發(fā)布時(shí)間：2018-03-17 05:34

  本文選題：壽險(xiǎn)公司　切入點(diǎn)：財(cái)務(wù)風(fēng)險(xiǎn)　出處：《浙江財(cái)經(jīng)大學(xué)》2014年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：我國(guó)保險(xiǎn)業(yè)起步較晚，監(jiān)管制度仍然不完善，同時(shí)保險(xiǎn)公司內(nèi)部沒(méi)有健全的內(nèi)控制度和風(fēng)險(xiǎn)預(yù)警體系，這些導(dǎo)致風(fēng)險(xiǎn)和償付能力不足等問(wèn)題出現(xiàn)一定的隱蔽性。而壽險(xiǎn)生存和經(jīng)營(yíng)狀況直接影響著人們的福祉以及社會(huì)經(jīng)濟(jì)的穩(wěn)定，所以建立有效的預(yù)警體系極為必要。 壽險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)可分為資產(chǎn)違約風(fēng)險(xiǎn)、定價(jià)風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)以及流動(dòng)性風(fēng)險(xiǎn)。它們貫穿于公司的經(jīng)營(yíng)、籌資、投資以及盈利分配的經(jīng)濟(jì)活動(dòng)中。這些經(jīng)活動(dòng)的任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題都會(huì)導(dǎo)致現(xiàn)金流的異常，最終會(huì)以財(cái)務(wù)異常的形式表現(xiàn)出來(lái)。壽險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警就是綜合利用公司內(nèi)部與外部的信息，并運(yùn)用適當(dāng)?shù)哪Ｐ团c方法，通過(guò)輸出的財(cái)務(wù)指標(biāo)結(jié)果來(lái)反映風(fēng)險(xiǎn)，以警示管理者采取相應(yīng)的風(fēng)險(xiǎn)管理策略。而對(duì)預(yù)警指標(biāo)和預(yù)警模型的選取是建立預(yù)警體系的關(guān)鍵。指標(biāo)直接決定模型的合理性和預(yù)警效果，所以選擇合適的指標(biāo)至關(guān)重要。合理的預(yù)警指標(biāo)能夠客觀、全面、動(dòng)態(tài)地反映公司的財(cái)務(wù)狀況。若僅僅考察當(dāng)期償付能力絕對(duì)水平，顯得較為片面和滯后。本文選取了九個(gè)財(cái)務(wù)指標(biāo)，對(duì)壽險(xiǎn)公司的資本充足性、盈利能力、償付能力以及成長(zhǎng)能力五個(gè)方面進(jìn)行了全面綜合的考察,最終綜合一種風(fēng)險(xiǎn)相對(duì)值來(lái)評(píng)判壽險(xiǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)。預(yù)警模型主要有傳統(tǒng)模型和新型模型。傳統(tǒng)預(yù)警模型主要包括:一元判定模型、多元線性判定模型、多元邏輯回歸模型等。新型模型是神經(jīng)網(wǎng)絡(luò)模型預(yù)警，最流行的兩個(gè)模型為：誤差回傳型（BackPropagation,BP）神經(jīng)網(wǎng)絡(luò)模型和徑向基函數(shù)（Radial Basis Function, RBF）神經(jīng)網(wǎng)絡(luò)模型。相比較傳統(tǒng)模型,神經(jīng)網(wǎng)絡(luò)模型所具有的優(yōu)勢(shì)為：人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)自適應(yīng)、自組織能力、快速高效、有效地處理復(fù)雜的非線性問(wèn)題、較好的容錯(cuò)性和魯棒性。在對(duì)未知函數(shù)逼近時(shí)，要達(dá)到相同的精度，，RBF網(wǎng)絡(luò)比BP網(wǎng)絡(luò)需要的參數(shù)較少，且具有較快的學(xué)習(xí)收斂速度。RBF神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)能更好地模擬生物的神經(jīng)系統(tǒng)。 本文選取了2007年至2010年在中國(guó)境內(nèi)經(jīng)營(yíng)的36家壽險(xiǎn)公司的數(shù)據(jù)作為研究樣本。這些數(shù)據(jù)為非平衡時(shí)間序列截面數(shù)據(jù)。以2007年至2009年34家公司的765個(gè)數(shù)據(jù)作為訓(xùn)練集。以2007至2010年的36家公司的1008個(gè)全新數(shù)據(jù)作為測(cè)試集。首先運(yùn)用CRITIC(Criteria Importance Through Intercrieria Correlation)賦權(quán)法獲取網(wǎng)絡(luò)所需的目標(biāo)向量。經(jīng)過(guò)實(shí)證研究，最終得出結(jié)論：第一，RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度高，預(yù)測(cè)相對(duì)誤差均保持在5%以?xún)?nèi)，網(wǎng)絡(luò)容錯(cuò)能力強(qiáng)，并且在合適的spread環(huán)境下網(wǎng)絡(luò)的泛化能力較強(qiáng)，所以RBF神經(jīng)網(wǎng)絡(luò)是比較理想的風(fēng)險(xiǎn)預(yù)測(cè)模型；第二，運(yùn)用CRITIC賦權(quán)法對(duì)公司進(jìn)行風(fēng)險(xiǎn)賦權(quán)和打分是客觀、合理的。最后一個(gè)章節(jié)是本文的總結(jié)部分，其中本文的不足之處有這些。第一，本文沒(méi)有引入定性指標(biāo)，雖然也能在一定程度上綜合反映公司的財(cái)務(wù)風(fēng)險(xiǎn)，但是也有失全面之處。第二，RBF神經(jīng)網(wǎng)絡(luò)模型要求有被量化的因變量來(lái)建立目標(biāo)向量，這是模型本身的缺陷。第三，在每次的預(yù)測(cè)時(shí)，必須也要“預(yù)測(cè)”以往的數(shù)據(jù)，因?yàn)椴煌螖?shù)的預(yù)測(cè)的數(shù)據(jù)沒(méi)有比較的意義。 本文的研究思路可以歸納如下。第一，介紹壽險(xiǎn)公司的風(fēng)險(xiǎn)，并說(shuō)明了預(yù)警的必要性。第二，介紹了常用的傳統(tǒng)預(yù)警模型、神經(jīng)網(wǎng)絡(luò)模型和部分研究方法，以此來(lái)展示神經(jīng)網(wǎng)絡(luò)模型所具有的優(yōu)勢(shì)。并對(duì)CRITIC賦權(quán)法和歸一法做了具體介紹。第四，為實(shí)證部分，即預(yù)處理數(shù)據(jù)、輸入模型、觀察并分析結(jié)果。最終得出結(jié)論。第五，對(duì)本文作以總結(jié)。
[Abstract]:......
【學(xué)位授予單位】：浙江財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：F842.3;F840.4;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 周首華,楊濟(jì)華,王平;論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J];會(huì)計(jì)研究;1996年08期

2 陳靜;上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J];會(huì)計(jì)研究;1999年04期

3 朱清香;宋欣欣;田亞雷;;我國(guó)壽險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建[J];河北企業(yè);2010年12期

4 鄧慶彪;鄭滔;;基于徑向基神經(jīng)網(wǎng)絡(luò)的壽險(xiǎn)公司財(cái)務(wù)預(yù)警研究[J];求索;2011年06期

5 范群林;李桃;吳花平;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)預(yù)測(cè)模型研究[J];商場(chǎng)現(xiàn)代化;2008年26期

6 丁修平;;我國(guó)壽險(xiǎn)企業(yè)償付能力財(cái)務(wù)預(yù)警指標(biāo)體系設(shè)計(jì)研究[J];商業(yè)文化(學(xué)術(shù)版);2008年07期

7 秦小麗;田高良;;基于灰色理論和神經(jīng)網(wǎng)絡(luò)的公司財(cái)務(wù)預(yù)警模型[J];統(tǒng)計(jì)與決策;2011年16期

8 楊淑娥,黃禮;基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[J];系統(tǒng)工程理論與實(shí)踐;2005年01期

9 吳世農(nóng);黃世忠;;企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型[J];中國(guó)經(jīng)濟(jì)問(wèn)題;1987年06期

本文編號(hào)：1623409