2007年04月19日 11:49 文章来源：中国保险网

　　2.保险欺诈的识别技术

　　欺诈的识别问题事实上即是索赔分类问题，因为可以将索赔进行最简单的分类：欺诈索赔和合法索赔，寻找一种有效的索赔分类机制对保险人员来说是识别保险欺诈最根本的方法。这一数据分析过程可以分成以下几步进行：

　　（1）数据的搜集

　　在用统计分析技术之前保险公司的首要问题是搜集欺诈数据，数据的信息包括所发生的保险事故（涉及到的司机、车辆、时间、地点、证人、警察报告等信息）、索赔人（性别、年龄、失业情况和索赔的历史记录等）、索赔信息、受伤情况和医疗情况。没有数据以下这些过程可以说无从谈起。

　　（2）选择欺诈指示因子（fraud indicators也称为red flags）

　　欺诈指示因子是指能够刻画欺诈特征的一些可测信息点，在分类模型中充当解释变量。例如，从美国马萨诸塞州的个人伤害防护险（personal injury protection，简称PIP）的大量欺诈特征中筛选出10个统计上比较显著的识别点（见表1）。不同的保险环境不同的险种会有不同的欺诈指示因子，要将统计降维技术（如逐步回归、PRIDIT等方法）和专家意见相结合确定有效的欺诈指示因子，另外还要注意成本和信息得到的时差性。

　　（3）利用统计方法建立模型

　　有了上两步作基础，接下来建模分析过程有以下几步：

　　i.将索赔数据进行聚类，以保证同质性，需要使用五指导性分类工具（unsupervised method），当所给的样本没有分类时这一步很适合。

　　ii.专家的评估。有经验的专家对索赔数据分为欺诈和合法两种。这里存在的问题是主观性比较大而且专家之间的观点还可能相悖，但优点是建模过程吸取了专家意见和历史经验。

　　iii.有了分类样本即可通过指导性工具在类别和欺诈指示因子之间建立分类模型，最佳的分类模型除了考虑模型的预测能力外建模的成本和模型的可实现性也是必须要想到的。

　　iv.对结果的监测。模型的稳定性检验：要检验模型预测的结果与i和ii的结果在一个或多个样本上是否一致；模型的动态性检验：模型的实时调整以使模型的识别能力实时达到最优。

　　事实上，所有能够识别奇异点（outlier）的统计方法都可用来识别欺诈数据用到上述建模中。如数据挖掘、模糊集聚类、简单的回归模型。logistic回归模型、probit模型、PRIDIT主成分分析、多元神经网络方法以及思想与上述建模过程类似的电子欺诈识别技术（Electronic fraud de tection简称EFD）等。这些方法在索赔分类中的理论构架是一致的，如图2所示。

　　最后，由欺诈识别系统而挽回的索赔额和发现的欺诈索赔数目是度量该系统的基本测度，而对观测到的欺诈索赔进一步的统计分析可以提供保险市场欺诈的比例和存在的欺诈类型。但是完全自动的欺诈识别模型是不存在的，我们需要不断更新欺诈指示变量、随机审核和连续性的跟踪监测来保持欺诈识别系统的持续有效性。

　　（三）保险欺诈的防范理论

　　保险欺诈的防范从一开始就杜绝欺诈的发生，为此要在保险契约中制定必要的条款防止索赔人欺骗保险公司。在理论研究领域重视的是寻找理赔过程中最佳的审核（audit）策略，主要运用委托—代理人（prineipal-agent）的经济学理论假设保险人在收到任何索赔之前已经设计了审核方案，如此设计的意图是认识到索赔人可能会虚报损失企图使个人的效用达到最大，而保险人会通过审核确定被保险人的真实损失额（有时保险人也会无能为力），但审核是需要成本的，所以保险人要平衡审核成本和索赔额的大小，对于利润上不值得审核的索赔直接赔付，总之保险人的目的是要保证总成本（保险公司的赔偿和审核成本之和）最小，这也是设计最优审核策略的目的之所在。

　　目前在理论上主要考虑两种情形下的最佳审核方案：花费成本验证成功（costlystate verification，以下简称CSV）和花费成本无法验证（costly state falsification，以下简称CSF）。在CSV框架下假设事故的实际损失只有被保险人知道，而保险人必须花费一定的成本搜集信息发现真正的损失额，从而消除被保险人的信息优势，此时需要考虑的经济问题是如何设计一个最优的审核方案保证最低成本（包括保险公司的赔偿和审核成本）、最大利益的实施审核技术。相反CSF则假设保险人在合理的审核成本下仍无法成功识别欺诈索赔，被保险人的信息优势不会受到审核的影响，同时假设被保险人会花费一定的成本故意夸大事故的实际损失，在这样一个背景下构造的最优方案要平衡被保险人的利益和被保险人利用保险公司的赔偿进行欺诈的动机这两者之间的关系。另外还有一种情形的研究与 CSF类似，不同的是被保险人通过逃避（有逃避成本）阻止保险人员在审核时得到任何信息致使审核失败。这方面的理论及新发展可以参阅文献。

　　作者得到CSV框架下的最优解：对于损失小于m的索赔不进行审核并且均给予同一赔偿额r（ry；另外，除了具有最小损失x和最大可能损失x外的所有索赔人都有虚报损失的现象。最优解图示见下页图4，从图中可以看到赔偿额随索赔额的增长而平缓增长，这是因为在 CSF模型中保险人观测不到被保险人的真正损失额，所以对于欺诈索赔要给予较少的补偿，另一方面也顾及到被保险人的损失额不同和低赔付造成的保险公司名誉损坏。

上一页  下一页