一 引言

信用评级是根据科学的指标体系对被评级公司履行经济责任的能力及其可信任程度进行客观公正评价的过程。信用评级按照评级主体的不同可分为外部信用评级和内部信用评级两种模式。前者主要由专门的评级机构做出，并向社会公布相应的评级信息。此种信用评级是在被评企业的市场行为涉及到社会公众利益时，为使公众了解该企业资信风险状况而采取的被动行为。内部信用评级则是由银行或者企业根据“新巴塞尔资本协议”的内部审计评价模型给出，该协议正式允许金融机构使用其内部模型管理风险。此类信用评级的目的在于主动从企业内部获取经营过程中的信息，找出影响企业发展的风险和不足，从而改善企业经营状况(奚胜田、詹原瑞、韩著钊，2009)。从国际上流行的风险管理方式来看，内部信用评级在信用风险管理中的作用日益增强。当前主要的内部信用评级方法是多元判别分析法，其中，1968年Altman率先将判别分析法应用于财务危机、公司破产及违约风险的分析，建立了著名的Z-score模型和改进的ZETA模型。1977年，Martin放松判别分析法中的正态分布假设，建立了Logistic回归模型，改善了公司财务数据在不满足正态分布的情况下判别方法的正确率(Timothy J. Gallagher, Joseph D Andrew, Jr.，1999：108)。

目前学界对我国保险公司的信用评级研究还处于初级阶段。辛洁(2008)针对我国保险公司信用评级滞后的现状提出了一些建设性的建议。朱建平(2007)从信息经济学和新制度经济学层面对保险信用评级制度有效性进行了分析，从理论上论证了建立保险信用评级的必要性和可行性。武建强(2007)针对宁波市保险信用评级制度建设现状进行了分析，指出了其存在的差距，并借鉴国外经验，对如何加强宁波市保险信用评级制度建设作了进一步探讨。刘友芝(2002)从信息不对称角度出发，提出我国保险信用评级制度的微观基础即矫正我国保险市场信息不对称状态；又从保险市场监管的缺陷出发，提出我国保险信用评级制度的宏观基础，是形成以保险监管机构行使专门的管理权为主，以保险信用评级机构实施独立、客观的中介监督权为辅的保险监管格局。加利福尼亚州立大学富乐顿分校(CSUF)和上海财经大学(SUFE)联合推出的《2008年亚洲保险公司竞争力排名研究报告》，运用AHP层次分析法对亚洲保险公司进行了系统的综合评价，并根据各个竞争力要素进行了排名，但在权重系数的确定上仍存在主观化的因素，没有做到完全的科学性和客观化。中国经济信息网推出的《2007中国行业年度报告之保险》对我国各保险公司面临的政策环境、市场运行情况、行业竞争、资金运用、业务分析及经营情况进行了详尽的介绍。高盛《中国保险行业2008年研究报告》通过对中国保险业的描述性分析，得出中国保险行业发展存在兼具结构性和周期性的推动力，并把平安H股推荐为行业首选股。

总体来看，对我国保险公司的信用评级研究，学界仍停留在理论探讨的层面，还没有提出切实可行的方法。业界及各专业评级机构虽然对保险公司的信用状况进行了多角度的分析，但其分析方法仍略显粗糙，大部分是描述性的定性分析，缺少科学系统的定量分析方法。

本文采取因子分析和聚类分析的方法对我国寿险公司进行财务评价，在指标变量相关性和权重系数的确定上采用客观化的方法，能较好地遵循数据之间的内在关系，避免主观因素对系统评价的影响，由此可以得出更为科学的定量分析结果，客观公正地体现各寿险公司的财务风险状况。

二 评价指标及数据处理 (一) 评价体系的建立

评价体系对信用评价的作用是至关重要的，直接决定着评价结果的科学性和全面性。笔者通过对各种信用评价方法的对比，综合各种评价体系的优点，并借鉴公司治理领域中较为成熟的成果(李维安、张国萍，2005)，结合寿险行业财务指标的特殊性，选取以下变量(见表 1)作为寿险公司财务评价的指标体系。

(二) 数据来源及处理

本文所采用的原始数据全部来自《2008年保险统计年鉴》。在寿险公司的选取上，采用市场占有率和公司规模并重的方法，共计选出19家寿险公司，涵盖了我国寿险市场的大部分市场主体。

在表 1的指标体系中，用于资本能力分析的四个项目和偿债能力分析的流动比率项目为适度指标，其他项目均为正向指标。因此，在分析前应先对偿付能力系数、净保费/所有者权益、总资产/所有者权益、责任准备金/所有者权益、流动比率这五个指标进行正向化处理。在此借鉴《2008年亚洲保险公司竞争力排名研究报告》的方法，假定当这些指标越接近行业水平时越好，指标理想值是在行业平均水平的10%围内波动。设上述五个指标原始样本值为y_ij(i=1，2…19；j=1，2…5)，正向化后的新样本值为x_ij，适度值为μ_j，根据下述公式对y_ij进行正向化处理：

$ {x_{ii}} = \left\{ \begin{array}{l} \left({{y_{ij}} - {y_{j\mathit{min}}}} \right)/\left({{\mu _j} - {y_{ij}}} \right), 当{\mu _j} \ge {y_{ij}}时\\ \left({{y_{j\mathit{max}}} - {y_{ij}}} \right)/\left({{y_{j\mathit{max}}} - {\mu _j}} \right), 当{\mu _i} < {y_{ij}}时 \end{array} \right. $

其中μ_j等于x_ij的均值，y_jmax、y_jmin分别为第j列的最大值、最小值。可见，处理后的样本值y_ij被压缩在[0，1]区间内，且变为越大越好的正向指标。为了消除各指标之间的量纲影响，在正向化后，我们对所有指标进行了无量纲化处理，具体方法采用了在正态分布假设下的正态标准化处理方法。

$ \begin{array}{l} {Z_{ij}} = \left({{x_{ij}} - {\mu _j}} \right)/{\sigma _j}\\ \left({\mathit{i}{\rm{ = 1, }}\;{\rm{2, }}\; \cdot \cdot \cdot {\rm{, }}\;\mathit{p}{\rm{;}}\;\mathit{j}{\rm{ = 1, }}\;{\rm{2, }}\; \cdot \cdot \cdot, \;n} \right) \end{array} $

其中n代表样本个数；p代表指标变量个数；Z_ij代表无量纲化后的样本值；μ_j与σ_j分别为x_ij的均值与标准差。

三 因子分析 (一) 因子分析适用性检验

在指标综合评价中利用因子分析的目的是从众多的原有指标变量中提取出少量的具有代表性的因子，提取出的因子必须能够代表不同的评价维度。其应用的前提是要求原指标变量之间应具有较强的相关关系，否则就不能运用因子分析法。我们采用计算各个指标变量的相关系数矩阵以及巴特利特球度检验和KMO检验等方法来检测因子分析法的适用性(胡永宏、贺思辉，2000：133-135；170-172)。通过观察相关系数矩阵，发现12个指标两两之间大多数具有很强的相关性(限于篇幅，指标变量相关系数矩阵从略)。KMO检验和巴特利特球度检验结果如表 2所示。

巴特利特球度检验表明：Bartlett值=252.437，P接近于0，若显著性水平为0.01，则拒绝相关矩阵为单位矩阵的原假设，相关矩阵与单位矩阵存在显著差异，故考虑进行因子分析。取样足够度的Kaiser-Meyer-Olkin检验是用于比较观测相关系数值与偏相关系数值的一个指标，其值越逼近1，表明对这些变量进行因子分析的效果越好。从表 2可见，KMO值=0.503，因而可以对原指标变量进行因子分析。

(二) 因子提取

本文使用的统计分析软件为SPSS17.1，并采用主成分分析法对原数据进行因子分析。采用相关系数矩阵特征值大于1的标准，从原有12个统计指标中抽取三个主因子来表达其信息含量。由表 3可知，这三个主因子解释的累计总方差达到77.5%，且经正交旋转后主因子所解释的累积总方差不变，只是分配在各指标的方差贡献度有所变化，丢失信息量较少，足以代表原统计指标所含大部分信息，用它们来代替原有指标进行寿险公司财务评价是可行的。

碎石图是表征因子个数与特征值关系的图形，横轴为因子数量，纵轴为特征值。从图 1可以看出前三个因子特征值变化非常明显，之后趋于平缓。所以前三个因子对寿险公司财务评价具有显著性作用，这与上面方差贡献度的分析是一的。

(三) 因子旋转

因子分析的目的不仅是要找出主因子，更重要的是知道每个主因子的具体经济意义。为便于对主因子进行解释，一般须对因子载荷矩阵进行旋转。因子模型的表达式为：

$ {X_i} = {\alpha _{i1}}{F_1} + {\alpha _{i1}}{F_2} + \cdot \cdot \cdot {\alpha _{im}}{F_m} + {\alpha _i}{\mu _i} $

其中，F₁，F₂, …, F_m为主因子；α_ij(j=1, 2, …, m)为因子载荷，它是第i个变量在第j个主因子上的负荷；μ_i为特殊因子，α_i为特殊因子载荷。对于由因子模型矩阵得到的初始因子载荷矩阵，如果因子载荷之间相差不大，对因子的解释就不是很明确，因此要通过旋转因子坐标轴，以使每个因子载荷在新的坐标系中能按列和行向0或1两极分化(潘泽江、左锋，2006)。本文选取最常用的因子载荷旋转方法，即方差最大化的正交旋转。经旋转后的原变量只在某一个因子上具有较大的载荷，而在其他因子上载荷较小，这就可实现主因子含义的清晰化，能够直观地看出每个因子所代表的原经济变量，从而实现模型结构的简化。表 4为经旋转后的因子载荷矩阵。

从表 4中可看出：(1)投资收益率、税前收益率、所有者权益收益率、利润增长率和每股未分配利润指标在因子1上具有较大的载荷，结合表 1的指标体系分类，可将因子1视为盈利和发展能力因子。(2)净保费/所有者权益、偿付能力系数、总资产/所有者权益、责任准备金/所有者权益指标在因子2上具有较大载荷，因子2可以充分反映这些变量所包含的信息，可将因子2视为资本能力因子。(3)净保费、总资产、流动比率指标在因子3上载荷较大，可将因子3视为市场规模和资产流动性因子。这样，前面提取的三个主因子就有了具体的经济含义，并且所包含的信息量足以替代原有12个指标，实现了评价体系的简化(周琳、宋宇、刘艳伟，2006)。

为了使提取的因子具有不同的评价维度，还要使各因子之间不存在相关关系，从而避免因子得分综合评价的多重共线性。表 5给出的因子得分协方差矩阵表明该矩阵等价于单位矩阵，三个因子之间不存在相关，可以代表不同的评价维度。

(四) 因子得分

在SPSS中，利用回归法可以得出各因子得分，假设b_i为第i个公司标准化后的指标变量，i=(1, …, 19)；c_j为第j个因子得分系数向量，j=(1, 2, 3)，此向量由旋转因子载荷矩阵可得。则各公司在第j个因子的得分为：

F_j=b_i×c_j

取各因子的方差贡献度为因子得分权重，可得出各公司的综合因子得分(田冰、王东、姬妍、王佐宁，2007)。其计算方法为：

W_i=0.309 39×F₁+0.256 36×F₂+0.209 31×F₃

根据各公司的综合因子得分，可得出寿险公司综合财务状况的排名情况，如表 6所示。

四 聚类分析

聚类分析是将一批样品或变量，按其性质的亲疏程度进行分类的一种统计方法。常见的聚类法有：两步聚类法、K—均值聚类法和系统聚类法。本研究采用了系统聚类法，定义各样本点之间距离采用的是平方欧氏距离，其公式为：

$ {d_{ij}} = {[\sum\limits_{k = 1}^m {{{({x_{ik}} - {x_{jk}})}^2}} ]^{\frac{1}{2}}} $

其中d_ij表示样本点i与样本点j之间的距离。假定用最短距离法判定各类之间距离，其公式为：

$ {D_s}\left({m, n} \right) = \min \left\{ {{d_{ij}}\left| {i \in {G_m}, j} \right.} \right.\left. { \in {G_n}} \right\} $

其中，D_s(m, n)为G_m类和G_n类最近的两个样本点间的距离(徐慧娟、王慧文，1998)。

聚类的一般准则是，距离较近的样本点先进行聚类，然后聚类后的两个样本点作为一个整体再去与距离较近的其他样本点进行聚类，每聚类一次就得到一个聚类谱系图，依次类推，直到最后所有样本点聚为一类。本文将各寿险公司分为四类，具体聚类过程如表 7所示。

根据寿险公司样本点距离的远近，结合SPSS树状图的分析，各寿险公司聚类的动态过程描述如下：在第一层次中，嘉禾、中英、华泰、合众、信诚、长城、海康距离较近，聚合为一类，民生、生命、中国人民、恒安标准、新华聚合为一类，太平洋、平安、中意、招商信诺、太平、泰康聚合为一类，中国人寿与其他公司样本点距离较远，单居一类；在第二层次中，前三类继而再聚合为一类；在第三层次中，前三类完成与中国人寿的最终聚类。

由以上聚类过程所得到的寿险公司的分类情况，如表 8所示。

五 结论及政策建议

根据聚类分析得出的分类结果，并结合表 6的因子得分和综合得分，对照标准普尔(S&P)的评级体系，笔者对各寿险公司财务状况进行分类并提出如下建议。

第一类为中国人寿。作为中国最大的寿险公司巨头，中国人寿在市场规模和资产流动性因子上得分最高，其市场占有率维持在40%左右，其他寿险公司在市场规模方面仍对其望尘莫及，这也决定了中国人寿被单独分为一类；其盈利能力表现平平，且其在资本能力方面处于劣势地位。但市场规模的绝对优势使得中国人寿整体实力仍然较强，最终得分排名第四。随着保险市场的分化和保险竞争的深入，并综合我国保险市场CR₄的演进规律，可以预见其规模优势将逐渐弱化。因此，中国人寿尚需增强集约化发展的能力，重点应提高盈利能力和偿付能力；不断进行产品创新，丰富和改善保险产品种类与结构；发挥集团规模经济优势，提高投资收益率，增强稳健经营的能力。

第二类包括平安人寿、太平洋人寿、泰康人寿、太平人寿、中意人寿和招商信诺人寿。这六家公司综合排名靠前，其中平安人寿和太平洋人寿规模较大，实力较强，在各个因子得分方面都比较突出，显示出较强的市场竞争力，最终综合得分排名分列冠亚军，在其后的发展中应继续保持全面综合发展之方向，打造具有较高竞争力的金融集团。其余几家公司在市场规模方面属于保险市场的第二、第三梯队，在各因子得分上也不均衡，主要表现为盈利和发展因子得分较高，资本能力表现尚可，但市场规模及流动性因子得分普遍较低。因此，对于这类公司，在努力扩展自身市场规模的同时，更重要的是确立差异化发展战略，避开与大公司的正面直接较量，突出产品和服务特色，做到“人无我有，人有我优”，继续巩固提高盈利和发展能力，在与大公司竞争的同时要更注重合作，形成良好的市场生态，这也是中小规模保险公司在市场竞争中的必然选择。

第三类包括华泰人寿、合众人寿、长城人寿、嘉禾人寿、信诚人寿、中英人寿和海康人寿。这七家公司在各因子得分方面都表现平平，没有突出的市场表现，缺乏差异化的核心竞争力，只能扮演市场中游或中下游的角色。因此，在日后的发展中应寻找市场突破口，重点培育在某一方面的竞争优势，使之具备一定的市场制高点和品牌亮色，从而突破“全面发展、全面平庸”的困局。

第四类包括中国人民人寿、民生人寿、新华人寿、生命人寿和恒安标准人寿。这五家公司综合排名比较靠后，三个因子得分都比较低，所以其财务状况评价较低，在市场竞争中面临较大生存压力。第四类公司首先要从内部管理抓起，运用现代化和标准化管理手段进行流程再造，提升运营效率和降低运营成本；其次应找准市场定位，在保险市场生态中确立自己的位置，由保险市场的盲目跟随者转变为保险市场分工的参与者和个性引导者，集中优势资源，发展最能体现自身特色的保险业务，避免与市场领导者的直接竞争，营造共生合作的市场生态。