首页 > 文章中心 > 正文

网络商业保险介入风险评估系统探析

网络商业保险介入风险评估系统探析

摘要:为了降低由评价标准可靠性较低引起的风险评估误差,提出基于改进BP神经网络的商业保险介入风险评估系统设计。主控芯片通过SPI控制器调动内置存储器内的数据,利用BP神经网络对影响风险的因素进行赋权,通过反向计算检验并调整异常赋权结果,以此为评价标准构建用户自画像,再根据画像评估商业保险的介入风险。实验结果表明,该评估系统计算出的风险结果与实际结果之间具有较高的拟合度,同时能够对主要影响因素以及风险存在形式进行准确评估。

关键词:改进BP神经网络;商业保险;介入风险;主控芯片

0引言

传统的商业保险主要是以人身保险和物品保险为主,包括医疗、意外事故以及物品损坏等。但近些年来,保险介入范围不再局限于人身和物品这两类实体,而是开始向抽象化的趋势发展[1-3]。从上面两种典型的新型商业保险种类可以看出,商业保险已经渗透到了人们生产生活的各个环节。许多保险企业也开始加大对个性化险种的研究力度,以期通过推出更加符合现代人个性化需求的保险吸引更多客户,为企业在激烈的市场竞争中站稳脚跟提供保障[4-6]。实际工作中,无论是任何类型的保险,企业在对其进行设计时始终是以自身的经济效益为基础开展的。因此,对保险介入风险进行分析和评估十分重要,且评估结果是判断保险方案可行性的重要指标[7]。

1硬件设计

1.1主控芯片

主控芯片是整个系统实现风险评估的主要部件,其不仅对系统的运行起到智慧调度作用,而且也是调节系统中其他硬件运行状态的核心。由于商业保险介入评估风险需要参考的数据量较大,系统在运行过程中需同时进行大量数据的运算,这就要求其能够同时满足系统内不同部件的信号调度需求,因此本文选用海信的二代主控芯片STM32F407ZG。该芯片包括OV7670CMOS模块和SD卡模块两部分,且二者之间需要以引脚作为连接,引脚的数量为6个,可以满足多个硬件设备的连接需求,其中1个引脚起稳定作用。内部电阻与负载组成STM32F407ZG的上电复位电路,同时芯片上的滤波电容的最大电流为2.5A,当供电系统出现异常时,可以由供应系统完成瞬时保存操作,运行频率为3.0Hz,并支持多信号并发。

1.2内置存储器

内置存储器是系统进行运算评估时的主要存储设备。商业保险介入风险评估需要的数据较多,因此在选择内置存储器时,对存储空间的要求也相对较高。针对该问题,本文选择联想systemX系列的IBM46W0833存储器,内存大小为128GB。其传输类型为DDR4,以单条的形式与其他硬件进行组合,最大储存效率为20m/s,支持数据远程读取和写入,且允许数据并行,可以大大减少时间开销[8-10]。

1.3SPI控制器

SPI控制器是传输主控芯片命令核心部件,当系统开始运行后,主控芯片发出的命令都是通过SPI控制器传达的。对于部分与接收端不适配的命令信号,SPI控制器也要将其进行转化,以此确保命令可以被有效执行。考虑上述运行需求,本文选用伟斯托科技公司的LT-200控制器。该控制器采用的主从模式构架为Master-Slave,支持一个或多个Slave设备的连接。其传送速率为1200Byte/s,并且支持编程,具有十分良好的扩展性。

2软件设计

2.1基于改进BP神经网络的用户自画像构建

主控芯片发起系统唤醒指令,SPI控制器将信号发送到内置存储器后,存储器将其状态调整为可读写模式,以此实现主控芯片数据调取与修改工作的进行。在系统运行状态下,主控芯片对影响保险介入风险的要素进行统计,包括制度设计风险Ps、筹资风险Pc、基金投资风险Pj、操作风险Pz以及给付风险Pf。分析目标用户的数据特征,根据分析结果,构建对应的用户自画像。用户自画像的构建与评价标准直接相关,为了确保构建的画像在风险评估阶段具有更高的可靠性,本文利用改进的BP神经网络对标准进行寻优。以制度设计风险Ps为例,假设影响Ps的因素为n,并存在n=(n1,n2,…,ni),则将n作为BP神经网络的输入值,其在隐含层经过赋权处理后,得到W=(w1,w2,…,wi),赋权方式表示为:1iiniinwnλ==∑式中,λ表示风险系数。按照同样的方式计算其他风险指标的赋权值,最后进行检验。如果赋权总和为1,则将其作为用户自画像构建的评价标准;如果赋权总和不为1,则需要对其进行调整。此时将各个指标不同因素对应的赋权结果作为输入值,在BP神经网络中进行反向计算,对得到的结果与正向结果的不一致的因素重新赋权,再重复上述操作,直至满足赋权要求。随着评估的进行,将得出的数据重新输入到BP神经网络中,实现对计算结果的逐步优化,提高系统计算精度。

2.2介入风险评估

主控芯片发出数据提取命令,调用储存在内置存储器中的用户自画像。假设向系统内输入的商业保险方案为A=(M,S,R),其中A表示商业保险的总体方案,M表示方案中的资金规划,S表示方案预计实施的主要区域,S表示方案面向的主要群体。主控芯片接收到输入的信息后,对方案中的S进行识别,指挥SPI控制器在内置存储器中提取对应的用户自画像,并传输到主控芯片。将用户自画像中的风险输出结果作为方案A介入风险评估的依据,则其赔付评估结果可以表示为:fSRMMEE=+U(2)

3测试分析

3.1测试环境

由于保险风险的验证需要大量的实际数据,因此对未实施的险种进行保险介入风险评估效果验证不仅成本投入较大,而且周期较长。针对该问题,本文以某保险公司已实施的5个保险方案(分别编号1~5)为测试对象,将某一年内该险种反馈出的数据结果作为对系统最终输出评估结果的评价标准。以此为基础,利用本文设计的系统对测试保险的介入风险进行评估,并与已有数据结果进行对比。

3.2测试结果

在上述测试环境下,首先对比了系统输出的5个保险方案的介入风险评估结果与实际结果之间的差异性。系统分析的影响介入风险的因素主要包括保险人教育背景、住房情况、月收入、工作年限以及负债情况等,将系统的分析结果与实际情况对比,如图1所示。从图1可以看出,本文设计的评估系统能够实现对风险因素的准确评估。系统在对风险类型进行评估时,其输出结果包括不恰当的理赔介入时间、保险理赔需求预测错误、保险理赔信息操作不当以及保险制度设计不当4种。对比系统输出的风险类型评估结果与实际结果之间的差异,结果如图2所示。从图2可以看出,在对4种风险类型作用效果进行评估时,本文设计系统的输出结果与实际结果的差异也较小,特别是对于由于理赔时间引起的保险介入风险,其评估结果与实际结果完全一致。其中误差最大的是对理赔需求预测作用的评估,其他风险类型的评估结果与实际结果之间的差异性均在可控范围内。综上所述,本文设计的系统能够实现对商业保险介入风险类型的准确分析,具有较好的评估效果和较高的评估准确性。

4结语

对于商业保险企业而言,保险方案设计的合理性与其创造的价值直接相关,而对保险介入风险进行准确评估更是关系到企业发展的重要途径。只有正确认识商业保险介入风险,才能对保险方案实施价值作出正确判断。本文提出基于改进BP神经网络的商业保险介入风险评估系统设计研究,并实现了对保险介入风险值和赔付率的评估,能够以较高的精度分析出影响介入风险的主要指标作用程度以及存在的风险类型。通过该研究,以期为商业保险的发展提供有价值的参考,为提高保险设计的合理性提供帮助。

作者:胡盈盈 桑珍珍 单位:郑州商学院