Vliv makroekonomických ukazatelů na výši předepsaného pojistného ve vybraných státech EU

Mendelova univerzita v Brně Provozně ekonomická fakulta

Vliv makroekonomických ukazatelů na výši předepsaného pojistného ve vybraných státech EU Diplomová práce

Vedoucí práce: Mgr. Kateřina Myšková, Ph.D.

Brno 2013

Bc. Ivana Lefká

Zadání práce

Poděkování Na tomto místě bych ráda poděkovala vedoucí diplomové práce paní Mgr. Kateřině Myškové, Ph.D. za odborné vedení, trpělivost, ochotu, připomínky a cenné rady, které mi poskytla při zpracovávání této diplomové práce. Dále bych ráda poděkovala svým nejbližším, rodině, za podporu při mém dlouholetém studiu.

Čestné prohlášení Prohlašuji, že jsem práci

Vliv

makroekonomických

ukazatelů

na

výši

předepsaného pojistného ve vybraných státech EU vypracovala samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše.

V Brně dne 20. prosince 2013 …………………… podpis

Abstrakt Lefká, I. Vliv makroekonomických veličin na výši předepsaného pojistného ve vybraných státech EU. Diplomová práce. Brno, 2013. Cílem této diplomové práce je identifikovat makroekonomické veličiny, které ovlivňují výši předepsaného pojistného ve vybraných státech EU – v České republice, Německu, Rakousku a na Slovensku. Pro každou zemi zvlášť je pomocí vícerozměrné regresní analýzy vytvořen ekonometrický model, který vyjadřuje

závislost

nezaměstnanosti

a

předepsaného průměrné

pojistného

mzdě.

na

Následuje

HDP,

inflaci,

ekonomická,

míře

statistická

a ekonometrická verifikace modelu. Použitá data byla získána ze statistik zajišťovny Swiss Re, Evropské federace pojišťoven a zajišťoven (Insurance Europe), Světové banky, statistického úřadu Evropské unie (Eurostat), Evropské hospodářské komise OSN (UNECE) a dalších odborných zdrojů. Klíčová slova: pojistný trh, předepsané pojistné, makroekonomické veličiny, regresní analýza, regresní model, Česká republika, Německo, Rakousko, Slovensko.

Abstract Lefká, I. The influence of macroeconomic indicators on the amount of written premiums in selected EU countries. Diploma thesis. Brno, 2013. The aim of this thesis is to identify macroeconomic variables that affect the amount of written premiums in selected EU countries - the Czech Republic, Germany, Austria and the Slovak Republic. For each country is developed an econometric model that explains the dependence of written premiums to GDP, inflation, unemployment rate and the average wage, following by an economic, statistical and econometric model verification. The data used was obtained from the Sigma statistics of reinsurance company Swiss Re, the European (re)insurance federation (Insurance Europe), the World Bank, the Statistical Office of the European Union (Eurostat), the United Nations Economic Commission for Europe (UNECE) and other expert sources. Keywords: insurance market, written premiums, macroeconomic indicators, regression analysis, regression model, Czech Republic, Germany, Austria, Slovakia.

Obsah 1. 2. 3.

ÚVOD ......................................................................................................................8 CÍL PRÁCE ..............................................................................................................9 TEORETICKÁ ČÁST PRÁCE ...........................................................................10 3.1 Pojistný trh a principy jeho fungování ..........................................................10 3.2 Faktory ovlivňující pojistný trh ......................................................................11 3.3 Jednotný pojistný trh Evropské unie .............................................................11 3.4 Současné trendy v pojišťovnictví....................................................................12 3.4.1 Změna způsobu regulace pojistného trhu ............................................12 3.4.2 Růst významu životního pojištění .........................................................13 3.4.3 Nové způsoby komunikace a prodeje ...................................................14 3.4.4 Bankopojištění ...........................................................................................15 3.4.5 Alternativní přenos rizik .........................................................................15 3.4.6 Změny charakteru rizik a rizikovosti ....................................................16 3.4.7 Pojistné podvody ......................................................................................17 4. MATERIÁL A METODIKA...............................................................................19 4.1 Ukazatele hodnocení vývoje pojistných trhů ...............................................19 4.2 Ekonometrické modelování ............................................................................20 4.3 Regresní analýza ...............................................................................................21 5. CHARAKTERISTIKA EKONOMICKÉ AKTIVITY A POJISTNÝCH TRHŮ VYBRANÝCH STÁTŮ EU ............................................................................25 5.1 Česká republika.................................................................................................25 5.2 Německo ............................................................................................................26 5.3 Rakousko ............................................................................................................26 5.4 Slovensko ...........................................................................................................27 5.5 Komparace vybraných ukazatelů pojistných trhů .......................................27 5.5.1 Počet pojišťoven a zaměstnanců v pojišťovnictví ................................27 5.5.2 Podíl předepsaného pojistného v životním a neživotním pojištění ..29 5.5.3 Pojištěnost ..................................................................................................29 5.5.4 Předepsané pojistné na jednoho obyvatele ...........................................30 6. REGRESNÍ ANALÝZA – VÝSLEDKY ............................................................32 6.1 Specifikace modelu ...........................................................................................32 6.2 Německo ............................................................................................................33 6.3 Rakousko ............................................................................................................37 6.4 Česká republika.................................................................................................40 6.5 Slovensko ...........................................................................................................43 7. ZÁVĚR ...................................................................................................................46 8. SEZNAM POUŽITÉ LITERATURY .................................................................49 9. SEZNAM TABULEK A GRAFŮ .......................................................................52 10. SEZNAM PŘÍLOH ..............................................................................................53

Seznam použitých zkratek AT

Rakousko

CEA

Comité Européen des Assurances (v březnu 2012 přejmenováno na Insurance Europe)

CPI

index spotřebitelských cen (consumer price index)

CZ

Česká republika

ČR

Česká republika

DE

Německo

EU

Evropská unie

HDP

hrubý domácí produkt

IE

Insurance Europe

mil.

milión

N

nezaměstnanost

NŽP

neživotní pojištění

OECD

Organizace pro hospodářskou spolupráci a rozvoj (Organisation for Economic Co-operation and Development)

OSN

Organizace spojených národů (United Nations)

PM

průměrná mzda

PP

předepsané pojistné (celkové)

RIR

reálná úroková míra

SAS

SAS Institute Inc.

SK

Slovensko

UNECE

Evropská hospodářská komise OSN (United Nations Economic Commission for Europe)

USD

americký dolar (měna)

ŽP

životní pojištění

1. Úvod Pojišťovnictví je významným segmentem finančního trhu, který objemem vložených prostředků v některých zemích dokonce převyšuje bankovní sektor. Roční přírůstky předepsaného pojistného převyšují roční přírůstky HDP ekonomik. Dynamika odvětví pojišťovnictví výrazně přispívá k celkovému růstu ekonomik, a to zejména v rozvinutých ekonomikách, a také plní funkci stabilizátora ekonomiky.

Pojistný trh tedy významně ovlivňuje situaci

v jednotlivých ekonomikách a zároveň na něj působí ekonomické vlivy, musí se přizpůsobovat podmínkám, ve kterých působí. Čelí globalizaci, liberalizaci, novým rizikům, demografickému vývoji, poptávce spotřebitelů po pojistné ochraně, novým trendům a samozřejmě také konkurenci. Vyznačuje se určitými specifiky a vlastními principy fungování, zahrnujícími imaginární produkt či službu zajišťující ochranu před nahodilostí. Vzhledem k tomu se stává pro mnoho lidí nejasným a složitým, a proto i poptávka po pojištění je ovlivněna pouze subjektivní představou ekonomických subjektů o riziku. V této práci jsme se rozhodli poodhalit vliv ekonomických ukazatelů na vývoj pojistných trhů ve vybraných zemích. Pojistný trh bude reprezentován souhrnným ukazatelem celkového předepsaného pojistného a jeho vývoj bude vysvětlován makroekonomickými ukazateli HDP, inflace, nezaměstnanost, průměrná mzda a reálná úroková míra. Pro každou zemi zvlášť bude pomocí vícerozměrné regresní analýzy vytvořen ekonometrický model, který poté bude hodnocen pomocí testů popsaných dále.

8

2. Cíl práce Cílem této diplomové práce je identifikovat makroekonomické proměnné, které ovlivňují výši předepsaného pojistného ve vybraných zemích Evropské unie – v České republice, Rakousku, Německu a na Slovensku. Zkoumanými makroekonomickými

veličinami

budou

HDP,

míra

inflace,

míra

nezaměstnanosti, úroková sazba a průměrná mzda. Pro každou zemi zvlášť bude pomocí vícerozměrné regresní analýzy vytvořen ekonometrický model, zobrazující závislost předepsaného pojistného na jednotlivých

proměnných.

Následovat

bude

ekonomická,

statistická

a ekonometrická verifikace modelů. Dílčími cíli práce je popsat teoretická východiska problematiky analýzy vývoje pojistných trhů, charakterizovat vývoj na pojistných trzích jednotlivých zemí v průběhu několika posledních let, popsat Jednotný evropský pojistný trh a také nejnovější trendy v odvětví pojišťovnictví.

9

3. Teoretická část práce 3.1 Pojistný trh a principy jeho fungování Pojistný trh je jedním ze segmentů finančního trhu. Tak jako na jiných trzích se na pojistném trhu střetává nabídka a poptávka po zboží, resp. službách, v tomto případě po pojistné ochraně reprezentované pojištěním a zajištěním. Subjekty

působícími

na

pojistném

trhu

jsou

pojistitelé,

zajistitelé,

zprostředkovatelé, stát, orgán dozoru nad pojišťovnictvím, pojistníci a pojištění (klienti), poradenské firmy, asociace a ostatní subjekty. Pojistný trh má však také svá specifika. Jedním z nich je přímo prodávané zboží či služba. Pojištění i zajištění má fiktivní charakter. Kupující při pořizování pojistné ochrany podstupuje určité riziko spočívající v tom, že výplatu pojistného plnění obdrží až po realizaci pojištěného rizika (tzv. pojistná událost), které nemusí vůbec nastat. Dalšími principy fungování pojistného trhu1 jsou: 

princip solidárnosti – všichni pojistníci svým pojistným přispívají k tvorbě technických rezerv pojišťoven a respektují, že pojistné plnění je vypláceno pouze těm, které postihla pojistná událost,



princip neekvivalentnosti – pojistné plnění nezávisí na výši zaplaceného pojistného, může být vyšší nebo nižší,



princip podmíněné návratnosti – pojistné plnění se poskytne pojištěnému pouze v případě, že nastane pojistná událost vymezená podmínkami v pojistné smlouvě.

Tato neurčitá návratnost peněžních prostředků klientů umožňuje pojišťovnám rozsáhlou investiční činnost, díky které patří pojistný trh k významným segmentům finančního trhu, v některých zemích ovládá dokonce větší kapitál než bankovní sektor. (Čejková, 2000, s. 31) Pojistný trh můžeme členit podle několika kritérií, například podle předmětu činnosti pojistitele na: 

věcný pojistný trh – zabývající se nabídkou a poptávkou po pojištění a zajištění,

1

Zpracováno na základě Principy pojištění – Pojištění.cz

10



investiční pojistný trh – investování dočasně volných peněžních prostředků na finančních trzích.

3.2 Faktory ovlivňující pojistný trh Na pojistný trh působí mnoho faktorů, následující výčet je uvádí v rozdělení na vnitřní a vnější.2 Vnitřní faktory: 

pojišťovací a zajišťovací činnost,



zájem o pojištění ze strany klientů,



regulace pojistného trhu a dozor nad ním,



činnost asociací, komor a dalších orgánů.

Vnější faktory: 

vývoj a objem hrubého domácího produktu,



vývoj inflace,



vývoj nezaměstnanosti,



počet obyvatel (jejich věková struktura, střední délka života),



peněžní příjmy obyvatelstva, průměrná mzda,



objem a struktura výdajů domácností,



situace v ostatních segmentech finančního trhu.

V této diplomové práci se budeme zabývat vlivem vybraných vnějších faktorů na objem

předepsaného

pojistného,

půjde

o

HDP,

míru

inflace,

míru

nezaměstnanosti, průměrnou mzdu a u dvou států i úrokovou sazbu. Tyto vnější faktory byly zvoleny na základě prostudování odborných studií a z důvodu jejich kvantifikovatelnosti a dostupnosti pro vybrané země.

3.3 Jednotný pojistný trh Evropské unie Jednotný pojistný trh EU se vytvářel déle než 20 let procesem postupného přijímání jednotlivých direktiv. Tento proces skončil 1. července 1994, kdy vznikl jednotný právní prostor pro všechny členské státy Evropského společenství, tzv. režim jediné licence (single licence). Tento prostor je vymezen pěti níže uvedenými principy.3

2 3

Zpracováno podle Čejková (s. 19) a Vávrová (s. 33). Zpracováno podle Čejková (s. 33) a Vávrová (s. 44)

11

První princip je podstatou režimu jediné licence. Jediné povolení také označováno jako „evropský pas“ umožňuje všem pojišťovnám založeným a registrovaným v jakémkoli ze států EU provozovat svou činnost v jiném členském

státě

prostřednictvím

poboček

nebo

zastoupení

(freedom

of establishment) nebo přes hranice přímo z jejich sídla na základě svobody dočasně poskytovat služby (freedom to provide services) a to v rozsahu původního povolení (licence) uděleného v domovské zemi. Druhý a třetí princip jsou přímými důsledky prvního. Jsou jimi zrušení systému dvojího povolování (v domovské a hostitelské zemi) a nahrazení jej oznamovací (notifikační) povinností a vzájemné uznávání povolení vydaných dozorčími orgány různých zemí EU a tím také uznání jimi prováděných systémů dozoru. Dozor nad solventností pojišťovny, jejími akcionáři a managementem je čtvrtým principem jednotného pojistného trhu, který zároveň zrušil dřívější systém kontroly smluvních podmínek a sazeb pojišťoven. Posledním, pátým principem je liberalizace pravidel pro investování technických rezerv s cílem naplnit princip volného pohybu kapitálu. Dle Insurance Europe Key Facts 2013 má evropský pojistný trh největší podíl (33 %) na světovém pojistném trhu, následuje jej Severní Amerika (30 %) a Asie (29 %). Pojišťovnictví je odvětvím s největšími investicemi v Evropské unii, v roce 2012 do globální ekonomiky vložilo téměř 8 400 bilionů EUR, což odpovídá 58 % HDP EU. Pojišťovnictví je klíčovým zdrojem pro investice potřebné k podpoře růstu ekonomiky a dodává požadované finanční prostředky na úhradu důchodu stávající pracující generace. Jedná se o největšího institucionálního investora v Evropě, spravujícího více než 50% všech evropských institucionálních aktiv. Vývoj v celkovém investičním portfoliu je poháněn především životním pojištěním, příspěvky investičních společností z odvětví životního pojištění představují více než 80 % z celkového objemu. Více než 60 % investic všech evropských životních pojišťoven pochází z Velké Británie, Francie a Německa.4

3.4 Současné trendy v pojišťovnictví 3.4.1 Změna způsobu regulace pojistného trhu V oblasti regulace odvětví pojišťovnictví musí dozorový orgán zvolit takový způsob dohledu, aby dostatečně zabezpečil ochranu pojištěných a pojistníků

4

European Insurance – Key Facts, 2013

12

a současně co nejméně omezoval podnikatelské aktivity komerčních pojišťoven. (Čejková, 2000, s. 27) V souvislosti s jednotným pojistným trhem EU došlo také ke sjednocení pravidel regulace pojistného trhu v rámci EU, kdy se jednotlivé členské státy musely přizpůsobit a implementovat směrnice EU do své legislativy, popřípadě pozměnit své zákony týkající se dotčené problematiky. V současné době se připravuje zavedení směrnice Solvency II, která má nahradit původní směrnici Solvency I upravující podmínky fungování evropského pojistného trhu od roku 1973. Solvency II má za cíl sjednotit jednotný pojistný trh EU, harmonizovat pravidla jeho regulace a zvýšit ochranu spotřebitelů. Odráží nové postupy řízení rizik a stanovení požadovaného množství kapitálu, který pojišťovny EU musí držet, aby se snížilo riziko jejich platební neschopnosti. Kapitálový požadavek solventnosti může mít následující cíle: 

snížení rizika, že pojistitel nebude schopen splatit pohledávky,



snížení ztráty pojistníků, pokud by pojistitel nebyl schopen plně uspokojit veškeré pohledávky,



poskytnout včasné varování, aby orgány dohledu mohly rychle zasáhnout, pokud kapitál klesne pod požadovanou úroveň,



podpořit důvěru ve finanční stabilitu pojišťovacího sektoru.

Solvency II se podobá bankovní regulaci Basel II, proto bývá také označována jako Basel pro pojišťovny. Navrhovaný rámec Solvency II má tři hlavní pilíře5: 

první pilíř obsahuje kvantitativní požadavky na kapitál pojišťoven,



druhý pilíř stanovuje kvalitativní požadavky na řízení rizik pojišťoven, účinný dohled nad pojišťovnami a interní kontrolní systémy pojišťoven,



třetí pilíř je zaměřen na zveřejňování informací a jejich transparentnost.

3.4.2 Růst významu životního pojištění Dalším trendem v odvětví pojišťovnictví je rostoucí význam životního pojištění, projevující se např. zvyšujícím se podílem životního pojištění na celkovém objemu předepsaného pojistného. Dle Daňhela (2005, s. 242) bylo dříve životní pojištění chápáno především jako prostředek ke krytí rizika úmrtí (krytí životních potřeb pozůstalých nebo krytí úvěrového rizika v souvislosti s úmrtím), dnes ovšem životní pojištění zahrnuje

5

Dle Solvency II Training

13

nejen pojištění pro případ smrti nebo dožití, ale je také vnímáno jako prostředek zhodnocení peněz (např. spoření na stáří) a investiční nástroj. Rostoucí zájem o produkty životního pojištění je také dán daňovým zvýhodněním životního pojištění, kterým se státy snaží podporovat domácí ekonomiku a zvyšovat počet uzavřených smluv životního pojištění. Hlavním důvodem jsou změny ve struktuře obyvatelstva (tzv. stárnutí populace) a problémy financování důchodů ze státního systému sociálního zabezpečení, životní pojištění je tedy náhradou či doplňkem systému státního důchodového pojištění. Z makroekonomického pohledu rozvinuté životní pojištění svou tvorbou úspor významně přispívá k celkovému růstu ekonomik a jejich stabilizaci, je zdrojem pro střednědobé a dlouhodobé investice, díky odkladu spotřeby prostřednictvím placení pojistného má antiinflační charakter a díky zdanění výnosů pojišťoven je také zdrojem příjmů státního rozpočtu. (Jindra, 2013) Zvyšující se objem předepsaného pojistného v tomto odvětví pojišťovnictví může být ale zapříčiněn také odklonem klientů od spoření v bankách a spořitelnách, což vede k přehodnocování distribučních kanálů pojistitelů.

3.4.3 Nové způsoby komunikace a prodeje Pojišťovny jsou svým založením poměrně konzervativní instituce, což dokládá například

stabilní

rozložení

jejich

distribučních

kanálů

a

převládající

zprostředkovatelský prodej, ale ani jim se nevyhýbají nové trendy a technologie v komunikaci, oslovování klientů a nabízení produktů přes internet, telefon, prostřednictvím telemarketingu či direkt mailingu – tedy formy přímého prodeje. Rostoucí počet komunikačních a prodejních kanálů pro pojišťovny znamená více příležitostí a potenciálních zákazníků než dříve. Pro klienty představují tyto nové přístupy také značné výhody – dostupnost aktuálních informací 24 hodin denně téměř odkudkoli, možnost srovnání více produktů různých pojistitelů, vyhledání produktu podle vlastních kritérií, rychlá odezva, úspora času i možnost sjednání některých produktů přímo z domova (zejména jednodušší produkty s méně parametry). V některých případech se klient vůbec nemusí osobně dostavit na pobočku. Vedle samotného prodeje produktů jde i o poskytování informací o stavu pojištění, možnost nahlášení změn osobních údajů či jiných dat, ale také hlášení škodných událostí a sledování stavu jejich řešení, možnost elektronicky přiložit dokumenty ke škodě atd.

14

Rozvíjejícím se a pro pojišťovny zajímavým novým prodejním kanálem jsou různé nezávislé webové porovnávače jednotlivých pojistných produktů, které jsou často prvním nástrojem pro mnoho zájemců o sjednání pojištění. Přesto jsou produkty, které se přes internet prodat nedají a vyžadují osobní kontakt klienta s pojišťovacím poradcem. Jedná se komplexní pojistky, investiční produkty nebo úvěry, u kterých hraje roli velké množství parametrů. Trendem ve zprostředkování a poradenství je posun od prodeje jednotlivých smluv ke komplexní péči o klienta samozřejmě s využitím moderních informačních technologií.6

3.4.4 Bankopojištění Termínem bankopojištění je označována mezisektorová spolupráce bank a pojišťoven v podobě prodeje společných produktů. Jeho cílem je uspokojit všechny finanční potřeby klienta komplexně a na jednom místě. To přispívá ke zvyšování komfortu klienta, který je zvyklý nakupovat finanční produkty v kamenných pobočkách. Pro pojišťovny je výhodou tohoto nástroje rozšíření jejich odbytových kapacit, u bank se jedná o intenzivnější využívání fixních nákladů a nabídku bankovních produktů prostřednictvím pojišťovacích zprostředkovatelů. Důvody rozvoje spolupráce bank a pojišťoven mohou být zavedení jediné licence na pojistném trhu EU, rozvoj informačních technologií, vznik tzv. finančních supermarketů a nárůst konkurence, daňové zvýhodnění životního pojištění, pojištění jako alternativa spoření a také hledání nových způsobů prodeje a zisku. (Daňhel, 2005, s. 221)

3.4.5 Alternativní přenos rizik Sekuritizace pojistných rizik (převod rizika na jiné subjekty prostřednictvím moderních finančních instrumentů)vyplývá ze snahy pojistitelů a zajistitelů zvýšit efektivitu přenosu rizika, rozšířit spektrum pojistitelných rizik, proniknout při krytí rizik na kapitálové trhy, eliminovat volatilitu pojistných a zajistných sazeb a získat dodatečnou pojistnou a zajistnou kapacitu. Původně alternativní metody přenosu rizik znamenaly pojištění vlastních rizik velkých korporací prostřednictvím kaptivních pojišťoven7.

Dle Nandranského Kaptivní pojišťovny jsou specifickým druhem pojišťovacích ústavů, které jsou zakládány z majetku určitého podnikatelského subjektu, nejčastěji skupiny spřízněných společností s podobnými zájmy, s cílem krýt pouze rizika spojená s jeho vlastní činností 6 7

15

Dle Jindry (2013) jsou dalšími možnostmi alternativního krytí rizika využívání pojistných derivátů a také finanční zajištění. Jeho cílem je vyhlazení celkového finančního výsledku daného subjektu. Finanční zajištění je alternativou k tradičnímu zajištění. Jedná se o kombinaci zajištění a bankovních produktů, což má odstranit nedostatky tradičního zajištění. Globalizace a liberalizace Trend globalizace se rozvíjí díky změně konkurence v rámci jednotlivých zemí na konkurenci mezinárodní a z přechodu od konkurence v rámci pojišťovacího sektoru na konkurenci v rámci celého finančního sektoru. Globalizace v Evropě zesiluje také díky uplatňování principu volného pohybu služeb v rámci EU. V EU došlo k liberalizaci v souvislosti s vydáním Třetích direktiv, které měly za následek deregulaci zejména v dříve silně regulovaných trzích Evropy. Významným krokem bylo také zavedení společné měny v zemích EU. Značný rozvoj liberalizace pojišťovnictví lze pozorovat i na tzv. nově se rozvíjejících trzích, ke kterým patří země střední a východní Evropy. Na liberalizaci navazuje tendence konsolidace, která se projevuje snižujícím se počtem pojišťoven na vyspělých pojistných trzích, ke kterému vedou hlavně fúze z důvodu snižování nákladů a zvyšování efektivnosti při řízení pojišťovací činnosti. (Daňhel, 2005, s. 322)

3.4.6 Změny charakteru rizik a rizikovosti Pojišťovny musí svými produkty pružně reagovat na poptávku po pojistné ochraně vyplývající z aktuálních potřeb obyvatelstva. Mění se způsob života, životní úroveň, používané technologie, právní prostředí a povědomí, a to vše s sebou přináší nová rizika, která je potřeba zahrnout do komerčního pojištění. Vznikají nové pojistné produkty i celá pojistná odvětví – např. environmentální pojištění, pojištění kybernetických rizik, pojištění právní ochrany a další. Dochází také k velkému nárůstu přírodních katastrof následkem klimatických změn a katastrof způsobených lidskou činností8. (Graf 1) Jejich důsledkem jsou vysoké škody, které se projevují v negativním vývoji škodního průběhu v posledních letech. Výše škod je také ovlivněna vyšší hustotou osídlení, větší hodnotou majetku v rizikových oblastech, vyšší koncentrací majetkových hodnot v průmyslových zemích a změnami v politické situaci vedoucími k nebezpečí terorismu.

Katastrofy způsobené lidskou činností – například terorismus, letecké, dopravní katastrofy, počítačové pirátství, uměle vyšlechtěné kmeny infekčních nemocí s potenciálem způsobit epidemii či pandemii, poškozování životního prostředí atd. 8

16

Tyto skutečnosti se odráží v rozsahu pojistných plnění pojistitelů, ale hlavně zajistitelů. Řada z těchto rizik je nepojistitelných, proto se uplatňují různé metody státního zabezpečení pro případy přírodních nebo jiných katastrof. V souvislosti s výskytem katastrofických škod se ukazuje vyšší význam zajištění v souvislosti krytí škod na jedné straně, a na straně druhé se projevuje snaha uplatnit další alternativní nástroje řešení těchto rizik. (Jindra, 2013) 300 250 200 150 100 50 0 1970

1975

1980

1985

přírodní katastrofy

1990

1995

2000

2005

2010

katastrofy způsobené lidskou činností

Graf 1 Vývoj počtu katastrof ve světě v letech 1970-2012 Zdroj: Sigma No 2/2013 Swiss Re

V roce 2012 došlo k 318 katastrofám, z nichž 168 bylo přírodních a 150 způsobených člověkem. Při těchto katastrofách zahynulo přibližně 14 000 lidí, nejvíce životů si vyžádal tajfun Bopha na Filipínách, záplavy v Pákistánu, zemětřesení v Íránu a také mrazy v Evropě. Ekonomická ztráta v důsledku všech těchto událostí dosáhla v roce 2012 objemu 186 miliard dolarů, což je oproti roku 2011 s dosud nejvyšší zaznamenanou ztrátou 403 miliard dolarů, výrazný pokles. Náklady pro pojistitele se vyšplhaly na 77 miliard dolarů, což je třetí nejvyšší částka od začátku shromažďování těchto údajů v roce 1970.9

3.4.7 Pojistné podvody Pojištění je založeno na principu vzájemné solidarity a je určeno k ochraně proti nahodilým událostem způsobujícím významné ztráty. Pojistný podvod svou podstatou podkopává tento systém, falešné pojistky a podvodné nároky na

9

Sigma No 2/2013, Swiss Re

17

čerpání finančních prostředků zaplacených poctivými zákazníky zvyšují cenu pojistného na pokrytí skutečných ztrát. Podvod má dopad nejen na pojistitele, ale také na jejich zákazníky a negativně ovlivňuje celou společnost, protože prostředky získané pojistným podvodem mohou být použity k financování další trestné činnosti. Pojistné podvody existují již od počátku pojišťovnictví jako odvětví podnikání a týkají se všech jeho oblastí, podvodem může být poskytnutí nepravdivých nebo neúplných údajů v žádosti o pojištění nebo na formuláři návrhu pojistné smlouvy, nahlášení škody na základě klamavých informací včetně uvedení vyšší škody a jakékoli jiné zavádějící či nepravdivé jednání s pojistitelem s úmyslem získat vlastní prospěch.10 Podle společnosti SAS je obtížné stanovit přesnou částku ztráty, která pojišťovnám vzniká v důsledku pojistných podvodů. Odhaduje se, že pojistné podvody tvoří až 10 % všech výdajů na pojistné události, a že méně než 20 % těchto podvodů bývá odhaleno. Pojišťovny neustále posilují své systémy kontroly a zavádějí nové metody odhalování pojistných podvodů, aby minimalizovali své ztráty i dopad na poctivé zákazníky.

10

The impact of insurance fraud, Insurance Europe

18

4. Materiál a metodika Základem

pro

zpracování

diplomové

práce

je

prostudování

českých

a zahraničních pramenů: odborné literatury, studií, internetových zdrojů a statistických publikací. Teoretická část práce se zaměřuje na vysvětlení ukazatelů a základních charakteristik pojistného trhu, specifikaci Jednotného pojistného trhu EU s vymezením současných trendů v pojišťovnictví. V kapitole materiál a metodika je popsán původ zpracovávaných dat, charakteristika použitých metod, způsob jejich aplikace na data a také volba vysvětlujících proměnných. Data použitá k analýze a ekonometrickému modelování jednotlivých pojistných trhů pocházejí především z výkazů Sigma zajišťovny Swiss Re a statistik OECD, Evropské federace pojišťoven a zajišťoven (Insurance Europe), Světové banky, statistického úřadu Evropské unie (Eurostat), Evropské hospodářské komise OSN (UNECE) a dalších. Veškeré výpočty byly provedeny s využitím tabulkového procesoru MS Excel 2007 a ekonometrického programu Gretl verze 1.9.13.

4.1 Ukazatele hodnocení vývoje pojistných trhů Pro hodnocení vývoje na pojistných trzích jednotlivých států byl vybrán ukazatel předepsané pojistné jako souhrnný ukazatel kvantifikující velikost pojistného odpovídajícího platným pojistným smlouvám za celý pojistný trh ve sledovaném roce. (Daňhel, 2005, s. 242) Jedná se o důležitý ukazatel výkonnosti každé komerční pojišťovny, případně celé země či regionu, za příslušné období. (Čejková, 2000, s. 23) Vyjadřuje podíl pojišťovny, země či regionu na pojistném trhu. Předepsané pojistné můžeme také sledovat zvlášť pro životní a neživotní pojištění. Dalšími ukazateli použitými pro srovnání jednotlivých pojistných trhů budou 

počet pojišťoven a počet zaměstnanců v pojišťovnictví,



ukazatel rozložení předepsaného pojistného na životní a neživotní pojištění,



pojištěnost,



předepsané pojistné na jednoho obyvatele.

19

Počet komerčních pojišťoven je používán v mezinárodní teorii i praxi jako jeden ze základních ukazatelů, který informuje o vývoji a vyspělosti daného pojistného trhu a také o způsobu jeho regulace. (Čejková, 2000, s. 24) Ukazatel počet zaměstnanců v pojišťovnictví vypovídá o úrovni daného pojistného trhu. (Čejková, 2000, s. 25) Mezi jednotlivými zeměmi ovšem nemůžeme porovnávat absolutní počet zaměstnanců v pojišťovnictví, ale musíme vzít v úvahu i velikost a koncentraci pojistného trhu, počet obyvatel dané země atd. Tento ukazatel také závisí na produktivitě a způsobu práce zaměstnanců v pojišťovnictví. Rozložení předepsaného pojistného na životní a neživotní pojištění je významným sledovaným ukazatelem s ohledem na postupně se měnící význam životního pojištění. V současnosti dochází ke zdůrazňování role životního pojištění jako spořícího nástroje, tedy nástroje sloužícího ke krytí potřeb lidí ve stáří. (Daňhel, 20005, s. 242) Lze říci, že vyšší podíl životního pojištění indikuje vyspělost daného trhu a země. (Čejková, 2000, s. 30) Poslední dva ukazatele, poměr velikosti předepsaného pojistného k hrubému domácímu produktu a velikost předepsaného pojistného na jednoho obyvatele, komplexně hodnotí rozsah a úroveň pojistných trhů. Pojištěnost je poměr předepsaného pojistného k hrubému domácímu produktu v běžných cenách, udává se v procentech a vyjadřuje kapacitu pojistného trhu, danou rozsahem pojistného pole (soubor majetku, předmětů, osob anebo jiných jevů, existujících v daném státě nebo teritoriu, které je možno pojistit). (Čejková, 2000, s. 24) Pojištěnost je ovlivněna výší HDP, proto je pro objektivní posouzení míry využití pojištění v dané zemi vhodné tento ukazatel doplnit ukazatelem předepsané pojistné na jednoho obyvatele. (Daňhel, 2005, s. 243)

4.2 Ekonometrické modelování Jednotlivými fázemi procesu ekonometrického modelování jsou specifikace, kvantifikace, verifikace a aplikace ekonometrického modelu na data. Specifikace

ekonomického

modelu

vychází

z analýzy

zkoumaného

ekonomického problému, jeho výchozích předpokladů, ekonomických teorií a vede ke stanovení základní hypotézy. Tu poté pomocí zvolených proměnných vyjádříme matematicky jednou nebo několika vzájemně závislými rovnicemi. Kvantifikace modelu spočívá v odhadu jeho parametrů na základě statistických dat, nejčastěji metodou nejmenších čtverců (OLS). Parametry vyjadřují intenzitu a směr působení zkoumaných proměnných.

20

Poté následuje fáze verifikace modelu, kdy pomocí testovacích kritérií zjišťujeme statistickou významnost modelu a zda jsou odhadnuté parametry modelu konzistentní

s výchozími

ekonomickými

předpoklady

(ekonomická

interpretovatelnost). Aplikace modelu znamená praktické využití modelu k vyhodnocování dat.

4.3 Regresní analýza Hindls (2000, s. 44) popisuje regresní analýzu jako nástroj, který se využívá k analýze vzájemné závislosti dvou a více proměnných. Jedná se o soubor statistických metod a postupů, pomocí kterých získáme odhad hodnot nebo středních hodnot vysvětlované nebo také závisle proměnné (značíme y) na vysvětlujících, nezávisle proměnných (označovaných x1, x2, x3, atd.) Pokud je vysvětlující proměnná pouze jedna, hovoříme o jednoduché regresi, při větším počtu vysvětlujících proměnných se jedná o vícenásobnou regresi. Regresní analýza může být použita pro hodnocení prostorových i časových řad. V regresní analýze se používají pouze měřitelné veličiny. Podkladové údaje pro regresní analýzu nazýváme výběrová data a předpokládáme, že byly získány náhodným výběrem. Regresní model je matematickým modelem, který vyjadřuje stochastickou závislost a výchozí předpoklady regresní analýzy. Můžeme jej vyjádřit jako

kde je

................vektor pozorování vysvětlované (závisle) proměnné, ................matice pozorování vysvětlujících (nezávisle) proměnných, β ................vektor neznámých parametrů, ε ................vektor náhodných veličin (chyb).

Odhad vhodné regresní funkce ̂ potom zapisujeme ̂ kde

̂

̂ ................vektor odhadovaných parametrů regresní funkce.

Odhad parametrů regresní funkce můžeme provést metodou nejmenších čtverců (OLS) dosazením do vztahu ̂

21

nebo analytickým způsobem vycházejícím z kritéria metody nejmenších čtverců, ̂ za předpokladu, že ∑

∑

̂

kdy požadujeme, aby funkce neznámých parametrů ∑

 min. Neznámé

parametry regresní funkce vypočítáme z rovnic prvních parciálních derivací podle jednotlivých parametrů, které položíme rovno nule. Nyní můžeme přistoupit k verifikaci modelu. Pro každý odhadnutý parametr kde

,

vypočítáme t-hodnoty a ověříme tak jeho statistickou významnost

na základě následujících hypotéz:

̂

Testová statistika má tvar kde

̂

..............nulová hypotéza, ..............alternativní hypotéza, ̂ ...............odhad regresního parametru, ( ̂ ) ......standardní chyba odhadu.

Vyhodnocení testu můžeme provést pomocí kritické hodnoty kdy | | kde

⁄

,

,| | n ................počet pozorování, ................počet parametrů regresní funkce

),

................hladina spolehlivosti. Další možností je posouzení pomocí p-hodnoty, známé také jako hodnoty významnosti, se kterou se často setkáme ve statistických programech, kdy hypotézu H0 zamítáme na hladině významnosti , když

.

Významnost celého modelu posuzujeme F-testem s následujícími hypotézami:

22

kde

............odhadnutý součet čtverců, ............reziduální součet čtverců, ................počet parametrů regresní funkce,

a kde kritická hodnota

.

Vhodnost modelu můžeme dále ověřit koeficientem determinace založeném na rozkladu součtu čtverců,

kde celkový (nebo také teoretický) součet čtverců

.

Koeficient determinace může nabývat hodnot 〈

〉. Čím více se hodnota blíží

jedné, tím vyšší je kvalita vyrovnání regresní funkcí. Tento koeficient ovšem nebere v úvahu počet parametrů regresní funkce, u regresních funkcí s více parametry může jeho hodnota vycházet vyšší než u funkcí s menším počtem parametrů. Proto se pro regresní funkce s větším počtem parametrů používá korigovaný koeficient determinace ve tvaru ̅ Dále bude proveden test linearity, RESET test k ověření, zda je model správně specifikován,

a

také

analýza

reziduí,

která

by

měla

být

náhodná,

neautokorelovaná a neměla by vykazovat heteroskedasticitu. Neautokorelovanost reziduí budeme testovat pomocí Durbin-Watsonova (DW) ̂ má DW statistika následující tvar testu autokorelace 1. řádu. Pro ∑ ∑ DW může nabývat hodnot z intervalu 〈

〉. Pokud se hodnota DW pohybuje

kolem 2, jedná se o párovou nezávislost reziduí, hodnoty DW statistiky blízké 0 značí pozitivní korelaci, hodnoty kolem 4 negativní korelaci. Testování sériové korelace vyšších řádů pak lze provést pomocí Breusch-Godfreyova testu, BoxPierceova testu, Ljung-Boxova testu a také pomocí grafu autokorelační funkce (ACF) a grafu parciální autokorelační funkce (PACF). Heteroskedasticitu či homoskedasticitu (náhodné složky i rezidua klasického lineárního regresního modelu mají konečné a konstantní rozdělení) chybového členu můžeme ověřit Whiteovým nebo Breusch-Paganovým testem, oba

23

využívají pomocnou regresní funkci s čtverci reziduí původního modelu jako vysvětlovanou proměnnou. Testy normality (normálního rozdělení) chybového členu jsou chí-kvadrát test, Shapiro-Wilkův test a Jarque-Bera test normality. Ve všech případech je nulovou hypotézou hypotéza H0: normalita chybového členu. Na závěr uvedeme testování lineární závislosti vysvětlujících proměnných (multikolinearita) pomocí VIF faktorů. Tento test využívá pomocného regresního modelu, ve kterém je každá vysvětlující proměnná vysvětlována zbývajícími vysvětlujícími proměnnými původního modelu. VIF podle následujícího vztahu vypočteme pro každou vysvětlující proměnnou v rovnici. (̂) kde

je koeficient determinace pomocné regrese v bodě 1.

Za multikolinearovanou proměnnou pak považujeme proměnnou, jejíž VIF faktor je větší než hodnota 10.

24

5. Charakteristika ekonomické aktivity a pojistných trhů vybraných států EU Následující kapitola této práce uvádí analýzu ekonomické aktivity a jednotlivých pojistných trhů České republiky, Německa, Rakouska a Slovenska. Podkladová data pro komparaci vybraných ukazatelů pojistných trhů pocházejí ze statistik Evropské

federace

pojišťoven

a

zajišťoven

(Insurance

Europe)

a zajišťovny Swiss Re. Tyto státy byly vybrány jako nebližší státy České republiky nejen geograficky, ale také co se provázanosti finančních trhů týče. Německo je významným obchodním partnerem pro Rakousko, Slovensko i Českou republiku a můžeme říci, že jsou tyto země na Německu do určité míry hospodářsky závislé. Také nejvíce zahraničních pojišťovacích společností, které mají v ČR své zastoupení, je právě z Německa a Rakouska. (Čejková, 2000, s. 49)

5.1 Česká republika Česká republika je vyspělá země, která je řazena mezi nejrozvinutější ekonomiky na světě. Ekonomicky patří např. dle Světové banky a OECD do skupiny nejbohatších států světa s vysokými finančními příjmy.11 Hrubý domácí produkt dosahuje výše vyspělých států světa. V roce 2012 byl HDP na osobu přes 18 600 USD, což představuje 79 % průměru EU.12 Hospodářství českých zemí tradičně patří k nejrozvinutějším v Evropě. Po roce 1989 došlo k transformaci centrálně řízeného hospodářství a privatizaci státního majetku. Nyní Česká republika vykazuje druhou nejstabilnější a nejvíce prosperující ekonomiku ze všech postkomunistických zemí (po Slovinsku). Jejím základem jsou služby (59,7 % HDP) a průmysl (38 %), zemědělství a další prvovýroba jsou zastoupeny slabě (2,3 %).13 Dle hodnocení Chorvatů se dále můžeme pochlubit nejnižším počtem obyvatel pod hranicí chudoby, nejpočetnější střední třídou, která je označována jako páteř ekonomiky, nízkou nezaměstnaností (pod průměrem vyspělých zemí, jedna z nejnižších v Evropě), velkým hospodářským růstem, větší kupní sílou díky rovnoměrnému rozdělování národního důchodu napříč obyvateli a regiony,

Country and Lending Groups, The World Bank GDP per capita (current US$), The World Bank 13 CIA, The World Factbook, Czech Republic 11 12

25

nejmenším

zatížením

mezd

a

nízkou

nerovností

mezi

nejbohatšími

a nejchudšími. (Hron, 2013) Tak jako většinu států světa, i Českou republiku zasáhla světová ekonomická krize. Projevila se zejména poklesem HDP o 4,5 % v roce 2009, zvyšováním nezaměstnanosti a růstem zadlužení státu. Bankovní systém oproti tomu krizi odolal a negativní jevy nebo přímo krachy bank jako v jiných státech EU se neuskutečnily.

5.2 Německo Německo patří k nejrozvinutějším a nejvýkonnějším zemím světa. Se svým HDP ve výši 3,39 bilionů USD je největší ekonomikou v Evropě a čtvrtou největší na světě.14 Počtem obyvatel (82 milionů) je Německo také největším a nejdůležitějším trhem Evropské unie. Německé národní hospodářství se soustředí hlavně na průmyslově vyráběné zboží a sektor služeb. Služby se svým více než 70% podílem jak na tvorbě HDP, tak na celkové zaměstnanosti, tvoří největší sektor německého hospodářství, nejvýznamnější v oblasti poskytování služeb je pak bankovnictví a pojišťovnictví.

5.3 Rakousko Ukazatel hrubý domácí produkt v přepočtu na jednoho obyvatele v Rakousku měl v roce 2012 hodnotu 47 226 USD, což řadí Rakousko na pozici 11. nejvyspělejšího, nejbohatšího státu světa a na 6. místo v rámci Evropy.14 V rakouském hospodářství, stejně jako v ostatních vyspělých zemích, má rozhodující podíl na HDP sektor služeb (70,3 %). Velký význam má pro zemi také zahraniční obchod, podíl vývozu zboží a služeb na HDP se neustále zvyšuje a v roce 2012 dosáhl 57 %. Dominantním obchodním partnerem je Německo, které má rovněž výsadní postavení mezi zahraničními investory v Rakousku.15

14 15

GDP per capita (current US$), The World Bank Souhrnná teritoriální informace - Rakousko

26

5.4 Slovensko Slovensko je jednou ze zemí, které v roce 2004 vstoupily do Evropské unie a v 90. letech 20. století zažily změnu systému hospodářství z centrálně plánovaného na tržní hospodářství. V současnosti je slovenská ekonomika velmi úspěšná a patří mezi jedny z nejrychleji rostoucích v regionu. Po Slovinsku a Česku je třetí nejsilnější ekonomikou postkomunistických zemí.16 V roce 2009 byla v zemi zavedena jednotná evropská měna Euro. Z okolních států má Slovensko pevné vazby především s Českou republikou, ale jako otevřená ekonomika zaměřená na export je Slovensko silně hospodářský závislé na svém největším obchodním partneru, Německu. Nejsilnější zastoupení co do HDP i podílu pracovní síly má sektor služeb. Úspěšný je kromě cestovního ruchu také pojišťovací a bankovní sektor, v němž mají silné zastoupení zahraniční společnosti.

5.5 Komparace vybraných ukazatelů pojistných trhů 5.5.1 Počet pojišťoven a zaměstnanců v pojišťovnictví Jak bylo uvedeno v předchozí kapitole, počet pojišťoven a jejich zaměstnanců jsou základními ukazateli hodnotícími pojistný trh. V posledních letech převažuje trend klesajícího počtu pojišťoven, který je dán fúzemi jednotlivých pojistitelů, ale také díky rostoucí konkurenci, působící nyní „mezinárodně“ díky jednotnému pojistnému trhu v rámci celé EU. Trend poklesu počtu pojistitelů potvrzuje i následující tabulka Tab. 1. Pouze v České republice se počet pojišťoven zvyšuje a mírný růst zaznamenal i souhrnný ukazatel za celou oblast Insurance Europe (dříve CEA). Tab. 1 Vývoj počtu pojišťoven v letech 2000-2011 2011/

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

DE

659

640

645

640

633

632

613

609

607

596

582

580

0,9

AT

77

75

73

72

71

73

72

71

71

72

72

72

0,9

SK

28

28

29

28

25

26

25

24

20

20

22

23

0,8

CZ

41

43

42

42

40

45

49

52

53

53

53

54

1,3

IE

5 311

5 214

5 100

5 008

5 330

5 252

5 148

5 322

5 286

5 213

5 606

5 456

1,0

2000

Zdroj: IE Market operators 2013 a 2009

16

Slovakia, Encyklopedia Britannica

27

Počet

zaměstnanců v pojišťovnictví v posledních letech klesá

ve všech

sledovaných státech i pro celou oblast Insurance Europe (dříve CEA), příčinou může být zavádění nových forem komunikace s klienty (internet, telefon) a také změna distribučních kanálů. Například v Rakousku v roce 2011 bylo největším podílem zastoupeno bankopojištění (33 %), přímý prodej (29 %), brokeři (25 %) a s podílem méně než 10 % agenti a ostatní, naopak na Slovensku převládá prodej prostřednictvím agentů (42 %), následovaný přímým prodejem (31 %), ostatními subjekty (26 %), brokeři jsou zastoupeni necelým jedním procentem a bankopojištění na slovenském trhu zatím není. (Příloha 2) Můžeme usuzovat, že obecným trendem na rozvinutých pojistných trzích (jak jsme si popsali na příkladu Rakouska) je růst využívání přímého prodeje a bankopojištění 17 jako nástrojů prodeje pojistných produktů, což vede ke snižování počtu zaměstnanců v pojišťovnictví. Absolutní počty zaměstnanců v pojišťovnictví se pro jednotlivé státy výrazně liší, například Rakousko má přibližně 15 × méně pracovníků než Německo18, ale tato skutečnost je dána velikostí příslušných pojistných trhů daných států stejně jako jejich rozlohou a celkovým počtem obyvatel (platí i pro počet pojišťoven, výši předepsaného pojistného a další nepoměrové ukazatele). Pro porovnání je vhodné uvést relativní ukazatel (koeficient růstu), podíl počtu pracovníků v roce 2011 a 2000 vyjadřuje trend snižování počtu zaměstnanců v pojišťovnictví, ve všech sledovaných státech došlo ke snížení počtu pracovníků o téměř stejné procento. Tab. 2 Vývoj počtu zaměstnanců v pojišťovnictví v letech 2000-2011 2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2011/ 2000

DE

240

245

248

244

240

233

225

218

216

216

216

215

0,9

AT

200 28

400 27

100 25

300 26

800 26

300 26

700 26

900 26

300 26

500 26

400 26

500 25

0,9

SK

530 7 783

359 7 916

925 7 622

106 6 743

494 6 484

267 6 304

292 6 300

667 6 300

547 6 640

732 6 218

538 6 097

794 5 905

0,8

CZ

16

15

15

15

14

14

14

14

14

14

14

14

0,9

112 1 047

718 1 062

740 944

658 1 002

600 1 063

506 1 034

410 996

501 998

726 1 006

498 959

270 836

274 743

0,7

663 2013 318a 2009 067 Zdroj: IE 886 Market617 operators

677

843

873

895

955

877

735

IE

Bankopojištění je hlavní distribuční kanál pro produkty životního pojištění, pro produkty neživotního pojištění jsou hlavním distribučním kanálem agenti a brokeři. 18 Německo je země s největším počtem pracovníků zaměstnaných v pojišťovnictví v EU. 17

28

5.5.2 Podíl předepsaného pojistného v životním a neživotním pojištění V Evropě, stejně jako v celosvětovém měřítku v posledních letech posiluje postavení a význam životního pojištění. Stále však můžeme mezi jednotlivými zeměmi najít výrazné rozdíly v poměru životního a neživotního pojištění. Jak již bylo zmíněno, vyšší podíl životního pojištění detekuje vyspělost daného trhu a země. Tab. 3 Podíl předepsaného pojistného v životním a neživotním pojištění v letech 1998-2012 [%] 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 DE

AT

SK

CZ

IE

ŽP

43

32

32

35

38

38

39

38

39

41

41

42

47

46

47

NŽ

57

68

68

65

62

62

61

62

61

59

59

58

53

53

53

40

44

46

46

45

43

44

47

46

45

45

45

45

42

40

60

56

54

54

55

57

56

53

54

55

55

55

55

58

60

P ŽP

30

36

42

44

43

41

36

39

42

44

47

46

45

47

47

NŽ

70

64

59

56

57

59

64

61

58

56

53

54

55

53

53

P ŽP

27

32

32

35

38

39

39

38

39

41

41

42

46

46

47

NŽ

73

68

68

65

62

61

61

62

61

59

59

58

54

54

53

P ŽP

59

62

65

63

62

61

61

63

63

65

61

61

61

59

59

NŽ

41

38

35

37

38

39

39

37

37

35

39

39

39

41

41

P[% ŽP ] NŽ

P

Zdroj: vlastní práce na základě údajů Swiss Re

Z hodnocených zemí v Německu (od roku 1999), v České republice a na Slovensku postupně během let roste podíl životního pojištění (měřeno předepsaným pojistným) na celkovém pojistném, v roce 2012 tyto země dosahují dokonce stejného poměru životního a neživotního pojištění. V Rakousku tento poměr mezi lety 1998 a 2005 kolísal a od roku 2005 roste odvětví neživotního pojištění až k hodnotě 60 %. Podíl pro oblast Insurance Europe se v tomto ohledu měnil pouze mírně a ve všech sledovaných letech převládá životní pojištění nad neživotním, a to zhruba v poměru 60 ku 40, který je považován za optimální. Lze konstatovat, že sledované státy se k tomuto stavu postupně přibližují, pouze Rakousko se vydalo opačnou cestou.

5.5.3 Pojištěnost Pojištěnost je poměrový ukazatel vyjadřující vztah předepsaného pojistného k HDP v běžných cenách (v %). Jeho smyslem je hodnotit výkonnost, rozvoj a potenciál růstu pojistného trhu. Pojištěnost roste, když předepsané pojistné

29

roste rychleji než HDP. Vývoj pojištěnosti v jednotlivých státech je znázorněn v následujícím grafu. Graf 2. [%] 9,0 8,0 7,0

IE DE

6,0

AT 5,0

CZ SK

4,0 3,0 2,0 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 rok Graf 2 Vývoj pojištěnosti v letech 1999-2012 Zdroj: vlastní zpracování na základě údajů Swiss Re a Insurance Europe

Z rozložení křivek je patrné, že pojištěnost v žádném ze sledovaných států nedosahuje průměru oblasti IE a také jak se od sebe navzájem v tomto ukazateli jednotlivé státy liší. V roce 2008 došlo u všech sledovaných zemí k poklesu pojištěnosti vlivem poklesu předepsaného pojistného, a po růstu tohoto ukazatele v roce 2009 (pro Německo a ČR i v roce 2010) pojištěnost v jednotlivých státech dále klesá, v Rakousku dokonce pod úroveň ukazatele pojištěnosti v roce 1999. Pouze oblast IE zaznamenala opět růst tohoto ukazatele. Vývoj pojištěnosti je silně ovlivněn velikostí HDP, proto jej doplníme ukazatelem předepsané pojistné na jednoho obyvatele.

5.5.4 Předepsané pojistné na jednoho obyvatele Tento ukazatel uvádí, jakou částku průměrně 1 obyvatel vynaložil na pojištění v daném roce. Z grafu (Graf 3) opět můžeme vyčíst značné rozdíly mezi státy, hlavně mezi Německem a Rakouskem na jedné straně a Českem a Slovenskem na druhé. Zatímco průměrné pojistné na 1 obyvatele v Německu a Rakousku se pohybuje v řádu tisíců USD, v Česku a na Slovensku průměrný občan ročně investuje do své pojistné ochrany částku v řádu stovek USD. Vývoj předepsaného pojistného na obyvatele má ovšem podobný průběh pro všechny státy – růst v ČR a na Slovensku od roku 1999, v Německu a Rakousku (po poklesu v letech 2000 a 2001) tento ukazatel rostl až od roku 2002. Po roce 30

2008, kdy se projevila finanční krize následovaná hospodářskou recesí, došlo k poklesu předepsaného pojistného, v Německu pouze ke zpomalení jeho růstu. V roce 2012 ukazatel předepsané pojistné na obyvatele zaznamenal snížení ve všech zemích. USD 3 500 3 000 2 500 DE 2 000

AT

1 500

CZ

1 000

SK

500 0

rok

Graf 3 Vývoj předepsaného pojistného na 1 obyvatele v letech 1999-2012 Zdroj: vlastní zpracování na základě údajů Swiss Re

Výrazný rozdíl mezi oběma „tábory“ zemí můžeme vysvětlit odlišnou tradicí a zvykem českých a slovenských občanů více spoléhat na stát a jeho dávky, které člověka „podrží“, když se ocitne v nepříznivé životní situaci. Shrnutí Na základě uvedených analýz je možné konstatovat, že největších hodnot ukazatelů hodnocení úrovně pojistných trhů dosahují Německo a Rakousko, představující tradiční pojišťovací země s vyspělou ekonomikou. V zemích s vyšší ekonomickou úrovní si obyvatelé mohou dovolit investovat větší objem peněžních prostředků do pojistné ochrany a zajistit se tak proti riziku ztráty z nahodilé události. Otázkou však zůstává, zda se v jednotlivých státech liší poměr placeného pojistného a např. průměrné mzdy občanů, na což se pokusíme odpovědět v následující kapitole pomocí modelů regresní analýzy zkoumajících závislost výše předepsaného pojistného na jednotlivých proměnných.

31

6. Regresní analýza – výsledky Tato kapitola práce se bude zabývat vícerozměrnou regresní analýzou, která podrobí zkoumání vzájemný vztah výše předepsaného pojistného (vysvětlovaná, závisle proměnná) a vybraných makroekonomických proměnných (vysvětlující, nezávisle proměnné), těmi jsou HDP, inflace, nezaměstnanost, průměrná mzda a pro dva státy i reálná úroková míra. Pro každý stát bude pomocí této analýzy vytvořen ekonometrický model znázorňující vztah těchto proměnných. Výstupy Gretlu pro jednotlivé modely jsou uvedeny v přílohách 11-18.

6.1 Specifikace modelu Jak již bylo uvedeno, vysvětlovanou, neboli závislou proměnnou je celkové předepsané pojistné, dále značeno PP, jehož data (pro srovnatelnost všech zemí mezi sebou v mil. USD) jsme získali z výkazů Sigma zajišťovny Swiss Re, a stejně jako ostatní proměnné jsou uvedena v Přílohách 7-10. Protože je pojistný trh ovlivňován situací v jednotlivých ekonomikách, jako vysvětlující

proměnné

byly

vybrány

hrubý

domácí

produkt,

inflace,

nezaměstnanost, průměrná mzda a reálná úroková míra. Hrubý domácí produkt (HDP) jako klíčový ukazatel vývoje národního hospodářství měří výkonnost ekonomiky. Jde o ukazatel shrnující nově vytvořené hodnoty, který slouží k odhadu ekonomické úrovně a ekonomického růstu země. Vyjadřuje celkovou peněžní hodnotu statků a služeb, které byly v zemi vytvořeny za sledované období. V souladu s ekonomickou teorií předpokládáme pozitivní vliv HDP (v mil. USD) na předepsané pojistné. Růst HDP znamená růst ekonomické úrovně země, používání pokročilých technologií a zařízení a tím pádem vyšší úroveň rizika vyvolávající vyšší poptávku po pojištění. Vyšší ekonomická úroveň také umožňuje investovat větší objem peněžních prostředků do pojistné ochrany na zabezpečení proti nahodilým událostem.19 U proměnné inflace vyjádřené pomocí indexu spotřebitelských cen CPI (consumer price index, v %) přepočítané k základnímu roku 2005=100, lze předpokládat pozitivní i negativní vliv na předepsané pojistné. Růst inflace vede ke zvýšení cenové hladiny zboží a služeb a tím pádem ke snížení kupní síly

19

Daňhel, 2005, s. 266

32

peněz, a dá se předpokládat, že lidé budou snižovat své výdaje a dojde tak i ke snížení předepsaného pojistného. Pozitivní vliv inflace na výši předepsaného pojistného způsobuje indexace pojištění, která představuje zvýšení pojistných limitů a předepsaného pojistného vzhledem k inflaci.20 U nezaměstnanosti jako jediné proměnné předpokládáme negativní vliv na předepsané pojistné jako důsledek poklesu celkové ekonomické aktivity, objemu peněžních prostředků a tím pádem i zájmu o pojištění, což se projeví poklesem poptávky po pojištění i poklesem předepsaného pojistného. Údaje o míře nezaměstnanosti (N, v %) v jednotlivých zemích byly získány z Eurostatu. Předepsané pojistné dle odborných zdrojů závisí také na peněžních příjmech obyvatelstva, které jsou v této práci reprezentovány průměrnou mzdou (PM, průměrná měsíční mzda v USD) s pozitivním efektem na předepsané pojistné. Data PM, stejně jako HDP a CPI, pochází ze statistik UNECE. Jako proměnná odrážející situaci v ostatních segmentech finančního trhu byla zvolena reálná úroková míra (RIR, v %), bohužel její údaje ve sledovaných letech nebyly dostupné pro všechny státy, bude proto zahrnuta pouze do modelů pro Českou republiku a Slovensko. Data RIR pocházejí z databáze Světové banky (World Bank). Pro základní model je tedy uvažován tento funkční vztah:

6.2 Německo Model 1: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP Za použití ekonometrického softwaru Gretl jsme získali tyto odhady parametrů včetně odhadů standardních chyb, t-statistik a p-hodnot pro vícerozměrný regresní model Německa (použitá data i výstup Gretlu jsou uvedeny v příloze). const HDP CPI N PM

Koeficient -214737 -0,032515 3150,61 2309,84 49,5659

Směr. chyba 37096,5 0,0190005 593,542 714,283 4,04517

t-podíl -5,7886 -1,7113 5,3081 3,2338 12,2531

p-hodnota 0,00026 0,12119 0,00049 0,01026 <0,00001

*** *** ** ***

Pokud míra inflace překročí v určitém období stanovené procento, navýší se pojistná částka. (Mašek, 2010) 20

33

Model tedy vypadá takto: ̂ Na základě p-hodnot u jednotlivých parametrů můžeme u proměnných CPI a PM zamítnout hypotézu H0 o nevýznamnosti na hladině 1 % a u proměnné N na hladině 5 %. P-hodnota pro proměnnou HDP 0,12119 > α, proto nezamítáme nulovou hypotézu o nevýznamnosti parametru. Celkovou vhodnost regresní funkce můžeme posoudit F-testem, kdy na základě p-hodnoty (1,92*10-11 < 0,05) zamítáme nulovou hypotézu o nevýznamnosti modelu ve prospěch alternativní hypotézy: model je významný, zvolená regresní funkce je vhodná. Dalším měřítkem vhodnosti modelu je koeficient determinace

,

jehož hodnota se blíží jedné, což značí velmi kvalitní vyrovnání regresní funkcí. Zvolenou regresní funkcí lze vysvětlit 99,72 % variability předepsaného pojistného. Také adjustovaný koeficient determinace, který zohledňuje počet parametrů regresní funkce, dosahuje podobné hodnoty ( ̅ ). Dále byl proveden RESET test specifikace modelu a test linearity, jejichž výsledky jsou uvedeny v následující Tab. 4. Tab. 4 Výsledky pro Model 1 Německo Test

Testovací statistika

p-hodnota

Koeficient determinace Adj. koeficient determinace

̅ 1,92*10-11

F-test

0,011

RESET test Test linearity (druhé mocniny)

0,0159521

Test linearity (logaritmy)

0,0170989

VIF (HDP)

9,881

VIF (CPI)

21,504

VIF (N)

1,570

VIF (PM)

9,921

Durbin-Watsonův test Ljung-Box test

0,25852 0,257

Whiteův test

0,204973

Breusch-Paganův test

0,701029

Shapiro-Wilkův test

0,31846

Jarque-Bera test

0,619474

Chí-kvadrát test

0,5607

Z uvedených hodnot je patrné, že hypotéza o správné specifikaci modelu stejně jako hypotéza o linearitě modelu byly na 5% hladině významnosti zamítnuty.

34

Na multikolinearitu upozorňují hodnoty uvedené v matici párových korelačních koeficientů (Tab. 5). Tab. 5 Matice párových korelačních koeficientů PP

HDP

CPI

N

PM

1,0000

0,8701

0,9382

-0,3564

0,9929

PP

1,0000

0,9555

-0,6024

0,8614

HDP

1,0000

-0,5764

0,9357

CPI

1,0000

-0,2867

N

1,0000

PM

Nejvyšší hodnoty párových korelačních koeficientů jsou mezi proměnnými průměrná mzda a předepsané pojistné, CPI a HDP, průměrná mzda a CPI, CPI a předepsané pojistné. Tyto hodnoty naznačují problém s multikolinearitou dat. Pro další analýzu byly vypočteny také VIF faktory. Pouze u proměnné CPI má VIF faktor hodnotu větší než 10. Durbin-Watsonův test testující sériovou korelaci prvního řádu a Ljung-Box test testující autokorelaci vyššího řádu, v našem případě 4. řádu ( zaokrouhleno

na

celý

řád

nahoru)

přítomnost

autokorelace

√

̇

v modelu

neprokázaly. Heteroskedasticita chybového členu byla testována Whiteovým a BreuschPaganovým testem. Z výsledků uvedených v Tab. 4 je patrné, že na 5% hladině významnosti nebyla heteroskedasticita chybového členu prokázána. Na základě výsledku Chí-kvadrát testu můžeme předpokládat, že chybový člen má normální rozdělení. Z uvedených testů reziduální složky je patrné, že rezidua nevykazují heteroskedasticitu, sériovou korelaci ani nenormální rozdělení. Chybový člen tak lze považovat za klasický normální chybový člen a odhadované parametry metodou OLS tak lze považovat za nejlepší možné. Analyzovaný lineární model tak lze na základě výsledků regresní analýzy považovat za statisticky průkazný. Při hodnocení odhadnutých parametrů modelu bylo zjištěno, že znaménka koeficientů u HDP a N neodpovídají našim teoretickým předpokladům. Kladné znaménko u proměnné N znamená, že se zvýšením nezaměstnanosti o jednotku dojde ke zvýšení předepsaného pojistného o necelých 2310 USD. To může být způsobeno tím, že pojistné platí třetí osoby, např. zajištění blízkých (především životní pojištění, které výrazně roste navzdory zvyšující se nezaměstnanosti)

35

nebo

můžeme

uvažovat

nárůst

předepsaného

pojistného

v souvislosti

s pojistnými podvody, kdy se lidé v krajní situaci snaží získat peníze všemi prostředky a někdy i nekalými praktikami. Můžeme tedy doplnit původní předpoklad negativního vlivu nezaměstnanosti na předepsané pojistné o tuto teorii a předpokládat u nezaměstnanosti oba směry působení. Proměnná HDP bude v dalším kroku z modelu vyloučena. Model 2: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP Koeficient -233244 2449,94 2510,08 50,3230

Const CPI N PM

Směr. chyba 38755,9 469,316 769,584 4,39153

t-podíl -6,018 5,220 3,262 11,46

p-hodnota 0,0001 0,0004 0,0086 <0,00001

*** *** *** ***

Upravený model má tvar: ̂ Po vynechání proměnné HDP z modelu došlo ke zlepšení p-hodnot u všech parametrů, jejich statická významnost byla prokázána na 1% hladině významnosti. Tab. 6 Výsledky pro Model 2 Německo Test


p-hodnota


̅ 2,06e-12

F-test

0,0448


0,117508


0,126293

VIF (CPI)

11,271

VIF (N)

1,528

VIF (PM)

9,802

Durbin-Watsonův test

0,292831

Breusch-Godfrey test

0,0705

Ljung-Box test

0,398

Whiteův test

0,296407


0,365299


0,350607

Jarque-Bera test

0,634509

Chí-kvadrát test

0,57555

Celkový F-test opět naznačuje statistickou průkaznost modelu. Hodnota koeficientu determinace i adjustovaného koeficientu determinace se oproti

36

prvnímu modelu mírně snížila, ale stále je model schopen vysvětlit 99,62 % variability proměnné předepsané pojistné. Na základě RESET testu zamítáme nulovou hypotézu o správné specifikaci modelu. Naopak dle testu linearity byla prokázána lineární funkční forma. Hodnota VIF faktoru je větší než 10 u proměnné CPI, ale hodnoty koeficientů determinace pomocných regresí potvrzují únosnost kolinearity (Tab. 7). Tab. 7 Výsledky pomocných regresí (Model 2 Německo) Pomocné regresní funkce

Koeficient determinace R2 0,911277 0,345400 0,982832

Hodnota Durbin-Watsonovy statistiky opět nepoukazuje na autokorelaci prvního řádu. V modelu nebyla prokázána ani přítomnost autokorelace čtvrtého řádu či heteroskedasticita, chybový člen má normální rozdělení. Dle statistické významnosti lze model považovat za vhodný. Dle ekonomické teorie a upraveného předpokladu ohledně nezaměstnanosti také. Objem celkového předepsaného pojistného v Německu je tedy významně ovlivňován proměnnými CPI, N a PM. Nevýznamnost proměnné HDP, která byla z modelu odebrána, může být způsobena provázaností makroekonomických ukazatelů, kdy se navzájem ovlivňují a HDP tak může působit na objem předepsaného pojistného nepřímo či se zpožděním.

6.3 Rakousko Model 1: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP Const HDP CPI N PM

Koeficient -18472,6 0,105451 -115,823 943,193 4,37669

Směr. chyba 3849,61 0,0223536 66,3531 275,935 0,487073

t-podíl -4,799 4,717 -1,746 3,418 8,986

p-hodnota 0,0010 0,0011 0,1148 0,0077 <0,00001

*** *** *** ***

Model má tedy tvar: ̂ Všechny proměnné v modelu jsou statisticky významné na 1%hladině významnosti, pouze proměnná CPI není statisticky průkazná.

37

Tab. 8 Výsledky pro Model 1 Rakousko Test


p-hodnota


̅ 2,40e-10

F-test

0,25


0,0327534


0,0410354

VIF (HDP)

16,412

VIF (CPI)

19,845

VIF (N)

1,258

VIF (PM)

11,277


0,236443


0,00129

Ljung-Box test

0,0447

Whiteův test

0,221004


0,631893


0,650329

Jarque-Bera test

0,684933

Chí-kvadrát test

0,75520

Výsledek F-testu naznačuje vhodně zvolenou regresní funkci a průkaznost celého modelu také na 1% hladině významnosti, stejně jako koeficient determinace i adjustovaný koeficient determinace, model vysvětluje 99,5 % variability PP. Správnou specifikaci modelu potvrzuje také výsledek RESET testu. Test linearity na 5% hladině významnosti zamítá hypotézu o linearitě modelu v parametrech. Vypočtené VIF faktory naznačují problém kolinearity u proměnných HDP, CPI a PM. Z důvodu multikolinearity a také statistické nevýznamnosti odhadnutého parametru bude z modelu odebrána proměnná CPI. Model 2: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP Koeficient -21108,0 0,0778477 938,158 3,98638

const HDP N PM

Směr. chyba 3886,78 0,0173408 302,846 0,474943

t-podíl -5,431 4,489 3,098 8,393

p-hodnota 0,0003 0,0012 0,0113 <0,00001

*** *** ** ***

Model má tedy tvar: ̂

38

V novém modelu zamítáme nulovou hypotézu o nevýznamnosti parametrů na 5% hladině významnosti, proměnné HDP a PM jsou statisticky významné i na 1% hladině významnosti. Tab. 9 Výsledky pro Model 2 Rakousko Test


p-hodnota

Koeficient determinace ̅

Adj. koeficient determinace

3,58e-11

F-test

0,027


0,021555


0,026972

VIF (HDP)

8,198

VIF (N)

1,257

VIF (PM)

8,900


0,0740219


0,103

Ljung-Box test

0,45

Whiteův test

0,203235


0,342617


0,154665

Jarque-Bera test

0,355668

Chí-kvadrát test

0,19938

F-test posuzující celkovou významnost modelu a zvolené regresní funkce stejně jako koeficienty determinace ukazují na statistickou významnost celého modelu. Po odstranění proměnné CPI již hodnoty VIF nenaznačují kolinearitu dat. Durbin-Watsonova statistika, Ljung-Box test a Breusch-Godfrey test nepotvrdily sériovou korelaci prvního ani čtvrtého řádu. Na základě výsledků Whiteova testu a

Breusch-Paganova

testu

můžeme

potvrdit

nulovou

hypotézu

o homoskedasticitě chybového členu a na základě Chí kvadrát testu, ShapiroWilkova testu a Jarque-Bery testu také hypotézu o normálním rozdělení chybového členu. Z výsledků RESET testu a testu linearity je patrné, že hypotéza o správné specifikaci modelu stejně jako hypotéza o linearitě modelu byly na 5% hladině významnosti zamítnuty. Ze statistického hlediska tedy nemůžeme tento model považovat za průkazný. Z ekonomického

pohledu

nám

model

říká,

že

pokud

by

se

zvýšila

nezaměstnanost o jednotku, objem předepsaného pojistného by se průměrně

39

zvýšil o 938 USD (za předpokladu, že ostatní vysvětlující proměnné se nezmění). Obdobně můžeme interpretovat i ostatní proměnné.

6.4 Česká republika Model 1: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP Const HDP CPI N PM RIR

Koeficient -4194,17 -0,000105996 39,2174 71,8563 5,64063 25,0384

Směr. chyba 1795,63 0,000850206 19,6342 60,0255 0,535091 26,6335

t-podíl -2,336 -0,1247 1,997 1,197 10,54 0,9401

p-hodnota 0,0477 ** 0,9039 0,0808 * 0,2655 <0,00001 *** 0,3747


Statistická významnost parametrů na 1% hladině významnosti byla potvrzena pouze u proměnné PM, ostatní proměnné nejsou statisticky významné ani na 5% hladině významnosti. Tab. 10 Výsledky pro Model 1 Česká republika Test


p-hodnota


̅ 7,05e-11

F-test

0,884


0,058037


0,072358

VIF (HDP)

9,667

VIF (CPI)

31,308

VIF (N)

3,892

VIF (PM)

32,141

VIF (RIR)

1,554


0,170955


0,504

Ljung-Box test

0,562

Whiteův test

0,850512


0,972247


0,442639

Jarque-Bera test

0,585142

Chí-kvadrát test

0,41467

40

Na průkaznost celého modelu ukazuje F-test, RESET test i koeficienty determinace, model je schopen vysvětlit 99,83 % variability předepsaného pojistného. Nezamítáme ani hypotézu o linearitě modelu v parametrech. Dle DurbinWatsonova testu, Breusch-Godfrey testu a Ljung-Boxova testu nebyla prokázána autokorelace reziduí. Model také nevykazuje přítomnost heteroskedasticity a testy normality potvrdily normální rozdělení reziduí. Vypočtené VIF faktory nicméně naznačují, že proměnné CPI a PM mohou být multikolinearované. Díky statistické nevýznamnosti budou z modelu vyloučeny proměnné s nejvyšší p-hodnotou, HDP a RIR. U HDP byl navíc rozpor mezi získaným a očekávaným znaménkem. Model 2: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP const

Koeficient -4324,65

Směr. chyba 1090,84

t-podíl -3,965

CPI

35,4560

15,8859

2,232

N

102,044

45,6708

2,234

PM

5,79517

0,479985

12,07

p-hodnota 0,0027 *** 0,0497 ** 0,0495 <0,00001

** ***

Model má tedy tvar: ̂ Proměnná PM je statisticky významná na 1% hladině významnosti, proměnné CPI a N jsou významné na 5% hladině významnosti. F-test testující celkovou vhodnost modelu stejně jako RESET test ukazují na vhodně zvolenou regresní funkci. Dle koeficientů determinace je model schopen vysvětlit 99,81 % variability PP. Dle výsledků testů linearity potvrzujeme nulovou hypotézu o linearitě modelu v parametrech. V modelu se nenachází sériová korelace reziduí prvního ani čtvrtého řádu. Chybový člen má konstantní rozptyl a normální rozdělení.

41

Tab. 11 Výsledky pro Model 2 Česká republika Test


p-hodnota


̅

F-test

5,99e-14

RESET test

0,767

Test linearity (druhé mocniny)

0,189554


0,126526

VIF (CPI)

23,069

VIF (N)

2,536

VIF (PM)

29,109


0,191199


0,328

Ljung-Box test

0,703

Whiteův test

0,546086


0,850541


0,375141

Jarque-Bera test

0,608849

Chí-kvadrát test

0,47375

Hodnoty VIF faktorů ale upozorňují na možnost výskytu kolinearity mezi proměnnými CPI a PM. Na základě korelačních koeficientů pomocných regresí, jejichž hodnoty uvádíme v následující tabulce, můžeme tuto kolinearitu považovat za únosnou. Tab. 12 Výsledky pomocných regresí (Model 2 Česká republika) Pomocné regresní funkce

Koeficient determinace R2 0,956651 0,605688 0,965646

Ze statistického, ekonometrického i ekonomického hlediska můžeme tento model považovat za vhodný. U České republiky byla do modelu zahrnuta jako další proměnná reálná úroková míra, ale při testování odhadu parametrů nebyla prokázána její statistická významnost pro model, a proto byla v dalším kroku z modelu vyloučena stejně jako HDP. Model celkového předepsaného pojistného v České republice vyhodnotil jako hlavní vysvětlující proměnné inflaci (CPI), nezaměstnanost (N) a průměrnou mzdu (PM) stejně jako v Německu.

42

6.5 Slovensko Model 1: OLS, za použití pozorování 1998-2008 (T = 11), závisle proměnná: PP const

Koeficient -291,79


t-podíl -0,2628

p-hodnota 0,8032

HDP

0,0250674

0,0161446

1,533

0,1812

CPI

-28,9178

14,1367

-2,046

0,0962

*

N

20,6052

37,7082

0,5464

PM

2,93155

0,804023

3,646

0,6083 0,0148

**

RIR

-34,9255

16,9865

-2,056

0,0949

*


34,9255RIR Z výsledků t-testu je patrné, že parametry HDP a N nejsou statisticky významné, parametry CPI a RIR jsou statisticky významné na 10% hladině významnosti a pouze parametr PM je statisticky významný na 5% hladině významnosti. Tab. 13 Výsledky pro Model 1 Slovensko Test


p-hodnota


̅ 8,35e-06

F-test RESET test

0,0297

Test linearity (druhé mocniny)

0,05138


0,05138

VIF (HDP)

97,451

VIF (CPI)

94,945

VIF (N)

27,756

VIF (PM)

90,571

VIF (RIR)

7,917


0,169071


0,0612

Ljung-Box test

0,343

Whiteův test Breusch-Paganův test

0,644003


0,614931

Jarque-Bera test

0,695713

Chí-kvadrát test

0,69186

43

Z dosažených hodnot F-testu vyplývá, že můžeme zamítnout nulovou hypotézu o nevýznamnosti modelu ve prospěch alternativní hypotézy. Byl proveden také RESET test, který ovšem nepotvrdil správnou specifikaci modelu. Dle testů linearity je model lineární v parametrech. Chybový člen má konstantní rozptyl a normální rozdělení, není přítomna autokorelace. Vypočtené hodnot VIF ukazují na multikolinearitu u většiny proměnných, konkrétně u HDP, CPI, PM a N. V dalším

kroku

budou

z modelu

vyloučeny

proměnné

se

statisticky nevýznamnými parametry N, HDP a konstanta a také proměnná RIR, u které nesouhlasí získané znaménko s naším předpokladem. Model 2: OLS, za použití pozorování 1998-2011 (T = 14), závisle proměnná: PP CPI

Koeficient -9,87912


t-podíl -8,423

p-hodnota <0,00001 ***

PM

3,18934

0,129683

24,59

<0,00001

***

Model má tedy tvar: ̂ Po zredukování modelu pouze na vysvětlující proměnné CPI a PM můžeme odhadnuté parametry těchto proměnných prohlásit za statisticky významné na 1% hladině významnosti. Tab. 14 Výsledky pro Model 2 Slovensko Test


p-hodnota


̅ 7,14e-17

F-test

0,233


0,298623


0,141348

VIF (CPI)

11,728

VIF (PM)

11,728


0,133162


0,439

Ljung-Box test

0,187

Whiteův test

0,043749


0,454484


0,221772

Jarque-Bera test

0,612007

Chí-kvadrát test

0,45093

44

Významnost celého modelu a správnou specifikaci regresní funkce můžeme potvrdit na základě výsledků F-testu i RESET testu. Dle výsledků testu linearity nezamítáme nulovou hypotézu o linearitě modelu v parametrech. Rezidua nevykazují heteroskedasticitu ani sériovou korelaci a mají normální rozdělení. VIF faktory proměnných jsou mírně nad hranicí 10 a naznačují kolinearitu obou proměnných. Dle koeficientu determinace pomocné regrese (

) se

tato kolinearita jeví jako únosná, můžeme proto tento model považovat za vhodný. Objem celkového předepsaného pojistného na Slovensku je tedy ovlivňován inflací a průměrnou mzdou. Pokud se inflace zvýší o jednotku, předepsané pojistné průměrně klesne o 10 USD a pokud se průměrná mzda zvýší o jednotku, předepsané pojistné se zvýší o 3 USD (za předpokladu, že ostatní proměnné se nemění).

45

7. Závěr Přestože v Evropské unii existuje jednotný pojistný trh, je úroveň jednotlivých států nejen v pojišťovnictví značně rozdílná. Jednotlivé pojistné trhy mají svá specifika, odlišnou historii, vývoj, formy prodeje a zastoupení jednotlivých distribučních kanálů. Můžeme předpokládat, že postupně bude docházet ke sjednocování pojistných trhů a stírání těchto rozdílů, v této chvíli ovšem předpokládáme, že faktor úspěchu pojišťoven vstupujících na trhy jiných států tkví právě v respektování jejich specifik a přizpůsobení své (nejen prodejní) politiky či strategie danému pojistnému trhu. Tato diplomová práce poskytuje základní přehled o pojistném trhu, ukazatelích hodnotících jeho úroveň, současných trendech v pojišťovnictví a postupu ekonometrického modelování s využitím regresní analýzy. V práci jsme se zabývali zhodnocením vývoje pojistného trhu České republiky ve srovnání s dalšími státy – Německem, Rakouskem, Slovenskem i Evropskou unií. Pojistný trh byl hodnocen na základě porovnání základních ukazatelů mezi vybranými státy. Těmito ukazateli byly počet pojišťoven a zaměstnanců v pojišťovnictví, podíl životního a neživotního pojištění, pojištěnost a předepsané pojistné na 1 obyvatele. Největším pojistným trhem je německý, který ze všech zemí EU zaměstnává v pojišťovnictví nejvíce pracovníků, ze sledovaných zemí má největší počet pojišťoven a také nejvyšší pojištěnost (podíl předepsaného pojistného k HDP) a předepsané pojistné na 1 obyvatele. Německý pojistný trh je trhem s dlouholetou tradicí, na rozdíl od České republiky a Slovenska, kde rozvoj komerčního pojišťovnictví začal teprve „nedávno“ po roce 1989. Německo a Rakousko jako vyspělé a tradiční pojišťovací země vykazují vyšší hodnoty pojištěnosti a předepsaného pojistného, a dokazují tak tvrzení, že existuje přímá úměra mezi vyspělostí pojistného trhu (hlavně v oblasti životního pojištění) a ekonomickou úrovní státu. Na druhou stranu státy s nižším HDP (Česká republika a Slovensko) vykazují větší potenciál růstu (nevyčerpaná kapacita pojistného trhu) a dynamiku vývoje jednotlivých ukazatelů. Můžeme tedy usuzovat, že vývoj pojistného trhu České republiky bude dále pokračovat podobným tempem a hodnoty ukazatelů jeho úrovně se postupně budou přibližovat hodnotám vyspělých států a průměru EU. Doporučení pojistitelům působícím na českém pojistném trhu je sledovat současné trendy v pojišťovnictví a přizpůsobit jim své produkty a obchodní

46

strategii.

Méně

předvídatelný

faktor

je

vývoj

rizikovosti

jednotlivých

pojišťovaných rizik a vývoj ostatních segmentů finančních trhů. S rozvojem informačních technologií se pojistitelům nabízejí nové distribuční kanály, formy prodeje a možnosti prezentace a komunikace se zákazníky prostřednictvím internetu, ať už na sociálních sítích, vlastních webových stránkách pojišťoven nebo specializovaných webech porovnávajících produkty pojišťoven mezi sebou či informujících o novinkách, rizicích a možnostech trhu. Výhodou pro klienty je snadná dostupnost, aktuálnost informací, rychlá odezva a přístup 24 hodin denně 7 dní v týdnu odkudkoli přes počítač nebo mobilní telefon. S nástupem nové „počítačové“ generace bude tento kanál stále více využíván a troufáme si tvrdit, že na něm bude stále více záviset úspěch jednotlivých komerčních pojišťoven. Většímu zájmu o pojištění napomáhá také státní podpora v podobě daňového odpočtu příspěvků životního pojištění při splnění podmínek stanovených zákonem a reforma důchodového systému, kdy si lidé stále více uvědomují potřebu zajistit se na stáří a nespoléhat v tomto ohledu na stát, jako tomu bylo dříve. Nedůvěru klientů způsobenou nízkou transparentností a informovaností o finanční situaci pojistitelů by mělo odstranit zavedení směrnice Solvency II, která si klade za cíl sjednotit jednotný pojistný trh EU, harmonizovat pravidla jeho regulace a zvýšit ochranu spotřebitelů. Odráží nové postupy řízení rizik a stanovení požadovaného množství kapitálu, který pojišťovny EU musí držet, aby se snížilo riziko jejich platební neschopnosti, a zaměřuje se také na zveřejňování informací od jednotlivých pojistitelů a jejich transparentnost. Pojistitelům také doporučujeme zjednodušení jejich produktů, aby se staly pro klienty srozumitelnějšími a přehlednějšími a školení svých zaměstnanců a zprostředkovatelů, aby pomohli klientům vyznat se v jednotlivých pojistných produktech a nabídnout jim nejvhodnější variantu pojištění tzv. „na míru“. Eliminace pojistných podvodů a kvalitní systémy kontroly a jejich detekce pomáhají pojistitelům odhalit více těchto událostí a uchránit větší objem peněžních prostředků a zvyšují tak důvěru klientů v pojišťovací instituce. Stěžejní částí práce je modelování závislosti objemu celkového předepsaného pojistného na makroekonomických ukazatelích HDP, inflaci, nezaměstnanosti, průměrné mzdě a reálné úrokové míře s využitím vícerozměrné regresní analýzy. Pro možnost srovnání zemí mezi sebou byla zvolena data ve stejných měnových jednotkách, a to USD.

47

Výsledné modely pro jednotlivé státy se od sebe značně liší. Výsledky

analýzy

pro

Německo

prokázaly

významný

vliv

inflace,

nezaměstnanosti a průměrné mzdy na výši předepsaného pojistného, přičemž inflace a nezaměstnanost se podílejí větší měrou než průměrná mzda. Regresní model pro Rakousko ukázal významný vliv nezaměstnanosti, průměrné mzdy a nejnižší měrou se na objemu předepsaného pojistného podílel HDP, ovšem model nebyl lineární v parametrech a musel být tedy ze statistického hlediska zamítnut. Objem předepsaného pojistného v České republice nejpodstatněji ovlivňuje nezaměstnanost, inflace a průměrná mzda, podobně jako v Německu. Model pro Českou republiku je schopen vysvětlit 99,8 % variability předepsaného pojistného. Regresní analýza pro Slovensko prokázala jako významné proměnné ovlivňující výši předepsaného pojistného inflaci a průměrnou mzdu. Procento objasnění variability předepsaného pojistného pro tento model je taktéž vysoké (99,79 %) Až na Rakousko regresní analýza neprokázala významný vliv HDP na objem předepsaného pojistného, což může znamenat, že HDP ovlivňuje předepsané pojistné nepřímo prostřednictvím ostatních proměnných, které s ním jsou také vzájemně provázány. Výši předepsaného pojistného neovlivňují pouze tyto námi zkoumané makroekonomické veličiny, ale mnoho dalších proměnných – např. věková struktura obyvatelstva, životní situace, osobní postoj, vývoj na finančních trzích, legislativa atd. Stanovit konečný výčet faktorů, kvantifikovat je a zkoumat jejich vliv na objem předepsaného pojistného je nadlidský úkol, proto se tato práce zaměřila pouze na vybrané makroekonomické ukazatele. Závěrem můžeme konstatovat, že dochází k postupnému sbližování pojistných trhů jednotlivých zemí, ale tento proces bude trvat ještě několik let, přičemž hodnoty některých ukazatelů úrovně pojistného trhu České republiky se vůbec nemusí přiblížit hodnotám vyspělých zemí nebo průměru EU. Přesto můžeme říci, že pojistný trh České republiky se jeví jako stabilní a dynamický, schopný růstu a upevňování své pozice na evropském trhu.

48

8. Seznam použité literatury Claims fraud: Prevent fraud before claims are paid. SAS INSTITUTE INC. SAS.com [online]. 2013 [cit. 2013-10-03]. Dostupné z: http://www.sas.com/industry/ins/fraud.html Country and Lending Groups. THE WORLD BANK GROUP. Data.Worldbank.org [online]. 2013 [cit. 2013-10-05]. Dostupné z: http://data.worldbank.org/about/country-classifications/country-and-lendinggroups#OECD_members Country Overview by Country and Time: Statistical Database. UNECE.org [online]. 2013 [cit. 2013-10-09]. Dostupné z: http://w3.unece.org/pxweb/dialog/varval.asp?ma=ZZZ_CoSummary_r&path=../ DATABASE/STAT/10-CountryOverviews/01-Figures&lang=1 ČEJKOVÁ, V. Pojistný trh. 1.vyd. Brno: Masarykova univerzita, 2000, 112 s. ISBN 80-210-2495-x. DAŇHEL, J. Pojistná teorie. Vyd. 1. Praha: Professional Publishing, 2005, 332 s. ISBN 80-86419-84-3. Europe :: Czech Republic. CENTRAL INTELLIGENCE AGENCY. The World Factbook [online]. [cit. 2013-10-18]. Dostupné z: https://www.cia.gov/library/publications/the-world-factbook/geos/ez.html European Insurance in Figures. InsuranceEurope.eu [online]. Brussels, 2013, 29. 12. 2013 [cit. 2013-10-19]. Dostupné z: http://www.insuranceeurope.eu/factsfigures/statistical-publications/european-insurance-in-figures European Insurance – Key Facts. InsuranceEurope.eu [online]. Brussels, 2013 [cit. 2013-10-04]. Dostupné z: http://www.insuranceeurope.eu/uploads/Modules/Publications/final-key-facts2013.pdf Fakta o Německu: Silné obory v průmyslu a poskytování služeb. Frankfurter SocietätsMedien GmbH. Tatsachen-ueber-deutschland.de [online]. Frankfurt am Mein, 2011 [cit. 2013-10-16]. Dostupné z: http://www.tatsachen-ueberdeutschland.de/cz/hospodarstvi/main-content-06/silne-obory-v-prumyslu-aposkytovani-sluzeb.html GDP per capita (current US$). THE WORLD BANK GROUP. Data.Worldbank.org [online]. 2013 [cit. 2013-10-05]. Dostupné z: http://data.worldbank.org/indicator/NY.GDP.PCAP.CD/countries?order=wbapi_ data_value_2012+wbapi_data_value+wbapi_data_value-last&sort=desc

49

HINDLS, R., HRONOVÁ S. a NOVÁK I. Metody statistické analýzy pro ekonomy. 2.vyd. Praha: Management Press, 2000, 259 s. ISBN 80-7261-013-9. HRON, Michal a ČTK. Česko má zdravou páteř ekonomiky, ne jako my, srovnávají země Chorvati. Ekonomika.idnes.cz [online]. 2013 [cit. 2013-10-16]. Dostupné z: http://ekonomika.idnes.cz/srovnani-chorvatska-a-ceske-republiky-ekonomikaf60-/eko-zahranicni.aspx?c=A130606_150545_eko-zahranicni_hro JINDRA, Vojtěch. Pojišťovnictví: Pojistný trh. Edu.uhk.cz [online]. 2013 [cit. 201310-07]. Dostupné z: http://edu.uhk.cz/~jindrvo1/predmety/?p=pojis&page=prednasky Market operators. InsuranceEurope.eu [online]. Brussels, 2013, 29. 12. 2013 [cit. 201310-19]. Dostupné z: http://www.insuranceeurope.eu/facts-figures/statisticalseries/market-operators MAŠEK, F. Pojištění: Aktualizace pojistného kvůli inflaci někdy připomíná černou díru. Peníze.cz [online]. 5. 11. 2010. [cit. 2013-10-19]. Dostupné z: http://www.penize.cz/investicni-zivotni-pojisteni/95505-pojisteni-aktualizacepojistneho-kvuli-inflaci-nekdy-pripomina-cernou-diru NANDRANSKÝ, K. Trendy v pojišťovnictví. SOFTEC GROUP. Softec.cz [online]. 2013 [cit. 2013-10-04]. Dostupné z: http://www.softec.cz/reseni/pojistovnictvi/trendy-pojistovnictvi.html Natural catastrophes and man-made disasters in 2012: A year of extreme weather events in the US. SWISS RE LTD. SwissRe.com [online]. Sigma No 2/2013. Zurich, 2013 [cit. 2013-10-04]. Dostupné z: http://media.swissre.com/documents/sigma2_2013_EN.pdf Principy pojištění. Pojištění.cz [online]. 10. 5. 2010 [cit. 2013-10-04]. Dostupné z: http://www.pojisteni.cz/clanky/a/95/principy-pojisteni.html Sigma Library. SwissRe.com [online]. 2013 [cit. 2013-10-09]. Dostupné z: http://www.swissre.com/library/?searchByType=1011075&search=yes&searchByL anguage=851547&searchByCategory=1023505 Slovakia. ENCYCLOPÆDIA BRITANNICA, Inc. Britannica.com [online]. 2013. [cit. 2013-10-19]. Dostupné z: http://www.britannica.com/EBchecked/topic/549008/Slovakia/39488/Economy Solvency II Training. [online]. London, 2013 [cit. 2013-10-03]. Dostupné z: http://www.solvencyiitraining.eu/cms.php?PageID=7

50

Souhrnná teritoriální informace Rakousko. BussinesInfo.cz [online]. 2013, 1. 10. 2013 [cit. 2013-10-08]. Dostupné z: http://www.businessinfo.cz/cs/zahranicni-obchodeu/teritorialni-informace-zeme.html The impact of insurance fraud. InsuranceEurope.eu [online]. Brussels, 2013, 7. 2. 2013 [cit. 2013-10-07]. Dostupné z: http://www.insuranceeurope.eu/uploads/Modules/Publications/fraudbooklet.pdf Unemployment rate by sex and age groups – annual average, %: Data Explorer. Eurostat.eu [online]. 2013, 31. 10. 2013 [cit. 2013-10-09]. Dostupné z: http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=une_rt_a&lang=en VÁVROVÁ, E. Pojišťovnictví I. Vyd. 1. Brno: Mendelova univerzita v Brně, 2013, 104 s. ISBN 978-80-7375-784-7.

51

9. Seznam tabulek a grafů Tab. 1 Vývoj počtu pojišťoven v letech 2000-2011...................................................... 27 Tab. 2 Vývoj počtu zaměstnanců v pojišťovnictví v letech 2000-2011 .................... 28 Tab. 3 Podíl předepsaného pojistného v ŽP a NŽP v letech 1998-2012 .................. 29 Tab. 4 Výsledky pro Model 1 Německo ...................................................................... 34 Tab. 5 Matice párových korelačních koeficientů ........................................................ 35 Tab. 6 Výsledky pro Model 2 Německo ...................................................................... 36 Tab. 7 Výsledky pomocných regresí (Model 2 Německo) ........................................ 37 Tab. 8 Výsledky pro Model 1 Rakousko...................................................................... 38 Tab. 9 Výsledky pro Model 2 Rakousko...................................................................... 39 Tab. 10 Výsledky pro Model 1 Česká republika ........................................................ 40 Tab. 11 Výsledky pro Model 2 Česká republika ........................................................ 42 Tab. 12 Výsledky pomocných regresí (Model 2 Česká republika) .......................... 42 Tab. 13 Výsledky pro Model 1 Slovensko ................................................................... 43 Tab. 14 Výsledky pro Model 2 Slovensko ................................................................... 44

Graf 1 Vývoj počtu katastrof ve světě v letech 1970-2012 ......................................... 17 Graf 2 Vývoj pojištěnosti v letech 1999-2012............................................................... 30 Graf 3 Vývoj předepsaného pojistného na 1 obyvatele v letech 1999-2012 ............ 31

52

10.

Seznam příloh

Příloha 1

Počet katastrof celosvětově v letech 1970-2012 ............................54

Příloha 2

Počet pojišťoven a zaměstnanců v pojišťovnictví ........................55

Příloha 3

Distribuční kanály Rakouska a Slovenska ....................................56

Příloha 4

Podíl životního a neživotního pojištění .........................................57

Příloha 5

Výše předepsaného pojistného na 1 obyvatele ............................58

Příloha 6

Pojištěnost ..........................................................................................59

Příloha 7

Data použitá pro regresní analýzu Německa ...............................60

Příloha 8

Data použitá pro regresní analýzu Rakouska ..............................61

Příloha 9

Data použitá pro regresní analýzu Slovenska ..............................62

Příloha 10

Data použitá pro regresní analýzu České republiky ...................63

Příloha 11

Německo model 1 .............................................................................64

Příloha 12

Německo model 2 .............................................................................64

Příloha 13

Rakousko model 1 ............................................................................65

Příloha 14

Rakousko model 2 ............................................................................65

Příloha 15

Česká republika model 1 .................................................................66

Příloha 16

Česká republika model 2 .................................................................66

Příloha 17

Slovensko model 1 ............................................................................67

Příloha 18

Slovensko model 2 ............................................................................67

53

Příloha 1

Počet katastrof celosvětově v letech 1970-2012 1970

1971

1972

1973

1974

1975

1976

1977

1978

1979

1980

1981

přírodní

32

39

36

30

37

40

47

40

39

46

43

57

umělé

62

72

87

83

81

71

80

82

70

80

83

74

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

přírodní

60

56

49

59

64

96

89

78

115

106

121

139

umělé

73

82

61

75

87

115

123

130

135

146

130

171

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

přírodní

145

136

130

125

127

140

130

124

134

143

119

152

umělé

178

141

176

172

161

148

167

164

149

163

232

258

2006

2007

2008

2009

2010

2011

2012

přírodní

137

144

141

135

171

175

168

umělé

218

206

182

162

152

150

150

Zdroj: Sigma No 2/2013 Swiss Re

54

Příloha 2

Počet pojišťoven a zaměstnanců v pojišťovnictví

Počet pojišťoven 2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2011/2000

DE

659

640

645

640

633

632

613

609

607

596

582

580

0,9

AT

77

75

73

72

71

73

72

71

71

72

72

72

0,9

SK

28

28

29

28

25

26

25

24

20

20

22

23

0,8

CZ

41

43

42

42

40

45

49

52

53

53

53

54

1,3

IE

5 311

5 214

5 100

5 008

5 330

5 252

5 148

5 322

5 286

5 213

5 606

5 456

1,0

2011/2000


Počet zaměstnanců v pojišťovnictví 2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

DE

240 200

245 400

248 100

244 300

240 800

233 300

225 700

218 900

216 300

216 500

216 400

215 500

0,9

AT

28 530

27 359

25 925

26 106

26 494

26 267

26 292

26 667

26 547

26 732

26 538

25 794

0,9

SK

7 783

7 916

7 622

6 743

6 484

6 304

6 300

6 300

6 640

6 218

6 097

5 905

0,8

CZ

16 112

15 718

15 740

15 658

14 600

14 506

14 410

14 501

14 726

14 498

14 270

14 274

0,9

1 047886

1 062 617

944 663

1 002 318

1 063 067

1 034 677

996 843

998 873

1 006 895

959 955

836 877

743 735

0,7

IE


55

Příloha 3 Rakousko Přímý prodej [%]

Distribuční kanály Rakouska a Slovenska 2007

2008

2009

2010

2011

25,9

25,9

21,0

22,5

28,6

Agenti [%]

8,1

9,2

6,1

6,4

8,1

Brokeři [%]

22,5

24,0

21,6

21,7

24,6

Bankopojištění [%]

38,3

36,7

45,7

44,4

32,8

5,2

4,1

5,7

4,9

5,9

Ostatní [%]

Zdroj: IE Market operators 2013

Slovensko

2007

2008

2009

2010

2011

Přímý prodej [%]

-

16,0

29,0

30,2

30,9

Agenti [%]

-

79,1

68,0

68,7

41,7

Brokeři [%]

-

4,4

3,0

1,1

0,7

Bankopojištění [%]

-

0,0

0,0

0,0

0,0

Ostatní [%]

-

0,5

0,0

0,0

26,7

Zdroj: IE Market operators 2013

56

Příloha 4

Podíl životního a neživotního pojištění

[%]

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

ŽP

43

32

32

35

38

38

39

38

39

41

41

42

47

46

47

NŽP

57

68

68

65

62

62

61

62

61

59

59

58

53

53

53

ŽP

40

44

46

46

45

43

44

47

46

45

45

45

45

42

40

NŽP

60

56

54

54

55

57

56

53

54

55

55

55

55

58

60

ŽP

30

36

42

44

43

41

36

39

42

44

47

46

45

47

47

NŽP

70

64

59

56

57

59

64

61

58

56

53

54

55

53

53

ŽP

27

32

32

35

38

39

39

38

39

41

41

42

46

46

47

NŽP

73

68

68

65

62

61

61

62

61

59

59

58

54

54

53

ŽP

59

62

65

63

62

61

61

63

63

65

61

61

61

59

59

NŽP

41

38

35

37

38

39

39

37

37

35

39

39

39

41

41

DE

AT

SK

CZ

IE

Zdroj: vlastní práce na základě údajů Swiss Re a Insurance Europe

57

Příloha 5

Výše předepsaného pojistného na 1 obyvatele

[USD]

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Celkem

-

1 675,7

1 491,4

1 484,2

1 627,7

2 051,2

2 286,6

2 310,5

2 436,8

2 662,1

2 919,2

2 904,3

2 903,8

2 967,0

2 804,6

ŽP

-

762,2

683,0

674,3

736,7

930,4

1 021,3

1 042,1

1 136,1

1 234,1

1 346,5

1 365,1

1 402,2

1 389,0

1 299,3

NŽP

-

913,5

808,5

809,9

891,1

1 120,8

1 265,3

1 268,4

1 300,7

1 427,9

1 572,7

1 539,2

1 501,6

1 578,0

1 505,3

Celkem

-

1 425,9

1 313,1

1 348,8

1 452,1

1 846,8

2 159,7

2 342,8

2 396,7

2 620,5

2 865,8

2 736,8

2 648,2

2 740,0

2 478,3

ŽP

-

630,9

606,9

632,0

648,7

811,0

955,3

1 095,1

1 104,6

1 189,6

1 297,3

1 236,0

1 194,1

1 159,0

990,6

NŽP

-

795,1

706,1

716,8

803,4

1 035,7

1 204,4

1 247,7

1 292,1

1 430,9

1 568,5

1 500,8

1 454,1

1 581,0

1 487,7

Celkem

-

106,0

109,5

122,5

148,8

210,6

276,0

314,7

336,9

435,4

548,6

516,8

480,5

528,0

480,2

ŽP

-

38,3

45,5

53,4

64,3

85,8

111,8

116,8

130,3

194,1

256,5

241,2

229,7

250,0

224,4

NŽP

-

67,8

64,0

69,1

84,5

124,8

164,2

197,9

206,5

241,3

292,2

275,7

250,8

278,0

255,7

175,4

177,5

206,4

272,6

363,4

430,5

477,8

519,6

631,3

804,4

745,7

752,7

832,0

746,7

DE

AT

SK

Celkem CZ

Zdroj: Swiss Re

58

ŽP

-

55,9

57,3

72,3

102,6

139,4

168,6

183,6

204,1

261,0

326,4

311,6

351,3

386,0

350,3

NŽP

-

119,5

120,3

134,1

170,0

224,0

261,9

294,2

315,5

370,3

478,0

434,1

401,4

445,0

396,4

Příloha 6

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Celkem

-

6,52

6,54

6,59

6,76

6,99

6,97

6,79

6,70

6,60

6,60

7,11

7,20

6,80

6,74

ŽP

-

2,96

3,00

3,00

3,06

3,17

3,11

3,06

3,10

3,10

3,00

3,34

3,50

3,20

3,12

NŽP

-

3,55

3,55

3,60

3,70

3,82

3,86

3,73

3,60

3,60

3,50

3,77

3,70

3,60

3,62

Celkem

-

5,55

5,66

5,87

5,84

5,89

5,95

6,17

6,10

5,80

5,80

6,01

5,90

5,50

5,27

ŽP

-

2,45

2,61

2,75

2,61

2,59

2,63

2,88

2,80

2,60

2,60

2,71

2,70

2,30

2,11

NŽP

-

3,09

3,04

3,12

3,23

3,30

3,32

3,28

3,30

3,20

3,20

3,30

3,20

3,20

3,16

Celkem

-

2,91

3,08

3,30

3,38

3,38

3,61

3,66

3,40

3,10

3,10

3,17

3,00

2,90

2,70

ŽP

-

1,05

1,28

1,44

1,46

1,38

1,46

1,36

1,30

1,40

1,50

1,48

1,40

1,40

1,26

NŽP

-

1,86

1,80

1,86

1,92

2,00

2,15

2,30

2,10

1,70

1,70

1,69

1,50

1,50

1,44

3,40

3,60

3,74

3,99

4,48

4,15

3,98

3,80

3,70

3,50

3,97

4,00

3,90

3,72

[%]

DE

AT

SK

Pojištěnost

Celkem CZ

IE

ŽP

-

1,08

1,16

1,31

1,50

1,72

1,63

1,53

1,50

1,50

1,40

1,66

1,90

1,80

1,75

NŽP

-

2,32

2,44

2,43

2,49

2,76

2,53

2,45

2,30

2,20

2,10

2,31

2,10

2,10

1,98

Celkem

-

7,47

8,20

7,88

8,14

8,11

8,16

8,42

8,63

8,73

7,75

8,25

8,13

7,63

7,70

Zdroj: Swiss Re a Insurance Europe

59

Příloha 7 Německo

Data použitá pro regresní analýzu Německa 1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

PP [mil. USD]

136 702

138 829

123 730

123 782

135 777

170 137

190 811

197 964

202 397

223 530

240 362

239 808

234 985

245 572

231 908

ŽP [mil. USD]

58 411

62 687

56 257

55 623

60 860

76 246

84 697

90 225

92 974

102 084

110 148

111 996

114 168

114 319

106 411

NŽP [mil. USD]

78 290

76 143

67 474

68 159

74 916

93 891

106 114

107 739

109 423

121 446

130 213

127 812

120 817

131 254

125 497

HDP [mil. USD]

2 372 528

2 416 920

2 490 821

2 528 541

2 528 798

2 519 304

2 548 556

2 566 005

2 660 947

2 747 935

2 777 700

2 634 774

2 740 493

2 831 843

2 851 345

90,8

91,4

92,7

94,5

95,9

96,9

98,5

100,0

101,6

103,9

106,6

107,0

108,2

110,4

112,6

9,4

8,6

8,0

7,9

8,7

9,8

10,5

11,3

10,3

8,7

7,5

7,8

7,1

5,9

5,5

2 511

2 436

2 148

2 133

2 294

2 788

3 102

3 148

3 221

3 572

3 925

3 711

3 596

3 917

-

8,4

8,6

10,4

8,8

8,1

-

-

-

-

-

-

-

-

-

-

CPI [%] Nezaměstnanost [%] Průměrná mzda [USD] Reálná úroková míra [%]

Zdroj: PP, ŽP, NŽP - Swiss Re, HDP, CPI, PM - UNECE, N – Eurostat, RIR - World Bank

60

Příloha 8 Rakousko

Data použitá pro regresní analýzu Rakouska 1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

PP [mil. USD]

11 258

11 647

10 741

11 104

11 968

14 887

17 378

19 009

19 577

21 751

23 849

22 884

22 232

22 904

20 948

ŽP [mil. USD]

4 545

5 109

4 965

5 162

5 378

6 469

7 667

8 854

9 021

9 874

10 828

10 335

10 020

9 727

8 373

NŽP [mil. USD]

6 713

6 538

5 776

5 942

6 589

8 418

9 710

10 155

10 556

11 876

13 021

12 549

12 212

13 176

12 575

HDP [mil. USD]

237 174

245 568

254 574

256 757

261 106

263 367

270 187

276 673

286 827

297 456

301 729

290 197

295 331

303 702

306 345

87,8

88,3

90,4

92,8

94,5

95,8

97,8

100,0

101,4

103,6

107,0

107,5

109,5

113,0

115,9

4,5

3,9

3,6

3,6

4,2

4,3

4,9

5,2

4,8

4,4

3,8

4,8

4,4

4,2

4,3

2 507

2 440

2 169

2 136

2 367

2 882

3 223

3 313

3 467

3 902

4 338

4 201

4 060

4 369

-

6,1

5,3

-

-

-

-

-

-

-

-

-

-

-

-

-

CPI [%] Nezaměstnanost [%] Průměrná mzda [USD] Reálná úroková míra [%]


61

Příloha 9 Slovensko

Data použitá pro regresní analýzu Slovenska 1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

PP [mil. USD]

604

572

591

659

800

1 137

1 487

1 629

1 810

2 323

2 963

2 744

2 741

2 840

2 600

ŽP [mil. USD]

184

206

246

287

346

463

535

630

766

1 028

1 398

1 263

1 247

1 332

1 215

NŽP [mil. USD]

420

366

346

372

455

675

952

999

1 044

1 294

1 566

1 480

1 494

1 508

1 385

HDP [mil. USD]

67 628

67 654

68 579

70 967

74 220

77 764

81 697

87 134

94 406

104 313

110 311

104 866

109 507

112 774

114 805

CPI [%]

60,7

67,1

75,2

80,7

83,4

90,5

97,4

100,0

104,5

107,4

112,3

114,1

115,2

119,7

124,0

Nezaměstnanost [%]

12,6

16,5

18,9

19,5

18,8

17,7

18,4

16,4

13,5

11,2

9,6

12,1

14,5

13,6

14,0

Průměrná mzda [USD]

409

419

416

426

487

635

761

832

914

1 087

1 216

1 209

1 204

1 293

-

Reálná úroková míra [%]

15,3

12,8

5,0

5,9

6,1

3

3

4,2

4,6

6,8

2,8

-

-

-

-


62

Příloha 10 Česká republika

Data použitá pro regresní analýzu České republiky 1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

PP [mil. USD]

1 711

1 825

1 829

2 123

2 775

3 755

4 380

4 891

5 400

6 549

8 170

7 563

8 168

8 764

7 846

ŽP [mil. USD]

468

576

590

744

1 044

1 458

1 720

1 876

2 086

2 668

3 333

3 158

3 758

4 069

3 680

NŽP [mil. USD]

1 242

1 249

1 239

1 379

1 731

2 297

2 660

3 015

3 314

3 881

4 837

4 404

4 411

4 694

4 165

HDP [mil. USD]

168 150

170 974

178 130

183 648

187 595

194 660

203 892

217 660

232 940

246 300

253 932

242 487

248 475

252 994

250 410

84,3

86,1

89,5

93,7

95,4

95,5

98,2

100,0

102,5

105,5

112,2

113,4

115,0

117,2

121,1

Nezaměstnanost [%]

6,5

8,7

8,8

8,1

7,3

7,8

8,3

7,9

7,1

5,3

4,4

6,7

7,3

6,7

7,0

Průměrná mzda [USD]

391

385

371

409

513

639

761

848

953

1 126

1 411

1 263

1 291

1 409

-

Reálná úroková míra [%]

2,9

6,0

5,7

2,4

4,0

5

1,9

6,1

5

2,4

4,3

3,6

7,6

6,8

3,8

CPI [%]


63

Příloha 11

Německo model 1

Příloha 12

Německo model 2

64

Příloha 13

Rakousko model 1

Příloha 14

Rakousko model 2

65

Příloha 15

Česká republika model 1

Příloha 16

Česká republika model 2

66

Příloha 17

Slovensko model 1

Příloha 18

Slovensko model 2

67

Vliv makroekonomických ukazatelů na výši předepsaného pojistného ve vybraných státech EU

Recommend Documents