基于遗传算法优化RBF神经网络的非寿险公司财务风险预警研究

发布时间：2020-03-29 20:44

【摘要】：当前我国非寿险公司的发展呈现两极分化的现象,非寿险公司大部分面临着业务来源单一、缺乏保费增长点的发展困境,也面临着投资、承保、费用、退保、流动性及销售误导的六重风险。同时中国经济步入新常态,经济增速放缓对非寿险行业也产生一定影响,非寿险的需求和业务增长下降,这一切都使得非寿险公司面临着巨大的财务风险。因此,本论文针对非寿险公司的财务风险预警模型进行研究。论文共分为五个章节,第一章主要围绕非寿险公司财务预警的相关背景、意义展开介绍,提出了论文的创新点;第二章主要对企业财务风险和非寿险公司财务风险建立预警机制,提出了指标的选取方法;第三章介绍了熵值赋权方法、径向基函数神经网络模型和遗传算法的相关原理。在非寿险公司财务风险预警研究中,本文首次尝试在运用熵值法确立权重的基础上,结合GA-RBF神经网络模型对所选取的样本进行训练和预测。熵值法克服了层次分析法、模糊评价法中主观性太强造成的赋权不严谨的问题,能够客观反映指标的权重及其评价值。第四章为实证研究,以2013～2015年非寿险公司为样本,样本数据处理后分别用RBF神经网络预警模型和GA-RBF预警模型对样本进行训练,对得到的实证结果进行比较,研究结果表明,基于遗传算法的RBF神经网络模型预测率提高9%;最后本文进行总结与展望,提出防范非寿险公司财务风险的建议。
【图文】：

运行时间也有所延长。逡逑３．３．２遗传算法的算法设计逡逑遗传算法流程图如图３．２所示：逡逑（逦开５逦￣？染色体变羿逡逑读取效据逦染色体交叉逡逑士逦ｉ逦逦逡逑设置运法参数逦染色体解码逦——？更新ＲＢＦ参数矩择逡逑１逦逦邋士逡逑初始化染色体逦计Ｈ预测准确度逦＜——逦，

本文编号：2606495