随着我国正式加入世界贸易组织，内地的保险业取得了长足的进步。作为保险业务的一个重要组成部分，商业医疗保险的地位正日益凸显，它为社会医疗保险提供了补充，对于促进我国经济发展、保障人民健康以及维护社会安定有着极其重要的意义。但是商业医疗保险具有情况复杂、赔付率高的特点，因此风险控制一直是其中的核心问题。如果能够更准确地揭示被保险人的患病风险，将为核保提供重要的参考信息，同时也可以更加科学合理地制定费率，从而减少损失，控制风险，提高保险公司的竞争力。 在医疗保险风险分析识别领域内，复旦大学精算专业师生做过许多重要的工作。在1998年和1999年，他们曾应用模糊数学等方法建立患病风险判别模型，对这个问题进行了非常有益的探索。2004年，在韩国汉城举行的第八届亚太风险与保险年会中，来自世界各地的学者对风险控制这个问题进行了深入的探讨和交流，作为与会者，我得到了许多有益的启发与建议。通过借鉴前人的经验和成果，本文尝试从一些新的方法和角度入手，对这个问题进行更进一步地研究。 本文结合的实际项目是针对上海某社区的富裕性疾病调查，该项目由美国大都会人寿保险总公司资助，复旦大学数学系友邦-复旦精算中心、新华医院领衔研究的一个应用课题。本文针对高血压疾病建立风险判别模型，根据已知信息，对投保人的患病风险以及属于何种风险类别进行判别。首先运用Kendall(tau-b)检验，选取相关性因素。然后以项目数据库中的17000条记录作为建立风险判别模型的数据集，应用马氏距离、神经网络中的BP算法和概率神经网络的方法分别建立模型，最后以数据库中另外1000条记录作为测试集，比较不同模型对于疾病判别的结果，借助模糊综合评判的方法，选取最优模型，并且对保险公司的费率厘定方法作了一些改进。本文所采用的方法在患病风险判别的领域内是一种新的尝试，最优模型对投保人患病判别的吻合率达到85％左右，结果比较令人满意。实际问题的计算由matlab软件实现，具有可操作性，并可推广到相应的保险和金融等领域的风险分析问题中去。