專業化與企業風險

王向楠 邊文龍

摘要：考慮到不同企業所在地區的資源稟賦等環境因素存在差異，本文以一家企業的產品結構與該企業所在市場的產品結構的差異度來度量該企業的專業化，稱之為“相對專業化”。本文以2006—2016年中國地級（及以上）地區的壽險機構的分產品部門的數據為樣本?？紤]到專業化常常是內生變量，本文利用數據的層級結構，為專業化構造了合適的工具變量。通過回歸分析發現：壽險公司的專業化程度提高1個標準差，賠付風險將降低1711～2377個百分點，退保風險將降低070～164個百分點；專業化對賠付風險和退保風險的負向影響在金融危機期間強于其他期間，在市場經濟越發達的地區作用越強。

關鍵詞：專業化；相對測度；風險；內生性；保險

文獻標識碼：A 文章編號：1002-2848-2018（02）-0038-10

一、 引 言

企業的專業化/多元化戰略是公司金融、產業經濟學、戰略管理領域的一個重要話題。在已有相關文獻中，度量企業的專業化/多元化時普遍使用產品種類數目、最大產品部門的收入占企業總收入的比重、產品層面收入的赫希曼-赫芬達爾指數（HirschmanHerfindahl Index，HHI）、產品層面收入的熵（Entropy）等指標[1-2]。不過，這些測量集中度/分散度的指標無法反映企業所在地區的資源稟賦等環境方面的因素，至少在以下兩種情況下，對專業化/多元化的度量存在不足。（1）整個產業中有一兩種主導型產品。假設A企業80%的收入來自產業中的一種主導產品，其產品結構是很普通的；B企業80%的收入來自產業中的一種非主導產品，其產品結構明顯有自己的側重。然而，根據傳統指標度量的這兩家企業的專業化程度都會很高。（2）不同企業所處的具體市場環境存在較大的差異

。假設C企業所在地區的產品X和產品Y的規模之比為8∶2，D企業所在地區中產品X和產品Y的規模之比為5∶5或者2∶8。假設C企業和D企業的收入中均有80%來自產品X，20%來自產品Y，那么，C企業的專業化程度在傳統測度下會與D企業相同。然而，C企業的專業化程度應當低于D企業。

企業是市場的替代，目標市場的需求多樣性狀況會影響企業在各部門的資源配置情況，因此度量企業專業化程度時，特別是在不可貿易品（如保險商品）領域，應當考慮其所在地區的資源稟賦等環境因素。本文基于Manhattan向量距離等測度，度量了一家企業的產品結構（視為向量1）與該企業所在地區中行業整體的產品結構（視為向量2）的差異度，作為該企業專業化的度量，稱之為“相對專業化”。本文以中國壽險公司為研究樣本，是考慮到過去十幾年中，中國壽險業有50%以上的收入來自分紅壽險產品，且中國不同地區的壽險業的產品結構存在較大的差異。中國壽險業屬于前文所說的、采用傳統的專業化指標會產生較大不足的情況，所以有必要采用考慮經營環境的專業化指標。此外，我們收集到2006—2016年中國300多個地級（及以上）地區中4000多家壽險分公司的分產品的收入和支出數據，為本文提供了難得的數據支持。

考慮到管理經營風險是企業進行專業化/多元化經營的一個目標，防控金融業風險問題很受關注，本文隨后分析相對專業化對壽險公司風險的影響。全樣本回歸分析發現：其他條件不變時，壽險公司的相對專業化程度提高1個標準差，賠付風險將降低1711～2377個百分點，退保風險將降低070～164個百分點。進一步，基于一些相關理論及其推論，本文研究了專業化-風險關系是否在經濟金融周期和地區維度上存在異質性。分樣本回歸發現：在時期維度上，相對專業化的影響主要來自金融危機時期（2008—2012年），而非平常時期；在地區維度上，相對專業化的影響在東部、中部和西部地區依次減弱，反映出在市場經濟更發達和法制環境更好的地區，專業化戰略的收益更大。

研究專業化如何影響企業經營結果的一個難題是，企業的專業化/多元化程度可能是內生變量。這是因為企業經營結果對其制定經營戰略可能有反向影響，如經營狀況更差的企業更會實施多元化戰略，以尋找新的績效增長點[3]；此外，專業化還可能與經營結果一樣，都受到企業某些難以觀測的其他特征的影響[4]。對此，本文基于保險業嚴格的“分地區”經營和監管政策，利用數據的層級結構，為相對專業化指標構造了工具變量：公司i在除地區j之外的所有其他地區分公司作為一個整體的產品結構與地區j的壽險業的產品結構的差異度，進而得到一致的估計結果。

在研讀學習已有文獻的基礎上，本文有三點新意。

（1）本文基于企業所處的經營環境，度量企業的專業化程度，并研究其對企業經營結果的影響。

（2）本文基于中國保險業“分地區”的經營和監管制度，為專業化指標構造了合適的工具變量，提高了估計結果的一致性。

（3）本文分析了“專業化和風險關系”在不同經濟景氣時期和不同地區之間的異質性。

最后，已有關于專業化/多元化對企業績效影響的國內外研究結論之間存在著不小的分歧，這很可能部分歸因于很多文獻沒有有效處理企業所處環境狀況的差異、專業化變量的內生性，以及專業化/多元化影響隨樣本特征而改變。

二、 壽險公司的相對專業化和風險

本部分說明中國壽險業產品結構的差異、如何從相對角度度量壽險公司的專業化以及如何度量壽險公司的兩種風險。

（一）壽險業產品結構的空間分異性

本文從相對角度度量壽險公司的專業化的一個主要原因是，中國各地區壽險業的產品結構存在空間分異性（Spatial Stratified Heterogeneity）。我們從《中國保險年鑒》中收集和計算了2016年中國325個地級（及以上）地區的壽險業保費收入中6個壽險險種的比重。借鑒Wang等[5]的做法，計算了反映各個指標的空間分異程度的q統計量，如下：

q=1-∑7h=1Nhσ2h/Nσ2（1）

式中，h表示7個地理區域，N和σ2分別表示計算某個指標的樣本總量（地級單位總數）和標準差，Nh和σ2h分別表示地理區域h的樣本量和方差。q表示總體方差被各層解釋的百分比，取值范圍為[0，1]，值越大表示空間分異性越強。

從表1可知：（1）在中國的7大地理區域中，普通壽險的占比在三分之一左右，分紅壽險的占比在一半左右，故壽險業有一兩種主導性產品；（2）6種壽險占比的q統計量均達到了1‰的統計顯著性，故壽險業的產品結構存在統計上顯著的空間分異性。因此，在度量各地區壽險公司的專業化時，采用考慮了經營環境的相對指標比采用傳統的、基于集中度的度量指標更為合理。

（二）壽險公司的相對專業化指標

本文將位于地區j的壽險分公司i記為“公司i（j）”。將公司i（j）的產品結構和地區j的壽險業的產品結構視為兩個向量，通過計算這兩個向量的“距離”，得到公司i（j）的相對專業化，記為Spei（j）。本文主要基于最常使用的向量距離測度——Manhattan距離來度量相對專業化，如下

為表述簡潔，本小節的變量中省略了反映時期的腳標t。：

表1 壽險業產品結構的空間分異性

注：華北地區包括北京、天津、山西、河北和內蒙古中部，東北地區包括遼寧、吉林、黑龍江和內蒙古東部的呼倫貝爾、興安、通遼、赤峰，華東地區包括上海、江蘇、浙江、安徽、山東和福建，華中地區包括河南、湖北、湖南和江西，華南地區包括廣東、廣西和海南，西南地區包括重慶、四川、貴州、云南和西藏，西北地區包括陜西、甘肅、青海、寧夏、新疆和內蒙古的阿拉善。

Spe_MDi（j）=12∑k|wi（j），k-mj，k|（2）

式中，wi（j），k表示公司i（j）的保費收入中來自于產品k的比重，mj，k表示地區j的壽險業的保費收入中來自產品k的比重。Spe_MDi（j）的取值范圍為0到1，取值越大，表示公司i與所在地區壽險市場的產品結構的差異越大，相對專業化程度就越高。Manhattan距離測度及其變形已經被用于度量某個地區相對于一國中的其他地區或者某個國家相對于其他國家的專業化程度。

Manhattan距離測度的計算中對不同市場規模的產品給予了同等對待，作為穩健性分析，我們也使用另外兩種向量距離測度。

基于Euclidean向量距離測度度量相對專業化，計算如下：

Spe_EDi（j）=12∑k（wi（j），k-mj，k）2（3）

式中，∑k（wi（j），k-mj，k）2是Euclidean距離，其值介于0和2之間，取值越大表示公司i（j）與所在地區壽險市場的產品結構的差異越大，將其除以2使其值標準化為0和1之間。由于（wi（j），k-mj，k）的值小于1，所以Euclidean距離測度增加了小險種的重要性。Euclidean距離曾被Cai等[6]用于度量美國兩兩銀行在辛迪加貸款上的差異度。

基于JeffreysMatusita向量距離測度度量相對專業化，計算如下：

Spe_JMi（j）=12∑k（wi（j），k-mj，k）2（4）

式中，∑k（wi（j），k-mj，k）2是JeffreysMatusita距離，其值介于0和2之間，取值越大表示公司i（j）與所在地區壽險產業的產品結構的差異越大，將其除以2使其值標準化為0和1之間。由于wi（j），k和mj，k的值均小于1，Spe_JM增加了大險種的重要性。

（三）壽險公司的風險

金融保險企業的主要業務均有現金流對應，賠付和退保是壽險業務的兩項主要現金流出項目，所以本文從這兩個角度度量壽險公司的風險。

（1）賠付風險。保險的基本功能是損失補償，保險公司要在保險合同約定的事項發生后，向投保人賠付保險金，因此賠付風險是保險經營的基本風險。本文使用一家壽險公司的“賠付支出”除以“保費收入”度量其賠付風險，記為LossRisk。

（2）退保風險。退保風險是宏觀決策層非常關注的變量，如多年以來中國人民銀行聯合其他相關部門發布的《金融穩定報告》均以一定的篇幅寫到，保險業要提高對退保事件的應對能力，切實維護金融穩定

如《金融穩定報告2016》寫到，“防范滿期給付和非正常退保風險，妥善處置風險苗頭和群體性事件”；《金融穩定報告2015》寫到，“及時對退保風險較大的公司進行窗口指導，完善退保風險應急預案，妥善處置可能出現的群體性事件”；《金融穩定報告2014》寫到，“大量給付與退保風險相疊加，人身險業的流動性管理仍將面臨挑戰”。

。此外，通過對壽險公司利潤結構的分析可知，退保風險能夠客觀、直接和比較全面地反映中國壽險公司的風險狀況[7]。本文使用一家壽險公司的“退保金”除以“保費收入”度量其退保風險，記為SurRisk。

圖1（a）和圖1（b）分別報告了2016年中國地級（及以上）地區的壽險業賠付率和退保率的概率密度情況。表2報告了對中國各區域賠付率和退保率的空間分異程度的統計結果?？梢?，賠付風險和退保風險均呈現出一定的空間分異性。這種狀況可能與壽險業的產品結構空間分異性和壽險公司不同的相對專業化程度相關，下一部分對此進行檢驗。

（a）賠付風險

（b）退保風險

圖1 壽險業風險的分布

三、 實證研究設計

（一）計量模型

本文基本的計量模型如下：

Riski（j），t=βSpei（j），t-1+CVs′ij，t-1γ+i（j）+λt+εi（j），t（5）

表2 壽險業風險的空間分異性

注：同表1。

式中，Riski（j），t表示壽險公司i（j）于年度t的風險，包括賠付風險和退保風險。Spei（j）是壽險公司i（j）于年度t的相對專業化程度，是本文關心的自變量。CVs是控制變量，隨后介紹。i（j）是不隨時間變化的公司固定效應，λt是不隨公司變化的年度固定效應，二者都通過多個虛擬變量控制。εi（j），t是隨機擾動項。對自變量較因變量滯后1期，在一定程度上控制因變量對自變量的反向影響。

公司經營結果可能反過來影響其專業化選擇，以及存在某些難以觀測的因素會同時影響壽險公司的專業化與風險，所以專業化可能為內生變量。對此，為相對專業化（Spei（j），t）構造工具變量，記為SpeIVi（j），t。合適的工具變量要滿足兩個條件。

條件1：SpeIVi（j），t影響Spei（j），t，這在統計上要求Cov（SpeIVi（j），t，Spei（j），t）≠0；

條件2：除通過Spei（j），t外，SpeIVi（j），t不與風險變量相關，這在統計上要求

Cov（SpeIVi（j），t，Riski（j），t|Spei（j），t）=0。本文將壽險公司i（j）所屬的總公司i除去公司i（j）后的其他分公司作為一個整體，記為i（/j），將i（/j）的產品結構與地區j壽險業的產品結構的差別度作為公司i（j）的相對專業化（Spei（j））的工具變量。

（1）公司i（/j）與公司i（j）都是在總公司i旗下的，所以i（/j）與i（j）的產品結構應當都或多或少地繼承了總公司i這個整體的產品結構特點，因此“條件1”容易成立。

（2）中國保險業實施嚴格的“分地區”經營和監管制度，在任何一個地級地區開始業務都需要開設一家分公司，相應地，公司i（j）的業務僅僅來自于地區j，其經營結果不受其他地區壽險業經營結果的直接影響，因此“條件2”滿足。本文中相對專業化（Spei（j））有3種度量指標，所以工具變量也有3種度量指標：Manhattan距離、Euclidean距離和JeffreysMatusita距離。將這3種度量指標計算的工具變量分別記為Spe_MDIV、Spe_EDIV和Spe_JMIV。

獲得合適的工具變量后，采用兩階段最小二乘法（2SLS）。第一階段回歸中，將Spei（j），t對SpeIVi（j），t和CVs、i（j）、λt進行普通最小二乘（OLS）回歸或者固定效應最小二乘（FE OLS）回歸，得到擬合值（Spei（j），t）。第二階段回歸中，將Spei（j），t代替Spei（j），t進行式（5）的回歸。

（二）控制變量

回歸中納入了控制變量（CVs）。為表述簡潔，介紹控制變量時省略了反映時期的腳標t。

1.市場份額因素（MS）。壽險公司i（j）的市場份額定義為其在每種產品上的市場份額的加權平均，即MSi（j）=∑k（wi（j），k·MSi（j），k）。其中，MSi（j），k表示公司i（j）在地區j的壽險產品k上所占的市場份額；wi（j），k為權重，表示公司i（j）的保費收入中來自產品k的比重。

2.市場集中度（MCR）。壽險公司i（j）面臨的市場集中度（MCRi（j））定義為其經營的每種產品所處的市場集中度的加權平均。MCRi（j）=∑k（wi（j），k·MCRj，k），其中，MCRj，k表示地區j的壽險產品k的市場集中度，wi（j），k仍然是權重。某種產品的市場集中度使用該產品的赫希曼-赫芬達爾指數度量，即MCRj，k=∑i（MSi（j），k）2。

3.負債期限（Duration）。壽險產品的交費方式包括躉交（一次性交費）和分期交費（含月交、季交、年交等）兩種。一方面，壽險公司保費收入中分期交費業務較之躉交業務的占比越高，公司現金流的穩定性就越強，公司風險越小。另一方面，分期交費型保單的存續期限一般比躉交型保單的存續期限長，保費收取的管理者往往不是履行賠付責任的管理者，故分期交費業務占比提高就會加強這種前后任管理者之間的委托代理問題，激勵當期管理者采取高風險行為，包括不進行多元化經營。壽險公司i（j）的負債業務的期限（Durationi（j））度量為公司i（j）的總保費收入中來自分期交費業務而非躉交業務的比重。

4.團體債權人占比（Group）。壽險公司是高負債經營的，且壽險業務的期限一般較長，保險客戶與壽險公司之間存在委托-代理關系。團體客戶是大額的機構債權人，比個人客戶更有動力和能力去監督公司的高風險行為，因此壽險公司的團體債權人占比應當與其風險狀況有關。壽險公司i（j）的團體債權人占比（Groupi（j））采用公司總保費收入中來自團體客戶而非個人客戶的比重度量。

5.年齡（Age）。年齡是企業的一個基本特征。年齡會通過“學習效應”改進企業經營水平，企業的專業化程度也可能隨著年齡的增長而增長。壽險公司i（j）的年齡計算為樣本年度減去公司成立的年度。

（三）數據

本文收集了2006—2016年中國300多個地級（及以上）地區的壽險市場的分產品經營數據。根據中國保監會的統計口徑，壽險公司經營6種產品：普通壽險、分紅壽險、投資連結壽險、萬能壽險、意外險和健康險。樣本起始于2006年是因為2007年新《企業會計準則》實施，我們能獲得的基于新會計準則口徑核算的變量是始于2006年的（從各公司2007年的比較財務報告獲得）。由于保險業有嚴格的產品分類報告制度，所以本文的數據不存在一些相關研究中遇到的數據困難，如某些產品部門的數據缺失[8]、產品部門分類有誤[9]。剔除一家公司經營前兩年的數據，是由于公司前兩個經營年度的數據可能有較大的不規則波動。這些數據收集自《中國保險年鑒》中關于各地區保險業的統計部分。

樣本的構成情況見表3。

（1）“地區數目”是指各年中有至少一家壽險公司經營滿兩年的地級（及以上）地區數，在2006年已有320個。

（2）各地區平均的公司數目在比較平穩地逐年增加，這主要歸因于保險監管部門對各地區的經營牌照發放有比較平穩的把握。

（3）各年中每家公司平均經營45～55種產品，整體變化不大；該指標在2008—2013年有下降的趨勢，反映出公司在金融危機期間有收縮產品線的趨勢。

表4報告了壽險公司產品結構特征。（1）分紅壽險的保費收入規模明顯大于其他險種，其在大部分公司中均是保費收入占比最高的險種。（2）除了

表3 樣本構成

表4 各產品收入占總收入的比重%

分紅壽險外，6種產品的“保費收入占總保費收入比重”的標準差都大于其均值，說明公司之間的產品結構存在較大的差異。

回歸中所有變量的描述統計情況見表5。為穩健起見，對LossRisk和SurRisk的左右各1%的離群值進行了縮尾（winsor）處理。這兩個風險變量的

表5 描述統計量

標準差均大于各自的均值和中位數。

四、 實證結果分析

（一）全樣本分析

表6中報告了相對專業化對賠付風險的回歸結果。第（1）-第（3）列、第（4）-第（6）列、第（7）-第（9）列中的相對專業化（Spe）分別使用基于Manhattan距離、Euclidean距離、JeffreysMatusita距離的測度，而且均采用了普通最小二乘（OLS）、固定效應最小二乘（FE OLS）和固定效應兩階段最小二乘（FE 2SLS）三種方法。9個回歸結果中相對專業化的系數估計值均為負向且顯著（在1%或5%的水平下），說明壽險公司的相對專業化顯著降低了其賠付風險。在同一種相對專業化的度量方式下，OLS估計和FE OLS估計的結果差別不大，說明是否控制公司不隨時間變化的異質性，沒有影響對相對專業化效果的估計。根據表6中Spe的系數估計值，并結合Spe_MD、Spe_ED和Spe_JM在樣本中的標準差分別為0162、0135和0132（見表5），可以計算得到，在其他條件不變時，在OLS估計下（在FE OLS估計下），壽險公司的相對專業化程度提高1個標準差，其賠付率將降低068～122個百分點（062～106個百分點）。

考慮到相對專業化的內生性，引入工具變量并采用FE 2SLS估計后，Spe的系數估計值有了大幅度的提高，“內生性的F檢驗”顯示FE 2SLS與FE OLS估計結果存在顯著差異。本文中，專業化為內生變量的主要原因是賠付風險高的壽險公司更會去尋求實施專業化戰略，以降低賠付風險，從而造成了賠付風險對專業化的正向影響。根據FE 2SLS的估計結果，其他條件不變時，壽險公司的相對專業化程度提高1個標準差，其賠付率將降低1711～2377個百分點，具有較大的經濟顯著性。

在控制變量的系數估計方面，FE OLS和FE 2SLS得到的符號相同，以矯正了內生性的FE 2SLS的估計結果為準。市場份額（MS）對賠付風險有顯著的負向影響。其原因在于，市場勢力大的壽險公司有更多的留存收益從而降低了風險水平，此結論與Berger等[10]對23個發達國家銀行業的研究結論類似。市場集中度（MCR）對賠付風險有顯著的正向影響，反映出高集中度市場中的壽險公司的競爭壓力較小，放松了對投保人的審查和信息投資。負債期限（Duration）的系數估計值均為正，反映出期交業務占比高會激勵當期管理者做出高風險行為。團體債權人占比（Group）對賠付風險有顯著的負向影響，這與我們的預期一致，即團體債權人（團體客戶）比個人債權人（個人客戶）更有能力和動機去監督債務人（保險公司）的風險行為。年齡（Age）的系數估計值為正且在兩個回歸中是統計顯著的，這與基于基本理論的預期不符，反映了中國保險市場的特殊性：中國保險市場的經營環境一直處于快速變化中，經營歷史長的公司對市場環境變化的應對較慢；中國保險市場的退出機制還很不健全，一些經營不善的高風險公司沒有退出市場。

表7報告了相對專業化對退保風險影響的回歸結果，表7與表6的回歸設計相同，僅是因變量由賠

表6 相對專業化對賠付風險的影響

注：9個回歸均控制了年度固定效應。系數估計值的下方的括號內為標準誤差，OLS估計中為異方差和序列相關穩健標準誤差，FE OLS估計和FE 2SLS估計中為在公司層面聚類的標準誤差，下文同。***、**、*分別表示在1%、5%、10%的水平上顯著，下文同?！暗谝浑A段回歸F檢驗”用于判斷工具變量的有效性，原假設為“工具變量是弱工具變量”，下文同?！癝pe內生性的檢驗”即“DavidsonMacKinnon檢驗”，通過FE OLS估計與FE 2SLS估計的結果是否有顯著差異來從統計上判斷Spe是否真的為內生變量，原假設為“不是內生變量”，下文同。

表7 相對專業化對退保風險的影響

注：9個回歸均控制了年度固定效應。

付風險（LossRisk）換為退保風險（SurRisk）。整體上看，6個回歸結果中相對專業化的系數估計值均為負向且顯著，說明壽險公司的相對專業化顯著降低了其退保風險。根據表7中Spe的系數估計值，并結合Spe_MD、Spe_ED和Spe_JM在樣本中的標準差（見表5），可以計算得到，其他條件不變時，在OLS估計下（在FE OLS估計下），壽險公司的相對專業化程度提高1個標準差，其退保率將降低116～181個百分點（070～164個百分點）。

由于DavidsonMacKinnon檢驗顯示FE 2SLS和FE OLS并沒有顯著差異，第（3）、第（6）和第（9）列中便沒有報告FE 2SLS的估計結果。這說明研究退保風險時，相對專業化（Spe）并不是內生變量，反映出壽險公司不會為了降低退保風險而改變其專業化戰略。對此，我們認為原因如下：（1）退保風險是流動性風險，不像賠付風險那樣會降低壽險公司的成本和利潤；（2）雖然退保會引起壽險公司的現金流出，但中國壽險業處于高速增長期，現金流入量很大，所以退保的現金流出對公司業務結構決策造成的影響還較小。

在控制變量方面，基于FE 2SLS的估計結果可知：市場集中度（MCR）、負債期限（Duration）、年齡（Age）對退保風險有顯著的正向影響，市場份額（MS）和團體債權人占比（Group）對退保風險有顯著的負向影響。這些均與表5對賠付風險的估計結果一致，所以這些公司特征變量對這兩種壽險公司風險的影響是同向的，這里不再解釋。

（二）專業化-風險關系的異質性

保險業的發展狀況受到國民經濟周期性的影響，壽險公司的風險在金融危機期間更容易表露出來。我們將樣本分為“金融危機期間”和“平常期間”兩組，前者為2007—2012年，后者為2006—2016年中的其余年份。分樣本回歸結果報告于表8第（1）列和第（2）列：相對專業化的系數估計值在金融危機期間明顯強于平常期間。這說明，專業化經營降低風險的作用在經濟不景氣時期更能發揮出來。結合表5和表8第（1）列的信息可知，在金融危機時期，壽險公司的相對專業化程度提高1個標準差，其賠付率將提高141個百分點。

專業化較之多元化有一個重要劣勢：難以利用企業內部資本和管理人市場提高資源配置效率[11]。由于在合約受到法律保護程度低的地區，企業會更

表8 相對專業化對賠付風險影響的異質性：分樣本估計

注：“金融危機期間”為2007—2012年，“平常期間”為2006—2016年中的其余年份。10個回歸均控制了CVs和年度固定效應。

多依賴內部各部門之間而非外部市場調配資源[12]，因此我們推測，在市場經濟發達和法制環境好的地區，專業化戰略的收益更大。雖然沒有反映各個地級地區市場經濟發展和法制環境的合適指標，但是整體上講，東部地區的市場發展和法制環境優于中部地區，中部地區進一步優于西部地區。表8第（3）列、第（4）列和第（5）列報告了按照三大區域分組回歸的結果

本文也基于樊綱等學者[13]對中國各省區市的市場化指數的系列研究成果，度量各地區的市場發展和法制環境，所得回歸結論沒有改變。

：專業化對風險的降低作用在東部地區強于中部地區，進一步強于西部地區。這符合我們的預期。結合表5和表8后3列的信息可知，在東部、中部和西部地區，壽險公司的相對專業化程度提高1個標準差，其賠付率將分別提高170個百分點、121個百分點和049個百分點。

表9報告了關于退保風險的分樣本的估計結果，采用兩階段最小二乘估計（FE 2SLS估計）。與表8中相對專業化對賠付風險的影響類似，相對專業化降低退保風險的作用在金融危機期間明顯大于平常期間；在東部地區大于中部地區，進一步大于西部地區。具體而言，結合表5和表9的信息可知，在金融危機時期，壽險公司的相對專業化程度提高1個標準差，其退保率將提高136個百分點。在東部和中部地區，壽險公司的相對專業化程度提高1個標準差，其退保率將分別提高125個百分點和068個百分點。因此，這支持了對賠付風險（見表8）

表9 相對專業化對退保風險影響的異質性：分樣本估計

注：“金融危機期間”為2007—2012年，“平常期間”為2006—2016年中的其余年份。5個回歸均控制了CVs和年度固定效應。

研究時得到專業化-風險關系異質性的結論。

五、 結論及啟示

在某些情況下，采用傳統的集中度/分散度指標度量企業的專業化/多元化程度存在不足。例如，中國壽險業中有一種產品（分紅壽險）的占比很高，且中國不同地區資源稟賦不同造成了壽險業的產品結構存在著較大差異。本文基于一家企業的產品結構與該企業所在市場的產品結構的差異度度量該企業的專業化程度，稱之為“相對專業化”。本文收集了2006—2016年中國300多個地級（及以上）地區中4000多家壽險公司的基本特征數據和分產品的收入和支出的四維數據，作為研究的樣本。

本文進一步研究了相對專業化對壽險公司風險的影響。企業的專業化/多元化戰略可能受到經營結果的反向影響等原因而成為內生變量，對此，本文基于保險業嚴格“分地區”經營和監管原則，利用數據的層級結構性質，為相對專業化構造了合適工具變量。通過回歸分析發現：壽險公司專業化顯著降低了其賠付風險和退保風險；專業化對風險的影響程度在經濟金融周期和地區維度上均存在異質性；對于賠付風險，專業化確實是一個內生變量，而對于退保風險，尚沒有發現其是內生變量的證據。

本文核心的研究結論有如下政策含義。

（1）保險業是經營風險的特殊行業，需要首先管理好自身的風險。由于壽險公司專業化經營能降低風險，并且這種作用對于市場化程度高、法制環境好的地區更強，所以中國壽險公司尤其是在發達地區經營的公司，應提高專業化程度，提升企業的核心競爭力。

（2）市場準入監管是金融保險監管的基礎部分，在機構牌照發放和經營地域審批上，應當對具有專業特色的保險公司給予適當的政策傾斜。

（3）資本充足監管是金融保險監管的核心，在計算壽險公司的監管資本時應當納入專業化因素；在金融危機時期，專業化對壽險公司風險的降低作用更強，所以在逆周期監管資本設置上也應當考慮專業化因素。

本文的其他研究結論也有較強的政策含義。

（1）市場集中度越高的市場中的壽險公司的風險越高。因此，為了促進市場競爭和行業穩定，行業監管者應當放寬市場準入，提升保險業對內對外的開放水平以降低各地區市場集中度。

（2）由于委托代理問題，壽險公司期交型業務、個人業務均有更高的經營風險。因此，從降低賠付和退保風險的角度考慮，行業監管者應當設計機制激勵壽險公司更多經營躉交型業務和團體業務。

最后，在學術研究方面的啟示：

（1）很多行業中，企業的經營戰略和績效受到所在地區的資源稟賦等環境因素的顯著影響，所以度量這些企業的專業化時，可以考慮采用相對專業化指標作為一種穩健性分析；

（2）判斷專業化/多元化對企業績效的影響時，需要處理專業化/多元化的內生性問題，也需要考慮經濟周期、地區等因素的影響。

參考文獻：

[1] 謝獲寶， 張駿飛. 業務集中度與企業績效關系的實證研究 [J]. 中國工業經濟， 2007（9）： 87-95.

[2] BenitoOsorio D， GuerrasMartín L ， ZuigaVicente J . Four decades of research on product diversification： A literature review [J]. Management Decision， 2012， 50： 325-344.

[3] Lang L H， Stulz R M. Tobins Q， corporate diversification， and firm performance [J]. Journal of Political Economy， 1994， 102： 1248-1280.

[4] Rajan R， Servaes H， Zingales L. The cost of diversity： The diversification discount and inefficient investment [J]. Journal of Finance， 2000， 55： 35-80.

[5] Wang J F， Zhang T L， Fu B J. A measure of spatial stratified heterogeneity [J]. Ecological Indicators， 2016， 67： 250-256.

[6] Cai J， Saunders A， Steffen S. Syndication， interconnectedness， and systemic risk [R]. SSRN Working Paper， No. 1508642， 2014.

[7] 孫祁祥， 邊文龍， 王向楠. 業務集中度對壽險公司利潤和風險的作用研究 [J]. 當代經濟科學， 2015， 37： 27-38.

[8] Davis R， Duhaime I M. Diversification， vertical integration， and industry analysis： New perspectives and measurement [J]. Strategic Management Journal， 1992， 13： 511-524.

[9] Villalonga B. Diversification discount or premium？ New evidence from the business information tracking series [J]. Journal of Finance， 2004， 59： 479-506.

[10] Berger A N， Klapper L F， TurkAriss R. Bank competition and financial stability [J]. Journal of Financial Services Research， 2009， 35： 99-118.

[11] Stein J C. Internal capital markets and the competition for corporate resources [J]. Journal of Finance， 1997， 52（1）： 111-133.

[12] Khanna N， Tice S. The bright side of internal capital markets [J]. Journal of Finance， 2001， 56（4）： 1489-1528.

[13] 王小魯， 余靜文， 樊綱. 中國市場化八年進程報告[EB/OL]. （2016-4-14）. http： ∥magazine caijingcomcn/20160414/4105318shtml.

責任編輯、 校對： 高原