《Risks》:Forecasting Non-Life Insurance Premiums and Emerging Risk Factors in a Developing Market: Evidence from Albania, 2010–2026, with Projections to 2032
编辑推荐:
本研究提供了阿尔巴尼亚非寿险市场首次月度频率分析与多年期预测。研究人员构建了一个涵盖2010年至2026年中期的月度协调数据集,包含毛承保保费(gross written premiums, GWP)与毛已付赔款(gross paid claims),数据来源
本研究提供了阿尔巴尼亚非寿险市场首次月度频率分析与多年期预测。研究人员构建了一个涵盖2010年至2026年中期的月度协调数据集,包含毛承保保费(gross written premiums, GWP)与毛已付赔款(gross paid claims),数据来源于阿尔巴尼亚金融监管局(Albanian Financial Supervisory Authority, AMF)的统计报告,并遵循一套可复现的重构协议,其他研究者可依据公开报告复现该数据集。季节性时间序列模型(seasonal time-series models)通过留出样本(hold-out sample)与滚动原点交叉验证(rolling-origin cross-validation)进行验证,其表现优于标准基准模型,并生成了至2032年的日历年预测及模拟预测区间,同时以残差自助法(residual-bootstrap)作为交叉检验。中心路径显示保费规模将继续扩张但增速逐步放缓,而已付赔款预计将以快于保费的速度增长, implying 承保利润率面临持续压力。协变量扩展模型估计保费的收入弹性(income elasticity)接近1,但并未提升样本外预测精度,这支持了单变量预测模型的选用,并使得在不同收入增长路径下进行情景条件预测成为可能。结构突变检验(structural-break tests)将显著变化归因于机动车保险费率改革、地震及疫情;协整分析(cointegration analysis)识别出保费与赔款之间存在单一长期均衡关系,其中赔款向保费调整,而定价并不对赔款经验作出响应。研究人员据此提出了对监管、定价行为及欧盟入盟监管过渡的启示。
一、研究背景与研究问题
非寿险市场在发展中经济体中通常规模较小,但其风险汇集、损失补偿与长期金融中介功能日益被视为经济发展的补充要素。阿尔巴尼亚是这一领域的典型案例:保险深度长期维持在GDP的1%左右,位居欧洲最低水平之列,且市场以非寿险业务为主导,2010–2025年间非寿险占总保费的比例约为90–91%。在非寿险业务中,强制性机动车第三者责任险(MTPL)产品,包括国内MTPL、边境保单与绿卡保险,构成市场的结构性核心,这一模式在西巴尔干地区普遍存在但在阿尔巴尼亚尤为突出。
现有关于中欧、东欧与东南欧保险市场的实证研究主要为年度跨国家研究,聚焦保险需求及保险与增长的关系。针对西巴尔干单个保险市场的预测研究极为稀缺,且据研究人员所知,尚无已发表研究利用阿尔巴尼亚金融监管局(AMF)自2000年代以来持续发布的月度监管统计报告。这一空白具有实质性后果:月度数据在2010–2026年间提供198个观测值,比跨国面板中使用的年度序列多一个数量级,从而能够识别季节性结构、新冠疫情等结构突变以及年度数据所掩盖的短期赔款动态。
本研究的三个目标为:构建并记录适用于时间序列分析的阿尔巴尼亚非寿险毛承保保费与毛已付赔款月度数据集;生成经验证的保费与赔款多年期预测,并诚实量化不确定性;识别可能使市场偏离预测路径的结构性风险因素。
二、研究内容与主要结论
研究人员从AMF公开存档的月度统计报告中构建了2010年1月至2026年6月共198个月度观测值的协调数据集。报告为累计制,月度流量通过年内一阶差分获得。针对三处数据问题进行了记录处理:2016年1月与2019年5月报告缺失,通过后续报告的上年同期比较列精确恢复;2020年4月报告仅覆盖单月而非累计值,经三项一致性检验确认处理正确;2025年底报告结构重组后调整提取方式。双重年份结构提供了内部一致性检验:184个重叠观测中,中位数绝对偏差为0.0%,97.3%的比较在1%以内一致。
研究采用乘法季节性ARIMA模型族(SARIMA),对保费与赔款的对数序列建模。单位根预检验支持对两序列均取一次规则差分与一次季节差分。AIC准则选择保费模型为SARIMA(1,1,2)(0,1,1)12,赔款模型为SARIMA(0,1,2)(0,1,1)12。留出样本验证中,SARIMA相对指数平滑与季节性朴素基准将MAPE降低约29%;滚动原点交叉验证中,SARIMA在24个原点、288个预测-实际配对上的总体MAPE为5.8%,优于指数平滑的6.6%与季节性朴素的8.7%,并在每个考察时域上均占优。
最终预测基于全样本重新估计,向前预测78个月至2032年12月,通过5000次模拟路径生成日历年总量及80%与95%预测区间。中心路径下,非寿险GWP从2026年估计的256亿列克增至2027年278亿、2029年324亿、2030年352亿列克,2026–2030年复合增长率约7–8%;2031年与2032年中心估计分别为384亿与421亿列克。由于模拟分布右偏,均值路径增速略快于中位数路径。残差自助法区间在核心时域与高斯区间基本一致,但在扩展时域上尾更宽,因此研究将2027–2030年指定为核心预测时域,2031–2032年为扩展情景时域。
赔款动态是更具后果性的发现。毛已付赔款预计从2026年估计的93亿列克升至2029年126亿、2030年139亿、2032年170亿列克,增速系统性地快于保费。隐含的已付赔款与GWP比率从2025年的32.0%升至2027年约37%、2029–2030年约39%、2032年略高于40%。该模型外推的是真实且近期发生的现象:2026年上半年已付赔款同比增长19.6%,而保费仅增长2.9%。这一方向预示承保利润率面临压缩压力。
结构突变检验确认了叙事事件的可识别性。Zivot–Andrews程序将保费对数序列最可能的突变定位于2014年4月,对应MTPL费率调整事件,且仍无法拒绝单位根;赔款对数序列在允许2015年8月突变时拒绝单位根。Chow型检验在三个制度性日期均高度显著。双变量分析中,Johansen迹统计量拒绝保费与赔款对数之间不存在协整关系,但未拒绝至多一个关系,识别出唯一长期均衡,归一化协整向量隐含赔款对保费的长期弹性约0.91。调整系数呈现不对称性:赔款方程中的误差修正系数为0.50且高度显著,保费方程中仅为?0.11。Granger因果检验表明保费增长有助于预测赔款增长,但赔款增长对保费增长无预测内容,这是定价反馈机制薄弱的计量证据。
协变量扩展模型中,插值名义GDP的对数改善AIC,收入弹性估计为0.90,统计显著且接近1。加入CPI或列克/欧元汇率未改善模型。但滚动原点设计下,即使赋予SARIMAX模型GDP路径的完全预见能力,其总体MAPE为6.6%,仍逊于单变量SARIMA的5.8%。这表明收入效应已体现在单变量模型的随机趋势中,外生收入项增加可解释性而非预测力。三种名义GDP增长路径下的情景预测显示,2032年高低情景相对基线约±15%的差异。
三、关键技术方法
本研究采用的主要方法包括:季节性ARIMA模型族(SARIMA),以AIC进行规格搜索并经Ljung–Box检验验证残差充分性;创新状态空间指数平滑(Holt–Winters)与季节性朴素预测作为基准模型;固定分割留出样本与滚动原点交叉验证两种样本外评估设计;基于状态空间形式的5000次模拟路径生成日历年预测及百分位区间,辅以残差自助法替代方案;Zivot–Andrews程序与Chow型F检验用于结构突变检测;Johansen协整检验与向量误差修正模型(VECM)分析保费-赔款联合动态;SARIMAX协变量扩展模型估计收入弹性并生成情景条件预测。数据来源为AMF月度统计报告、INSTAT国民账户与CPI、阿尔巴尼亚银行汇率统计。
四、风险因素分析
研究识别了五类可能使市场偏离中心路径的风险因素。第一,对强制性机动车业务的依赖使保费总量对少量行政与法律参数敏感,包括费率监管、保险义务执行力度及边境与绿卡业务量;强制性特征在衰退期稳定总量,但限制自愿性业务的有机增长,并暴露于2014–2015年式监管调价事件。第二,2024–2026年的赔款加速是预测利润率路径的最大威胁,驱动因素可能包括法院裁定的身体伤害赔偿水平上升、医疗成本通胀、进口零部件价格与汇率动态推高维修成本,以及未投保驾驶人赔偿基金的累积结算;误差修正证据表明本应抵消赔款通胀的定价反馈在样本期内缺失。第三,2019年11月地震展示了市场暴露与保障缺口:已投保损失虽为市场史上最大,但仅占约10亿欧元总经济损失的一小部分,因银行抵押贷款要求之外的财产保险渗透率较低;预测区间以历史非灾难性变动为校准,应理解为排除尾部灾难情景;若实施强制性或半强制性巨灾财产保险,将推高保费总量并改变市场风险特征。第四,欧盟入盟进程意味着与欧盟保险 acquis 的逐步对齐,包括类似Solvency II的风险资本要求;对小型市场而言合规成本比例较重,可能加速约八家非寿险公司间的整合,整合对总量可能中性但对竞争与定价行为有实质影响。第五,预测继承了历史序列中嵌入的宏观假设,包括名义收入持续增长、机动化持续推进与稳定的汇率传导;增长放缓、移民驱动的受保人口收缩或列克走强逆转均将从中心路径中扣除,经济正规化与财产拥有率上升则反之。
五、结论翻译
本研究构建了阿尔巴尼亚非寿险保费与赔款的第一个协调月度数据集(2010M1–2026M6),针对30个月留出样本验证了季节性时间序列模型,并生成了至2032年的基于模拟的日历年预测。四项结论突出如下。第一,中心路径下市场扩张预计以每年7–8%的速度持续,非寿险GWP到2030年约达350亿列克、2032年约达420亿列克,2027–2030年构成预测区间仍具决策相关性的时域。第二,赔款预计增速快于保费,使已付赔款比率在2030年代初升至40%以上,这是承保纪律的量化预警,监管者可依据本文报告的区间逐月监测。第三,双变量分析识别出保费与赔款之间存在单一长期均衡,弹性接近1且调整严格单向,提供了该费率锚定市场中定价反馈薄弱的计量证据,预测的利润率压缩若无监管或行为改变将不会自我修正。第四,所识别的风险因素,包括MTPL依赖、身体伤害赔款通胀、巨灾暴露及Solvency II对齐的监管过渡,正是结果将偏离预测区间的机制,这支持在单变量监测之外随政策进程成熟补充情景分析。
研究结论对三类受众具有具体含义。对监管者而言,月度预测装置可直接操作:实际保费与赔款可逐月对照公布区间监测,赔款比率持续向预测水平偏移可作为定价充足性与准备金专题审查的定量预警触发条件,情景条件路径为宏观压力测试提供现成输入。对保险公司而言,单向调整结果意味着等待赔款经验被费率机制吸收并非策略:承保纪律、身体伤害准备金与再保险结构必须预期预测的赔款加速而非被动应对。对政策制定者而言,证据支持审慎安排过渡顺序:向风险导向的MTPL定价或具有真实保费差异化的Bonus–Malus应用迈进,将安装数据所记录的缺失反馈机制,而保障缺口发现强化了在下次重大事件之前而非之后设计巨灾保险方案的理由。
研究局限定义了未来扩展方向。预测模型为名义值,协变量分析依赖插值的低频序列;分类别序列(机动车、财产、健康)、公司层面集中度动态及真正月度的宏观指标将允许更精细的结构解释。将该框架扩展至其他西巴尔干市场,这些市场存在可比的监管报告,将支持当前文献所缺乏的区域比较分析。