摘要：目前方法度量保险产业区域经济发展资本，计算资本的核密度时，未曾满足资本的一致性，导致保险产业区域经济发展资本度量值残差高，度量计算可信度低，提出基于Copula函数的保险产业区域经济发展资本度量方法。利用GARCH-M模型，分析保险产业区域经济发展资本特点，预测保险产业区域经济发展资本波动;选择二元Copula函数，建立保险产业区域经济发展资本模型;计算保险产业区域经济发展资本总体密度函数的核密度，在满足保险产业区域经济发展资本的一致性和失败率基础上，度量保险产业区域经济发展资本。实验结果：研究方法较目前方法度量残差小0.808，度量值可信度更接近1。

　　关键词：Copula函数;保险产业;区域经济发展;资本度量方法

　　0.引言：

　　保险产业在当今社会十分普遍，因此有学者针对保险产业对区域经济影响进行了调查发现，具有保险产业的区域经济，相较不具有保险产业的区域经济高，且两者之间具有相互促进作用，会伴随着区域经济发展资本逐渐加深，意味着经济发展的自由化程度越来越高，但与此相对的，保险产业区域经济的金融风险也不断增加[1]。因此，国内外众多学者研究出度量方法，用于控制保险产业区域经济发展所带来的金融风险。国内主要研究度量模型、度量算法等，计量经济发展资本[2]。国外研究经济发展资本时间较早，通过建立判别模型、z模型、利用经济资本发展理论等基于结构化模型，计量经济发展资本[3]。文献[4]则在国内外研究的基础上，以保险产业区域经济为基础，对比分析国内外研究的度量方法，设置度量指标、各项定性和定量因素，但该方法存在度量残差高，度量计算可信度低的问题[4]。为此，引入Copula函数，利用其连接两个毫无变化规律的两个变量能力，降低保险产业区域经济发展资本度量残差，提高保险产业区域经济发展资本度量可信度，提出基于Copula函数的保险产业区域经济发展资本度量方法。

　　1.基于Copula函数的保险产业区域经济发展资本度量方法

　　1.1分析保险产业区域经济发展资本预测

　　由于保险产业区域经济发展资本，受市场经济变化、人口结构、各行业发展情况等因素影响[5]。所以，采用Copula函数度量保险产业区域经济发展资本，需要先预测保险产业区域经济发展资本，根据资本预测结果，建立保险产业区域经济发展资本模型，度量保险产业区域经济发展资本。为此，利用GARCH-M模型，分析保险产业区域经济发展资本特点，假设保险产业区域经济发展资本服从正态分布，将保险产业区域经济的对数收益率记为，则有：

　　R=ζσ+u

　　σ2=α+■αu2+■βσ2 (1)

　　(1)式中，ζ表示Spearman秩相关系数;u表示随机变量;α和β表示随机变量u的参数，且α>1，β<1;α表示条件方差[6]。

　　如(1)式所示的GARCH-M模型，针对保险产业区域经济的对数收益率方程，进行一阶对数差分处理，则有：

　　R=ln(pt)-ln(pt-1) (2)

　　(2)式中，t表示正态分布;p表示异方差模型的阶数[7]。根据(1)式和(2)式所示的方程，需要设定收益率条件方差■，并将标准差引入均值方程中，即可对保险产业区域经济发展资本进行预测。

　　根据上述内容所示的计算过程，将保险产业区域经济发展资本数据分为观测数据和实际样本数据两部分，预测保险产业区域经济发展资本波动。

　　1.2 Copula函数建立保险产业区域经济发展资本模型

　　依据保险产业区域经济发展资本波动预测结果，度量保险产业区域经济发展资本，选择二元Copula函数，建立保险产业区域经济发展资本模型，其模型建立过程如下：

　　1.选择保险产业区域经济发展资本变量，根据一元分布的建模方法，确定保险产业区域经济发展资本变量边缘分布。

　　2.依据保险产业区域经济发展资本预测结果，确定保险产业区域经济发展资本变量之间的收益率Copula函数，刻画变量的相依结构。

　　3.模拟保险产业区域经济发展资本收益率，其模拟过程如下：(1)在[0，1]区间上，生成服从均匀分布的随机数;(2)计算步骤2中收益率Copula函数的偏导数，此时，Copula函数的偏导数为收益率Copula函数的模拟对数;(3)依据保险产业区域经济发展资本变量边缘分布特征，计算保险产业区域经济发展资本收益率。

　　4.重复步骤3，得到保险产业区域经济发展资本收益率分布经验函数，建立保险产业区域经济发展资本模型。

　　1.3 度量保险产业区域经济发展资本

　　依据保险产业区域经济发展资本预测结果，作为保险产业区域经济发展资本模型度量样本，生成样本集X={x1，x2，…，xn}，其中，n表示样本集中保险产业区域经济发展资本总和。此时，将样本集的总体密度函数f(X)的核密度定义为fh(X)=■■K(■)，其中，h表示函数的窗宽;xi表示第i个样本，且i=1，2，…，n;K(·)表示核函数，且K(·)需要满足K(X)≥0和■K(X)dX=1，其中dX表示对样本集X的积分。根据上述计算公式，可以得到保险产业区域经济发展资本的多个变量值。由于保险产业区域经济发展资本的多个变量值较多，因此根据上述对保险产业区域经济发展资本样本核密度估计值，让保险产业区域经济发展资本模型度量结果，可以满足保险产业区域经济发展资本的一致性和失败率，从而得到最终的保险产业区域经济发展资本度量结果，其计算公式如下：

　　I=X (a)

　　E=■ (3)

　　(3)式中，a表示阿伏加德罗常数;X (a)表示X的a分位数;ε表示置信水平[8]。基于(3)式的计算结果，设计保险产业区域经济发展资本度量期望值W，则有：

　　W=■ (4)

　　此时，让保险产业区域经济发展资本度量结果满足一致性指标的经济资本度量C公式为：

　　C=E-W (5)

　　综合上述计算过程，根据(5)式即可得到保险产业区域经济发展资本度量值，完成基于Copula函数的保险产业区域经济发展资本度量方法研究。

　　2.实例分析

　　选择目前保险产业区域经济发展资本度量方法，以案例对比分析的方式，采用某区域的保险产业，作为此次实验对象，验证此次研究的保险产业区域经济发展资本度量方法。对比两组方法，度量保险产业区域经济发展资本精度。

　　2.1实验准备

　　此次实验选择的该区域保险产业，处于稳步发展状态，在一定程度上，提高了该区域经济水平，促进了该区域城镇化发展，且办理保险人数不断增加，保险收入快速增长，且与交通业、旅游业、农业等行业联系密切，其具体经济发展趋势，如表1所示。

　　从表1中可以看出，此次案例对比分析实验，选择的该区域保险产业，具有十分雄厚的产业资本，且随着经济的发展，该区域居民对于保险的需求也在不断增加。因此，根据上述内容展示的该区域保险产业经济发展信息，采用两组保险产业区域经济发展资本度量方法，分别度量保险产业区域经济发展资本，其实验过程和实验结果如下。

　　表1 保险产业经济发展趋势

　　注：上表来自《中国保险年鉴》

　　2.2实验结果

　　2.2.1 第一组实验结果

　　基于此次实验选择的对比分析案例，分别采用两组度量方法，度量保险产业区域经济发展资本，并采用黑盒工具-QAcenter，检测两组方法度量保险产业区域经济发展资本的度量残差，对比两组方法度量残差大小，其度量残差越小，两组度量方法度量保险产业区域经济发展资本精度越高。为保证实验严谨性，此次设置的案例对比分析度量残差实验将进行8次，其实验结果如下表2所示。

　　表2 度量残差对比结果

　　从表2中可以看出，经过8次实验，目前度量方法，度量保险产业区域经济发展资本，得到的度量残差平均值为0.826;研究度量方法，度量保险产业区域经济发展资本，得到的度量残差平均值为0.054，较目前度量方法得到的度量残差小了0.808。由此可见，研究度量方法，度量残差较小，具有较高的度量精度。

　　2.2.2 第二组实验结果

　　在表2所示的两组度量方法度量残差值基础上，采用信度系数表示度量可信度，由于信度系数值阈值在[0，1]之间，则信度系数值越接近于1，度量可信度越高;反之，信度系数值越接近于0，度量可信度越低。实验结果如下表3所示。

　　从表3中可以看出，在第一组实验得到的度量残差基础上，检测两组方法度量可信度，目前度量方法，度量保险产业区域经济发展资本，得到的度量可信度平均值为0.072，极其接近0，度量可信度偏低;研究度量方法，度量保险产业区域经济发展资本，得到的度量可信度平均值为0.948，极其接近1，度量可信度偏高。由此可见，研究度量方法，度量保险产业区域经济发展资本可信度高。

　　表3 度量残差值可信度对比结果

　　3.结束语

　　综上所述，此次研究保险产业区域经济发展资本度量方法，充分利用Copula函数线性测算不同变量能力，提高度量值的可信度，降低度量残差。但是此次研究仍然存在一定的不足，在今后的研究中，还需要考虑资本变量的时间相依性和自回归结构，进一步提高资本度量精度。C

　　(作者单位：郑州商学院金融与贸易学院)

　　参考文献

　　[1] 王国栋, 庞楷. 基于Copula函数的经济作物收入保险费率测算——以甘肃苹果为例[J]. 金融理论探索, 2019, 001(003):62-70.

　　[2] 曾胜. 中国经济高质量发展,能源消费影响因素与总量控制——基于Copula函数的实证研究[J]. 学术论坛, 2019, 42 (02):17-25.

　　[3] 郭以馨, 吕开宇, 汤文雪,等. 基于Copula方法的花生收入保险费率厘定研究——以河南省主产市为例[J]. 农业现代化研究, 2019, 40 (03):116-123.

　　[4] 程雨春, 杨传国, 郝振纯,等. 干旱历时拟合方法对基于Copula函数的干旱分析影响研究[J]. 中国农村水利水电, 2019, 001(008):93-97,104.

　　[5] 谭学志, 梁廖逢, 刘祖发,等. 基于Copula函数的气候变化下洪水峰量联合分析[J]. 长江科学院院报, 2020, 37 (12):44-50.

　　[6] 李秀芳, 杨雅明. 基于最小二乘蒙特卡洛简化算法的保险公司经济资本度量研究[J]. 管理工程学报, 2020, 34 (03):174-179.

　　[7] 闫海波,张贺. 基于Copula函数的上证综合指数的趋势预测[J]. 佳木斯大学学报(自然科学版), 2020, 38 (06):110-114.

　　[8] 赵强, 房彦兵. 基于混合Copula模型的经济增长和保险发展相关性分析——以西北五省为例[J]. 甘肃联合大学学报(自然科学版), 2020, 034(002):8-14.