缩略语注释表 1
1 绪论 1
1.1 研究背景及意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 风险预警系统的国内外研究现状 4
1.2.1 国外研究现状 4
1.2.2 国内研究现状 8
1.2.3 现有研究评述 11
1.3 保险公司风险预警与控制研究现状 11
1.3.1 国外研究现状 12
1.3.2 国内研究现状 12
1.3.3 现有研究评述 14
1.4 本书研究的框架体系 15
1.4.1 研究方法与技术路线 15
1.4.2 研究内容与研究框架 16
1.4.3 本书研究的创新之处 17
2 财产保险公司全面风险预警框架研究 20
2.1 全面风险管理理论 20
2.1.1 ERM理论的发展 20
2.1.2 ERM实践 25
2.2 财产保险公司全面风险预警系统框架 26
2.2.1 全面风险预警系统的建立原则 26
2.2.2 全面风险预警系统结构 26
2.2.3 全面风险预警系统功能 28
2.2.4 全面风险预警系统的运行模式 28
2.3 本章小结 30
3 财产保险公司全面风险识别研究 31
3.1 风险识别概述 31
3.1.1 风险识别的定义 31
3.1.2 风险识别方法介绍 32
3.2 全面风险识别分析基础 34
3.2.1 全面风险识别准备 35
3.2.2 全面风险识别工具 36
3.3 全面风险识别架构 37
3.3.1 全面风险识别流程 37
3.3.2 全面风险识别层次 38
3.3.3 全面风险识别应注意的问题 39
3.4 全面风险识别分析 39
3.4.1 财产保险公司全面风险特征 39
3.4.2 财产保险公司的风险分类 41
3.4.3 全面风险的识别 44
3.5 本章小结 48
4 财产保险公司全面风险预警指标体系研究 50
4.1 全面风险预警指标的选取原则 50
4.2 预警指标的预选取 51
4.3 全面风险预警指标的筛选 63
4.3.1 样本数据分析 63
4.3.2 指标体系的筛选 68
4.4 本章小结 77
5 HOGAGP—SVM财务风险预警模型研究 78
5.1 研究原理 79
5.1.1 遗传算法及全局优化正交遗传算法 79
5.1.2 支持向量机 82
5.2 HOGAGP—SVM财务风险预警模型 84
5.2.1 特征子集的优化 85
5.2.2 参数的优化 85
5.2.3 特征子集和参数的同时优化 85
5.3 实验研究 87
5.3.1 实验设计 87
5.3.2 实验结果 89
5.4 本章小结 94
6 基于粗糙集与分类器集成的全面风险预警模型研究 95
6.1 研究原理 95
6.1.1 粗糙集 96
6.1.2 变精度粗糙集 98
6.1.3 人工神经网络 101
6.1.4 粗糙集神经网络集成 105
6.1.5 分类器与多数表决法 107
6.2 基于粗糙集与分类器集成的全面风险预警模型 108
6.2.1 预警模型结构 108
6.2.2 预警模型的运作过程 109
6.3 实验研究 111
6.3.1 实验设计 111
6.3.2 模型的有效性 126
6.4 本章小结 128
7 财产保险公司全面风险控制研究 129
7.1 全面风险控制的相关概念 129
7.1.1 风险控制的含义与主要类型 129
7.1.2 全面风险控制的含义 130
7.1.3 全面风险控制的目标 130
7.2 财产保险公司全面风险控制框架 131
7.3 全面风险控制支撑平台 131
7.3.1 组织管理平台 132
7.3.2 信息技术平台 135
7.3.3 全面风险管理文化平台 138
7.4 全面风险控制策略 139
7.4.1 全面风险控制策略的含义 139
7.4.2 全面风险控制的有效性标准 140
7.4.3 全面风险控制具体策略 140
7.5 本章小结 142
8 总结与展望 143
8.1 总结 143
8.2 展望 145
附录 146
参考文献 170
后记 191