财产保险公司全面风险预警指标体系研究

针对目前风险预警指标体系的不足,从财务信息和非财务信息两个方面,尝试提出了我国财产保险公司全面风险预警初始指标体系,通过极大不相关法对财务风险预警指标体系进行优化,定性分析方法对非财务风险预警指标体系进行优化,最终得到中国财产保险公司全面风险预警指标体系。     

基于RBF神经网络的财产保险公司全面风险预警系统研究

在尝试提出我国财产保险公司全面风险预警指标体系的基础上,利用RBF神经网络构建了财产保险公司全面风险预警模型。然后,对预警信号提出了相应的风险处理方案。最后,利用该RBF神经网络进行全面风险预警,结果表明该网络计算误差小、收敛迅速,网络具有良好的泛化能力。     

基于ERM框架的保险公司全面风险预警系统研究

外部监管作为风险预警的方法,实践中对具体的保险企业来讲过于粗糙和不足.文章借鉴当今国际上流行的全面风险管理的理念,建立了由全面风险预警警源、全面风险预警指标体系、全面风险预警辅助支持系统、全面风险预警预案体系和全面风险预警管理系统五个子系统组成的保险公司全面风险预警系统,克服了风险识别重视不够、风险因子考虑不周全、风险处理方案缺乏有效性等传统预警模式的缺点.     

混合HOGA-SVM财务风险预警模型实证研究

目前涉及遗传算法与支持向量机相结合的预测模型中,遗传算法基本上采用的是标准算法.但是在对全局函数的优化中,一般的遗传算法容易陷入局部最优,从而降低遗传算法收敛速度和搜索精度,进而影响财务风险预警模型的精度与速度.基于此,提出了基于混合全局优化正交遗传算法(HOGA)和支持向量机(SVM)的财务风险预警模型(HOGA-SVM),通过使用混合全局优化正交遗传算法连同支持向量机来改进支持向量机进行财务风险预警的效果.结果显示,提出的模型不仅提高了财务风险预警的准确率和速度,而且模型的两类分类错误率(尤其是第一类分类错误率)相对其他模型也有了明显下降.未来的工作可以把模型的应用扩大到多分类的财务风险预警问题中.     

基于BP神经网络专家系统的财产保险公司全面风险预警系统研究

为了克服传统的偿付能力监管所隐藏的风险因子考虑不周以及保险统计数据匮乏等的弊端,借鉴国内外权威保险监管机构和专家学者的最新研究成果,尝试提出了我国财产保险公司全面风险预警指标体系;利用BP神经网络和专家系统相结合的方法,构建了我国财产保险公司全面风险预警机制并进行了实证分析。结果表明,利用BP神经网络专家系统对财产保险公司进行全面风险预警,具有极高的预测精度和较强的鲁棒性。     

金融公司全面风险识别研究

提出了金融公司全面风险识别流程,风险识别可以看作是一个输入到输出的过程;阐述了全面风险识别需要具备的分析基础,包括业务分析报告、基本假设、历史事件经验教训、未定事项和潜在限制条件等;金融公司全面风险识别过程中应该特别注意影响因素的完整性、分析方法的科学性以及风险之间的关联性。