基于熵值法和功效系數(shù)法的互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究

侯旭華 彭娟

摘?要：依據(jù)四家專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司2017年報(bào)表數(shù)據(jù)，基于熵值法和功效系數(shù)法，考量互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。結(jié)果顯示：按照財(cái)務(wù)風(fēng)險(xiǎn)由小到大排名，依次為眾安保險(xiǎn)、易安財(cái)險(xiǎn)、泰康在線、安心財(cái)險(xiǎn);財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警結(jié)果分別為輕警、輕警、輕警、中警。安心財(cái)險(xiǎn)財(cái)務(wù)風(fēng)險(xiǎn)最大的原因在于其資產(chǎn)流動(dòng)性較低，保費(fèi)收入有限，綜合費(fèi)用率高，虧損嚴(yán)重。鑒此，應(yīng)降低應(yīng)收保費(fèi)，調(diào)整產(chǎn)品結(jié)構(gòu)，拓寬保費(fèi)收入來(lái)源，降低咨詢(xún)與技術(shù)服務(wù)費(fèi)。

關(guān)鍵詞： 互聯(lián)網(wǎng)保險(xiǎn)公司;財(cái)務(wù)風(fēng)險(xiǎn);預(yù)警;熵值法;功效系數(shù)法

中圖分類(lèi)號(hào)：F235.2???文獻(xiàn)標(biāo)識(shí)碼：?A????文章編號(hào)：1003-7217（2019）05-0040-07

一、引?言

隨著我國(guó)互聯(lián)網(wǎng)的快速發(fā)展，傳統(tǒng)保險(xiǎn)業(yè)與大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等技術(shù)不斷融合，互聯(lián)網(wǎng)保險(xiǎn)應(yīng)運(yùn)而生。傳統(tǒng)保險(xiǎn)業(yè)與“互聯(lián)網(wǎng)+”的結(jié)合為中國(guó)保險(xiǎn)市場(chǎng)帶來(lái)了新的業(yè)務(wù)增長(zhǎng)點(diǎn)，但也使其面臨與以往不同的各種挑戰(zhàn)。特別是對(duì)于專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司，與傳統(tǒng)保險(xiǎn)公司相比，呈現(xiàn)出銷(xiāo)量大、交易頻繁、單均保費(fèi)低、碎片化、快速、去中介化、輕資產(chǎn)等特點(diǎn)，其特殊經(jīng)營(yíng)模式使得這些新型公司面臨著與傳統(tǒng)保險(xiǎn)公司不同的財(cái)務(wù)風(fēng)險(xiǎn)。因此，如何建立互聯(lián)網(wǎng)保險(xiǎn)公司預(yù)警機(jī)制，對(duì)互聯(lián)網(wǎng)保險(xiǎn)公司持續(xù)健康發(fā)展具有重要的現(xiàn)實(shí)意義。

關(guān)于保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，目前國(guó)內(nèi)外學(xué)者的研究范圍主要針對(duì)傳統(tǒng)保險(xiǎn)公司。Patrick L等（2006）使用神經(jīng)網(wǎng)絡(luò)方法中的學(xué)習(xí)向量量化法和反向傳播法對(duì)保險(xiǎn)公司償付能力進(jìn)行預(yù)測(cè)，結(jié)果發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)法的預(yù)測(cè)效果比傳統(tǒng)預(yù)警方法好[1]。Gulsun I等（2010）以1992—2006年45家非壽險(xiǎn)公司的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，分別使用Logit模型、判別和回歸分析三種方法預(yù)測(cè)這些公司的財(cái)務(wù)狀況，通過(guò)比較發(fā)現(xiàn)Logit模型具有較強(qiáng)的預(yù)測(cè)能力[2]。許敏敏等（2016）運(yùn)用Z-score模型對(duì)部分財(cái)險(xiǎn)公司在2011—2013年的財(cái)務(wù)狀況進(jìn)行研究，將得到的Z值與實(shí)際情況進(jìn)行驗(yàn)證比對(duì) [3]。閆春等（2018）搜集了57家壽險(xiǎn)公司的報(bào)表數(shù)據(jù)，運(yùn)用Pls-Logit模型對(duì)壽險(xiǎn)公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警問(wèn)題進(jìn)行實(shí)證研究[4]。

就國(guó)內(nèi)外研究現(xiàn)狀來(lái)看，熵值法和功效系數(shù)法尚未運(yùn)用在保險(xiǎn)領(lǐng)域，但在其他行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中得到推廣。Aziz等（2006）在對(duì)前人關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警實(shí)證研究的成果進(jìn)行統(tǒng)計(jì)分析后發(fā)現(xiàn)，基于熵值法的預(yù)警模型的精確度達(dá)到85%，明顯高于其它傳統(tǒng)預(yù)警方法[5]。Sven Sandow等（2007）發(fā)現(xiàn)當(dāng)樣本數(shù)據(jù)難以充分獲取的情況下，熵值法能夠從有限信息中挖掘最大信息量，盡可能運(yùn)用現(xiàn)有數(shù)據(jù)得出合理客觀的結(jié)論[6]。丁瓊等（2015）基于8家高速公路上市公司2012年財(cái)務(wù)數(shù)據(jù)，利用功效系數(shù)法分別計(jì)算各個(gè)公司預(yù)警指標(biāo)得分，結(jié)果表明，該方法可靠性和操作性強(qiáng)[7]。李霞等（2016）以非營(yíng)利組織為研究樣本，運(yùn)用主成分分析法選取12個(gè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，采用功效系數(shù)法，計(jì)算出綜合功效得分[8]。Li-yan Sun等（2017）認(rèn)為熵值法能有效克服人為因素帶來(lái)的主觀性，使指標(biāo)權(quán)重的確定更具有說(shuō)服力，并采用熵權(quán)TQPSIS方法建立了評(píng)價(jià)模型[9]。

綜上所述，目前關(guān)于保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的對(duì)象還是傳統(tǒng)保險(xiǎn)公司，針對(duì)互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究很少。傳統(tǒng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型在logistic法、Logit法、神經(jīng)網(wǎng)絡(luò)法、Z-score模型取得了一定成果，但熵值法和功效系數(shù)法尚未運(yùn)用到保險(xiǎn)領(lǐng)域。目前我國(guó)專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司僅僅四家，樣本數(shù)量有限，傳統(tǒng)的實(shí)證模型無(wú)法適用，而熵值法對(duì)樣本數(shù)量要求不高，客觀性強(qiáng)。因此，本文基于互聯(lián)網(wǎng)保險(xiǎn)經(jīng)營(yíng)特征設(shè)計(jì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，運(yùn)用熵值法對(duì)指標(biāo)進(jìn)行篩選，進(jìn)而采用功效系數(shù)法，判斷具體警情，并有針對(duì)性地提出財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警建議，從而為互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)管理提供理論參考和決策建議。

二、基于熵值法的互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的構(gòu)建

（一）指標(biāo)初始設(shè)計(jì)

互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)主要體現(xiàn)在償付風(fēng)險(xiǎn)、資產(chǎn)流動(dòng)性及其營(yíng)運(yùn)風(fēng)險(xiǎn)、資本風(fēng)險(xiǎn)、經(jīng)營(yíng)風(fēng)險(xiǎn)、盈利風(fēng)險(xiǎn)、現(xiàn)金流量風(fēng)險(xiǎn)、線上運(yùn)營(yíng)風(fēng)險(xiǎn)[10]，因此，本文從償付能力、資產(chǎn)質(zhì)量、資本結(jié)構(gòu)、經(jīng)營(yíng)能力、獲利能力、收益質(zhì)量、線上運(yùn)營(yíng)能力這七個(gè)方面設(shè)計(jì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)。具體指標(biāo)見(jiàn)表1。

（二）樣本選取與指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化處理

由于我國(guó)互聯(lián)網(wǎng)保險(xiǎn)起步晚，專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司目前僅有眾安保險(xiǎn)、泰康在線、安心財(cái)險(xiǎn)、易安財(cái)險(xiǎn)四家（該排序不分先后）。因此，本文選取這四家專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司2017年的年度報(bào)表數(shù)據(jù)作為研究樣本。根據(jù)表1中45項(xiàng)指標(biāo)計(jì)算公式得出各項(xiàng)預(yù)警指標(biāo)值，并根據(jù)各項(xiàng)預(yù)警指標(biāo)的正逆向?qū)傩詫?duì)指標(biāo)值進(jìn)行無(wú)量綱化和標(biāo)準(zhǔn)化處理。其處理方法如下：

對(duì)各項(xiàng)預(yù)警指標(biāo)值按照公式（1）、（2）進(jìn)行無(wú)量綱化和歸一化處理，得到標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，限于論文篇幅，這里不再列示。

（三）指標(biāo)熵值的選取及權(quán)重計(jì)算

1.計(jì)算預(yù)警指標(biāo)的熵值Ej，其計(jì)算公式為：

3.計(jì)算第j項(xiàng)指標(biāo)熵權(quán)Wj，其計(jì)算公式為：

根據(jù)以上計(jì)算方法，將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)代入公式（3）得到各指標(biāo)的熵值Ej，然后按照公式（4）計(jì)算出各項(xiàng)指標(biāo)對(duì)應(yīng)的差異系數(shù)Gj，最后根據(jù)公式（5）計(jì)算得出各個(gè)指標(biāo)的熵權(quán)值Wj。計(jì)算結(jié)果如表2所示。

（四）相關(guān)性分析與指標(biāo)篩選

1.計(jì)算步驟。首先，將四家互聯(lián)網(wǎng)保險(xiǎn)公司2017年的預(yù)警指標(biāo)值輸入統(tǒng)計(jì)軟件SPSS.22進(jìn)行相關(guān)性分析;然后，將相關(guān)性系數(shù)大于或等于0.9的預(yù)警指標(biāo)篩選出來(lái)，與熵值法計(jì)算出的預(yù)警指標(biāo)權(quán)重進(jìn)行比較，在相關(guān)性較高的指標(biāo)中保留權(quán)重較大的指標(biāo)，剔除權(quán)重較小的指標(biāo)。最后，對(duì)于相關(guān)系數(shù)小于0.9的指標(biāo)，選擇權(quán)重大于該指標(biāo)集合均值的指標(biāo)[11]。

2.相關(guān)系數(shù)計(jì)算與指標(biāo)篩選。

以?xún)敻赌芰χ笜?biāo)相關(guān)系數(shù)計(jì)算與指標(biāo)篩選為例，將四家互聯(lián)網(wǎng)保險(xiǎn)公司2017年有關(guān)償付能力指標(biāo)值輸入統(tǒng)計(jì)軟件SPSS.22進(jìn)行相關(guān)性分析，具體分析結(jié)果見(jiàn)表3。

由表3可以看出，綜合償付能力充足率X1、核心償付能力充足率X2、綜合償付能力溢額率X4的相關(guān)系數(shù)都大于0.9，這三個(gè)指標(biāo)的權(quán)重均較大，因此可全部保留。而認(rèn)可資產(chǎn)負(fù)債率X3的相關(guān)系數(shù)小于0.9，且其權(quán)重小于該指標(biāo)類(lèi)的權(quán)重均值0.0255，因此，不能將該指標(biāo)作為最后的預(yù)警指標(biāo)，所以，償付能力指標(biāo)經(jīng)選取后留下了三個(gè)指標(biāo)，它們分別是綜合償付能力充足率X1、核心償付能力充足率X2、綜合償付能力溢額率X4。具體情況見(jiàn)表4。

同理，將資產(chǎn)質(zhì)量、資本結(jié)構(gòu)、經(jīng)營(yíng)能力、獲利能力、收益質(zhì)量、線上運(yùn)營(yíng)能力指標(biāo)值輸入統(tǒng)計(jì)軟件SPSS.22進(jìn)行相關(guān)性分析，這里不再列示。

（五）最終預(yù)警指標(biāo)及其權(quán)重的確定

根據(jù)以上相關(guān)性分析，篩選出互聯(lián)網(wǎng)保險(xiǎn)公司27個(gè)財(cái)務(wù)風(fēng)險(xiǎn)最終預(yù)警指標(biāo)，并按式（3）（4）（5）求出指標(biāo)權(quán)重，具體情況見(jiàn)表5。

三、基于功效系數(shù)法的互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析

（一）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)分值的計(jì)算

傳統(tǒng)的功效系數(shù)法在計(jì)算指標(biāo)得分時(shí)，基礎(chǔ)分和調(diào)整分的比值在任何情況下都是6∶4，缺乏針對(duì)性和靈敏度。為了彌補(bǔ)這一缺點(diǎn)，本文將基礎(chǔ)分與調(diào)整分的固定比值調(diào)整為浮動(dòng)比例，將滿(mǎn)意值和不允許值兩檔標(biāo)準(zhǔn)值，增加為優(yōu)秀值、良好值、平均值、較低值和較差值五檔標(biāo)準(zhǔn)值。具體計(jì)算公式如下：

單項(xiàng)預(yù)警指標(biāo)功效系數(shù)=（指標(biāo)實(shí)際值-本檔標(biāo)準(zhǔn)值）/（上檔標(biāo)準(zhǔn)值-本檔標(biāo)準(zhǔn)值） （6）

本檔基礎(chǔ)分值=單項(xiàng)預(yù)警指標(biāo)權(quán)重×本檔標(biāo)準(zhǔn)系數(shù) （7）

上檔基礎(chǔ)分值=單項(xiàng)預(yù)警指標(biāo)權(quán)重×上檔標(biāo)準(zhǔn)系數(shù) （8）

本檔調(diào)整分值=單項(xiàng)預(yù)警指標(biāo)功效系數(shù)×（上檔基礎(chǔ)分值-本檔基礎(chǔ)分值）（9）

單項(xiàng)預(yù)警指標(biāo)得分=本檔基礎(chǔ)分值+本檔調(diào)整分值（10）

其中標(biāo)準(zhǔn)值的確定是以具有互聯(lián)網(wǎng)保險(xiǎn)業(yè)務(wù)的68家財(cái)險(xiǎn)公司的報(bào)表數(shù)據(jù)為基礎(chǔ)計(jì)算各項(xiàng)指標(biāo)值，參考了財(cái)政部發(fā)布的《金融企業(yè)績(jī)效評(píng)價(jià)方法》中介紹的分段簡(jiǎn)單平均法。根據(jù)相關(guān)數(shù)據(jù)，按照公式（6）～（10）計(jì)算每個(gè)指標(biāo)的單項(xiàng)得分值，見(jiàn)表6。

（二）互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警結(jié)果

根據(jù)表6的計(jì)算結(jié)果，將單項(xiàng)指標(biāo)的得分與其對(duì)應(yīng)權(quán)重相乘得到各個(gè)公司的分項(xiàng)能力得分，并進(jìn)行排名。將分項(xiàng)得分進(jìn)行匯總得到各家公司的綜合能力分?jǐn)?shù)，并進(jìn)行綜合排名。具體結(jié)果見(jiàn)表7。

本文將財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的警情劃分為五個(gè)級(jí)別，區(qū)間數(shù)字越小，警戒級(jí)別越高。預(yù)警得分在[0.8，1]區(qū)間表示無(wú)警，風(fēng)險(xiǎn)很小;預(yù)警得分在[0.6，0.8]區(qū)間表示輕警，屬于關(guān)注風(fēng)險(xiǎn);預(yù)警得分在[0.4，0.6]表示中警，屬于較小風(fēng)險(xiǎn);預(yù)警得分在[0.2，0.4]區(qū)間表示重警，屬于較大風(fēng)險(xiǎn);預(yù)警得分在[0，0.2]區(qū)間，表示巨警，屬于重大風(fēng)險(xiǎn)。由表7的計(jì)算結(jié)果可知，2017年眾安保險(xiǎn)、泰康在線、安心財(cái)險(xiǎn)、易安財(cái)險(xiǎn)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警得分分別為0.7592、0.6176、0.5662、0.6603，參照以上警情劃分標(biāo)準(zhǔn)，眾安保險(xiǎn)、泰康在線、安心財(cái)險(xiǎn)、易安財(cái)險(xiǎn)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警結(jié)果分別為輕警、輕警、中警、輕警。

四、結(jié)論與建議

通過(guò)以上研究結(jié)果可以發(fā)現(xiàn)，按照財(cái)務(wù)風(fēng)險(xiǎn)由小到大排名依次為眾安保險(xiǎn)、易安財(cái)險(xiǎn)、泰康在線、安心財(cái)險(xiǎn)。從表7可以看出，安心財(cái)險(xiǎn)綜合排名最后，其主要原因在于其資產(chǎn)質(zhì)量、經(jīng)營(yíng)能力和獲利能力都排名最后。基于此，應(yīng)采取以下對(duì)策：

1.降低應(yīng)收保費(fèi)，提高資產(chǎn)的流動(dòng)性。安心財(cái)險(xiǎn)資產(chǎn)質(zhì)量排名最后，因?yàn)槠鋺?yīng)收保費(fèi)率最高，為24.66%，大大超過(guò)行業(yè)8%標(biāo)準(zhǔn)比率。因此，應(yīng)充分收集客戶(hù)數(shù)據(jù)，建立客戶(hù)資信評(píng)分制度，加強(qiáng)客戶(hù)征信管理和應(yīng)收保費(fèi)的監(jiān)控，形成對(duì)應(yīng)收保費(fèi)的事前防范和事中控制。充分利用人工智能在數(shù)據(jù)感知、搜集、分析、處理等方面的巨大優(yōu)勢(shì)，使得這一技術(shù)成為對(duì)投保人的資金數(shù)據(jù)及相關(guān)參數(shù)進(jìn)行模型分析的重要工具，進(jìn)而形成對(duì)應(yīng)收保費(fèi)的全過(guò)程監(jiān)控[12]?。

2.調(diào)整產(chǎn)品結(jié)構(gòu)，拓寬保費(fèi)收入來(lái)源。安心財(cái)險(xiǎn)經(jīng)營(yíng)能力排名最后，其中一個(gè)重要原因是其產(chǎn)品結(jié)構(gòu)單一，過(guò)度依賴(lài)保險(xiǎn)期限較短的傳統(tǒng)車(chē)險(xiǎn)業(yè)務(wù)，導(dǎo)致其保費(fèi)收入在四家專(zhuān)業(yè)互聯(lián)網(wǎng)保險(xiǎn)公司保費(fèi)收入總額中僅占8.55%。因此，應(yīng)盡量開(kāi)發(fā)貼近消費(fèi)者需求的具有強(qiáng)大市場(chǎng)競(jìng)爭(zhēng)力的創(chuàng)新型產(chǎn)品，逐步向健康、消費(fèi)以及航旅等生態(tài)產(chǎn)品轉(zhuǎn)移，開(kāi)發(fā)結(jié)構(gòu)復(fù)雜、高價(jià)值的長(zhǎng)期壽險(xiǎn)產(chǎn)品，從而提高保費(fèi)可持續(xù)增長(zhǎng)能力。

3.降低咨詢(xún)與技術(shù)服務(wù)費(fèi)，提高獲利能力。安心財(cái)險(xiǎn)獲利能力排名最后，主要原因是支付給第三方網(wǎng)絡(luò)平臺(tái)的咨詢(xún)與技術(shù)服務(wù)費(fèi)居高不下，造成綜合費(fèi)用率和綜合成本率分別高達(dá)131.92%和196.45%，虧損位居首位。數(shù)據(jù)顯示，2017年安心財(cái)險(xiǎn)營(yíng)業(yè)利潤(rùn)率、凈資產(chǎn)利潤(rùn)率分別為-90.77%、-39.68%。因此，對(duì)于第三方網(wǎng)絡(luò)平臺(tái)的選擇應(yīng)從成本效益的角度考慮，以最小的成本獲得利益最大化。對(duì)于咨詢(xún)和服務(wù)費(fèi)應(yīng)反復(fù)協(xié)商與談判，加強(qiáng)與現(xiàn)有第三方平臺(tái)的合作深度和粘度，提高議價(jià)能力[13]。審慎探索投資、收購(gòu)及業(yè)務(wù)合作的機(jī)會(huì)，達(dá)成戰(zhàn)略聯(lián)盟，完善利益共享機(jī)制。

參考文獻(xiàn)：

[1]?Patrick L，Brockett， Linda L， et al. A comparison of neural network statistical methods and variable choice for life insurers financial distress prediction[J].Journal of Risk and Insurance，2006，73（3）：397-419.

[2] Gulsun I， Umit G.Early warning model with statistical analysis procedures in Turkish insurance companies[J]. Nucleic Acids Research， 2010，24（7）：1238-1245.

[3] 許敏敏，王紫玥，徐徐.基于Z-score模型的財(cái)產(chǎn)保險(xiǎn)公司財(cái)務(wù)預(yù)警模型研究[J].財(cái)務(wù)管理與資本運(yùn)營(yíng)，2016（5）：38-41.

[4] 閆春，王澤祎.基于Pls-Logit模型的壽險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究[J].技術(shù)與創(chuàng)新管理，2018（1）：102-110.

[5] Adnan Azia M， Dar H A. Predicting corporate bankruptcy： where we stand？[J].Journal of Corporate Governance，2006，6（1）：18-33.

[6] Sandow S， Zhou X. Data-efficient model building for financial applications： a semi-supervised learning approach[J].The Journal of Risk Finance，2007，8（2）：133-155.

[7] 丁瓊，孫美霖.概率權(quán)數(shù)功效系數(shù)評(píng)價(jià)模型改進(jìn)及實(shí)證[J].統(tǒng)計(jì)與決策，2015（4）：93-95.

[8] 李霞，干勝道.基于主成分分析的非營(yíng)利組織財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[J].湖北社會(huì)科學(xué)，2016（3）：104-108.

[9] San L， Miao C， Yang L. Ecological-economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted TOPSIS method[J].Ecological Indicators，2017，73：554-558.

[10]王向楠.財(cái)產(chǎn)險(xiǎn)業(yè)務(wù)線的系統(tǒng)性風(fēng)險(xiǎn)研究[J].保險(xiǎn)研究，2018（9）：44-55.

[11]賈博婷，趙天威，祝志川.基于熵值修正G2賦權(quán)的綜合評(píng)價(jià)方法及實(shí)證[J].統(tǒng)計(jì)與決策，2019（8）：30-34.

[12]張旺，劉戟鋒.技術(shù)倫理學(xué)視域下的網(wǎng)絡(luò)安全規(guī)范路徑——以人工智能技術(shù)為例[J].湖湘論壇，2018（2）：130-136.

[13]侯旭華，劉洋芷.互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)理論與實(shí)踐，2017（6）：47-51.

（責(zé)任編輯：鐘?瑤）