| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究问题的提出 | 第8-11页 |
| ·国内外相关研究综述 | 第11-15页 |
| ·国外相关研究状况 | 第11-13页 |
| ·国内相关研究状况 | 第13-15页 |
| ·本文的研究内容和研究方法 | 第15-16页 |
| ·研究内容 | 第15页 |
| ·研究方法 | 第15-16页 |
| ·本文的框架结构 | 第16-18页 |
| 第2章 寿险公司偿付能力概述 | 第18-23页 |
| ·偿付能力和偿付能力风险的概念 | 第18-19页 |
| ·偿付能力的概念 | 第18页 |
| ·偿付能力风险的概念 | 第18-19页 |
| ·寿险公司偿付能力影响因素分析 | 第19-21页 |
| ·我国寿险公司偿付能力的现状分析 | 第21-23页 |
| 第3章 寿险公司偿付能力监管及预警研究 | 第23-29页 |
| ·国外偿付能力监管体系研究 | 第23-24页 |
| ·美国的监管模式 | 第23-24页 |
| ·欧盟的监管模式 | 第24页 |
| ·日本的监管模式 | 第24页 |
| ·我国的偿付能力监管模式 | 第24-25页 |
| ·常用的寿险公司偿付能力风险预警模型 | 第25-29页 |
| ·单变量预警模型 | 第25-26页 |
| ·多元判别分析模型 | 第26页 |
| ·多元logistic模型 | 第26-27页 |
| ·人工神经网络模型 | 第27-29页 |
| 第4章 灰色系统与BP神经网络理论简介 | 第29-40页 |
| ·灰色系统理论简介 | 第29-33页 |
| ·灰色关联度理论 | 第29-30页 |
| ·灰色预测理论 | 第30-33页 |
| ·BP神经网络理论简介 | 第33-37页 |
| ·BP神经网络的基本结构 | 第33-34页 |
| ·BP神经网络的算法 | 第34页 |
| ·BP神经网络的计算流程 | 第34-37页 |
| ·灰色预测与神经网络的结合 | 第37-40页 |
| 第5章 寿险公司偿付能力风险预警系统指标体系的研究 | 第40-47页 |
| ·指标的选取 | 第40-41页 |
| ·指标的灰色关联度分析 | 第41-47页 |
| ·灰色绝对关联度 | 第42-43页 |
| ·灰色相对关联度 | 第43-45页 |
| ·灰色综合关联度 | 第45-47页 |
| 第6章 灰色神经网络在寿险公司偿付能力预警中的实证研究 | 第47-56页 |
| ·BP人工神经网络的建立 | 第47-52页 |
| ·BP人工神经网络的设计 | 第47-50页 |
| ·神经网络训练与仿真 | 第50-52页 |
| ·灰色预测 | 第52-54页 |
| ·GM(1,1)模型的建立 | 第52-53页 |
| ·模型的预测精度检验 | 第53-54页 |
| ·基于灰色神经网络的动态预警 | 第54-56页 |
| 第7章 结论 | 第56-58页 |
| ·研究工作总结 | 第56页 |
| ·研究创新之处 | 第56-57页 |
| ·进一步研究展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 | 第61-71页 |
| 附录一 IRIS统计阶段所应用的指标及其均值(1994年) | 第61-62页 |
| 附录二 FAST系统的指标体系 | 第62页 |
| 附录三 日本偿付能力监管的具体规定 | 第62-64页 |
| 附录四 中国《保险公司偿付能力额度及监管指标管理规定》 | 第64-67页 |
| 附录五 偿付能力预警指标内涵 | 第67-68页 |
| 附录六 神经网络模型的MATLAB程序 | 第68-69页 |
| 附录七 灰色预测的MATLAB程序 | 第69-71页 |
| 在学期间发表的学术论文及研究成果 | 第71-72页 |
| 详细摘要 | 第72-82页 |
