我国保险行业经历近四十年的飞速发展,已经成为世界经济体中最具有发展潜力的新兴市场,然而随着保险业的飞速发展,保险行业的问题和风险也日益凸显。偿付能力充足率是保险业最重要的核心指标,随着以风险为导向的偿付能力体系（以下简称“偿二代”）的确立,要求保险企业建立有效的约束机制,提高对保险风险、市场风险、信用风险、流动性风险、操作风险、战略风险、声誉风险这七大类风险的高度重视。保险企业为了实现经营目标,并且愿意承担一定的风险,但是也需要有有效的约束机制,中国银保监会制定的以风险为导向的偿付能力监管体系,科学合理的涵盖了七大类风险,根据银保监会的新规,保险企业应该根据自己业务的发展方向和实际的风险状况,采取定量和定性相结合的方式,制定好风险偏好,实现风险偏好到风险容忍度,风险容忍度到风险限额的风险传导机制,有效的进行七大类风险的预警。在保险行业推动以风险为导向的偿付能力体系的这个大背景下,本文从偿二代监管的角度,运用神经网络的机器学习理论知识,建立三级预警体系,实现动态预警。本文陈述了风险偏好框架、风险偏好理论、神经网络理论,并用神经网络实现了风险偏好的分解和预警。本文风险指标涵盖范围广泛,并把神经网络首次运用到保险行业偿二代二期工程中。神经网络算法相较于传统的保险行业用于风险偏好传导的多元回归方法是一个质的突破,通过模拟人脑进行有效的风险预警。本文明确了神经网络的输入层、隐含层、输出层,明确了网络学习参数的设置,选取在中国境内经营的保险企业的数据作为训练集,从资本、价值、盈利及增长、流动性等方面选取风险指标,运用神经网络算法进行训练,设计出动态预警体系,给出风险偏好传导及风险监测的方法和实现步骤,可以为保险行业提供借鉴。