CN108335216A - 一种保险风险评估方法、装置、终端设备及存储介质 - Google Patents
一种保险风险评估方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN108335216A CN108335216A CN201810031595.5A CN201810031595A CN108335216A CN 108335216 A CN108335216 A CN 108335216A CN 201810031595 A CN201810031595 A CN 201810031595A CN 108335216 A CN108335216 A CN 108335216A
- Authority
- CN
- China
- Prior art keywords
- risk
- score
- level
- item
- insurance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种保险风险评估方法、装置、终端设备及存储介质,所述方法包括获取预设时间段内的保险数据;针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算所述保险数据在该风险指标的实际得分;使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数;根据所述一级分数和所述二级分数,确定所述保险数据的风险等级;输出所述保险数据的风险评估结果。本发明的技术方案通过风险分析模型对风险进行统一的量化计算,实现了对保险行业各项风险进行客观准确的评价,从而有效提高保险风险评估的准确率。
Description
技术领域
本发明涉及金融服务技术领域,尤其涉及一种保险风险评估方法、装置、终端设备及存储介质。
背景技术
随着社会经济的不断发展,保险在我们生活当中扮演着越来越重要的角色。保险是指投保人根据合同约定,向保险人支付保险费,保险人对于合同约定的可能发生的事故因其发生所造成的财产损失承担赔偿保险金责任。建立保险的目的是对付特定危险事故的发生,无风险则无保险,因此,完善的风险评估方法对保险人和保险行业的决策和发展具有重要意义。
现有技术中保险行业需要对核保赔保等业务进行审核和风险控制,传统的风险评估通常由人工完成,手动收集数据并对数据进行人工分析,识别可能存在的风险,由于人工分析往往带有主观因素,没有统一的量化标准,导致风险评估的准确率不高。
发明内容
本发明实施例提供一种保险风险评估方法、装置、终端设备及存储介质,以解决现有技术中保险风险评估的准确率不高的问题。
第一方面,本发明实施例提供一种保险风险评估方法,包括:
获取预设时间段内的保险数据;
针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算所述保险数据在该风险指标的实际得分,其中,所述风险分析模型包括一级风险项、每个所述一级风险项包含的二级风险项、每个所述二级风险项包含的风险指标,以及每个所述风险指标的指标权重和每个所述二级风险项的风险权重;
使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数;
根据所述一级分数和所述二级分数,确定所述保险数据的风险等级;
输出所述保险数据的风险评估结果,其中,所述保险评估结果包括所述一级分数、所述二级分数和所述风险等级。
第二方面,本发明实施例提供一种保险风险评估装置,包括:
数据获取模块,用于获取预设时间段内的保险数据;
计算模块,用于针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算所述保险数据在该风险指标的实际得分,其中,所述风险分析模型包括一级风险项、每个所述一级风险项包含的二级风险项、每个所述二级风险项包含的风险指标,以及每个所述风险指标的指标权重和每个所述二级风险项的风险权重;
模型分析模块,用于使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数;
等级确定模块,用于根据所述一级分数和所述二级分数,确定所述保险数据的风险等级;
结果输出模块,用于输出所述保险数据的风险评估结果,其中,所述保险评估结果包括所述一级分数、所述二级分数和所述风险等级。
第三方面,本发明实施例提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述保险风险评估方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述保险风险评估方法的步骤。
本发明实施例与现有技术相比具有如下优点:通过计算保险数据在每个风险指标的实际得分,并将该实际得分作为风险分析模型的输入,使用风险分析模型对该实际得分进行分析,得到保险数据在该风险分析模型的每个一级风险项的一级分数和每个二级风险项的二级得分,从而实现了对风险的量化计算,并且通过风险分析模型提供的统一量化标准,使得不同的计算结果之间更加具有可比性,根据风险分析模型得到的一级分数和二级分数确定保险数据的风险等级,并依据该风险等级输出保险数据的风险评估结果,实现了对保险行业各项风险进行客观准确的评价,从而有效提高保险风险评估的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例1提供的保险风险评估方法的实现流程图;
图2是本发明实施例1中提供的保险风险评估方法中步骤S3的实现流程图;
图3是本发明实施例1中提供的保险风险评估方法中进行风险分析模型的构建的实现流程图;
图4是本发明实施例1中提供的保险风险评估方法中步骤S4的实现流程图;
图5是本发明实施例1中提供的保险风险评估方法中根据风险评估结果进行风险预警和制作风险评估报告的实现流程图
图6是本发明实施例2中提供的保险风险评估装置的示意图;
图7是本发明实施例4中提供的终端设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参阅图1,图1示出了本实施例提供的保险风险评估的方法的实现流程。该保险风险评估的方法应用在保险行业的风险控制应用系统中。详述如下:
S1:获取预设时间段内的保险数据。
在本发明实施例中,预设时间段是根据业务需求设定的数据收集时间段,如月度、季度、半年度等,具体地,根据构建的风险分析模型设定该预设时间段,例如半年度、年度等。
需要说明的是,由于风险分析模型针对不同的预设时间段分别提供不同的模型参数,因此在获取保险数据时,可以根据实际风险分析的需要选择合适的预设时间段。例如,风险分析模型提供了月度、季度和半年度三种不同时间段的分析模型,若需要根据月度保险数据进行保险风险评估,则获取一个月内的保险数据即可,若需要根据半年度保险数据进行保险风险评估,则获取半年内的保险数据。
保险数据具体为不同保险类型的客户信息和保费信息,客户信息包括但不限于客户的身份信息、联系信息、职业信息,以及财产信息等,保费信息包括但不限于参保类型信息、保费缴存信息,以及保险额度信息等。
保险数据的获取方式可以是人工采集或者自动定时采集,此处不做限制。
具体地,从本地保险数据库按照预设时间段提取对应的保险数据,或者接收相关工作人员上传的该预设时间段的保险数据。
S2:针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算保险数据在该风险指标的实际得分,其中,风险分析模型包括一级风险项、每个一级风险项包含的二级风险项、每个二级风险项包含的风险指标,以及每个风险指标的指标权重和每个二级风险项的风险权重。
在本发明实施例中,风险分析模型包括若干一级风险项、每个以及风险项包含的若干二级风险项、每个二级风险项包含的若干风险指标,以及每个风险指标的指标权重和每个二级风险项的风险权重。
风险指标是根据保监会的监管条例,从保险公司的经营指标中筛选出的能够体现保险公司的经营规范和经营成果等的指标项。
例如,风险分析模型的一级风险项可以包括“保险风险”、“信用风险”、“市场风险”、“战略风险”、“操作风险”、“声誉风险”和“流动性风险”这七大类一级风险项,每个一级风险项中包括若干二级风险项,例如,“保险风险”的二级风险项可以包括“退保风险”、“费用风险”、“损失率风险”、“死亡率风险”、“重疾发生率风险”和“赔付风险”等二级风险项。每个二级风险项包含若干风险指标,例如,“退保风险”的风险指标可以包括“13个月个险保费继续率”、“25个月个险保费继续率”、“13个月银保保费继续率”、“25个月银保保费继续率”和“协议退保损失率”等,每个风险指标的指标权重区分月度、季度、半年度和年度分别对应不同的指标权重,每个二级风险项的风险权重也区分月度、季度、半年度和年度分别对应不同的指标权重。
如表一所示,表一示出了在一级风险项为“保险风险”,二级风险项为“退保风险”、“费用风险”、“损失率风险”、“死亡率风险”、“重疾发生率风险”和“赔付风险”下各个风险指标分别在月度、季度、半年度和年度的指标权重,以及各个二级风险项分别在月度、季度、半年度和年度的风险权重。
表一
需要说明的是,一级风险项、二级风险项和风险指标具体可以根据实际业务的需要进行设置,此处不做限制。
可以理解的是,在本发明实施例中风险分析模型是按照两级风险项进行构建,在其他实施例中风险分析模型还可以按照多级风险项进行构建,即风险分析模型包括多级风险项,上一级风险项包含多个下一级风险项,最低一级风险项包含多个风险指标,每个风险指标具有指标权重,除最高一级风险项外的其他各级风险项均具有风险权重。例如,将风险分析模型划分为若干一级风险项、每个一级风险项包含的多个二级风险项、每个二级风险项包含的多个三级风险项,以及每个三级风险项包含的多个风险指标,其具体结构可以根据保险公司实际业务的需要进行设置。
在风险分析模型中,每个风险指标都有预设的计算该指标分数的计算公式,例如,风险指标“13个月个险保费继续率”的计算公式为在保险数据中购买13个月个险的用户中续保用户的数量占购买13个月个险的用户总数的比值。
具体地,针对每个风险指标,按照该风险指标的计算公式,以保险数据为对象,计算保险数据在该风险指标的实际得分。
S3:使用风险分析模型对每个风险指标的实际得分进行分析,得到保险数据在每个一级风险项的一级分数和在每个二级风险项的二级分数。
具体地,根据步骤S2得到的保险数据在每个风险指标的实际得分,使用风险分析模型对该实际得分进行分析,根据每个风险指标的实际得分和该风险指标的指标权重,通过加权计算得到二级风险项的二级分数,并根据每个二级风险项的二级分数和该二级风险项的风险权重,通过加权计算得到一级风险项的一级得分。
可以理解的是,当风险分析模型包含多级风险项时,首先根据风险指标的实际得分和指标权重,通过加权计算得到最低一级风险项的分数,然后根据下一级风险项的分数和风险权重,通过加权计算得到上一级风险项的得分,逐级计算,直到计算出最高一级风险项的得分。
S4:根据每个一级风险项的一级分数和每个二级风险项的二级分数,确定该保险数据的风险等级。
具体地,根据步骤S3得到的每个一级风险项的一级分数和每个二级风险项的二级分数,通过预设的分数风险等级的对应关系,确定保险数据的风险等级。
保险数据的风险等级包括一级风险项的风险等级和二级风险项的风险等级,即一级分数和二级分数分别对应自身级别风险项的风险等级。
分数和风险等级的对应关系可以是分数值和风险等级的正比例线性关系或者反比例线性关系,还可以是分数范围和风险等级的映射关系,具体不做限制。例如,若分数和风险等级的对应关系是分数值和风险等级的正比例线性关系,则分数值越大,其对应的风险等级越高,即该分数对应的风险项的风险越大。又例如,若分数和风险等级的对应关系是分数范围和风险等级的映射关系,则每个风险等级对应一个分数范围,根据一级分数或二级分数所在的分数范围,确定对应的风险等级。
S5:输出保险数据的风险评估结果,其中,该保险评估结果包括标一级分数、二级分数和风险等级。
具体地,根据步骤S3得到的一级分数和二级分数,以及步骤S4得到的风险等级,输出保险数据的风险评估结果。在该风险评估结果中包含每个一级风险项的一级分数和对应的风险等级,以及每个二级风险项的二级分数和对应的风险等级。
进一步地,在风险评估结果中,还可以对风险等级超过级别阈值的风险项进行标识,以表达该风险项存在较大的风险,以便相关风险评估人员在根据该风险评估结果准确掌握保险数据在各个风险项的实际风险情况的同时,能够对风险等级较高、情形较为严重的风险项重点关注,并及时进行相应的风险预警和制定风险防御措施。
风险评估结果的输出方式具体可以是图表、报告或者邮件等方式,此处不做限制。风险分析模型
在图1对应的实施例中,通过计算保险数据在每个风险指标的实际得分,并将该实际得分作为风险分析模型的输入,使用风险分析模型对该实际得分进行分析,得到保险数据在该风险分析模型的每个一级风险项的一级分数和每个二级风险项的二级得分,从而实现了对风险的量化计算,并且通过风险分析模型提供的统一量化标准,使得不同的计算结果之间更加具有可比性,根据风险分析模型得到的一级分数和二级分数确定保险数据的风险等级,并依据该风险等级输出保险数据的风险评估结果,实现了对保险行业各项风险进行客观准确的评价,从而有效提高保险风险评估的准确率。
接下来,在图1对应的实施例的基础之上,下面通过一个具体地实施例对步骤S3中所提及的使用风险分析模型对每个风险指标的实际得分进行分析,得到保险数据在每个一级风险项的一级分数和在每个二级风险项的二级分数的具体实现方法进行详细说明。
请参阅图2,图2示出了本发明实施例提供的步骤S3的具体实现流程,详述如下:
S31:根据预设的分数转换方式,将每个风险指标的实际得分转换为标准得分。
在本发明实施例中,每个风险指标的标准得分在整个风险分析模型中具有相同的分数标准,将实际得分转换为标准得分,使得转换后的标准得分均基于相同的分数标准,进而在根据每个风险指标的标准得分计算得到的二级分数和一级分数能够更加准确的反映实际的风险情况。
预设的分数转换方式具体可以是不同实际得分的阈值范围与标准得分的映射关系。优选地,标准得分包括10分、5分和0分三个标准分数,对每一种风险指标,将实际得分的阈值范围分为三个取值区间,包括第一取值区间、第二取值区间和第三取值区间,其中,第一取值区间对应的标准得分为10分,第二取值区间对应的标准得分为5分,第三取值区间对应的标准得分为0分。
需要说明的是,标准分数的数量并不限于三个,也可以是其他数量,实际得分的阈值范围的数量也不限于三个,也可以是其他数量,具体可以根据实际应用的需要进行设置,此处不做限制,但是,标准得分包括的标准分数的数量与实际得分的阈值范围的数量相同。
可以理解的是,不同风险指标的实际得分的阈值范围的划分方式可能相同也可能不相同,每个风险指标的实际得分的阈值范围的划分与该风险指标的预设计算公式相关。
具体地,针对每个风险指标的实际得分,根据不同实际得分的阈值范围与标准得分的映射关系,将该风险指标的实际得分所在的阈值范围对应的标准得分作为该风险指标的标准得分。
例如,以“3个月个险保费继续率”这一风险指标为例,假设该风险指标的实际得分的三个阈值范围分别为第一取值区间为实际得分大于等于0.75并且小于等于1,第二取值区间为实际得分大于等于0.25并且小于0.75,第三取值区间为实际得分大于等于0并且小于0.25,并且,第一取值区间对应的标准得分为10分,第二取值区间对应的标准得分为5分,第三取值区间对应的标准得分为0分。若保险数据在该风险指标的实际得分为0.6,则该实际得分对应的标准得分即为10分。
S32:针对每个二级风险项,根据该二级风险项中每个风险指标的标准得分和每个风险指标的指标权重,对该标准得分进行加权求和,得到该二级风险项的二级分数。
具体地,根据步骤S31得到的每个风险指标的标准得分和风险分析模型中每个风险指标的指标权重,采用加权求和计算每个二级风险项的二级分数。
以表一中的二级风险项“损失率风险”为例,当使用该风险分析模型评估季度风险时,若根据步骤S31计算得到风险指标“短期险陪付率”的标准得分为5分,风险指标“长期险赔付率”的标准得分为10分,则按照该风险分析模型中“短期险陪付率”和“长期险赔付率”针对季度的指标权重均为50%进行加权求和可得:5*50%+10*50%=7.5,即二级风险项“损失率风险”的二级分数为7.5。
S33:针对每个一级风险项,根据该一级风险项包含的每个二级风险项的二级分数和每个二级风险项的风险权重,对二级分数进行加权求和,得到该一级风险项的一级分数。
具体地,根据步骤S32得到的每个二级风险项的二级分数和风险分析模型中每个二级风险项的风险权重,采用加权求和计算每个一级风险项的一级分数。
以表一中的一级风险项“保险风险”为例,当使用该风险分析模型评估季度风险时,若根据步骤S32计算得到二级风险项“退保风险”的二级分数为8.3分,二级风险项“费用风险”的二级分数为5分,二级风险项“损失率风险”的二级分数为7.5分,二级风险项“死亡率风险”的二级分数为0分,二级风险项“重疾发生率风险”的二级分数为0分,二级风险项“赔付风险”的二级分数为10分,则按照该风险分析模型中“退保风险”、“费用风险”、“损失率风险”、“死亡率风险”、“重疾发生率风险”和“赔付风险”针对季度的风险权重分别为25%、25%、25%、0%、0%和25%,进行加权求和可得:8.3*25%+5*25%+7.5*25%+0*0%+0*0%+10*25%=7.7,即一级风险项“保险风险”的一级分数为7.7。
在图2对应的实施例中,将风险指标的实际得分按照预设的分数转换方式转换为对应的标准得分,使得按照不同计算公式计算得到的不同风险指标的实际得分被统一到风险分析模型的量化标准中,从而根据该风险分析模型能够计算出互相具有可比性的一级分数和二级分数,实现风险的量化计算,达到对保险行业各项风险进行客观准确评价的目的,有效提高保险风险评估的准确率。
在图1对应的实施例的基础之上,在步骤S1提及的获取预设时间段内的保险数据之前,还可以进行风险分析模型的构建,如图3所示,该保险风险评估方法还包括:
S01:针对每个风险指标,获取该风险指标的风险敏感度的分值和预警能力的分值。
具体地,获取相关风险评估人员对每个风险指标的风险敏感度和预警能力的打分结果。
在本发明实施例中,针对每个风险指标,预先由相关风险评估人员从风险敏感度和风险的预警能力两个维度按照预设的打分标准进行打分,例如,打分标准设置为三个分值,分别为3分、2分和1分,不同分值代表不同的风险敏感度和预警能力,具体如表二所示。
表二
分值 | 风险敏感度 | 预警能力 |
3 | 能够直接反映风险变化情况 | 指标变化具有较强的前瞻性 |
2 | 一定程度上直接反映风险变化情况 | 指标变化具有一定的前瞻性 |
1 | 不能直接反映风险变化情况 | 指标变化前瞻性弱 |
S02:按照公式(1)计算每个风险指标的指标分数:
Pi=α×Mi+β×Ni+θ公式(1)
其中,Pi为第i个风险指标的指标分数,Mi为第i个风险指标的风险敏感度的分值,Ni为第i个风险指标的预警能力的分值,α为风险敏感度的分值权重,β为预警能力的分值权重,θ为预设的调节因子,i为正整数。
在本发明实施例中,预先设置风险敏感度的分值权重和预警能力的分值权重,例如,风险敏感度的分值权重设置为60%,预警能力的分值权重设置为40%,但并不限于此,具体可以根据实际应用的需要进行设置,此处不做限制。
预设的调节因子用于根据应用的需要对指标分数进行灵活的调节,其具体可以根据实际应用的需要进行设置,此处不做限制。
具体地,按照公式(1)计算每个风险指标的指标分数。例如,以风险敏感度的分值权重为60%,预警能力的分值权重为40%进行计算,若风险指标“协议退保损失率”的风险敏感度的分值为2,预警能力的分值为1,调节影子设置为0,则根据公式(1)计算得到“协议退保损失率”指标分数为2*60%+1*40%=1.6分。
S03:针对每个二级风险项,对该二级风险项的每个风险指标的指标分数进行累加,得到该二级风险项的指标总分数。
具体地,针对每个二级风险项,将按照步骤S02计算得到的该二级风险项下的每个风险指标的指标分数进行累加求和,得到该二级风险项的指标总分数。
需要说明的是,若风险分析模型针对不同的预设时间段分别提供分析模型,则在计算指标总分数时,根据每个预设时间段涉及的风险指标进行指标分数的累加,即不同预设时间段对应的指标总分数可能不同。
S04:将每个风险指标的指标分数与该风险指标所在的二级风险项的指标总分数的商,作为该风险指标的指标权重。
具体地,根据步骤S02得到的每个风险指标的指标分数,以及步骤S03得到的二级风险项的指标总分数,在每个二级风险项中,计算每个风险指标的指标分数与该二级风险项的指标总分数的商,将该商作为该风险指标的指标权重。
S05:针对每个一级风险项,根据该一级风险项包含的指标总分数大于零的二级风险项的个数,设置每个二级风险项的风险权重。
具体地,在设置二级风险项的风险权重时,采用平均分配权重的方法,在每个一级风险项中,按照该一级风险项包含的指标总分数大于零的二级风险项的个数,平均分配指标总分数大于零的每个二级风险项的风险权重,对指标总分数为零的二级风险项其风险权重也为零。
例如,若一级风险项包含的二级风险项个数为5个,并且该5个二级风险项的指标总分数均大于0,则每个二级风险项的风险权重均为20%。
为了更好的理解本发明实施例,下面以表一定义的风险分析模型为例加以说明。如表三所示,表三示出了每个风险指标根据表二定义的风险敏感度和预警能力的打分标准得到的分值,进行加权计算得到的指标分数、每个二级风险项的指标总分数、每个风险指标的月度指标权重和年度指标权重,以及每个二级风险项的月度风险权重和年度风险权重。
表三
以二级风险项“退保风险”为例,其包含的6个风险指标的指标分数分别为2.6、2.6、2.6、2.6、1.6和2.6,由于该风险分析模型在月度风险分析时不考虑风险指标“退保率”,即在预设时间段为月度时,风险指标“退保率”的指标权重为0%,因此,在月度风险分析时该二级风险项的指标总分数为2.6+2.6+2.6+2.6+1.6=12;而该风险分析模型在年度风险分析时需考虑风险指标“退保率”,因此,在年度风险分析时该二级风险项的指标总分数为2.6+2.6+2.6+2.6+1.6+2.6=14.6。以风险指标“13个月个险保费继续率”为例,其在月度风险分析时的指标权重为2.6/12=22%,而在年度风险分析时的指标权重为2.6/14.4=18%。
在计算二级风险项的风险权重时,由于该风险分析模型在月度风险分析时不考虑二级风险项“死亡率风险”和“重疾发生率风险”,其指标总分数均为0,因此,在月度风险分析时指标总分数大于0的二级风险项的个数为4个,则除了“死亡率风险”和“重疾发生率风险”的风险权重为0%,其他二级风险项的风险权重均为1/4=25%;而该风险分析模型在年度风险分析时需考虑全部6个二级风险项,因此在年度风险分析时每个二级风险项的风险权重均为1/6=17%。
需要说明的是,步骤S04和步骤S05之间没有必然的先后顺序,其可以是并列执行的关系,此处不做限制。
在图3对应的实施例中,根据风险指标的风险敏感度的分值和预警能力的分值,以及风险敏感度和预警能力分别占有的分值权重,按照公式(1)计算每个风险指标的指标分数,进而根据每个风险指标的指标分数在该风险指标所在的二级风险项的指标总分数的占比,计算该风险指标的指标权重,并且采用平均分配权重的方法为一级风险项下的每个二级风险项设置风险权重,完成对风险分析模型的构建,使得构建出的风险分析模型能够针对不同的预设时间段提供量化的评估数据,使得应用该风险分析模型进行保险行业的风险评估具有客观性和可度量性,从而提高保险风险评估的准确率。
在图1至图3对应的实施例的基础之上,下面通过一个具体地实施例对步骤S4中所提及的根据每个一级风险项的一级分数和每个二级风险项的二级分数,确定保险数据的风险等级的具体实现方法进行详细说明。
请参阅图4,图4示出了本发明实施例提供的步骤S4的具体实现流程,详述如下:
S41:按照预设的分数范围与风险标签的对应关系,根据每个二级风险项的二级分数属于的分数范围,确定每个二级风险项对应的风险标签,其中,风险标签用于标识风险等级,不同分数范围对应不同的风险标签。
在本发明实施例中,风险标签用于标识风险等级,使用不同的风险标签对应不同的风险等级,可以使用不同颜色的图标、不同形状的标识符,或者不同图形作为风险标签,标识不同的风险等级。
例如,风险等级分为一级风险、二级风险和三级风险,并且一级风险的风险等级最高,三级风险的风险等级最小,则可以使用红、黄、绿三种颜色的圆形图标作为风险标签,其中,红色圆形图标标识一级风险,黄色圆形图标标识二级风险,绿色圆形图标标识三级风险。
预先设置分数范围与风险标签的对应关系,不同的分数范围对应不同的风险标签。以红、黄、绿三种颜色的圆形图标作为风险标签为例,可以将分数范围在大于等于8分时对应的风险标签设置为绿色圆形图标,将分数范围在大于等于5分并且小于8分时对应的风险标签设置为黄色圆形图标,将分数范围在小于5分时对应的风险标签设置为红色圆形图标。
需要说明的是,具体分数范围和风险标签的定义可以根据实际应用的需要进行设置,此处不做限制。
具体地,根据每个二级风险项的二级分数属于的分数范围,确定该二级风险项对应的风险标签。例如,若二级风险项的二级分数为7分,则该二级风险项对应的风险标签可以是黄色圆形图标。
S42:按照预设的分数范围与风险标签的对应关系,根据每个一级风险项的一级分数属于的分数范围,确定每个一级风险项对应的风险标签。
具体地,一级风险项对应的风险标签的确定方法与步骤S41中根据二级分数确定二级风险项对应的风险标签的方法相同,此处不再赘述。
需要说明的是,在步骤S31根据预设的分数转换方式,将每个风险指标的实际得分转换为标准得分后,对每个风险指标的标准得分也可以采用与步骤S41根据二级分数确定二级风险项对应的风险标签相同的方法,按照预先设置的标准得分的分数范围与风险指标的对应关系,根据步骤S31计算得到的标准得分确定风险指标对应的风险标签。
在图4对应的实施例中,通过设置风险标签,能够直观反映各个一级风险项和二级风险项的风险水平,从而有助于提高保险风险评估的效率。
在图1至图3对应的实施例的基础之上,在步骤S5提及的输出保险数据的风险评估结果之后,还可以进一步根据风险评估结果进行风险预警和制作风险评估报告。如图5所示,该保险风险评估方法还包括:
S61:根据每个一级风险项的风险等级和每个二级风险项的风险等级,提取超过预设的等级阈值的风险等级对应的一级风险项或二级风险项,作为目标风险项。
在本发明实施例中,预设的等级阈值按照风险等级的定义进行设置,例如,若风险等级分为一级风险、二级风险和三级风险,并且一级风险的风险等级最高,三级风险的风险等级最小,则等级阈值可以设置为二级风险,但并不限于此,具体可以根据实际应用的需要进行设置,此处不做限制。
具体地,若等级阈值为二级风险,则将超过二级风险的风险等级,即一级风险对应的一级风险项或者二级风险项提取出来,作为目标风险项。
S62:向目标风险项对应的业务部门发送风险预警。
在本发明实施例中,风险预警是指对目标风险项做出相应的风险提示,风险预警的内容包括但不限于目标风险项的名称及其对应的一级分数或者二级分数、以及该目标风险项包含的风险指标及其标准得分等。
具体地,通过邮件或者即时消息等发送方式将风险预警发送给目标风险项对应的业务部分的相关责任人。
S63:接收目标风险项对应的业务部分根据风险预警进行风险分析的结果数据,其中,该结果数据包括风险原因、风险解决方案或风险预防措施。
具体地,目标风险项对应的业务部门在对接收到的风险预警进行针对性的分析风险原因、制定解决方案或预防措施后,反馈包含风险原因、风险解决方案和风险预防措施的结果数据。
S64:按照预设的报告模板,根据风险评估结果、目标风险项和风险分析的结果数据,制作风险评估报告。
在本发明实施例中,预设的报告模板具体可以根据业务开展需求或者工作人员的阅读习惯等进行设置,报告模板的内容包括但不限于风险评估结果、目标风险项的内容和风险分析的结果数据。
具体地,按照预设的报告模板,根据步骤S63得到的风险原因、风险解决方案和风险预防措施,步骤S61确定的目标风险项,以及步骤S5得到的风险评估结果,制作风险评估报告。该风险评估报告能够直观的反映各个风险项的风险水平,突出目标风险项,以及展示相应的风险原因,提供合理的预防措施,为风险管理部门及公司管理层进行日常风险评估和风险监控提供工具支持。
在图5对应的实施例中,根据风险评估结果确定目标风险项,进行风险预警,并根据业务部门进行风险分析的结果数据,结合风险评估结果和目标风险项,按照预设分报告模板制作风险评估报告,制作风险评估报告,提高了制作风险评估报告的流程化和自动化水平,减少人工干预,降低人力成本,从而有效提高风险评估的效率,同时,根据目标风险项发送风险预警,使得相关业务部门能够及时进行风险分析和监控,并作出相应的解决方案或风险预案,有效降低风险对保险公司造成经济损失的可能性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2
对应于实施例1中的保险风险评估方法,图6示出了与实施例1提供的保险风险评估方法一一对应的保险风险评估装置。为了便于说明,仅示出了与本发明实施例相关的部分。
请参阅图6,该保险风险评估装置包括:数据获取模块61、计算模块62、模型分析模块63、等级确定模块64和结果输出模块65。各功能模块详细说明如下:
数据获取模块61,用于获取预设时间段内的保险数据;
计算模块62,用于针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算保险数据在该风险指标的实际得分,其中,风险分析模型包括一级风险项、每个一级风险项包含的二级风险项、每个二级风险项包含的风险指标,以及每个风险指标的指标权重和每个二级风险项的风险权重;
模型分析模块63,用于使用风险分析模型对每个风险指标的实际得分进行分析,得到保险数据在每个一级风险项的一级分数和在每个二级风险项的二级分数;
等级确定模块64,用于根据一级分数和二级分数,确定保险数据的风险等级;
结果输出模块65,用于输出保险数据的风险评估结果,其中,该保险评估结果包括一级分数、二级分数和风险等级。
进一步地,模型分析模块63包括:
分数转换单元631,用于根据预设的分数转换方式,将实际得分转换为标准得分;
二级分数计算单元632,用于针对每个二级风险项,根据该二级风险项中每个风险指标的标准得分和每个风险指标的指标权重,对标准得分进行加权求和,得到该二级风险项的二级分数;
一级分数计算单元633,用于针对每个一级风险项,根据该一级风险项包含的每个二级风险项的二级分数和每个二级风险项的风险权重,对二级分数进行加权求和,得到该一级风险项的一级分数。
进一步地,该保险风险评估装置还包括:
分值获取模块601,用于针对每个风险指标,获取该风险指标的风险敏感度的分值和预警能力的分值;
指标分数计算模块602,用于按照如下公式计算每个风险指标的指标分数:
Pi=α×Mi+β×Ni+θ
其中,Pi为第i个风险指标的指标分数,Mi为第i个风险指标的风险敏感度的分值,Ni为第i个风险指标的预警能力的分值,α为风险敏感度的分值权重,β为预警能力的分值权重,θ为预设的调节因子,i为正整数;
二级总分计算模块603,用于针对每个二级风险项,对该二级风险项的每个风险指标的指标分数进行累加,得到该二级风险项的指标总分数;
指标权重计算模块604,用于将每个风险指标的指标分数与该风险指标所在的二级风险项的指标总分数的商,作为该风险指标的指标权重;
风险权重计算模块605,用于针对每个一级风险项,根据该一级风险项包含的指标总分数大于零的二级风险项的个数,设置每个二级风险项的风险权重。
进一步地,等级确定模块64包括:
二级标签设置单元641,用于按照预设的分数范围与风险标签的对应关系,根据二级分数属于的分数范围,确定每个二级风险项对应的风险标签,其中,风险标签用于标识风险等级,不同分数范围对应不同的风险标签;
一级标签设置单元642,用于按照分数范围与风险标签的对应关系,根据一级分数属于的分数范围,确定每个一级风险项对应的风险标签。
进一步地,该保险风险评估装置还包括:
目标确定模块661,用于根据每个一级风险项的风险等级和每个二级风险项的风险等级,提取超过预设的等级阈值的风险等级对应的一级风险项或二级风险项,作为目标风险项;
风险预警模块662,用于向目标风险项对应的业务部门发送风险预警;
结果接收模块663,用于接收业务部分根据风险预警进行风险分析的结果数据,其中,该结果数据包括风险原因、风险解决方案或风险预防措施;
报告制作模块664,用于按照预设的报告模板,根据风险评估结果、目标风险项和结果数据,制作风险评估报告。
本实施例提供的一种保险风险评估装置中各模块实现各自功能的过程,具体可参考前述实施例1的描述,此处不再赘述。
实施例3
本实施例提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中保险风险评估方法,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现实施例2中保险风险评估装置中各模块/单元的功能,为避免重复,这里不再赘述。
实施例4
图7是本发明一实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序73,例如保单分析程序。处理器71执行计算机程序73时实现上述各个保险风险评估方法实施例中的步骤,例如图1所示的步骤S1至步骤S5。或者,处理器71执行计算机程序73时实现上述各个保险风险评估装置实施例中各模块/单元的功能,例如图6所示模块61至模块65的功能。
示例性的,计算机程序73可以被分割成一个或多个模块,一个或者多个模块被存储在存储器72中,并由处理器71执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序73在终端设备70中的执行过程。例如,计算机程序73可以被分割成数据获取模块、计算模块、模型分析模块、等级确定模块和结果输出模块。各功能模块详细说明如下:
数据获取模块,用于获取预设时间段内的保险数据;
计算模块,用于针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算保险数据在该风险指标的实际得分,其中,风险分析模型包括一级风险项、每个一级风险项包含的二级风险项、每个二级风险项包含的风险指标,以及每个风险指标的指标权重和每个二级风险项的风险权重;
模型分析模块,用于使用风险分析模型对每个风险指标的实际得分进行分析,得到保险数据在每个一级风险项的一级分数和在每个二级风险项的二级分数;
等级确定模块,用于根据一级分数和二级分数,确定保险数据的风险等级;
结果输出模块,用于输出保险数据的风险评估结果,其中,该保险评估结果包括一级分数、二级分数和风险等级。
进一步地,模型分析模块包括:
分数转换单元,用于根据预设的分数转换方式,将实际得分转换为标准得分;
二级分数计算单元,用于针对每个二级风险项,根据该二级风险项中每个风险指标的标准得分和每个风险指标的指标权重,对标准得分进行加权求和,得到该二级风险项的二级分数;
一级分数计算单元,用于针对每个一级风险项,根据该一级风险项包含的每个二级风险项的二级分数和每个二级风险项的风险权重,对二级分数进行加权求和,得到该一级风险项的一级分数。
进一步地,计算机程序73还可以被分割成:
分值获取模块,用于针对每个风险指标,获取该风险指标的风险敏感度的分值和预警能力的分值;
指标分数计算模块,用于按照如下公式计算每个风险指标的指标分数:
Pi=α×Mi+β×Ni+θ
其中,Pi为第i个风险指标的指标分数,Mi为第i个风险指标的风险敏感度的分值,Ni为第i个风险指标的预警能力的分值,α为风险敏感度的分值权重,β为预警能力的分值权重,θ为预设的调节因子,i为正整数;
二级总分计算模块,用于针对每个二级风险项,对该二级风险项的每个风险指标的指标分数进行累加,得到该二级风险项的指标总分数;
指标权重计算模块,用于将每个风险指标的指标分数与该风险指标所在的二级风险项的指标总分数的商,作为该风险指标的指标权重;
风险权重计算模块,用于针对每个一级风险项,根据该一级风险项包含的指标总分数大于零的二级风险项的个数,设置每个二级风险项的风险权重。
进一步地,等级确定模块包括:
二级标签设置单元,用于按照预设的分数范围与风险标签的对应关系,根据二级分数属于的分数范围,确定每个二级风险项对应的风险标签,其中,风险标签用于标识风险等级,不同分数范围对应不同的风险标签;
一级标签设置单元,用于按照分数范围与风险标签的对应关系,根据一级分数属于的分数范围,确定每个一级风险项对应的风险标签。
进一步地,计算机程序73还可以被分割成:
目标确定模块,用于根据每个一级风险项的风险等级和每个二级风险项的风险等级,提取超过预设的等级阈值的风险等级对应的一级风险项或二级风险项,作为目标风险项;
风险预警模块,用于向目标风险项对应的业务部门发送风险预警;
结果接收模块,用于接收业务部分根据风险预警进行风险分析的结果数据,其中,该结果数据包括风险原因、风险解决方案或风险预防措施;
报告制作模块,用于按照预设的报告模板,根据风险评估结果、目标风险项和结果数据,制作风险评估报告。
终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等终端设备。终端设备70可包括,但不仅限于,处理器71、存储器72及计算机程序73。本领域技术人员可以理解,图7仅仅是终端设备70的示例,并不构成对终端设备70的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备70还可以包括输入输出设备、网络接入设备、总线等。
处理器71可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器72可以是终端设备70的内部存储单元,例如终端设备70的硬盘或内存。存储器72也可以是终端设备70的外部存储设备,例如终端设备70上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器72还可以既包括终端设备70的内部存储单元也包括外部存储设备。存储器72用于存储所述计算机程序以及终端设备70所需的其他程序和数据。存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种保险风险评估方法,其特征在于,所述保险风险评估方法包括:
获取预设时间段内的保险数据;
针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算所述保险数据在该风险指标的实际得分,其中,所述风险分析模型包括一级风险项、每个所述一级风险项包含的二级风险项、每个所述二级风险项包含的所述风险指标,以及每个所述风险指标的指标权重和每个所述二级风险项的风险权重;
使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数;
根据所述一级分数和所述二级分数,确定所述保险数据的风险等级;
输出所述保险数据的风险评估结果,其中,所述保险评估结果包括所述一级分数、所述二级分数和所述风险等级。
2.如权利要求1所述的保险风险评估方法,其特征在于,所述使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数包括:
根据预设的分数转换方式,将所述实际得分转换为标准得分;
针对每个所述二级风险项,根据该二级风险项中每个所述风险指标的所述标准得分和每个所述风险指标的指标权重,对所述标准得分进行加权求和,得到该二级风险项的二级分数;
针对每个所述一级风险项,根据该一级风险项包含的每个所述二级风险项的二级分数和每个所述二级风险项的风险权重,对所述二级分数进行加权求和,得到该一级风险项的一级分数。
3.如权利要求1所述的保险风险评估方法,其特征在于,在所述获取预设时间段内的保险数据之前,所述保险风险评估方法还包括:
针对每个所述风险指标,获取该风险指标的风险敏感度的分值和预警能力的分值;
按照如下公式计算每个所述风险指标的指标分数:
Pi=α×Mi+β×Ni+θ
其中,Pi为第i个所述风险指标的指标分数,Mi为第i个所述风险指标的风险敏感度的分值,Ni为第i个所述风险指标的预警能力的分值,α为所述风险敏感度的分值权重,β为所述预警能力的分值权重,θ为预设的调节因子,i为正整数;
针对每个所述二级风险项,对该二级风险项的每个所述风险指标的所述指标分数进行累加,得到该二级风险项的指标总分数;
将每个所述风险指标的指标分数与该风险指标所在的二级风险项的指标总分数的商,作为该风险指标的指标权重;
针对每个所述一级风险项,根据该一级风险项包含的所述指标总分数大于零的二级风险项的个数,设置每个所述二级风险项的风险权重。
4.如权利要求1至3任一项所述的保险风险评估方法,其特征在于,所述根据所述一级分数和所述二级分数,确定所述保险数据的风险等级包括:
按照预设的分数范围与风险标签的对应关系,根据所述二级分数属于的分数范围,确定每个所述二级风险项对应的风险标签,其中,所述风险标签用于标识风险等级,不同分数范围对应不同的风险标签;
按照所述对应关系,根据所述一级分数属于的分数范围,确定每个所述一级风险项对应的风险标签。
5.如权利要求1或3任一项所述的保险风险评估方法,其特征在于,所述输出所述保险数据的风险评估结果之后,所述保险风险评估方法还包括:
根据每个所述一级风险项的风险等级和每个所述二级风险项的风险等级,提取超过预设的等级阈值的风险等级对应的一级风险项或二级风险项,作为目标风险项;
向所述目标风险项对应的业务部门发送风险预警;
接收所述业务部分根据所述风险预警进行风险分析的结果数据,其中,所述结果数据包括风险原因、风险解决方案或风险预防措施;
按照预设的报告模板,根据所述风险评估结果、所述目标风险项和所述结果数据,制作风险评估报告。
6.一种保险风险评估装置,其特征在于,所述保险风险评估装置包括:
数据获取模块,用于获取预设时间段内的保险数据;
计算模块,用于针对风险分析模型中预设的每个风险指标,按照该风险指标的预设计算公式,计算所述保险数据在该风险指标的实际得分,其中,所述风险分析模型包括一级风险项、每个所述一级风险项包含的二级风险项、每个所述二级风险项包含的所述风险指标,以及每个所述风险指标的指标权重和每个所述二级风险项的风险权重;
模型分析模块,用于使用所述风险分析模型对每个所述风险指标的实际得分进行分析,得到所述保险数据在每个所述一级风险项的一级分数和在每个所述二级风险项的二级分数;
等级确定模块,用于根据所述一级分数和所述二级分数,确定所述保险数据的风险等级;
结果输出模块,用于输出所述保险数据的风险评估结果,其中,所述保险评估结果包括所述一级分数、所述二级分数和所述风险等级。
7.如权利要求6所述的保险风险评估装置,其特征在于,所述模型分析模块包括:
分数转换单元,用于根据预设的分数转换方式,将所述实际得分转换为标准得分;
二级分数计算单元,用于针对每个所述二级风险项,根据该二级风险项中每个所述风险指标的所述标准得分和每个所述风险指标的指标权重,对所述标准得分进行加权求和,得到该二级风险项的二级分数;
一级分数计算单元,用于针对每个所述一级风险项,根据该一级风险项包含的每个所述二级风险项的二级分数和每个所述二级风险项的风险权重,对所述二级分数进行加权求和,得到该一级风险项的一级分数。
8.如权利要求6所述的保险风险评估装置,其特征在于,所述保险风险评估装置还包括:
分值获取模块,用于针对每个所述风险指标,获取该风险指标的风险敏感度的分值和预警能力的分值;
指标分数计算模块,用于按照如下公式计算每个所述风险指标的指标分数:
Pi=α×Mi+β×Ni+θ
其中,Pi为第i个所述风险指标的指标分数,Mi为第i个所述风险指标的风险敏感度的分值,Ni为第i个所述风险指标的预警能力的分值,α为所述风险敏感度的分值权重,β为所述预警能力的分值权重,θ为预设的调节因子,i为正整数;
二级总分计算模块,用于针对每个所述二级风险项,对该二级风险项的每个所述风险指标的所述指标分数进行累加,得到该二级风险项的指标总分数;
指标权重计算模块,用于将每个所述风险指标的指标分数与该风险指标所在的二级风险项的指标总分数的商,作为该风险指标的指标权重;
风险权重计算模块,用于针对每个所述一级风险项,根据该一级风险项包含的所述指标总分数大于零的二级风险项的个数,设置每个所述二级风险项的风险权重。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述保险风险评估方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述保险风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810031595.5A CN108335216A (zh) | 2018-01-12 | 2018-01-12 | 一种保险风险评估方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810031595.5A CN108335216A (zh) | 2018-01-12 | 2018-01-12 | 一种保险风险评估方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108335216A true CN108335216A (zh) | 2018-07-27 |
Family
ID=62924164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810031595.5A Pending CN108335216A (zh) | 2018-01-12 | 2018-01-12 | 一种保险风险评估方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108335216A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508903A (zh) * | 2018-12-14 | 2019-03-22 | 平安国际融资租赁有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN109614509A (zh) * | 2018-10-29 | 2019-04-12 | 山东中创软件工程股份有限公司 | 船舶画像构建方法、装置、设备及存储介质 |
CN109919468A (zh) * | 2019-02-26 | 2019-06-21 | 金贝塔网络金融科技(深圳)有限公司 | 股票投资风险评估方法、装置及设备 |
CN110610432A (zh) * | 2019-09-03 | 2019-12-24 | 北京量子保科技有限公司 | 一种保险产品的评估方法、装置、介质和电子设备 |
CN110751424A (zh) * | 2019-11-20 | 2020-02-04 | 佳讯飞鸿(北京)智能科技研究院有限公司 | 道岔转换设备风险评估的方法、装置及服务器 |
CN111210245A (zh) * | 2018-11-21 | 2020-05-29 | 马上消费金融股份有限公司 | 保险产品的评价方法、评价装置、智能系统及存储装置 |
CN111582751A (zh) * | 2020-05-19 | 2020-08-25 | 国网吉林省电力有限公司 | 一种时间加权的购电风险预警方法 |
CN111652614A (zh) * | 2020-06-01 | 2020-09-11 | 泰康保险集团股份有限公司 | 数据处理系统、数据处理方法及装置 |
CN111950829A (zh) * | 2019-05-17 | 2020-11-17 | 泰康保险集团股份有限公司 | 风险对象定位方法、装置、计算机存储介质和电子设备 |
CN112001575A (zh) * | 2019-05-10 | 2020-11-27 | 中国石油天然气股份有限公司 | 天然气管网的分区方案确定方法、装置及存储介质 |
CN112085596A (zh) * | 2020-09-27 | 2020-12-15 | 中国建设银行股份有限公司 | 用户风险等级信息的确定方法及装置 |
CN112287337A (zh) * | 2020-10-27 | 2021-01-29 | 国网电子商务有限公司 | 一种风险量化方法及系统 |
CN112669137A (zh) * | 2020-12-21 | 2021-04-16 | 招商局金融科技有限公司 | 基于存量客户的风险分析方法、装置及计算机可读存储介质 |
CN113179250A (zh) * | 2021-03-26 | 2021-07-27 | 北京六方云信息技术有限公司 | web未知威胁检测方法及系统 |
CN113919959A (zh) * | 2021-09-04 | 2022-01-11 | 北京优全智汇信息技术有限公司 | 一种保险风险全面监管系统和监管方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102004875A (zh) * | 2010-11-15 | 2011-04-06 | 河南电力试验研究院 | 一种基于效用理论的风险评估方法及系统 |
US20140046705A1 (en) * | 2006-12-19 | 2014-02-13 | Hartford Fire Insurance Company | System and method for processing data relating to insurance claim volatility |
CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
-
2018
- 2018-01-12 CN CN201810031595.5A patent/CN108335216A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140046705A1 (en) * | 2006-12-19 | 2014-02-13 | Hartford Fire Insurance Company | System and method for processing data relating to insurance claim volatility |
CN102004875A (zh) * | 2010-11-15 | 2011-04-06 | 河南电力试验研究院 | 一种基于效用理论的风险评估方法及系统 |
CN106202872A (zh) * | 2016-06-27 | 2016-12-07 | 江苏迪纳数字科技股份有限公司 | 机动车辆驾驶行为评分方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109614509A (zh) * | 2018-10-29 | 2019-04-12 | 山东中创软件工程股份有限公司 | 船舶画像构建方法、装置、设备及存储介质 |
CN111210245A (zh) * | 2018-11-21 | 2020-05-29 | 马上消费金融股份有限公司 | 保险产品的评价方法、评价装置、智能系统及存储装置 |
CN111210245B (zh) * | 2018-11-21 | 2023-04-18 | 马上消费金融股份有限公司 | 保险产品的评价方法、评价装置、智能系统及存储装置 |
CN109508903A (zh) * | 2018-12-14 | 2019-03-22 | 平安国际融资租赁有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN109919468A (zh) * | 2019-02-26 | 2019-06-21 | 金贝塔网络金融科技(深圳)有限公司 | 股票投资风险评估方法、装置及设备 |
CN112001575A (zh) * | 2019-05-10 | 2020-11-27 | 中国石油天然气股份有限公司 | 天然气管网的分区方案确定方法、装置及存储介质 |
CN111950829B (zh) * | 2019-05-17 | 2024-06-04 | 泰康保险集团股份有限公司 | 风险对象定位方法、装置、计算机存储介质和电子设备 |
CN111950829A (zh) * | 2019-05-17 | 2020-11-17 | 泰康保险集团股份有限公司 | 风险对象定位方法、装置、计算机存储介质和电子设备 |
CN110610432A (zh) * | 2019-09-03 | 2019-12-24 | 北京量子保科技有限公司 | 一种保险产品的评估方法、装置、介质和电子设备 |
CN110751424A (zh) * | 2019-11-20 | 2020-02-04 | 佳讯飞鸿(北京)智能科技研究院有限公司 | 道岔转换设备风险评估的方法、装置及服务器 |
CN111582751B (zh) * | 2020-05-19 | 2022-06-14 | 国网吉林省电力有限公司 | 一种时间加权的购电风险预警方法 |
CN111582751A (zh) * | 2020-05-19 | 2020-08-25 | 国网吉林省电力有限公司 | 一种时间加权的购电风险预警方法 |
CN111652614A (zh) * | 2020-06-01 | 2020-09-11 | 泰康保险集团股份有限公司 | 数据处理系统、数据处理方法及装置 |
CN111652614B (zh) * | 2020-06-01 | 2023-08-22 | 泰康保险集团股份有限公司 | 数据处理系统、数据处理方法及装置 |
CN112085596A (zh) * | 2020-09-27 | 2020-12-15 | 中国建设银行股份有限公司 | 用户风险等级信息的确定方法及装置 |
CN112287337A (zh) * | 2020-10-27 | 2021-01-29 | 国网电子商务有限公司 | 一种风险量化方法及系统 |
CN112669137A (zh) * | 2020-12-21 | 2021-04-16 | 招商局金融科技有限公司 | 基于存量客户的风险分析方法、装置及计算机可读存储介质 |
CN112669137B (zh) * | 2020-12-21 | 2024-03-26 | 招商局金融科技有限公司 | 基于存量客户的风险分析方法、装置及计算机可读存储介质 |
CN113179250A (zh) * | 2021-03-26 | 2021-07-27 | 北京六方云信息技术有限公司 | web未知威胁检测方法及系统 |
CN113919959A (zh) * | 2021-09-04 | 2022-01-11 | 北京优全智汇信息技术有限公司 | 一种保险风险全面监管系统和监管方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335216A (zh) | 一种保险风险评估方法、装置、终端设备及存储介质 | |
US6988092B1 (en) | Method for evaluation of energy utilities | |
CN108280541A (zh) | 基于随机森林和决策树的客户服务策略制定方法、装置 | |
CN109598300A (zh) | 一种评估系统及方法 | |
CN108389069A (zh) | 基于随机森林和逻辑回归的优质客户识别方法及装置 | |
CN108629500A (zh) | 一种适用于新电改背景下电力客户综合价值评估方法 | |
Sehhat et al. | Ranking of insurance companies in Iran using AHP and TOPSIS techniques | |
CN109345372A (zh) | 信用评分方法、系统及计算机可读存储介质 | |
KR20170049328A (ko) | 기술 또는 ip의 가치 평가 장치 및 방법 | |
Datta et al. | Shareholder wealth creation following M&A: Evidence from European utility sectors | |
CN109086977A (zh) | 一种售电公司综合价值评价方法 | |
CN109359874A (zh) | 一种多维指标监控预警方法及装置 | |
CN108681842A (zh) | 集团企业经营状况的对标管理方法、装置、设备及介质 | |
CN115619270A (zh) | 数据资产管理方法、装置、计算机设备、存储介质 | |
Makkonen et al. | Multi‐criteria decision support in the liberalized energy market | |
CN109146316A (zh) | 电力营销稽查方法、装置及计算机可读存储介质 | |
Xie | Empirical Study of Markovitz Portfolio Theory and Model in the Selection of Optimal Portfolio in Shanghai Stock Exchange of China | |
Chen et al. | Mutual fund performance evaluation–application of system BCC model | |
KR101536536B1 (ko) | 조정재생산 비용접근법에 따른 기술가치평가 방법 | |
CN114757596B (zh) | 电力业务监测预警方法、系统和可读存储介质 | |
CN109102391A (zh) | 金融机构评级方法、装置及计算机可读存储介质 | |
CN112801528A (zh) | 车险风险监测方法、装置、存储介质及计算机设备 | |
Dun-Nan et al. | Key performance indices to monitor bidding behaviors in electricity market | |
CN110533334A (zh) | 一种电网企业成本先进性评估的方法及系统 | |
Serban et al. | Portfolio optimization and building of its efficient frontier |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |