基于遺傳算法優(yōu)化RBF神經(jīng)網(wǎng)絡的非壽險公司財務風險預警研究
發(fā)布時間:2020-03-29 20:44
【摘要】:當前我國非壽險公司的發(fā)展呈現(xiàn)兩極分化的現(xiàn)象,非壽險公司大部分面臨著業(yè)務來源單一、缺乏保費增長點的發(fā)展困境,也面臨著投資、承保、費用、退保、流動性及銷售誤導的六重風險。同時中國經(jīng)濟步入新常態(tài),經(jīng)濟增速放緩對非壽險行業(yè)也產(chǎn)生一定影響,非壽險的需求和業(yè)務增長下降,這一切都使得非壽險公司面臨著巨大的財務風險。因此,本論文針對非壽險公司的財務風險預警模型進行研究。論文共分為五個章節(jié),第一章主要圍繞非壽險公司財務預警的相關背景、意義展開介紹,提出了論文的創(chuàng)新點;第二章主要對企業(yè)財務風險和非壽險公司財務風險建立預警機制,提出了指標的選取方法;第三章介紹了熵值賦權方法、徑向基函數(shù)神經(jīng)網(wǎng)絡模型和遺傳算法的相關原理。在非壽險公司財務風險預警研究中,本文首次嘗試在運用熵值法確立權重的基礎上,結合GA-RBF神經(jīng)網(wǎng)絡模型對所選取的樣本進行訓練和預測。熵值法克服了層次分析法、模糊評價法中主觀性太強造成的賦權不嚴謹?shù)膯栴},能夠客觀反映指標的權重及其評價值。第四章為實證研究,以2013~2015年非壽險公司為樣本,樣本數(shù)據(jù)處理后分別用RBF神經(jīng)網(wǎng)絡預警模型和GA-RBF預警模型對樣本進行訓練,對得到的實證結果進行比較,研究結果表明,基于遺傳算法的RBF神經(jīng)網(wǎng)絡模型預測率提高9%;最后本文進行總結與展望,提出防范非壽險公司財務風險的建議。
【圖文】:
運行時間也有所延長。逡逑3.3.2遺傳算法的算法設計逡逑遺傳算法流程圖如圖3.2所示:逡逑(邐開5邐 ̄?染色體變羿逡逑讀取效據(jù)邐染色體交叉逡逑士邐i邐邐逡逑設置運法參數(shù)邐染色體解碼邐——?更新RBF參數(shù)矩擇逡逑1邐邐邋士逡逑初始化染色體邐計H預測準確度邐<——邐,
本文編號:2606495
【圖文】:
運行時間也有所延長。逡逑3.3.2遺傳算法的算法設計逡逑遺傳算法流程圖如圖3.2所示:逡逑(邐開5邐 ̄?染色體變羿逡逑讀取效據(jù)邐染色體交叉逡逑士邐i邐邐逡逑設置運法參數(shù)邐染色體解碼邐——?更新RBF參數(shù)矩擇逡逑1邐邐邋士逡逑初始化染色體邐計H預測準確度邐<——邐,
本文編號:2606495
本文鏈接:http://www.wukwdryxk.cn/jingjilunwen/bxjjlw/2606495.html
最近更新
教材專著