财产保险是一种高风险行业，其业务经营过程中所面临的风险远远大于其他企业，尤其是在我国保险业快速发展的今天，许多财产保险公司在偿付能力、投资盈利能力、承保能力等方面逐渐暴露出众多问题。如何有效地识别、评价财产保险公司面临的各种风险尤其是核心风险，建立全面、积极的预警和防范机制，不仅对财产保险公司来说具有生死攸关的重要现实意义，而且对于提高我国民族保险业的经营效益和增强其市场竞争能力，推进我国保险业与国际保险业的接轨，完善我国的保险市场以及发展我国的风险管理科学都具有十分重要的理论价值和现实意义。　　 全面风险管理(Enterprise risk management,ERM)是风险管理领域的最新发展，它要求企业从全局和整体的角度，全员、全过程参与风险的管控，使得企业关注风险的焦点从战术层面提升到战略的层面，从而丰富了风险管理的内涵。本文在现有研究基础上，从系统论的角度出发，综合运用保险学、人工智能、模糊数学、运筹学以及行为科学等学科的理论和方法，对全面风险管理理论在我国财产保险公司风险预警与控制中的应用进行了全面深入的研究。　　 首先依据全面风险管理理念，结合国内保险业的风险特性，重新审视财产保险公司风险预警与控制的内涵和外延。构建了财产保险公司全面风险预警的框架体系，包括系统要素组成、功能以及运行模式等。　　 其次，提出了一套全面风险识别的分析基础与架构。财产保险公司全面风险识别可以看作是一个输入到输出的过程，输入端包括影响财产保险公司运营状况的各种内外因素，采用环境扫描法进行处理，获得财产保险公司面临的一般环境特征和特有特征，然后进一步深入分析财产保险公司内外部环境面临的具体风险，最后输出端得到财产保险公司的全面风险结构表。　　 指标体系的研究和设置是全面风险预警最关键的部分，也是难点，它直接决定了全面风险预警的质量。在全面风险识别的基础上，根据权威文献的研究成果以及国内外保险监管机构的相关规定，首次提出了一套财产保险公司全面风险预警指标初始体系。该体系包括财务风险预警指标初始子体系和非财务风险预警指标初始子体系，全面覆盖了财产保险公司面临的各种内外部风险。为了能够有效地为全面风险预警模型提供可靠的输入信息，分别利用聚类分析、T检验和相关性分析等方法对该体系中各子体系指标进行了筛选，最终得到了财产保险公司全面风险预警指标体系。　　 接着提出了一种基于全局优化遗传算法和支持向量机的财务风险预警模型(HOGAGP-SVM)，利用全局优化遗传算法来提高支持向量机在两个方面的效果：特征子集选择和参数最优化。将该模型应用于中国财产保险公司的财务风险预警，与逻辑回归模型(LRA)、多元判别分析模型(MDA)、BP神经网络模型、RBF神经网络模型和纯支持向量机模型(PSVM)、混合标准遗传算法支持向量机模型(GA-SVM)的风险预警效果进行比较。结果显示，一方面特征子集的选择和参数的选择相互影响，另一方面模型在寻找最优特征子集和SVM参数方面是有效的。模型不仅提高了财务风险预警的准确率，而且模型的两类分类错误率(尤其是第一类分类错误率)相对其他模型也有了明显下降。　　 为了切实有效地对财产保险公司面临的全面风险做出预警，提出了一个基于粗糙集和分类器集成的预警模型，从而克服单纯使用财务指标进行预警而出现预警结果滞后的缺点。该模型预警过程包括以下三个阶段：首先是特征子集的选择，应用RS和VPRS约简信息系统及进一步减少属性，从而获得两个特征子集1和2；其次使用约简后的两个数据集分别训练网络进行分类；最后利用集成机制(多数表决法)对分类器进行集成，输出预警结果。无论在第一类错误率、第二类错误率还是总体预测准确率等各个方面，集成模型的表现都远远优于其它单一模型。这不仅表明了本文提出的集成模型在提高财产保险公司全面风险预警准确率方面效果显著，而且针对其它二分类问题，该模型也是一个非常有潜力的工具。　　 全面风险预警是手段，而全面风险控制才是最终的目的。借鉴控制理论、ERM理念以及财产保险公司的风险管理实践，贯彻事前控制为主，事中控制和事后控制为辅的指导原则，构建了财产保险公司全面风险控制框架；提出从组织管理、信息技术和文化建设三个方面，建立财产保险公司全方位、多层次的全面风险控制支撑平台。