| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究的背景与意义 | 第12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-17页 |
| 1.3 本文研究思路与结构安排 | 第17-19页 |
| 1.3.1 本文研究思路和主要内容 | 第17页 |
| 1.3.2 本文的结构安排 | 第17-18页 |
| 1.3.3 本文的特色与创新之处 | 第18-19页 |
| 第2章 寿险公司偿付能力现状及预警相关理论 | 第19-26页 |
| 2.1 寿险公司偿付能力现状 | 第19-20页 |
| 2.2 寿险公司偿付能力预警的相关理论 | 第20-23页 |
| 2.2.1 预警理论 | 第20-21页 |
| 2.2.2 偿付能力理论 | 第21-22页 |
| 2.2.3 寿险公司偿付能力预警 | 第22-23页 |
| 2.3 人工神经网络方法 | 第23-26页 |
| 2.3.1 人工神经网络原理 | 第23-24页 |
| 2.3.2 人工神经网络特点 | 第24-26页 |
| 第3章 运用神经网络构建预警模型的原因与过程 | 第26-38页 |
| 3.1 寿险公司偿付能力风险和影响因素 | 第26-28页 |
| 3.1.1 C-ROSS试运行后保险业的风险情况 | 第26-27页 |
| 3.1.2 影响寿险公司偿付能力的内外部因素 | 第27-28页 |
| 3.2 偿付能力预警指标与问题 | 第28-31页 |
| 3.2.1 偿付能力预警指标体系 | 第28-30页 |
| 3.2.2 偿付能力预警指标体系存在的问题 | 第30-31页 |
| 3.3 人工神经网络方法在预警模型中的应用 | 第31-33页 |
| 3.3.1 人工神经网络的优势 | 第31-32页 |
| 3.3.2 神经网络优势在构建预警模型中的适用性分析 | 第32-33页 |
| 3.4 构建寿险公司偿付能力预警模型 | 第33-38页 |
| 3.4.1 预警指标的选择 | 第33-35页 |
| 3.4.2 警情指标的确立 | 第35-37页 |
| 3.4.3 警度指标与结果判断 | 第37-38页 |
| 第4章 寿险公司偿付能力预警实证研究 | 第38-46页 |
| 4.1 实证分析的准备 | 第38-39页 |
| 4.1.1 样本数据的选取 | 第38页 |
| 4.1.2 指标与数据说明 | 第38-39页 |
| 4.2 建模分析并训练 | 第39-46页 |
| 4.2.1 神经网络模型实现 | 第39-40页 |
| 4.2.2 实证过程 | 第40-44页 |
| 4.2.3 模型的结果 | 第44-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |