基于r软件的车险欺诈识别

《基于r软件的车险欺诈识别》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、企业资源管理与信息化大作业第2组基于R软件的车险欺诈识别1.保险欺诈简介1.1保险欺诈定义保险欺诈国际上一般也称保险犯罪。严格意义上说，保险欺诈较保险犯罪含义更广。保险当事人双方都可能构成保险欺诈。凡保险关系投保人一方不遵守诚信原则，故意隐瞒有关保险标的的真实情况，诱使保险人承保，或者利用保险合同内容，故意制造或捏造保险事故造成保险公司损害，以谋取保险赔付金的，均属投保方欺诈。凡保险人在缺乏必要偿付能力或未经批准擅自经营业务，并利用拟订保险条款和保险费率的机会，或夸大保险责任范围诱导、欺骗投保人和被保险人的，均属保险人

2、欺诈。保险欺诈一经实施，必然造成危害结果，有必要严加防范。1.2保险欺诈产生原因1.2.1主体本身问题保险主体有投保人、保险人和被保险人，由于之间的信息不对称，所以存在道德风险，这为欺诈提供了可能。投保人有可能会隐瞒标的真实信息；保险人因为更专业，所以可能在保险条款和宣传中暗藏玄机；被保险人则有可能为了获得更多的理赔费尽心机。在市场交易和合同关系中，这种信息不对称普遍存在，所以欺诈也普遍存在。主体多元化也是保险欺诈的一个因素。由于保险分成产险和人身险，人身险包括寿险、健康险、人身意外伤害险等，而产险有包括企业财产险、工

3、程险、责任险、货运险、保证险、船舶险、家财险等险种。险种的多样化，参与主体就变得复杂，尤其是每一个险种有着巨大的市场受众，从而让风险变得很不好控制。比如车险，目前中国的汽车保有量超过1.37亿，每辆车肯定都买了保险，这么多的车主道德分数是否都合格？保险公司有没有不诚信？这些都很难说清楚。1.2.2保险的特性射幸性除了保险主体的因素，保险合同的射幸性也是促成保险欺诈的一个因素。如果保险期间没有出险，被保险人会觉得自己的保费“白交了”，因此他会考虑减少保费，或者得到理赔。这样就会导致一些人机会性欺诈、夸大损失，或者无中生有

4、“制造出险”，甚至职业性欺诈。1.2.3管理问题保险公司方面，对保险中的核保、核赔过程不严谨，导致没有有效识别保险欺诈。另外，由于公司对欺诈的识别建设不够，加之保险欺诈识别成果行业不共享，将使欺诈不能有效识别，即使识别出来，悲剧可能会在另外的保险公司上演。对业务人员的培训不够也是一个因素；另一方面业务人员的职业道德约束不够，保险欺诈有可能是“内鬼”所为。行业规范也有待加强，其中最重要的是对保险欺诈的惩罚。目前虽然有《刑法》、《保险法》等相关法律法规加以约束，但是对欺诈的惩罚较轻，欺诈成本低，使得有些人愿意铤而走险。1.

5、3目前保险欺诈现状2014年5月，中国保险行业协会发布了2003年以来十起反保险欺诈典型案例，并宣布将于9月份成立反保险欺诈专业委员会，以预防和打击保险欺诈犯罪。据中保协消息，随着我国保险业的发展，保险欺诈案件呈逐年上升之势，保险欺诈呈现团伙化、专业化和职业化等特征，反欺诈形势日益严峻。[1]近年来，我国保险欺诈活动频繁。据保监会数据，2013年各级稽查部门共累计查实违法违规资金23亿元、违法违规行为118项，对639家机构和820人实施1764项次行政处罚，指导协调保险公司完成责任追究172起案件，组织行业向公安机关

6、移送涉嫌车险欺诈案件2375起，涉案金额1.37亿元，挽回经济损失7580万元；对6.7亿元股本资金来源、4531家新设保险公司及其分支机构反洗钱制度进行反洗钱审查，对1万多名高管进行反洗钱培训测试。[2]保险欺诈涉案金额占保险市场金额的比例高，对保险市场影响深远。2014年5月，据中保协工作人员表示，近年来我国保险欺诈案件呈逐年上升趋势，跨境案例增多。在保险中车险欺诈占比最高，约占50%至70%。在寿险中，高额意外险是重点领域。[3]在国际上，保险诈骗金额约占赔付总额的10%～30%。某些险种的欺诈金额占比甚至高达5

7、0%。保险欺诈已成为世界各国保险业不得不面对的共同难题。一直以来，我国重视对保险欺诈的法制规范，随着目前形势的严峻有加强之势。对于保险活动的规范，除了《保险法》、《刑法》、《民法通则》、《合同法》、《证券法》、《保险公司管理规定》、《道路交通安全法》及其实施条例、《交强险条例》、《关于规范人身保险经营行为有关问题的通知》等一系列相关文件，近年来也根据形势，推出了一系列相关规定或解释。2保险欺诈识别针对保险欺诈向全球蔓延，研究方法开始由定性研究向实证研究过渡。早期的识别模型主要是以Logit模型为主。Artis、Ayus

8、o和Guillen建立了AAG欺诈识别模型。Caudill建立了多项分对数模型。Ridit模型通过建立标准组，将其他组的数据与之做对比来计算R值。我国学者叶明华运用Logit回归分析对识别因子进行精炼，将BP神经网络应用在车险欺诈识别中，得到了更高的准确率[3]。但在实际操作中，有两种原因造成准确率发生偏差。一种是数据样本小，缺乏