论文部分内容阅读
保险作为金融系统的重要构成部分,为保障我国经济平稳快速增长、保障人民生活水平提高起到重要的作用。自从1979年恢复国内保险经营以来,保费收入上涨强劲,从1980年的6.2亿元增长至2016年的3.1万亿元。在保险业迅猛发展的过程中,也暴露出很多问题。保险密度和保险深度低、区域发展失衡等问题也越来越突出。因此,保费收入的影响因素分析和预测对于增强保险监管,帮助公司管理者做好决策具有重要意义。在对多个变量建立线性模型时,某些变量间的相关系数较大会导致多重共线性问题。本文将主成分分析应用在面板数据的建模中,以此减弱多重共线性造成的影响。变系数分位数回归模型可以从多个角度分析各个影响因素对保费收入的影响情况。马尔可夫区制转移模型可以处理由于某些因素导致状态发生改变的数据,神经网络在处理特征复杂的数据时也有很大的优势。本文选用2007年至2014年31个省市的保费数据,首先应用主成分分析建立固定效应变截距模型来分析国内生产总值(GDP)、人均可支配收入、固定资产投资总额等因素对保费收入的影响,并由建模结果发现:总人口数对保费收入的影响最大,GDP、固定资产投资总额和城乡居民储蓄存款余额的影响次之,而人均可支配收入对保费收入的影响最小。接下来提出了部分线性变系数分位数回归面板数据模型并使用此模型从多个角度讨论各个因素对保费收入的影响情况,由此建模结果发现:不同保费收入水平下各个因素对保费收入的影响略有差别,同一省份在不同时间下各个因素对保费收入的影响差别较小,不同省份在同一时间下各个因素对保费收入的影响差别相对较大。然后,我们对2006年至2016年的月度保费收入时间序列数据分别建立马尔可夫区制转移自回归条件异方差模型(MS-ARCH)和BP神经网络进行分析。MS-ARCH模型对于分析保费收入增长率的波动情况有较好的效果,BP神经网络对于拟合保费收入有较好的效果。由预测值的比较结果发现,BP神经网络优于MS-ARCH模型的预测效果,并用BP神经网络模型预测2016年12月至2017年2月的保费收入。