中国知网查重 高校在线论文查重入口

立即检测
  • 58 元/篇
    系统说明: 知网职称论文检测AMLC/SMLC是杂志社专用系统,针对投稿论文、评审论文、学校、单位职称论文的学术不端重复率检测系统。
  • 298 元/篇
    系统说明: 知网本科论文检测PMLC是最权威的大学生毕业论文检测系统,含“大学生论文联合对比库”,国内95%以上高校使用。检测结果和学校一致!
  • 498 元/篇
    系统说明: 此系统不支持验证!可用作研究生初稿检测,相比知网VIP5.3缺少“学术论文联合对比库”,检测结果有5%左右的误差!(论文中若参考往届研究生论文,重复率误差会较大)
  • 128 元/篇
    系统说明: 大分解论文检测系统,对于想检测学术不端文献检测系统,而又价格便宜的同学可以选择,限每篇2.9万字符,结果与大学生PMLC、硕博VIP定稿系统有出入!
  • 68 元/篇
    系统说明: 知网论文小分解检测系统,适合中国知网初稿查重,数据库和定稿查重不同。结果与本科PMLC,研究生VIP5.3有出入,限每篇1.4万字符!
  • 3 元/千字
    系统说明: 学术家论文重复率检测系统,支持学位论文、毕业论文、投稿论文、职称评审论文,提供全文对照,word标红报告,性价比超高!
论文在线分享-金融科技促进还是阻碍了保险业效率-基于中国保险业
时间:2021-05-05 15:49:02

  伴随着大数据、AI、云计算以及区块链等前沿高科技的欣欣发展,金融科技也迎来了蓬勃发展的新阶段,与此同时,中国保险业近年来的发展趋势同样不可小觑。基于此,本文选取2011年-2017年中国20家资产总量排名靠前且具有总体代表性的保险公司数据,首先采用曹颢的测算方法测算出全国金融科技发展指数,其次用参数型效率测度方法—随机前沿分析方法(SFA)对保险公司进行效率分析。最后得出结论:金融科技的发展促进了中国保险业盈利能力的提升。

  《中国银行保险报》已经连续三年组织召开了中国保险技术年会,在会议上,各保险界领路人达成了需要让保险融入时代,融入科技的共识,并表示希望能建立一个能让大家了解科技,学习使用各种新科技成果的网络平台,同时也是一个可以分享成功使用科技的经验的平台。本届的中国保险信息技术年会以“数字引领、智在未来”为主题,希望通过大家一起努力带动整个行业的进步,在这个信息技术冲击下被迫转型的背景下,不要存在落后者,更不能有被淘汰者。原中保信董事长吴晓军说:保险业无论是精准营销还是客户服务都非常注重数据其中最重要的是数据治理。由于历史原因,保险公司数据的标准化存在很多问题,因此对于数据治理至关重要。尤其是近年来,保险界正在跨界运行,其数据跟外界数据的融合原来越多,与其他行业的联系也愈来愈深。同时,对于保险公司来说,它们本身的原始数据可能并没有任何的效用,只有经过第三方中介处理过的数据才是有用的。基于此,保险与大数据即金融科技的融合是可行且必要的。2019年9月22日,中央银行发布了名为《金融科技发展规划(2019-2021)》的文件,为未来几年金融科技的发展提供的政策保障,指明了方向,同时制定了目标。在保险行业层面,科学技术的发展带动了保险科技的创新和保险科技公司的创立,使保险科技技术能更好地运用在保险经营销售的各个环节,为保险公司带来了诸如客户满意度提高、销售量增长、风险防控能力增强、数据保护得当等好处,成功推动了保险业的转型发展。

  但是保险行业在运用金融科技的过程中仍然出现了新的难题。对于大的保险公司来说,其自主研发的能力强、资金力量雄厚,自然能够从转型中获得众多科技红利,但是小的保险公司不同,他们资金有限,更承担不起研发失败的后果,所以它们的处境将比以往更加艰难。综上,保险行业在金融科技的背景下,避免不了两级分化的加剧。

  如何在新的金融格局中获得科技红利,完成转型升级,提高经营效率,实现保险行业的持续健康、可持续发展,是保险公司特别是中小保险公司需要解决的难题。

  2.研究意义

  对于金融科技与经济发展之间的联系,国内外学者已做过较多研究且有了丰硕的研究成果,但是具体到金融科技发展对保险行业效率的研究尚未有大量的实证研究出现。因此,文本通过实证研究金融科技发展与保险业效率的联系,具有一定的现实意义和理论价值。

  现实意义上,我国保险业在近年来得到迅速发展,但是保险业的迅速发展是否与金融科技的水平及其在保险领域的运用有关是一个值得深思的问题。本文研究成果有助于我国保险公司判断自身盈利水平和金融科技的相关性,为其未来实现资源更有效的配置和提高自身的技术水平提供参考依据。

  理论意义上,国内外学者关于这一块的实证研究相对较少。基于此,本文在对之前的有关文献进行研读的基础上,采用成本挖掘和因子分析等方法测算金融科技发展指数,然后建立随机前沿模型,采用2011年-2018年间20个保险公司的非平衡面板数据,对金融科技对保险业发展的影响进行解释。

  (二)研究内容与方法

  1.研究内容

  本文从保险业发展水平与金融科技的投入量之间的关系出发,先测算了全国各地区的金融科技发展指数,进一步通过建立的实证检验模型证明金融科技发展水平对保险业经营能力的提高有益处。研究的主要内容如下:

  (1)从31个省份的统计数据中测算出各地2011年至2017年的金融科技发展指数值,对测算结果进行描述统计分析,发现各地的金融科技发展水平在近几年来发展极不平衡,各省份之间的金融科技发展指数差距一直很大;但近几年来,各省都加大了对金融科技发展的投入,各省份和全国的平均指数均呈现一种稳步上升状态。

  (2)利用测算出的金融科技发展指数作保险业随机前沿模型中的技术投入指标,利用20家保险公司的基本数据进行SFA模型的检验,最终SFA模型回归结果良好,即有ln=-17.567126+1.5544429 ln+0.38500108 ln+62.723642 ln,金融科技发展指数和保险公司的产出指标呈正相关,金融科技的发展促进了我国保险业的发展得到证明。

  2.研究方法

  (1)借鉴曹颢对金融科技指数的测算方法[曹颢,尤建新,卢锐,陈海洋.我国科技金融发展指数实证研究[J].中国管理科学,2011,19(03):134-140。该文中采用算数平均法对金融科技指数赋权,并测算分析了我国各地区2001至2008年科技金融发展指数。],把金融科技指标的测算分成资源指数、经费指数以及产出指数三个一级指标,在每个指标下划分小指标,一共产生7个二级指标,按照算数平均法测算各省份的金融科技发展总指标和全国金融科技发展指标。

  (2)选定合适的投入、产出指标,运用随机前沿模型,计算保险公司与各投入指标间的数量关系。其中把金融科技发展水平作为其中的一个投入指标(技术投入指标),根据模型最终结果判断金融科技发展水平是否促进了保险业的发展。

  (三)创新点

  1、通过查找各省份数据完成2017年的金融科技发展指数的测算,并把该指数用于实证检验。曹颢用自己创建的方法计算出过中国各地区2000-2008年的金融科技发展指数,石一凡在2019年的硕士毕业论文里测算出了2012年-2016年中国各地金融科技发展指数,本文沿用石一凡在论文里的关于金融发展指数的测算结果,但因为各省相关数据更新较慢,石一凡论文里的金融科技发展指数只测算到2016年,本文在其基础上用相同的公式和新数据,计算各省份2017年的金融科技发展指数。

  2、梳理学习了关于随机前沿模型的内容,根据学到和理解的知识选定适用于保险业的投入、产出指标,自行创建SFA模型,查找相关数据进行实证,实证结果表明金融科技发展指数对保险业经营能力的提升起到促进作用。

  (四)相关概念

  1、金融科技的概念

  从字面意思来理解“金融科技”就是“金融”和“科技”的组合,指金融和科技两者一起发展,把科技运用于金融行业,促进金融业运行效率的提高,同时借金融的快速发展增加科技投入,带动科技创新。再者,金融稳定理事会(FSB)对金融科技提出了官方定义,即金融科技主要是指利用AI智能、区块链、大数据、云计算等新兴前沿技术的发展创新传统金融市场以及传统金融服务业务。[https://baike.baidu.com/item/%E9%87%91%E8%9E%8D%E7%A7%91%E6%8A%80/23222298?fr=aladdin]

  历史上金融科技的发展可以分为三个阶段,2008年金融危机之前为金融科技发展的初期,是其觉醒阶段,这段时期以银行的存贷款业务的创新为主要代表;2008年-2014年是金融科技的发展阶段,以移动支付(如支付宝)、网络借贷(如P2P)、网络保险等为代表产品;2014年至今则是金融科技的深化阶段,这段时间以去中心化和去智能化为主要特征,核心产品有金融云、金融物联网以及区块链金融等。

  二、文献综述

  海内外学者对金融科技的概念尚未统一。赵昌文(2009)把科技金融理解成科技金融是系列性的服务、政策、制度和金融工具等的极具创新性和系统性的安排,这类金融产品能促进科技的发展,容易实现成果转化。房汉廷(2010)把金融科技定义成科技创新和金融创新两部分,认为两者可以相互促进发展。徐玉莲(2012)则认为金融科技金融企业和政府通过把各种在金融行业实现的创新结果提供给市场中创新主体,借此来达到创新链和金融链的有效整合的行为。史先诚和汪泉(2013)在综合前人给金融科技的定义后,提出了他们的新观点:认为金融科技是以在科技型企业实现组织社会资本及金融力量的投入为核心的,它是以促进科技创新为目的的一系列定向性、可持续性的金融活动的总称。

  国内学者为了对国内金融科技发展水平进行客观准确地测度和评价,提出了构建金融科技发展指数的设想,但对于具体的指数计算持不一样的观点。陈春发和赵文昌(2009)等人提出主成分分析方法;曹颢、尤建新、卢锐、陈海洋(2011)等学者的做法是用算数平均法对金融科技指数进行赋权;李华民等则从产出、投入两个层面构建金融科技绩效评价体系。

  关于金融科技发展水平对保险行业效率的研究分析尚未找到相关的研究文献。

  三、理论基础

  (一)企业资源基础理论

  该理论假设不同企业拥有各种不同的有形或无形的资源,且这些资源在企业间是不可流动的,企业的竞争力则取决于这些独特异质资源的数量和能力。特殊资源能为企业带来经济租金,没有获得经济租金的企业则会设法模仿能力强的企业,导致市场中企业趋于一致,优势企业最终丧失经济利润。但是企业间的相互模仿又是困难的,研究企业资源基础理论的学者大都认为至少有三个方面的因素阻碍了这类模仿行为:1、因果关系模糊。不同企业所处的经济环境复杂,且各项活动均都与企业最后获得利润有关,即使是专业研究的学者也极难证明优势企业的租金到底来源于企业哪种资源优势或者哪种措施政策,所以,劣势企业根本不知道该模仿什么。即使竞争优势资源可以被观察到,也必然是一个花费很多人力物力财力的过程,最后劣势企业模仿后取得的经济租金可能还不足以抵消观察研究成本。2、路径依赖性。某些企业可能在一开始由于远见或其他原因拥有某种异质资源,有竞争优势,但由于还不被大家发现,所以不被模仿。待被发现时,其他企业可能因该异质资源数量变少或者成本变高而不能再采取模仿优势企业的决策。3、模仿成本。企业的模仿行为往往需要大量的资金、人力和时间成本。且一项模仿行为是否给企业带来了经济租金有待较长时间的考核,在这个过程中,市场因素是随时发生变化的,企业可能面临因市场环境变化,模仿行为不仅没有获得额外经济租金,反而损失了初期的资金投入。

  根据企业资源基础理论,金融科技力量也属于保险公司的异质资源,且短时间内不能被其他对手公司轻易模仿,所以,金融科技的发展能增强保险公司的竞争优势,给保险行业带来经济租金。

  (二)可竞争市场理论

  该理论认为,市场是完全竞争的,所以在市场中的企业会采取适当的措施来保持自己独特的竞争优势,进而免受外来竞争者的威胁。科技创新水平的发展使企业的产品具有差异性,即竞争力,促进企业竞争优势的形成。在市场日趋饱和的今天,企业间的竞争日益加大,企业加大研发投入更是提高产品竞争力,抵御外来者进入威胁的重要途径。金融与科技的结合发展必然能提高保险公司的竞争能力,促进保险业繁荣发展。

  (三)投资与技术创新不可分理论

  麦金农(1973年)提出金融深化与经济增长相互影响的理论体系,对发展中国家普遍存在的“金融抑制”现象进行了深入分析,最终提出了走金融自由化道路的主张。他认为金融体系对经济增长的促进作用主要通过两个渠道实现,即前期资本的积累和后期技术的创新。麦金农还分析了金融市场与技术创新的关系,他认为金融与技术创新之间是相互促进,相互影响,不可分割的。技术创新需要金融市场为其提供资金和服务的支持,金融体系的完善又促进了技术创新。投资与技术创新不可分割理论强调了金融资本融通促进了企业家技术创新的行为。除了少数企业家拥有充足的资金,可以独立承担科技创新的资金投入外,其余企业家由于研发资金的不足,容易陷入“低水平均衡”,难以实施技术改进。所谓“低水平均衡”是指企业在缺少资金的情况下难以进行技术改进,从而导致技术落后。而技术落后又会反过来影响企业经营状况和收益水平,使企业自有现金流进一步减少,无法获得技术改进需要的资金,从而陷入到一种技术水平低的循环中。金融的作用就是打破这种循环,缺乏资金的企业或国家可以借助金融的支持作用改进技术进入高水平行列。麦金农认为金融市场及金融中介可以通过多种方式动员社会资金,使闲置资金得到利用。

  随着金融创新的发展,金融市场及金融中介可以达到改善资源配置,推动技术革新的效果,发展较为健全、资本市场自由化程度高的金融体系可以为科技创新提供规避风险的金融工具,同时降低资金供给者的信息获取成本,消除资金供求双方的信息不对称。由此可见,金融科技水平的发展能促进保险公司效率的提高。

  四、金融科技发展指数的构建和测算

  金融科技发展指数是用来测度一个地区金融科技发展水平的指数。迄今为止,已经有众多的国内外学者提出过不同的金融科技发展指数的测度方法,本文采用的是曹颢的测算方法,因其方法下,包含的因素更全面,能很好的测度各地区的金融科技发展水平。但由于各个地区与科技相关的统计量发布时间滞后,2018年的相关数据要到2020年中才能获得,所以,本文只测算2011年至2017年的各地区金融科技发展指数,再把当年各省份指数的均值作为中国当年的金融科技发展指数。

  (一)金融科技发展指数的构建

  本篇论文采用曹颢的测算方法,即将金融科技的发展指数分成资源、产出和经费的测度,但与曹颢的测算方法相比,又略有出入。因考虑到在近些年各省的统计数据中,曹颢测算方法中的金融机构科技贷款和科技经费支出两个二级指教已不再测算和公布,本文将这两个指标剔除,再根据国家统计局官网里的指标释义,科研经费支出和科技经费支出指标的含义相同,亦无法得到数据,故而再剔除一个二级指标“科研经费支出”,本文采用剩余的七个指标完成金融科技发展水平的测算。金融科技发展水平指标的具体构成如下表1

  表1金融科技发展指数的构成[源自石一帆.科技金融发展对高技术企业研发投入的效应研究[D].北京交通大学,2019:30-32]

  一级指标二级指标计算方法

  金融科技资源指数该地区的科技人力资源

  该地区的科研机构资源科技活动人员/该地区总人口数

  研发机构数量/该地区总人口数

  金融科技经费指数该地区的财政拨款力度财政科技拨款/财政支出

  表1金融科技发展指数的构成续表

  一级指标二级指标计算方法

  金融科技产出指数该地区的技术市场成交率

  该地区的论文产出率

  该地区的专利产出率

  该地区的出口产出率技术市场成交合同金额/研发经费支出

  国内中文期刊科技论文数/研发经费支出

  专利申请授权量/研发经费支出

  高技术产业出口额/研发经费支出

  (二)金融科技发展指数的测算方法和结果

  1.金融科技发展指数的测算方法

  首先应得到各指标在2012年的具体得分。2012年的某单项指标(如科研机构资源指标)在各省份的最小值设定为0(表示2012年该省份在这项指标中表现最差),最大值是1(表示2012年该省份在这项指标中表现最好)。

  (1)各省份基期年份指标得分的计算公式:

  第个指标及其得分=

  其中表示某地区指标的数值;表示各省份2012年该指标的最小值;同理,表示各省份2012年该指标的最小值。然后将同属一类的几个二级指标用算数平均的方法加权得到三个一级指标的分数,因每个二级指标的得分都在0和1之间,故各省当年的金融科技发展指标的数值也位于0-1之间。

  (2)非基年的指标计算方法

  第个指标在年的得分=

  上式中表示第年各省份第个指标的数值;为各省份2012年该指标的最小值;同理为各省份2012年该指标的最大值。

  2.各省金融科技发展指数的测算结果

  根据上述方法测算出我国31个省份2012年至2017年的金融科技发展指数如下

  表2各省份金融科技发展指数结果[石一帆《科技金融发展对高技术企业研发投入的效应研究[D].北京交通大学,2019》;《中国高技术产业统计年鉴》、《中国主要主要指标数据库》、《中国科技统计年鉴》]

  2012年2013年2014年2015年2016年2017年

  北京0.8060 0.8147 0.8477 0.8146 0.8138 0.8264

  表2各省份金融科技发展指数结果续表

  2012年2013年2014年2015年2016年2017年

  天津0.3675 0.3803 0.4039 0.4227 0.4087 0.4128

  河北0.0859 0.0896 0.0912 0.0982 0.1085 0.1092

  山西0.1351 0.1690 0.1661 0.1592 0.1706 0.1782

  内蒙古0.0976 0.0800 0.0756 0.0813 0.0797 0.0821

  辽宁0.2157 0.2104 0.2147 0.2125 0.2280 0.2350

  吉林0.1867 0.1992 0.2017 0.2152 0.2421 0.2493

  黑龙江0.2443 0.2279 0.2348 0.2452 0.2590 0.2573

  上海0.5399 0.5250 0.5181 0.4910 0.5063 0.5129

  江苏0.3793 0.3747 0.3664 0.3742 0.3674 0.3715

  浙江0.3541 0.3584 0.3522 0.3641 0.3602 0.3638

  安徽0.2100 0.2180 0.2337 0.2443 0.2993 0.2874

  福建0.2025 0.2089 0.2117 0.2250 0.2213 0.2256

  江西0.1140 0.1307 0.1488 0.1789 0.1863 0.1793

  山东0.1853 0.1911 0.1885 0.1915 0.1922 0.1983

  河南0.1322 0.1397 0.1381 0.1511 0.1506 0.1572

  湖北0.1894 0.2162 0.2565 0.2706 0.2864 0.2891

  湖南0.1412 0.1424 0.1480 0.1529 0.1482 0.1538

  广东0.3431 0.3727 0.3209 0.3756 0.4020 0.4092

  广西0.1015 0.1163 0.1300 0.1340 0.1345 0.1402

  海南0.1205 0.1404 0.1226 0.1321 0.1263 0.1294

  重庆0.1978 0.2462 0.2505 0.2322 0.2324 0.2347

  四川0.1765 0.1805 0.1896 0.2018 0.1948 0.2072

  贵州0.1049 0.1199 0.1351 0.1684 0.1360 0.1459

  云南0.1193 0.1304 0.1400 0.1421 0.1290 0.1381

  西藏0.0674 0.0551 0.0508 0.0526 0.0752 0.0638

  陕西0.2295 0.2489 0.2713 0.2933 0.3184 0.3029

  甘肃0.2052 0.2151 0.2215 0.2459 0.2483 0.2519

  青海0.1153 0.1360 0.1427 0.2374 0.2400 0.2391

  宁夏0.0885 0.0935 0.1107 0.1209 0.1265 0.1249

  新疆0.1202 0.1300 0.1319 0.1557 0.1440 0.1479

  以上指标的测算数据中:2012年-2016年数据来自石一帆的《科技金融发展对高技术企业研发投入的效应研究[D].北京交通大学,2019》;2017年指标的测算数据主要来自《中国高技术产业统计年鉴》、《中国主要主要指标数据库》、《中国科技统计年鉴》的数据,宏观数据则来自国家统计局官网。

  对表2中各地金融发展指数进行统计分析,发现全国31个省份的金融科技发展水平差异大:发达城市的金融科技发展水平较相对落后的城市而言更高;近年来,每个城市的金融科技发展指数大致呈现稳步上升的趋势。

  3.全国金融科技发展指数的测算结果

  根据算数平均法可进一步计算出中国2012年至2017年的金融科技发展指数数值,作为后文SFA模型的科技投入指标数值,即:

  全国第年的金融科技发展指数=,

  其中表示省份,第年的金融科技发展指数。

  根据以上公式和表2计算出全国2011年-2017年的金融科技发展指数如下表3

  表3全国2012年-2017年金融科技发展指数结果[根据公式和表2的数据计算得到]

  年份2012年2013年2014年2015年2016年2017年

  0.212 0.221 0.226 0.238 0.231 0.246

  五、金融科技发展与保险业的效率关系研究

  (一)指标选择和模型设定

  1.指标选择

  运用SFA模型测算保险公司的技术效率值,最关键的是如何选择投入和产出指标,选取合适的投入产出指标是准确测度的充分条件。根据以往的研究文献,众多学者在进行技术效率评测时都具有主观成分,没有一个统一的标准,即学者们根据自己对待评价对象的认识的差异选择不同的投入产出指标。在利用SFA进行保险业效率的研究中,甘小丰(2008年)将保险费收入、赔付支出和投资收益之和作为产出指标;2013年许栩等人的研究则认为应将前述中的赔付支出替换成准备金增量,三者之和再作为产出指标。另,本文采用甘小丰的研究成果,把已赚保费、投资收益和赔付支出之和作为保险类公司效率评测的产出指标。

  在已有的文献中,对于资本存量投入指标的选择上也众说纷纭,在王家庭(2010年)、刘远翔(2015年)等人的研究中,固定资本的数量是资本存量投入指标的量化代表;但同时也有不少学者认为固定资本只是投入资本的一部分,前述的做法缺乏严谨。在综合考虑实证的可操作性和科学严谨性等各方面因素后,本文最终采用以固定资产量和货币资本的总量代替资本存量投入指标。

  用保险公司年末的员工人数作为劳动力投入指标。

  用当年的金融科技发展指数作为科技投入指标。

  指标的具体定义及描述性统计结果,见下表4

  表4 SFA模型变量的选择和其定义

  变量符号变量名称单位变量定义

  产出百万元保险公司年末已赚保费、赔付支出和投资收益的总和

  资本存量投入百万元保险公司年末固定资产和货币资本的总和

  劳动力投入人保险公司年末员工数

  金融科技发展指数无全国第t年金融科技发展水平

  2.SFA模型设定

  已确定如上四个投入产出指标后,建立以下随机前沿模型:

  ln=+ln+ln+ln-

  其中表示在第年保险公司的总产出,即保险公司的已赚保费、赔付支出和投资收益的总和(百万元);表示第年保险公司的资本存量,文中即年末固定资产存量(百万元);为第年末保险公司的从业人员人数(人);表示第年全国金融科技发展水平;、为待估计参数;-为合成误差项,且和相互独立,其中表示服从独立同分布的正态分布的随机误差项(-N(0,));为服从独立的、截断正态分布的技术无效率效应项(-(,))。在实际应用中,取(变差率)=,它是衡量技术无效率项是否是影响产出的主要因素(越接近1,表明技术非效率项对于产出越是主要因素)。

  (二)数据的选择与实证分析

  1.数据选择

  为保证数据的可得性和可持续性,本篇论文选取了保险行业近些年来资产总额相对靠前的20家保险公司,其中包括保险集团公司、人寿保险公司、财产保险公司几种类型,选取的20家保险公司也不都是(非)上市公司,因此认为这20家保险公司能代表整个保险行业近些年的发展趋势。关于20家公司的、和数据均来自公司年报、公司社会责任报告和公司官网上公布的数据。

  所选取的保险公司和相关实证数据见附表1

  2.实证分析

  把2011年-2017年20家保险公司的面板数据用Frontier4.1程序计算,得到随机前沿模型各参数结果如下表5

  表5 SFA模型各参数的估计值及统计结果

  变量系数标准差T值

  常数-0.17567126E+02 0.46570181E+01-0.37721833E+01

  ln 0.15544429E+01 0.11417378E+00 0.13614710E+02

  ln 0.38500108E+00 0.16360438E+00 0.23532443E+01

  ln 0.62723642E+02 0.20440542E+02 0.30685900E+01

  sigma-squared 0.96302480E+02 0.32619689E+02 0.29522808E+01

  0.90027883E+00 0.36570000E-01 0.24617961E+02

  Log函数值-0.43829462E+03

  LR检验0.16626754E+03

  上述的模型结果表明=0.90027883E+00且T值和LR值均在1%水平上显著,表明SFA模型回归结果良好,即:ln=-17.567126+1.5544429ln+0.38500108 ln+62.723642ln,且模型误差中保险公司经营非技术效率占了90%,即保险公司理想产出和实际产出的差距是由技术非效率引起的。由SFA统计检验原理:当取值合理且不为0时,可证明此随机前沿生产函数是合理有效的可知,金融科技发展水平确实促进了保险行业效率的提高。