Purpose

Despite the sophisticated regulatory regime established in Solvency II, analysts should be able to consider other less complex indicators of the soundness of insurers. The Z-score measure, which has traditionally been used as a proxy of individual risk in the banking sector, may be a useful tool when applied in the insurance sector. However, different methods for calculating this indicator have been proposed in the literature. This paper compares six different Z-score approaches to examine which one best fits insurance companies. The authors use a final dataset of 183 firms (1,382 observations) operating in the Spanish insurance sector during the period 2010–2017.

Design/methodology/approach

In the first stage, the authors opt for a root mean squared error (RMSE) criterion to evaluate which of the various mean and SD estimates that are used to compute the Z-score best fits the data. In the second stage, the authors estimate and compare the explanatory power of the six Z-score measures that are considered by using an ordinary least squares (OLS) regression model. Finally, the authors report the results of the baseline equation using the system-GMM estimator developed by Arellano and Bover (1995) and Blundell and Bond (1998) for dynamic panel data models.

Findings

The authors find that the best formula for calculating the Z-score of insurance firms is the one that combines the current value of the return on assets (ROA) and capitalization with the SD of the returns calculated over the full sample period.

Research limitations/implications

The main limitation of the research is that it addresses only the Spanish insurance sector, and consequently, the implications of the findings must be framed in this institutional context. However, the authors think that the results could be extrapolated to other countries. Future research should consider including different countries and analyzing the usefulness of aggregated insurer-level Z-scores for macroprudential monitoring.

Practical implications

The Z-score may be a useful early warning indicator for microprudential supervision. In addition to being an indicator of the soundness of insurers simpler than those established in the current regulation, the information provided by this accounting-based measure may help analysts and investors obtain a better understanding of insurance firms' risk factors.

Originality/value

To the best of the authors’ knowledge, this study is the first to examine and compare different approaches to calculating Z-scores in the insurance sector. The few available results on the predictive power of the Z-score are mixed and focus on the banking sector.

研究目的

雖然在償付能力標準II 內已建立了精密的監管制度，但分析人員應可以考慮以不太複雑的指標，來分析保險公司的穩健程度。Z-分數的估量在銀行業一向作為是個體風險的代理而使用，而Z-分數如應用於保險業，或許會成為有用的工具。唯在文獻裏，學者和研究人員提出了不同的方法來計算這個指標。本文比較六個不同的Z-分數估量方法，以研究出最適合保險公司的方法。我們使用一個最終數據集，包括在2010年至2017年期間在西班牙保險業界營運的183間公司（1382 個觀察）。

研究設計/方法/理念

在首個階段，我們選擇使用一個方均根誤差(RMSE) 標準來衡量用來計算Z-分數的各個平均值和標準差估量中哪個最適合使用於有關的數據。在第二個階段， 我們以普通最小平方 (OLS) 迴歸模型，去估計並比較被考慮的六個Z-分數估量的解釋力。最後，我們以Arellano與Bover (1995), 以及Blundell與Bond (1998) 為動態追蹤資料模型而發展出來的系統-廣義動差估計推定量，來發表我們基線方程式的結果。

研究結果

我們發現，計算保險公司Z-分數的最佳公式是把資產收益率及資本總額的現值，和在整個樣本期間計算出來的囘報的標準差結合起來的公式。

研究的局限/含意

我們研究主要的局限為：研究只涉及西班牙的保險業；因此，研究結果的含意，必須在這個體制的背景框架下來闡釋。唯我們相信研究結果或許可外推至其它國家。未來的研究，應考慮納入不同國家作為研究對象，並分析保險公司層面的集成Z-分數的功用，以求達到宏觀審慎監控的目的。

實際意義

Z-分數或許就微觀審慎監管而言是一個有用的早期警告器。這些以會計為基礎的估量而提供的資訊，除了較現時規例内已建立顯示保險公司穩健程度的各個指標更簡單外，還會幫助分析人員和投資者更了解保險公司的風險因素。

研究的原創性/價值

據我們所知，本研究為首個研究，去探討並比較保險業內的Z-分數的計算方法。以前關於Z-分數預測能力的，為數不多並可供取閱的研究結果均不統一；而且，這些研究都聚焦探討銀行業。

中文翻译：

---

使用 Z 分数分析保险公司的财务稳健性

目的

尽管 Solvency II 建立了复杂的监管制度，分析师应该能够考虑其他不太复杂的保险公司稳健性指标。Z -score 度量传统上被用作银行部门个人风险的代表，在应用于保险部门时可能是一个有用的工具。然而，文献中已经提出了计算该指标的不同方法。本文比较了六种不同的Z分数方法，以检查哪一种最适合保险公司。作者使用了 2010-2017 年期间在西班牙保险业运营的 183 家公司（1,382 次观察）的最终数据集。

设计/方法/方法

在第一阶段，作者选择均方根误差 (RMSE) 标准来评估用于计算Z分数的各种均值和 SD 估计值中的哪一个最适合数据。在第二阶段，作者估计并比较了使用普通最小二乘 (OLS) 回归模型考虑的六种Z分数测量的解释力。最后，作者使用由 Arellano 和 Bover (1995) 以及 Blundell 和 Bond (1998) 为动态面板数据模型开发的 system-GMM 估计器报告了基线方程的结果。

发现

作者发现，计算保险公司Z -score 的最佳公式是将资产回报率 (ROA) 和资本化的当前值与整个样本期间计算的回报的 SD 相结合的公式。

研究限制/影响

该研究的主要局限性在于它仅针对西班牙保险业，因此，研究结果的影响必须在这种制度背景下进行。然而，作者认为结果可以外推到其他国家。未来的研究应考虑纳入不同的国家并分析汇总的保险公司级别Z分数对宏观审慎监控的有用性。

实际影响

Z分数可能是微观审慎监管的有用预警指标。除了作为保险公司稳健性指标的指标比现行法规中的指标更简单外，这种基于会计的衡量标准所提供的信息还可以帮助分析师和投资者更好地了解保险公司的风险因素。

原创性/价值

据作者所知，本研究首次检验和比较了保险业计算Z分数的不同方法。关于Z分数的预测能力的少数可用结果好坏参半，主要集中在银行业。

研究目的

在偿付能力标准II，但分析人员可以作为具体情况来分析内测的范围内的具体情况。代理而Z-减少不同的商业用途，而商业用途，可能会成为有用的工具。唯在文献中，学者和研究提出了这个指标。我们使用一个数据集，在 2010 年至 2017 年期间在西班牙保险期间运营的 183 家公司（包括 1382 个观察）。

研究设计/方法/思想

在每个使用的平均评分中选择一个平均评分（RMS） 标准来第二个阶段中计算的平均分数是我们的平均值，我们标准差任何一个最适合的平均值。最后，我们以Arellano与Bover（1995），以及Blundell与Bond（1998）模型为动态追踪资料而发展更广泛地表达我们的表达结果，将我们的输出结果表达出来。

研究结果

我们计算出来的结果是 Z- 分数的最佳结合，是计算得出的结果和在计算结果的标准的当前值。

研究的意义/含意

我们主要研究的结果为：研究只涉及行业；因此，研究的范围内，必须在这个体制的背景下发布结果。唯独我们相信未来的研究或外推其他国家。的研究，考虑考虑纳入不同监控研究对象，并分析国家作为组件的集成Z-部分的用途，以求达到宏观审慎的目的。

实际意义

Z-就这些基础评估，仔细审定监管实际上是一个有效的、有效的、有效的显示量和建立的日历例以内部的例子，以更广泛的方式提供更广泛的指标。帮助人员分析和投资者更了解表格的风险因素。

研究的原创性/价值

根据我们Z-的报告，本报告的研究结果为首个研究，比较研究的Z-分数的计算能力。 ，这些研究都聚焦于商务洽谈。