態分配，若所選取之資料成份顯著性小於顯著水準 0.01 則代表適合，. Ch. engchi. 該變數可進行主成份分析。本研究之 KMO 與 Bartlett 檢定如表 4-1 所示：. 表 4-1 天災成份 KMO 與 Bartlett 檢定 KMO 與 Bartlett 檢定 Kaiser-Meyer-Olkin 取樣適切性量數. 0.530. Bartlett 的球形檢定近似卡方檢定. 107.017. 自由度. 21. 顯著性. 0.000. 22. DOI:10.6814/NCCU201901315.

(29) 本研究之 KMO 值為 0.53，大於 0.5，縱結果偏低但未達不能接受標準，推測導致此結果的可能原因為內政部消防署的統計資料成份個數有 7 個，但天災年份僅 18 年，資料量不夠所致。惟根據 Bartlett 的球形檢定，顯著水準小於 0.01，代表該資料可進行因素分析，故本研究以下進行主成份分析。接著分析成份的共同性，共同性代表降維後能解釋各成份的程度。因為每一個成份資料並非完全相同，因此降維過程中勢必會損失資料部分變異情. 治政大形。然由表 4-2 可知，天災變數每一個成份的萃取度皆大於 0.7，非常接近立 ‧. ‧ 國. 學. 1，表示降維後並沒有損失很多資料變異情形。. 表 4-2 天災成份主成份分析. 0.920. al. 1.000. 總人員傷亡數. Ch. y. 1.000. n. 發生天災數. sit. io. 萃取. er. Nat. 初始. i n U. v. 0.921. 總棟數. e n g c1.000 hi. 總戶數. 1.000. 0.982. 搶救災民人數. 1.000. 0.849. 總出動救災人員. 1.000. 0.978. 總出動裝備數. 1.000. 0.773. 0.936. 23. DOI:10.6814/NCCU201901315.

(30) 此外，本研究選用最大變異轉軸法（varimax）旋轉，釐清成份間的關係，確立成份間的結構，並得出的轉軸後的成份矩陣圖分析。由表 4-3 可知，天災成份中的總計與總戶數與其他成份並非在同一因素中，表示他們可能代表天災的不同狀況，如當年度發生天災數代表當年度天災頻率，而總戶數紀錄當年度天災房屋損失。. 表 4-3 天災成份最大變異轉軸法結果 1. 2 治政大總出動救災人員 0.962 0.227 立成份. 3. 搶救災民人數. 0.918. 總人員傷亡數. 0.826. -0.121. 0.474. 總出動裝備數. 0.678. 0.533. -0.171. n. Ch. engchi. 擷取方法：主成份分析。. y. sit. io. al. 總戶數. er. Nat. 0.956. 總計. ‧. ‧ 國. 0.961. 學. 總棟數. i n U. v. 0.991. 轉軸方法：使用 Kaiser 正規化的最大變異法。. 因此本研究最後選用成份中的總出動救災人員、總棟數、搶救災民人數、總人員傷亡數、總出動裝備數，加權出代表本研究天災程度的值。各成份權重為表 4-4，而所得出之天災程度變數為表 4-5：. 24. DOI:10.6814/NCCU201901315.

(31) 表 4-4 天災成份權重成份. 權重. 總出動救災人員. 0.2214. 總棟數. 0.2212. 搶救災民人數. 0.2113. 總人員傷亡數. 0.1901. 總出動裝備數. 0.1560. 天災變數. 天災程度 n3. 2017. 17824.83. 9.6351. 2016. 52796.93. 10.7385. 2015. 70662. 10.9993. 2014. 14963.6. 9.4557. 2013. 44241.61. 10.5352. 2012. 58866.58. 10.8296. 15273.27. 9.5234. n. 2010 2009. Ch. y. sit. er. io. al. 2011. ‧. Nat. 年份. 學. ‧ 國. 立. 政治大表 4-5「天災程度」變數. i n U. 60640.85. v. 10.9112. e n g c h i 11.9427. 168961.7. 2008. 57813.25. 10.8305. 2007. 49821.94. 10.6673. 2006. 15595.72. 9.5265. 2005. 22233.55. 9.8944. 2004. 69817.07. 11.0364. 2003. 1532.89. 7.2128. 2002. 8488.456. 8.9473. 2001. 10733.79. 9.1806. 25. DOI:10.6814/NCCU201901315.

(32) 由表 4-5 可知，天災程度分別在 2009 年、2015 年、2004 年和 2010 年較其他年份的值大，原因在於 2009 年八八水災（莫拉克颱風）造成台灣半世紀以來最嚴重之水災、2015 年蘇迪勒和杜鵑強烈颱風侵台、2004 年發生七二水災（敏督利颱風），而 2010 年則有蘇澳水災（梅姬颱風）。不論是上述強颱抑或是因颱風帶來強烈的外圍環流而生的水患，對當時台灣的確實造成重大損失及災情，故本研究透過主成份分析之結果應可代表天災程度。又為了使資料更加平穩，削弱模型的共線性、異方差等問題，本研究將其中之一天災變數-天災程度（n3）取自然對數。. 治政大此外其他兩個天災變數-天災房屋損失（n1）及天災頻率（n2）由表立 ‧ 國. 學. 4-6 所示，其中 2012 年之天災頻率高於其他年份，原因在於當年度梅雨季節夾帶多次豪雨，又在 2016 年和 2001 年天災房屋損失戶數遠高於其他年份，. ‧. 分別是因為 2016 年發生高雄美濃地震造成台南維冠金龍大樓倒塌、2001 年. n. al. er. io. sit. y. Nat. 桃芝颱風導致土石流，重創花蓮大興村和南投米堤飯店。. i n U. v. 表 4-6「天災房屋損失」及「天災頻率」年份. Ch. engchi. 天災房屋損失（n1）天災頻率（n2）. 2017. 12. 8. 2016. 1193. 9. 2015. 169. 10. 2014. 68. 3. 2013. 74. 9. 2012. 146. 19. 2011. 11. 12. 2010. 392. 15. 2009. 349. 6. 2008. 83. 12. 2007. 139. 9 26. DOI:10.6814/NCCU201901315.

(33) 2006. 103. 9. 2005. 170. 6. 2004. 930. 12. 2003. 0. 8. 2002. 160. 4. 2001. 2624. 9. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 27. DOI:10.6814/NCCU201901315.

(34) 第二節基本敘述統計量本研究以 SPSS 統計軟體進行基本敘述量分析，結果如表 4-7：. 表 4-7 本研究變數基本敘述性統計量個數. 最小值. 最大值. 平均數. 標準差. rein_next. 233. 0.0002. 0.8350. 0.2581. 0.2361. n1. 233. 0. 2624. 381.28. 632.22. n2. 233. n3. 233. 7.2128. 11.9427. 10.1098. 1.1059. ln_asset. 233. 13.8725. 18.3309. 16.4668. 0.6771. d_group. 233. 0. 1. 0.49. 0.501. liq. 233. 0.3485. 0.8844. 0.6649. 0.8557. 0.3392. 0.0949. 12.9098. 2.7565. 1.5205. al. 233. 0.7710. Ch. y. sit. 0.1658. er. 233. n. 有效的樣本. io. lev. 233. ‧. Nat. hhi. 3.794. 學. ‧ 國. 立. 3 9.45 治19 政大. n U engchi. iv. 0.0978. 大部分本國產險公司之資料期間為 2001 年至 2018 年，僅台壽保一家產險公司因 2006 年才成立，故台壽保之保險資料於 2006 年開始加入，全部資料筆數共 233 筆。其中業務集中度（hhi）為赫芬達爾指數 ; 公司規模（ln_asset）、天災程度（n3）為取自然對數之結果 ; 天災頻率（n2）的單位為次數，天災房屋損失（n1）則為戶數，而金控成員（d_group）為虛擬變數，其餘變數之單位皆為比例。根據表 4-7，應變數 t+1 年再保險比例（rein_next）最大值為 0. 28. DOI:10.6814/NCCU201901315.

(35) 8350，為 2001 年之兆豐產險。在自變數部分，天災房屋損失（n1）最大值為 2001 年，天災頻率（n2）最大值為 2012 年，又天災程度（n3）最大值為 2009 年。而在控制變數部分，公司規模（ln_asset）最大值 18.3309，為 2016 年之富邦產險，保險公司流動性（liq）最大值 0.8844，為 2014 年之新光產險 ; 業務集中度（hhi）最大值為 0.8557，為 2001 年之新安東京海上產險 ; 保險財務槓桿（lev）最大值 12.9098，為 2006 年旺旺友聯產險。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 29. DOI:10.6814/NCCU201901315.

(36) 第三節實證結果一、普通最小平方法模型實證結果本研究分別以統計軟體 SPSS 及 STATA 分析共線性及普通最小平方法。因普通最小平方法仍為追蹤資料的處理方式之一，本研究仍將普通最小平方法的實證結果彙整如表 4-8 所示。. 政治大 Model 2 Model 3. 表 4-8 普通最小平方法模型彙整. ***. (0.3579). (0.3538). Nat. io. -0.0022. (0.3533). (2.03e-05) -0.0041. n. al. (0.0036) n3. -0.0255. **. d_group. Ch. engchi. -0.0269. -0.0097. -0.0094. -0.0044. (0.0207). (0.0206). (0.0207). (0.0207). ***. (0.0250) hhi. -0.9704. **. (0.0121). -0.0020. 0.0939. ***. v i n (0.0034) U. (0.0127) lnasset. 1.5768 (0.3575). 3.32e-05. (2.02e-05) n2. ***. y. *. 1.4301. sit. 3.64e-05. ***. ‧. n1. 1.3638. er. 1.5136. Model 4. 學. _cons. 立. Model 1. ‧ 國. 變數名稱. 0.0934. ***. (0.0253) ***. -0.9598. 0.0932. ***. (0.0253) ***. -0.9498. 0.0934. ***. (0.0251) ***. -0.9401. ***. 30. DOI:10.6814/NCCU201901315.

(37) (0.1395) lev. (0.1402). -0.0458. ***. (0.0095) liq. -0.0502. (0.1403) ***. (0.0094). -0.8235. ***. -0.8118. (0.1389). -0.0509. ***. (0.0094) ***. -0.0497 (0.0093). -0.8459. ***. -0.8486. (0.1453). (0.1464). (0.1460). (0.1448). 樣本. 233. 233. 233. 233. 模型. OLS. OLS. OLS. OLS. 𝑅<. 0.3524. 0.3415. F 檢定. 16.781. ***. 立. 註：. ***. 0.3379 治政 *** 20.753 大 21.056. ***. 0.3481 ***. 21.648. ***. ‧ 國. 學. l. *、**、***分別表示統計量達 10%、5%、1%之顯著水準。. l. rein_next（下一年度再保比例）、n1（天災房屋損失）、n2（天災. ‧. 頻率）、n3（天災程度）、ln_asset（公司規模）、d_group（金控成員）、hhi（業務集中度）、lev（保險財務槓桿）、liq（保險公. y. Nat. n. er. io. al. sit. 司流動性）、OLS（普通最小平方法）。. i n U. v. 由表 4-8 可知，使用普通最小平方法之模型實證結果顯示模型. Ch. engchi. （1）整體判定係數𝑅< 為 0.3524，表示此模型模型可以解釋 35%應變數之變異 ; 模型（2）整體判定係數𝑅< 為 0.3415，表示此模型應變數之變異中有 34%可以由自變數之變異來解釋 ; 模型（3）整體判定係數 𝑅< 為 0.3379，表示此模型的總變異中可被解釋之百分比約為 34% ; 模型（4）整體判定係數𝑅< 則為 0.3481，表示此模型自變數變異約能解釋應變數 35%的變異。又四個模型中針對模型顯著性之 F 檢定皆有顯著結果。本研究的天災變數皆未達到 1%的顯著水準，甚至在模型（1） 31. DOI:10.6814/NCCU201901315.

(38) （2）（3）中天災頻率、天災房屋損失、天災頻率分別有不顯著結果，本研究認為可能的原因為普通最小平方法之模型並未加入時間因素考量，使天災對於再保險需求的影響無法完整呈現。故接下來即以固定或隨機模型分析。. 二、模型選取及實證結果本研究分別以統計軟體 SPSS 及 STATA 分析共線性及固定或隨機. 治政效果之選取。模型（1）將三個天災變數放入方程式檢定，分析天災發大立生對我國保險業之再保險行為決策之影響 ; 模型（2）放入天災房屋. ‧ 國. 學. 損失變數，研究天災房屋損失對我國保險業之再保險比例之影響 ; 模. ‧. 型（3）放入天災頻率變數，探討天災頻率對我國保險業之再保險需求. sit. y. Nat. 之影響 ; 模型（4）則放入天災程度之變數，探求天災程度對我國保. n. al. er. io. 險業之再保險之影響。. i n U. v. 依表 4-9 所示，四個模型皆符合共線性檢定且依據 Breusch and. Ch. engchi. Pagan LM Test 檢定結果顯示 p 值相當顯著，則拒絕虛無假設（組間殘差項之變異數為 0），表示資料間存在隨機效果，在模型選擇上選取隨機效果較佳（劉彩卿等，2014），本研究即以隨機效果模型分析。. 表 4-9 Breusch and Pagan 拉式乘數檢定彙整 Model 1 LM 檢定. 1157.60. Model 2 ***. 1108.70. Model 3 ***. 1082.10. Model 4 ***. 1105.99. ***. 註： l. *、**、***分別表示統計量達 10%、5%、1%之顯著水準。 32. DOI:10.6814/NCCU201901315.

(39) 此外，由表 4-10 可知，模型（1）整體判定係數𝑅< 為 0.2437，表示此模型模型可以解釋 24%應變數之變異 ; 模型（2）整體判定係數 𝑅< 為 0.1879，表示此模型應變數之變異中有 19%可以由自變數之變異來解釋 ; 模型（3）整體判定係數𝑅< 為 0.1651，表示此模型的總變異中可被解釋之百分比約為 17% ; 模型（4）整體判定係數𝑅< 則為 0.1937，表示此模型自變數變異約能解釋應變數 19%的變異。又如同表所示，四個模型中針對變數聯合檢驗之 Wald 檢定皆有顯著結果，表. (0.2717). 3.45e-05. ***. al. n. n3. 2.81e-05. Ch. 2.6257. ***. 2.4389. y. ***. (0.2751). (6.60e-06) n2. 2.3682. Model 4. (0.2730) ***. engchi. (6.81e-06). i n U. -0.0023. (0.0011). (0.0011). d_group. -0.0767. (0.2735). **. ***. -0.0152. (0.0041) lnasset. ***. v. -0.0019. -0.0171. sit. ***. Model 3. er. 2.0268. Model 2. ‧. Model 1. io. n1. 表 4-10 隨機效果模型彙整. Nat. _cons. 學. 變數名稱. ‧ 國. 治政大示變數整體解釋程度為顯著。立. ***. (0.0041) ***. -0.1063. ***. -0.1170. ***. -0.0999. (0.0151). (0.0146). (0.0146). (0.0152). 0.0902. 0.0909. 0.0912. 0.0907. ***. 33. DOI:10.6814/NCCU201901315.

(40) (0.1058) hhi. (0.1060). -0.6827. ***. (0.0818) lev. ***. (0.0037). -0.0182. ***. -0.2297. (0.0724). (0.0755). 樣本. 233. 233. 模型. RE. Wald 檢定. 182.30 註：. ***. ***. ***. -0.0201. ***. -0.3163. ***. 141.89. ***. 122.17. ***. -0.2868. ***. (0.0737). 233 治政大 RE RE 0.1651. -0.0186 (0.0038). (0.0751). 0.1879. ***. (0.0848). (0.0038) ***. -0.5962. 233 RE. ***. 0.1937 136.68. ***. ‧. ‧ 國. 0.2437. -0.6132. 學. *、**、***分別表示統計量達 10%、5%、1%之顯著水準。. l. rein_next（下一年度再保比例）、n1（天災房屋損失）、n2（天災. sit. y. Nat. l. io. 頻率）、n3（天災程度）、ln_asset（公司規模）、d_group（金控. er. 𝑅. 立. (0.1060). (0.0871). (0.0038). -0.1879. <. ***. (0.0854). -0.0127. liq. -0.6530. (0.1062). 成員）、hhi（業務集中度）、lev（保險財務槓桿）、liq（保險公. n. al. Ch. i n U. 司流動性）、RE（隨機效果模型）。. engchi. v. 三、天災變數實證分析如表 4-10，關於天災房屋損失（n1）此一變數，在模型（1）（2）中與我國產險公司下一年度再保險比例為正向顯著關係，亦即在天災房屋損失較嚴重時，我國產險業之再保比例會上升。本研究認為此情形表示天災房屋損失較嚴重時，對於我國產險業影響越大，產險業者會提高下一年度之再保險比例以分散風險。 34. DOI:10.6814/NCCU201901315.

(41) 而天災頻率（n2）在模型（1）之結果不顯著，在模型（3）則有顯著之負向結果。本研究推論模型（1）之結果代表相對於其他兩個天災變數，天災頻率較不能顯示天災發生對於產險業之影響。而在模型（3）中之顯著負向結果，亦即在天災頻率較頻繁或天災程度較嚴重時，我國產險業之再保比例會下降，本研究推論可能的原因為國內外再保險公司知悉台灣天災頻繁而減少再保險之供給。又天災程度在模型（1）（3）中與我國產險公司下一年度再保險比例有負向的顯著關係，亦即在天災事故所造成之損失幅度較嚴重. 治政大時，我國產險業之再保比例會上升。本研究推論原因有二：一為產險立公司若因當年度天災造成保險賠款增加，可能透過商品組合之調整或. ‧ 國. 學. 增加其核保條件限制，而非透過提高再保比例分散風險。二之可能因. ‧. 素為當產險公司的需求是增加的情況下可能導致再保的成本相對提. er. io. sit. y. Nat. 高，使得以相同的價格下產險公司能購買的再保險降低。. 四、控制變數實證分析. n. al. Ch. engchi. i n U. v. 關於公司規模（lnasset），如表 4-10 所示與再保險分出皆呈現負向顯著關係，亦即在公司規模較大時，我國產險業之再保比例會下降，結果符合 Adams et al.（2008）、詹芳書等（2015）、Chang et al. （2016）、張永郎（2015）之結論：規模較小之保險公司，有較高之破產成本，有較高之再保險需求。保險公司流動性（liq）在本研究模型中為負向的顯著關係，符合許永明等（2015）、Chang et al.（2016）之發現：保險公司若流動性越低，有較少財務支援未來可能面臨的理賠狀況，故會提高下年度對 35. DOI:10.6814/NCCU201901315.

(42) 再保險的依賴。業務集中程度（hhi）與我國產險公司再保險行為決策亦為負向顯著關係，與過往文獻與本研究推測不同。本研究推測可能的原因為高業務集中度的公司，保險公司能專心經營其保險商品，故有較小的再保險的需求。而保險公司財務槓桿在模型（1）（2）（3）（4）皆為顯著負向關係，亦即在保險公司財務槓桿較高時，我國產險業之再保比例會上升，與過往文獻與本研究推測不同。本研究推測可能原因為高財務槓. 治政大桿之保險公司，可以透過提高核保要求或公司本身有其他因應之策立略，以降低其破產之風險。. ‧ 國. 學. 最後如表 4-10，控制變數金控成員（d_group）在本研究模型中結. ‧. 果皆不顯著，本研究認為此情況可能表示其他變數較金控成員更能解. n. al. er. io. sit. y. Nat. 釋產險公司之再保險需求。. Ch. engchi. i n U. v. 36. DOI:10.6814/NCCU201901315.

(43) 第四節實證結果分析模型（1）包含三個天災變數之實證，天災房屋損失（n1）及天災程度（n3）呈現顯著負向關係，然而天災頻率（n2）為不顯著之結果，與假設一之預期結果不盡相符。本研究從模型呈現之顯著情形，推論此情況代表天災房屋損失與天災程度較天災頻率更能代表天災之發生對於產險業之影響，較能分析出天災與再保險比例之關聯。在模型（2）中天災房屋損失與保險公司下一年度之再保險比例為顯著. 政治大業之再保比例會上升。本研究認為此情形表示天災房屋損失越大會產生較大立正相關，符合假設二之預期結果，亦即在天災房屋損失較嚴重時，我國產險. ‧ 國. 學. 的損失，可能相對而言需要理賠的件數越多，對於我國產險業影響越大，進而提高下一年度之再保險分出以分散風險及擴大承保能量。. ‧. 由模型（3）和（4）之實證結果可知，天災頻率（n2）、天災程度. y. Nat. io. sit. （n3）與我國產險業下年度再保險比例呈現負向顯著關係，亦即在天災頻率. er. 較頻繁或天災程度較嚴重時，我國產險業之再保比例會下降，與假設三、假. al. n. v i n 設四之預期結果相符。本研究推測可能之原因有三：一為國內外再保險公司 Ch engchi U 知悉台灣天災頻繁，減少對於再保險之供給，進而造成產險公司再保險分出之比例減少。二為產險公司若因當年度天災造成保險賠款增加，亦可能透過商品組合之調整或增加其核保條件限制，而非透過提高再保比例分散風險，即再保比例不因此而提高或提高的幅度不大。三之可能因素為當產險公司的需求是增加的情況下可能導致再保的成本相對提高，使得以相同的價格下，產險公司能購買的再保險降低，而減少其對再保險之依賴。而因天災的發生造成再保險人的供給減少或是再保險保費增加，此即為核保週期之現象， Ragin and Halek（2016）和 Lamm-Tennant and Weiss（1997）便指出在不完 37. DOI:10.6814/NCCU201901315.

(44) 全考慮需求的情況下，天災的發生會造成再保險保費的增加，以及對於核保週期有其重要性及影響。而由上述模型（2）（3）（4）中天災變數與控制變數分別之整體判定係數𝑅< 得知，證實本研究在本節第一段之推論：天災頻率（n2）較天災房屋損失（n1）及天災程度（n3）而言，對於我國再保險分出之決策有較小之影響。公司規模（lnasset）及保險公司流動性（liq）在模型（1）（2）（3）（4）與再保險分出皆呈現負向顯著關係，亦即在公司規模較大及保險公司. 治政大流動性較高時，我國產險業之再保比例會下降，符合過往文獻及本研究推立. 測：規模較小之保險公司，有較高之破產成本，有較高之再保險需求，結果. ‧ 國. 學. 呼應 Adams et al.（2008）、詹芳書等（2015）、Chang et al.（2016）、張永. ‧. 郎（2015）等文獻發現 ; 許永明等（2015）、Chang et al.（2016）指出保險. sit. y. Nat. 公司若流動性越低，有較少財務支援未來可能面臨的理賠狀況，故會提高下. n. al. er. io. 年度對再保險的依賴。. i n U. v. 此外，保險公司財務槓桿（lev）及業務集中程度（hhi）在模型（1）. Ch. engchi. （2）（3）（4）皆為顯著負向關係，亦即在保險公司財務槓桿較高及業務集中程度較高時，我國產險業之再保比例會下降，與過往文獻與本研究推測不同。本研究推測可能原因為高財務槓桿之保險公司，可以透過提高核保要求或公司本身有其他因應之策略，以降低其破產之風險。詹芳書等（2015）亦說明台灣在 RBC 之規範下，當保險公司財務槓桿增加，可能透過商品組合之調整，以降低承保業務之風險 ; 而高業務集中度的公司，保險公司更能專心經營其保險商品，故可以降低對再保險的依賴。張永郎（2015）亦指. 38. DOI:10.6814/NCCU201901315.

(45) 出業務集中程度較低的保險公司可能會為了要從再保險公司得到更多的技術支援，而購買較多的再保險。最後如表 4-10，控制變數金控成員（d_group）在本研究模型中之結果皆不顯著，本研究認為此情況可能產險公司在金控家數不多所致。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 39. DOI:10.6814/NCCU201901315.

(46) 第五章結論與建議台灣地處環太平洋地震帶和亞熱帶季風區，近年來台灣天然災害頻繁，每年發生多次天災造成重大損失。依據瑞士再保險公司統計，過去十年天災事故所造成的經濟損失中，平均 30%由保險業承擔，且再保險為我國產險業常見的風險管理方法。又由於過往文獻較少提及天災是否對產險公司再保險行為決策造成影響或僅將天災列為虛擬變數，故本研究欲探討我國產險業者再保險決策與當年度天災事故之關聯。. 政治大. 保險公司購買再保險不僅能提升其承保能量，協助危險移轉，亦能強化. 立. 其財務能力，進而穩健經營。過往文獻曾提及天災風險控制主要藉由再保險. ‧ 國. 學. 市場分散風險，且台灣產險公司之規模均小，相對於天災之承擔額度實屬偏. ‧. 低，故天災應會對我國產險業者再保險分出決定會產生一定之影響。. sit. y. Nat. 關於「天災」之衡量，本研究依據內政部天災成份之統計資料及主成份. io. al. er. 分析得出天災代理變數，依據所搜集之資料提出本研究之假設：推論天災房. n. 屋損失、天災頻率及天災程度對再保比例有顯著影響關係，並使用隨機效果模型進行實證分析。. Ch. engchi. i n U. v. 在實證分析與結果方面，天災頻率及天災程度，與我國產險業下年度再保險比例呈負向顯著關係。本研究認為可能的原因有再保險人減少再保險之供給、保險公司再保之成本提升及可能透過其他避險方式應對天災風險。而天災房屋損失與再保險需求為正向顯著關係，認為當年度天災房屋損失越大，對於產險公司有較大的損失，進而提高下一年度之再保險分出以分散風險及擴大承保能量。. 40. DOI:10.6814/NCCU201901315.

(47) 而關於本研究之控制變數，公司規模和保險公司流動性符合過往文獻之說明，與再保險需求為負向顯著關係：規模較小之保險公司，有較高之破產成本，而有較高之再保險需求；保險公司若流動性越高，則應有較多財務支援未來可能面臨的理賠狀況，故可以降低下年度對再保險的依賴。而保險財務槓桿、業務集中度與大多數之過往文獻不同，本研究推測可能原因為高財務槓桿之保險公司，可以透過提高核保要求或公司本身有其他因應之策略，以降低其破產之風險。有文獻亦指出台灣在 RBC 之規範下，當保險公司財務槓桿增加，其可能透過商品組合之調整，以降低承保業務之風險。又高業. 治政大務集中度的公司，保險公司更能專心經營其保險商品，故可以降低對再保險立的依賴。有文獻亦說明業務集中程度較低的保險公司可能會為了要從再保險. ‧ 國. 學. 公司得到更多的技術支援，而購買較多的再保險。至於金控成員. ‧. （d_group）在本研究模型中則有不顯著之結果。. sit. y. Nat. 最後關於未來的研究方向，若能有更詳細之資料如每間保險公司對於當. n. al. er. io. 年度天災所產生之實際損失 ; 或是每間保險公司對於天災實際再保險分出. i n U. v. 之金額 ; 甚至是每間保險公司合作之再保險人，且再保險人每年度之再保. Ch. engchi. 險供給及價格，就能夠更深入且準確地探討天災變數與該公司再保險風險管理之關聯。. 41. DOI:10.6814/NCCU201901315.

(48) 參考文獻一、中文資料 1.. 吳聯燦，申曙光，王亮（2010），我國產險公司的再保需求及其影響因素分析-基於面板數據模型的研究，財經論叢 3 期，64-70。. 2.. 何佳玲（2016），美國產險業 CEO 更迭與再保險需求，臺大管理論叢 27 卷 2S 期，245-288。. 政治大討，中華技術學院學報 26 期，343-359。立. 李珍穎、張瑞益（2003），台灣地區綜合天然災害保險規劃之研. 4.. 李牧宜，全球十大最「脆弱國」：台灣、日本入列，上網日期：. ‧ 國. 學. 3.. 2019/12/16，檢自：. ‧. https://www.thenewslens.com/article/24573。. y. Nat. 林麗玲（2019），兩岸產險業-再保險交易、經營績效與盈餘管理關. io. sit. 5.. n. al. er. 係之研究，碩士論文，東吳大學，會計系碩士在職專班，台灣。 6.. Ch. i n U. v. 張士傑，從地震基金檢視維繫家園安全的巨災風險管理，上網日. engchi. 期：2019/12/16，檢自: https://m.ctee.com.tw/album/4c8c65b0-5bd24ec7-8a6c-9447a11812bc/899990。 7.. 張永郎（2015），美國產物保險公司再保險決定因子:分量迴歸分析，管理評論 34 卷 4 期，41-57。. 8.. 張雪梅（2008），國外巨災保險發展模式的比較及其借鑒，財經科學總 244 期，40-47。. 9.. 許永明、蕭景元（2014），損失率對再保險使用之影響，中央研究院經濟研究所經濟論文 42 卷 3 期，435-483。 42. DOI:10.6814/NCCU201901315.

(49) 10. 許永明、黃芳文（2015），風險資本額制度對產險業使用再保險的影響，中央研究院經濟研究所經濟論文 43 卷 3 期，381-411。 11. 梁正德，2016。《政府財產與責任之天災風險管理效益研究》，財團法人保險事業發展中心。 12. 曾哲韜（2014），我國巨災風險管理的市場化研究，碩士論文，廣西大學，公共管理學院，中國。 13. 彭永龍（2011），投資型子公司、公司治理及成長機會與公司績效關係之研究，碩士論文，國立交通大學，管理學院碩士在職專班經. 治政大營金融組，台灣。立 ‧ 國. 學. 14. 詹芳書、許永明、陳柏欣（2015），再保險使用與資本結構:以台灣產險業為例，管理評論 34 卷 1 期，63-81。. ‧. 15. 鄭濟世（2019），保險學經營與監理，台灣，新陸書局股份有險公. sit er. al. n. 1.. io. 二、英文資料. y. Nat. 司。. Ch. engchi. i n U. v. Adams, M., P. Hardwick, and H. Zou （2008）, Reinsurance and corporate taxation in the United Kingdom life insurance industry, Journal of Banking & Finance, 32, 101-115.. 2.. Biener, C., Eling, M. and R. Jia（2017）, The structure of the global reinsurance market: An analysis of efficiency, scale, and scope, Journal of Banking & Finance, 77, 213-229.. 3.. Carneiro L .A. F. and M. Sherris（2009）, Demand for reinsurance: Evidence from Australian insurers, China-USA Business Review, 43. DOI:10.6814/NCCU201901315.

(50) Volume 8, No. 10, 1-21. 4.. Chang, V. Y. and V. S. Jeng（2016）, The Relationships Among the Demand for Reinsurance, Liquidity, and Leverage in the U.S. PropertyLiability Insurance Industry, Taiwan Economic Review, 44（4）, 543576.. 5.. Chang, V. Y.（2019）, Does reinsurance purchasing enhance insurers’ competitiveness？Evidence from the US property-liability insurance industry, The Geneva Papers on Risk and Insurance-Issues and Practice, 44（4）, 595-623.. Cole, C. R. and K. A. McCullough（2006）, A Reexamination of the. ‧ 國. 學. 6.. 立. 政治大. Corporate Demand for Reinsurance, The Journal of Risk and Insurance,. ‧. 73（1）, 169-192.. Frank, M. Z. and V. K. Goyal (2009), “Capital Structure Decisions:. sit. y. Nat. 7.. n. al. er. io. Which Factors Are Reliably Important?” Financial Management, 38 （1）, 1–37. 8.. Ch. engchi. i n U. v. Lamm-Tennant, J. and M. A. Weiss（1997）, International Insurance Cycles: Rational Expectations/Institutional Intervention, Journal of Risk and Insurance, 64, 415–439.. 9.. Lloyd’s City Risk Index, Retrieved December 16 2019, from： https://cityriskindex.lloyds.com/explore/ .. 10. Park, S. C., Xie, X. and P. Rui（2019）, The Sensitivity of Reinsurance Demand to Counterparty Risk: Evidence From the U.S. Property– Liability Insurance Industry. Journal of Risk and Insurance, 86（4）, 44. DOI:10.6814/NCCU201901315.

(51) 915-946. 11. Ragin, M, A. and M., Halek（2016）, Market Expectations Following Catastrophes: An Examination of Insurance Broker Returns, Journal of Risk and Insurance, 83（4）, 849-876. 12. Shiu, Y. M.（2011）, Reinsurance and Capital Structure: Evidence From the United Kingdom Non-Life Insurance Industry, The Journal of Risk and Insurance, 78（2）, 475-494. 13. Wang, J. L., V. Y. Chang, G. C. Lai and L. Y. Tzeng（2008）,. 治政大 The Geneva Papers, 33, Demutualization and Demand for Reinsurance, 立 ‧. ‧ 國. 學. 566-584.. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 45. DOI:10.6814/NCCU201901315.

(52)