基于ERM理論的財產(chǎn)保險公司風險預警與控制研究

縮略語注釋表
1　緒論
　1.1　研究背景及意義
　　1.1.1　研究背景
　　1.1.2　研究意義
　1.2　風險預警系統(tǒng)的國內(nèi)外研究現(xiàn)狀
　　1.2.1　國外研究現(xiàn)狀
　　1.2.2　國內(nèi)研究現(xiàn)狀
　　1.2.3　現(xiàn)有研究評述
　1.3　保險公司風險預警與控制研究現(xiàn)狀
　　1.3.1　國外研究現(xiàn)狀
　　1.3.2　國內(nèi)研究現(xiàn)狀
　　1.3.3　現(xiàn)有研究評述
　1.4　本書研究的框架體系
　　1.4.1　研究方法與技術路線
　　1.4.2　研究內(nèi)容與研究框架
　　1.4.3　本書研究的創(chuàng)新之處　　
2　財產(chǎn)保險公司全面風險預警框架研究
　2.1　全面風險管理理論
　　2.1.1　ERM理論的發(fā)展
　　2.1.2　ERM實踐
　2.2　財產(chǎn)保險公司全面風險預警系統(tǒng)框架
　　2.2.1　全面風險預警系統(tǒng)的建立原則
　　2.2.2　全面風險預警系統(tǒng)結構
　　2.2.3　全面風險預警系統(tǒng)功能
　　2.2.4　全面風險預警系統(tǒng)的運行模式
　2.3　本章小結　　
3　財產(chǎn)保險公司全面風險識別研究
　3.1　風險識別概述
　　3.1.1　風險識別的定義
　　3.1.2　風險識別方法介紹
　3.2　全面風險識別分析基礎
　　3.2.1　全面風險識別準備
　　3.2.2　全面風險識別工具
　3.3　全面風險識別架構
　　3.3.1　全面風險識別流程
　　3.3.2　全面風險識別層次
　　3.3.3　全面風險識別應注意的問題
　3.4　全面風險識別分析
　　3.4.1　財產(chǎn)保險公司全面風險特征
　　3.4.2　財產(chǎn)保險公司的風險分類
　　3.4.3　全面風險的識別
　3.5　本章小結　　
4　財產(chǎn)保險公司全面風險預警指標體系研究
　4.1　全面風險預警指標的選取原則
　4.2　預警指標的預選取
　4.3　全面風險預警指標的篩選
　　4.3.1　樣本數(shù)據(jù)分析
　　4.3.2　指標體系的篩選
　4.4　本章小結　　
5　HOGAGP-SVM財務風險預警模型研究
　5.1　研究原理
　　5.1.1　遺傳算法及全局優(yōu)化正交遺傳算法
　　5.1.2　支持向量機
　5.2　HOGAGP-SVM財務風險預警模型
　　5.2.1　特征子集的優(yōu)化
　　5.2.2　參數(shù)的優(yōu)化
　　5.2.3　特征子集和參數(shù)的同時優(yōu)化
　5.3　實驗研究
　　5.3.1　實驗設計
　　5.3.2　實驗結果
　5.4　本章小結　　
6　基于粗糙集與分類器集成的全面風險預警模型研究
　6.1　研究原理
　　6.1.1　粗糙集
　　6.1.2　變精度粗糙集
　　6.1.3　人工神經(jīng)網(wǎng)絡
　　6.1.4　粗糙集神經(jīng)網(wǎng)絡集成
　　6.1.5　分類器與多數(shù)表決法
　6.2　基于粗糙集與分類器集成的全面風險預警模型
　　6.2.1　預警模型結構
　　6.2.2　預警模型的運作過程
　6.3　實驗研究
　　6.3.1　實驗設計
　　6.3.2　模型的有效性
　6.4　本章小結
7　財產(chǎn)保險公司全面風險控制研究
　7.1　全面風險控制的相關概念
　　7.1.1　風險控制的含義與主要類型
　　7.1.2　全面風險控制的含義
　　7.1.3　全面風險控制的目標
　7.2　財產(chǎn)保險公司全面風險控制框架
　7.3　全面風險控制支撐平臺
　　7.3.1　組織管理平臺
　　7.3.2　信息技術平臺
　　7.3.3　全面風險管理文化平臺
　7.4　全面風險控制策略
　　7.4.1　全面風險控制策略的含義
　　7.4.2　全面風險控制的有效性標準
　　7.4.3　全面風險控制具體策略
　7.5　本章小結　　
8　總結與展望
　8.1　總結
　8.2　展望
附錄
參考文獻
后記