| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 引言 | 第11-16页 |
| ·研究背景 | 第11页 |
| ·研究意义 | 第11-13页 |
| ·国内外研究状况及发展趋势 | 第13-14页 |
| ·国外研究状况 | 第13页 |
| ·国内研究状况 | 第13-14页 |
| ·发展趋势 | 第14页 |
| ·研究思路、方法和创新点 | 第14-16页 |
| ·研究思路 | 第14-15页 |
| ·研究方法与创新点 | 第15-16页 |
| 第二章 寿险公司财务风险及预警的基本理论 | 第16-22页 |
| ·寿险公司财务风险 | 第16-17页 |
| ·财务风险涵义 | 第16页 |
| ·寿险公司财务风险分类 | 第16-17页 |
| ·寿险公司财务风险预警 | 第17-18页 |
| ·指标的选取及指标体系的建立 | 第18-22页 |
| ·指标的选取意义 | 第18-19页 |
| ·所选取指标的含义 | 第19-22页 |
| 第三章 财务预警模型和方法 | 第22-32页 |
| ·传统的财务预警模型 | 第22-23页 |
| ·一元判定模型 | 第22页 |
| ·多元线性判定模型 | 第22-23页 |
| ·逻辑回归模型 | 第23页 |
| ·人工神经网络模型 | 第23-29页 |
| ·人工神经网络的概念及基本特点 | 第23-25页 |
| ·误差回传型神经网络 | 第25-26页 |
| ·径向基函数神经网络 | 第26-29页 |
| ·CRITIC 赋权方法 | 第29-32页 |
| ·CRITIC 赋权方法的涵义 | 第29页 |
| ·以 CRITIC 财务分值作为财务风险度量的合理性 | 第29-30页 |
| ·数据归一化处理方法 | 第30-31页 |
| ·CRITIC 赋权方法具体运用步骤以及该方法的优势 | 第31-32页 |
| 第四章 实证研究 | 第32-51页 |
| ·样本的选取 | 第32页 |
| ·样本数据的处理 | 第32-39页 |
| ·对样本数据进行归一化处理 | 第32-33页 |
| ·运用 CRITIC 方法处理数据 | 第33-39页 |
| ·运用 RBF 神经网络模型进行风险预测 | 第39-51页 |
| ·选用 RBF 神经网络模型预测风险的意义 | 第39页 |
| ·RBF 神经网络的预测风险的具体步骤 | 第39-51页 |
| 第五章 总结 | 第51-55页 |
| ·本文基本理论及要点 | 第51-52页 |
| ·寿险公司的财务预警及研究 | 第51页 |
| ·运用 CRITIC 赋权法是为了获取目标变量 | 第51-52页 |
| ·风险分值为相对值 | 第52页 |
| ·本文主要结论 | 第52-53页 |
| ·本文的不足 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |