基于组合预测模型的保险业人才需求预测研究
——以上海市为例

满讲义¹，汪 添²，张 卉³

(安徽财经大学1.管理科学与工程学院；2.金融学院；3.经济学院；安徽蚌埠233030)

摘 要： 为了突破上海市保险业人才供需失衡而制约行业发展的瓶颈，设计人才需求预测模型来预测未来几年的人才需求量具有实际意义。基于2011—2016年上海市保险业人才有关数据，构建包括GM(1,1)模型和指数平滑模型的组合预测模型，预测2019—2021年上海市的保险业人才需求量。结果表明：上海市未来三年内以每年约17%的速度增长，明显高于2016年的13.83%。最后，从高校培养人才的角度提出相关建议，以期为该行业的未来发展提供参考。

关键词： 保险行业；组合预测模型；人才需求； MATLAB

近年来，随着我国国民收入的提高和社会风险意识的提升，保险主体大量增加，保险行业得到迅速发展。以上海市为例，现阶段人才供需失衡已成为制约该市保险行业发展的主要瓶颈之一，特别是专业知识过硬、素质高的应用型保险人才更是紧缺。培养高素质人才是促进保险业健康发展的保证，因此准确、科学地预测保险行业的人才需求量，对于分析该行业人才的未来需求状况，并有针对性地进行人才培养以满足该领域的实际需求，进而推进上海市保险业的持续健康发展具有重要意义。

1上海市保险业发展及其人才需求现状

根据《上海保险年鉴》最新数据，2016年保费收入较2015年增长35%左右，为1529.26亿元。其中，财险收入占24%，人身险收入占76%。保险密度即人均保险费额为6320.03元，占人均消费支出的16%。保险深度，即保险收入占GDP的比例为5.57%，保险行业的发展对上海市经济发展水平的提高起到了不可忽视的作用。

若要发挥西方文论的有效性，使其有助于认识、解读我们的文学现实和文学作品，不仅要理清“它是什么”，还要思考“它为什么”和“它有哪些现实所指”。否则，西方文论便不会成为构建具有中国特色的文艺理论的有力工具。有鉴于此，解决当前中国文学批评问题的首要任务，在于解决文学批评的主体性问题。重建中国文学批评的主体精神，是建设具有中国特色文学批评的重要途径。只有在恰当合理的主体意识和主体能动性的驱使下，当代中国文学批评建设才能够走向良性发展的道路。

上海从事保险行业人员的文化结构包括博士、硕士、学士、大专、中专及其以下等不同类别。本文将具备博士学位或硕士学位的员工定义为保险业发展所需的高素质人才。通过收集相关数据可知，高素质人才数量在逐年增加，占该行业总人数的比例也在不断上升。2016年保险人才数量已达到7963人，占同行业人数的13.83%，预期其比例还会继续上升，如表1所示(其中2012年数据缺失)。

表1 2011，2013—2016年上海市保险业人员情况

2文献综述与理论分析

2.1 文献综述

如今，有关保险行业的研究主要从发展现状、问题和建议入手。许飞琼研究发现，目前中国保险业存在总量不足、质量不高、专业结构不合理、人才分布不均衡等问题^[1]。陈靖从高等教育层面提出了针对复合型人才和专业型人才进行差异化培养，通过校企合作创新保险教育，从而提升保险业核心竞争力的建议^[2]。崔惠贤提出了继“新国十条”颁布后，上海高校需解决人才需求和人才培养之间的矛盾，培养新时期保险人才的观点^[3]。在研究方法上，主要使用灰色预测^[4-5]、指数平滑法^[6-7]、组合预测法^[8-9]。灰色预测法和指数平滑法都适合于短期预测。故本文综合两种预测方法的优势，构建包括灰色预测模型和指数平滑模型的组合预测模型对上海市未来三年的保险行业人才需求进行预测。

2.2 灰色理论分析

当下每种单一的预测模型都有其预测前提，而现实情况的变化往往较复杂，一般无法完全满足单一预测模型的条件，这便会给预测结果带来误差。组合预测是指通过赋予每种预测模型不同的权重，综合不同预测模型的信息，使预测结果更客观合理。可采用方差倒数法确定最优加权系数k ，误差平方和越大，所赋予权重越小，有利于提高模型精度。以组合两种预测模型为例，e _it 为第i 种预测模型的误差，k _i 为第i 种预测模型的权数，计算公式如下：

应急检查除视觉检查外，配置必要的简易实用工具也是非常重要的，水库大坝应配备检查常见震损险情，如裂缝、渗漏、变形测量的便携式器具和材料。详细检查时，采取适当的无损检测与探测是有益的。发生严重的地震时，大坝管理者可能无法通过正常方式到达大坝现场，可采用图片、视频或其他非接触式测量方法进行测量。

3.1.2 模型的构建

(3)求灰导数dx ⁽¹⁾(k )=x ⁽⁰⁾(k )=x ⁽¹⁾(k )-x ⁽¹⁾(k -1)和紧邻均值数列z ⁽¹⁾(k =0.5x ⁽¹⁾(k )+0.5x ⁽¹⁾(k -1)，建立灰微分方程x ⁽⁰⁾(k )+az ⁽¹⁾(k )=b 和其白化方程

由模型Ⅰ求得各年份预测值，进行模型检验，计算模型残差、相对误差、级比偏差值，结果见表2。

智能船舶分布式数据网络平台采用分布式数据库，其架构见图2，包括分布式数据存储节点和数据库引擎2部分。分布式数据库引擎是系统的核心，负责SQL解析、重写和执行等操作，同时对底层的众多存储节点进行管理。分布式存储节点采用关系型数据库，主要负责数据存储、处理和同步。在船舶数据管理过程中，可灵活构建不同规模的数据库集群，通过将业务数据分片到不同的数据库存储节点中，极大地降低普通数据库面对海量数据时的压力；通过将用户的SQL请求分发到各节点子工作站上执行，充分利用各节点的计算资源，从而提高船舶系统服务器集群的运行效率。

(5)将a 、b 代入白化方程，求得通过求得预测模型及各时刻点的预测值。

由于超导磁场储能型微网所选取的材料为非导磁性材料,而导线的辐向宽度较小,因而在工频状态下磁场透入深度往往高于绕组[8]的尺度,因而从绕组涡流对漏磁场的反影响而言,能够将绕组分割为非涡流区间。通过漏磁场测算后,可选取电网导体损耗测算方式获得绕组线圈的涡流损耗,如式(11),式(12)所示:

(6)将模型的预测值与原始数据进行残差、相对误差和级比偏差值检验。相对误差计算若|ε (k )|小于0.2，则可认为预测精度较好，若|ε (k )|小于0.1，则可认为预测精度很高。级比偏差计算若|ρ (k )|小于0.2，则可认为预测精度较好，若|ρ (k )|小于0.1，则可认为预测精度很高。

(1)原始数据计算级比为时刻。若级比都在可容覆盖范围内，就可进行灰色预测。否则需进行数据的变换处理，使其级比落入Θ 内。

2.3 指数平滑法

指数平滑法的基本思想与移动加权平均有关，关键在于平滑方法的选择与平滑常数α 的确定。平滑常数α 是指移动加权平均的权数，体现不同时期数据与现实联系的紧密程度。需合理确定α 值，使其达到最好的预测效果。具体建立步骤如下：

(1)设序列为y ₁，y ₂，…，y _t ，…，平滑常数为α (0<α <1)，则一次指数平滑公式为

(2)布朗线性指数平滑是二次指数平滑的一种，可以修正序列的线性趋势，公式为=α +(1-α )，用直线模型进行预测：

SPSS19.0软件中含有利用布朗线性趋势指数平滑拟合数据的功能，为使用该方法计算预测结果提供了方便。

(3)模型检验。常用统计量指标有可决系数R ²和平均绝对百分误差MAPE。其中为序列在t 时刻的实际值，为序列在t 时刻的预测结果，为序列的均值，R ²值越接近于1效果越好。平均绝对百分误差为观测个数，通常 MAPE值应小于10。

1.2.3 调查方法。用GPS测定海拔和经纬度，用测高仪测定树高，用皮尺测定冠幅，用围尺测定胸径，树龄以查阅参考文献以及实地询问为主，古树名木的生长状况、保护状况以实际调查为主。

2.4 组合预测理论

灰色理论将客观世界的发展看做一个系统，它通常由各个互相联系、制约的因子构成。灰色指因子间的相互联系和作用机制不清晰，无法准确判断其发展趋势，但可以借助灰色预测的方法对现实问题进行合理预测。本文建立了含一个变量的GM(1,1)模型，步骤如下：

2．2 ELISA检测各组小鼠血清IGF－1水平 A组血清IGF－1呈较低水平，B组血清IGF－1水平明显高于A组，C组血清IGF－1水平较B组降低，但仍较A组高。各组差异有统计学意义（P＜0．05）。见表1。

在唐五代词中，“凭栏”意象大量出现。温庭筠的《望江南》中的“梳洗罢，独倚望江楼”，展现的是闺中女儿对远去之人的思念。随着时代的发展，南宋二主以及冯延巳继承温庭筠的风格，形成了花间词派独特的风格。“风乍起，吹皱一池春水。闲引鸳鸯香径里，手挼红杏蕊。斗鸭阑干独倚，碧玉搔头斜坠。终日望君君不至，举头闻鹊喜。”（冯延巳《谒金门》）表现了思妇百无聊赖，阑干倚遍心上人却还没有露面的焦急心态。

3组合预测模型的构建与预测结果分析

在建模之前提出如下假设：保险行业的发展遵循一定的规律，行业在2017—2021年发展期间的影响因子同2011—2016年的影响因子相比，没有发生太大变化，其他随机因素的影响较小。

究其原因：常态化的环保检查，加上自8月初以来的大厂频发装置故障，导致国内尿素整体开工率持续低位，需求面则在此时受到复合肥企业原料采购带动以及大农资公司的适量追涨或将进一步放量。如此一来，仅供需利好便有望令本轮涨价看齐1950～2000元/吨。

3.1 GM(1,1)模型的构建

3.1.1 数据的处理

本文选取上海市2011-2016年高素质人才数据作为原始数列，如表1所示。其中，由于2012年数据缺失，采用分段线性插值中的保凹凸性3次插值法，利用MATALB编程求解得2012年数据为4162人。之所以选择分段线性插值，是因为其数值稳定性好且具有很强的收敛性，误差影响不大。

(2)对原始数据通过累加方式进行处理，使随机性的灰色数生成为较有规律的生成数。设原始数列为有n 个元素的x ⁽⁰⁾，通过一次累加生成新数列x ⁽¹⁾，其中x ⁽¹⁾(k )=x ⁽⁰⁾(i )(k =1，2，…，n )。

原始数列为x ⁽⁰⁾=(3946，4162，4685，5976，6940，7963)。进行级比λ (k )的计算，求得级比结果λ =(0.94，0.88，0.78，0.86，0.87)。在这里，n =6，则可容覆盖范围Θ 为(0.75，1.28)。级比皆在可容覆盖范围内，可以做灰色预测。

将数列x ⁽⁰⁾做一次累加得：x ⁽¹⁾=(3946，8108，12793，18769，25709，33672)。

由2.2中的(3)得紧邻均值数列z ⁽¹⁾=(6027，10450.5，15781，22239，29690.5)。

预测2019—2021年上海市保险行业所需的人才数量，令k =8，9，10，代入模型Ⅰ中，求得结果分别为13227人，15614人，18432人。

将a 、b 的值代入白化方程中，即解得：

则灰色预测模型为：

(Ⅰ)

(4)将k =2，3，…，n 代入灰微分方程，令通过最小二乘法求得从而得出a 、b 。

表2 模型检验表

由表2可以看出，相对误差的绝对值皆小于0.1，说明模型预测精度高；级比偏差的绝对值2012年小于0.2，2013—2016年皆小于0.1，模型预测精度好。综上两点，此模型可进行预测和预报。

本研究通过试验确定了玉米秸秆淀粉-聚乙烯醇薄膜的最佳配方，并测试了抗拉强度和变形率，研究了选材的添加量对薄膜的影响。该配方适用于制作食品包装薄膜，有助于使玉米秸秆得到充分利用，减少对食品的污染，并且安全环保，可以降低制作成本，减少废弃物，保护环境。

3.1.3 模型预测

再令通过最小二乘法求借助MATLAB编程求解，得到a =-0.000166，b =3.151184。

3.2 指数平滑模型的构建

选取3.1.1部分中插值好的时间序列数据作为原始序列{y _t }，并作出其散点图，如图1 所示。

y _t =(3946，4162，4685，5976，6940，7963)

图1 原始时间序列散点图

由图1可知，原始时间序列近似具有线性趋势，因此建立布朗线性指数平滑模型。

采用SPSS19.0软件处理，在“分析—预测—创建模型”的窗口中选择指数平滑法条件下的布朗线性趋势，再令序列期数分别为7、8、9、10、11，求各期预测值，最终模型统计量和模型参数统计量见表3，各期预测值与绝对误差见下表4，线性趋势模型见模型Ⅱ。

表3 模型与模型参数统计量

由表3可知，模型整体的可决系数R ²为0.94，接近于1，平均绝对百分误差MAPE值为4.131，值小于10，都说明模型拟合数据效果好；模型参数的t统计量值为4.573，绝对值大于2，sig值为0.006，小于0.05，拒绝参数为0的原假设，说明模型参数检验通过。

苏楠每次去看杨小水，都很顺利。她不吝小钱，让小周提前备几包烟，顺手甩给带杨小水到讯问室的警察。看守所的警察都喜欢苏楠。

表4 各期预测值与绝对误差

线性趋势预测模型如下(因为数据由SPSS软件处理，故这里只给出通式，不影响后面结果计算)：

(Ⅱ)

3.3 组合预测模型的构建及结果分析

通过表2可知灰色预测模型Ⅰ的各时期误差为(0，22，-202，206，129，-77)。由表4可知布朗线性指数预测模型Ⅱ的各时期误差为(-11，-5，307，783，-289，44)。由2.4中的权数计算公式可分别求得模型Ⅰ的权重为0.8814，模型Ⅱ的权重为0.1186。因此，对2019—2021年上海市的保险人才数量进行组合测算，结果见表5, 三种不同方法预测结果比较见图2。

表5 2019—2021年上海保险行业人才数量预测

图2 三种预测方法各年份预测结果比较图

由预测结果可知：2019—2021年上海市保险行业的人才数量分别为12966，15191，17796人，每年以近17%的比例增长，高于2016年的13.83%，且相对差距较大。这与当下保险行业的日益发展密切相关，随着保险业收入的不断增加，保险人才数量需求比例的变化会与保险行业经济发展速度的变化呈正相关，所需的保险人才数量会越来越多。

4结论与建议

分析模型结果可知，未来三年上海市保险人才数量会再创新高。当下，保险公司需要的是全方面的人才，他们能够适应日益创新的保险业发展局面。因此，结合当下保险行业现状，本文从高校培养人才的角度提出以下建议，以期为该行业的未来发展提供参考。(1)重视保险专业学科建设，针对人才培养目标制定特色鲜明的教学计划。保险行业需要的是能从事实际工作的应用型人才^[10]，因此必须制定具有针对性的教学计划，培养学生的创新实践能力。(2)高校在理论教育的基础上，应注重积极与保险业界合作，引入企业，建立专业研究基地，为学生提供实践平台，切实提高学生的专业水平能力。

原料：鸡肉150 g。花生米50 g。干红辣椒10 g，花椒20粒，白糖20 g，醋15 g，酱油15 g，料酒、精盐、味精、水淀粉和玉米粉适量，葱、姜、蒜共50 g。

参考文献

[1]许飞琼.中国保险业人才战略:现状、目标与关键措施[J].保险研究,2011(12):108-112.

[2]陈靖.保险人才培养模式创新策略探究[J].上海金融,2011(01):116-118.

[3]崔惠贤.“新国十条”颁布后 上海高校保险人才培养改革探析[J].上海保险,2014(11):52-57.

[4]王保贤,刘毅.基于灰色BP神经网络模型的人力资源需求预测方法[J].统计与决策,2018,34(16):181-184.

[5]汪江龙,杨旭,李严锋.物流发展潜力预测模型研究——以云南省为例[J].经济问题探索,2006(10):148-152.

[6]杨堃.全球经济危机对我国物流业区域分布的影响——基于指数平滑法的定量分析[J].物流技术,2012,31(17):310-312.

[7]于博,孙安国,陈丽萍,等.基于指数平滑法的云南省物流需求预测[J].物流工程与管理,2018,40(12):39-40+38.

[8]贡文伟,黄晶.基于灰色理论与指数平滑法的需求预测综合模型[J].统计与决策,2017(01):72-76.

[9]汪强,刘晓佳,闫长健,等.基于组合模型的厦门港集装箱吞吐量预测[J].集美大学学报(自然科学版),2019,24(01):31-36.

[10]李鹏.应用型本科院校保险专业教学改革[J].教育与职业,2014(30):123-124.

Demand Forecast of Insurance Industry Talents Based on Combination Forecast Model

Man Jiangyi¹, Wang Tian², Zhang Hui³

(1. School of Management Science and Engineering; 2.School of Finance; 3.School of Economics, Anhui University of Finance and Economics, Bengbu, Anhui 233030, China)

Abstract ：In order to break through the bottleneck that restricts the development of Shanghai’s insurance industry due to the imbalance between supply and demand of talents, it is of practical significance to design a talent demand prediction model to predict the number of talents in the next few years. Based on the relevant data of insurance talents in Shanghai from 2011 to 2016, this paper constructs a combined forecasting model including GM(1,1) model and exponential smoothing model to forecast the demand for insurance talents in Shanghai from 2019 to 2021. The results show that Shanghai will grow at an annual rate of approximately 17% in the next three years, significantly higher than the 13.83% in 2016. Finally, some suggestions are put forward from the perspective of cultivating talents in colleges and universities so as to provide reference for the future development of the industry.

Key words ：insurance industry; combination forecasting model; talent demand; MATLAB

作者简介： 满讲义，博士，讲师,安徽财经大学。研究方向：经济统计。

汪添，本科学生，安徽财经大学2016级金融学专业。

基金项目： 安徽高校人文社会科学研究项目重点项目“基于网络口碑的消费决策理论模型与实证研究”(编号：SK2016A0016)研究成果之一；安徽财经大学科研创新基金项目“基于组合预测模型的上海市保险人才需求预测研究”(XSKY1907ZD)研究成果之一。

文章编号： 2096-3874(2019)07-0063-06

中图分类号： F224.9

文献标识码： A

Class No .:F224.9

Document Mark： A

(责任编辑：蔡雪岚)

标签：保险行业论文;  组合预测模型论文;  人才需求论文;  matlab论文;  安徽财经大学管理科学与工程学院论文;  安徽财经大学金融学院论文;  安徽财经大学经济学院论文;