汽车保险防诈骗系统设计(附件)
随着经济的不断发展，机动车数量的急剧增长，车险市场发展猛烈。随之而来的汽车保险骗赔现象也越来越严重。我国每年度的保险骗赔金额就要占到理赔总金额的20%左右。本文针对车险业欺诈的巨大危害性，提出了建立一个保险诈骗识别系统。该系统将叶明华对欺诈识别指标的分析研究成果与朴素的贝叶斯分类模型有机融合，构建了识别系统的理论模型，最后将此模型嵌入用Visual Basic 语言汇编而成的识别系统中，以完成本系统的核心功能。关键词 保险欺诈，识别指标，贝叶斯分类模型，系统设计目 录
1 绪论 1
1.1 选题背景及意义 1
1.2 国内外研究现状 1
1.3 本文的研究内容与方法 3
2 机动车辆保险欺诈的概述 4
2.1 保险欺诈的概念界定 4
2.2 保险欺诈的成因 5
2.3 保险欺诈的表现形式 6
2.4 保险欺诈的危害 6
3 汽车保险防诈骗系统的模型构建 7
3.1 构建思路 7
3.2 变量的设定 7
3.3 模型的选择与介绍 8
3.4 模型的建立 9
3.5 实例验证 11
4 汽车保险防诈骗系统设计 12
4.1 软件及硬件环境 12
4.2 欺诈识别流程 14
4.3 系统设计说明 14
结论 19
致谢 20
参考文献 21
1 绪论
1.1 选题背景及意义
随着我国保险业特别是汽车保险业的飞速发展，机动车保有量急速升高。由公安部交通管理局统计的数据资料显示，全国机动车保有量在2015年已高达2.79亿辆，机动车驾驶员约3.27亿人，其中驾驶汽车人员约有2.8亿人[1]。可以说，我国全面地进入了汽车时代。在车险产业快速成长的同时，保险欺诈现象亦愈演愈烈，并严重威胁了当前保险行业的发展。据我国保险监管机构估测，每一年车险诈骗金额约占理赔金额的20%到30%左右，而索赔案件的诈骗识别率却不足1%(依照国际经验，这项比例的数据应在4%左右)[1]。当前汽车保险行业的欺
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
保有量在2015年已高达2.79亿辆，机动车驾驶员约3.27亿人，其中驾驶汽车人员约有2.8亿人[1]。可以说，我国全面地进入了汽车时代。在车险产业快速成长的同时，保险欺诈现象亦愈演愈烈，并严重威胁了当前保险行业的发展。据我国保险监管机构估测，每一年车险诈骗金额约占理赔金额的20%到30%左右，而索赔案件的诈骗识别率却不足1%(依照国际经验，这项比例的数据应在4%左右)[1]。当前汽车保险行业的欺诈现象日趋增加并难以控制，针对这点，能否有效地识别车险市场欺诈的影响因素，防范控制危机产生，减少经济损失是很多财产保险公司面临的一大难题。因此，研究切实可行的欺诈识别系统，不仅可以保护被保险人的利益，而且也有助于提高车险在财险行业的盈利水平，促进车险市场的良性健康发展，维护社会稳定。
1.2 国内外研究现状
在美国,由于机动车辆保险欺诈反复发生,汽车保险费率上升,保险行业引发了金融危机。国际保险研究中心立即意识到机动车辆保险欺诈巨大的危害性。研究中心立即开始反击保险欺诈,并在保险欺诈识别领域投入了大量的精力和金钱,由此之后,研究人员在数据、模型和经验等方面取得了理想的效果。
在早期的研究中,确定欺诈的主要手段是使用统计回归工具。Patrick, Derrig在RIDIT的基础模型上做相应的改善。这个模型的概念,主要是用于比较的,它不仅在处理非线性数据的差异时有一定的优势,而且在不同的保险欺诈中，也通过该模型来解决这个问题[14]。近年来,保险市场信息不对称的现象越来越重要,研究中心决定将国际保险欺诈识别、人工智能技术用于模拟事故现场。美国学者R．G．Cowell基于改进贝叶斯神经网络，并使用这种技术,通过保险信息概率模拟还原事故现场。该方法对处理不确定性和不完备的信息起着非常重要的作用[13]。另外，国外的理论界又从心理学方面深入研究了保险欺诈，这无疑是另一大突破。根据英国保险协会ABI的调查数据显示，竟然有40%的英国人不反对车辆出险时略带夸张捏造假象以获取更多一点利益的这类行为。可见人们对不诚信的容忍度在增大。与此同时，发达国家对于汽车保险反诈骗已经制定了完善的法律体制。例如，美国的立法机构通过了众多的法案对车险诈骗予以规范和监管，反保险欺诈己经逐渐步入了法制化的轨道。相比较而言，虽然我国的汽车保险市场发展较晚，信息交流和共享机制也不够完善，但随着社会的进步，保险业的快速发展，近年来我国对汽车保险诈骗的研究也在迅速发展[12]。
首先，在理论研究方面，国内的学者主要是归纳总结出车险欺诈的形式、特点和危害。童元松研究了机动车保险欺诈的界定、危害和手段，在这些方面做了简要的阐述，并对初步的反欺诈措施提出了建设性的建议。从此以后，机动车保险欺诈也成为了学者间的热门研究课题[2]。2013年，杨敬东从保险公司、保险立法、行业监管三个方面分析我国车险防范欺诈的情况，指出目前我国车险反欺诈工作存在着反欺诈意识不强、监管制度不够全面甚至未设立监管机构等问题，最后针对这些问题从保险公司和社会环境两个角度提出完善保险反欺诈工作的相关建议。通常，国内学者一般是从博弈的角度解释保险欺诈的成因。2014年，最初由陈翠霞具体阐述了机动车辆保险欺诈骗赔的定义，并根据表现形式将其分类，运用博弈理论分析推测出投保人进行保险诈骗的动机，最后根据结果提出了一些关于降低保险欺诈率的建议。
其次，在实证研究方面，叶明华研究了国内外机动车保险欺诈的现状，综合分析了机动车保险欺诈识别的数理工具并作出相应的评价，使得国内学者对车辆保险欺诈的研究初步脱离了纯理论方面。这种数理分析模型的出现，使我国汽车保险欺诈识别的研究开始与国际接轨。2010年，他采用二元选择模型，选择Logistic模型进行Eviews分析，并在江、浙、沪的车险索赔样本数据的基础之上进行计算,将我国保险欺诈的识别指标进行了显著性和弱显著性的分类。这项研究对我国的机动车保险欺诈的识别因子做了筛选和精炼，为之后的研究奠定了重要的基础。2011年，悅琪、刘弊飞和田雪颖运用逐步回归的统计方法，得出了五个与汽车保险续保率相关的因素，分别是汽车的使用年限、汽车的用途、汽车价格、承保的渠道和车辆出险次数。2012年，陈亮将贝叶斯网络模型和决策树模型有机融合，改进了贝叶斯分类模型的概率公式，改进了贝叶斯测度概率的计算方法，从而通过数据挖掘得到了适用于保险欺诈的算法。他的研究方法虽然在一定程度上减少了欺诈识别成本，但仍无法解决赔付率低的问题。
现在，虽然我们已经应用统计回归方法在机动车保险欺诈的识别方面取得了一定的成效，但机动车保险欺诈涉及的范围越来越广，欺诈手段也越来越多样化
1 绪论 1
1.1 选题背景及意义 1
1.2 国内外研究现状 1
1.3 本文的研究内容与方法 3
2 机动车辆保险欺诈的概述 4
2.1 保险欺诈的概念界定 4
2.2 保险欺诈的成因 5
2.3 保险欺诈的表现形式 6
2.4 保险欺诈的危害 6
3 汽车保险防诈骗系统的模型构建 7
3.1 构建思路 7
3.2 变量的设定 7
3.3 模型的选择与介绍 8
3.4 模型的建立 9
3.5 实例验证 11
4 汽车保险防诈骗系统设计 12
4.1 软件及硬件环境 12
4.2 欺诈识别流程 14
4.3 系统设计说明 14
结论 19
致谢 20
参考文献 21
1 绪论
1.1 选题背景及意义
随着我国保险业特别是汽车保险业的飞速发展，机动车保有量急速升高。由公安部交通管理局统计的数据资料显示，全国机动车保有量在2015年已高达2.79亿辆，机动车驾驶员约3.27亿人，其中驾驶汽车人员约有2.8亿人[1]。可以说，我国全面地进入了汽车时代。在车险产业快速成长的同时，保险欺诈现象亦愈演愈烈，并严重威胁了当前保险行业的发展。据我国保险监管机构估测，每一年车险诈骗金额约占理赔金额的20%到30%左右，而索赔案件的诈骗识别率却不足1%(依照国际经验，这项比例的数据应在4%左右)[1]。当前汽车保险行业的欺
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
保有量在2015年已高达2.79亿辆，机动车驾驶员约3.27亿人，其中驾驶汽车人员约有2.8亿人[1]。可以说，我国全面地进入了汽车时代。在车险产业快速成长的同时，保险欺诈现象亦愈演愈烈，并严重威胁了当前保险行业的发展。据我国保险监管机构估测，每一年车险诈骗金额约占理赔金额的20%到30%左右，而索赔案件的诈骗识别率却不足1%(依照国际经验，这项比例的数据应在4%左右)[1]。当前汽车保险行业的欺诈现象日趋增加并难以控制，针对这点，能否有效地识别车险市场欺诈的影响因素，防范控制危机产生，减少经济损失是很多财产保险公司面临的一大难题。因此，研究切实可行的欺诈识别系统，不仅可以保护被保险人的利益，而且也有助于提高车险在财险行业的盈利水平，促进车险市场的良性健康发展，维护社会稳定。
1.2 国内外研究现状
在美国,由于机动车辆保险欺诈反复发生,汽车保险费率上升,保险行业引发了金融危机。国际保险研究中心立即意识到机动车辆保险欺诈巨大的危害性。研究中心立即开始反击保险欺诈,并在保险欺诈识别领域投入了大量的精力和金钱,由此之后,研究人员在数据、模型和经验等方面取得了理想的效果。
在早期的研究中,确定欺诈的主要手段是使用统计回归工具。Patrick, Derrig在RIDIT的基础模型上做相应的改善。这个模型的概念,主要是用于比较的,它不仅在处理非线性数据的差异时有一定的优势,而且在不同的保险欺诈中，也通过该模型来解决这个问题[14]。近年来,保险市场信息不对称的现象越来越重要,研究中心决定将国际保险欺诈识别、人工智能技术用于模拟事故现场。美国学者R．G．Cowell基于改进贝叶斯神经网络，并使用这种技术,通过保险信息概率模拟还原事故现场。该方法对处理不确定性和不完备的信息起着非常重要的作用[13]。另外，国外的理论界又从心理学方面深入研究了保险欺诈，这无疑是另一大突破。根据英国保险协会ABI的调查数据显示，竟然有40%的英国人不反对车辆出险时略带夸张捏造假象以获取更多一点利益的这类行为。可见人们对不诚信的容忍度在增大。与此同时，发达国家对于汽车保险反诈骗已经制定了完善的法律体制。例如，美国的立法机构通过了众多的法案对车险诈骗予以规范和监管，反保险欺诈己经逐渐步入了法制化的轨道。相比较而言，虽然我国的汽车保险市场发展较晚，信息交流和共享机制也不够完善，但随着社会的进步，保险业的快速发展，近年来我国对汽车保险诈骗的研究也在迅速发展[12]。
首先，在理论研究方面，国内的学者主要是归纳总结出车险欺诈的形式、特点和危害。童元松研究了机动车保险欺诈的界定、危害和手段，在这些方面做了简要的阐述，并对初步的反欺诈措施提出了建设性的建议。从此以后，机动车保险欺诈也成为了学者间的热门研究课题[2]。2013年，杨敬东从保险公司、保险立法、行业监管三个方面分析我国车险防范欺诈的情况，指出目前我国车险反欺诈工作存在着反欺诈意识不强、监管制度不够全面甚至未设立监管机构等问题，最后针对这些问题从保险公司和社会环境两个角度提出完善保险反欺诈工作的相关建议。通常，国内学者一般是从博弈的角度解释保险欺诈的成因。2014年，最初由陈翠霞具体阐述了机动车辆保险欺诈骗赔的定义，并根据表现形式将其分类，运用博弈理论分析推测出投保人进行保险诈骗的动机，最后根据结果提出了一些关于降低保险欺诈率的建议。
其次，在实证研究方面，叶明华研究了国内外机动车保险欺诈的现状，综合分析了机动车保险欺诈识别的数理工具并作出相应的评价，使得国内学者对车辆保险欺诈的研究初步脱离了纯理论方面。这种数理分析模型的出现，使我国汽车保险欺诈识别的研究开始与国际接轨。2010年，他采用二元选择模型，选择Logistic模型进行Eviews分析，并在江、浙、沪的车险索赔样本数据的基础之上进行计算,将我国保险欺诈的识别指标进行了显著性和弱显著性的分类。这项研究对我国的机动车保险欺诈的识别因子做了筛选和精炼，为之后的研究奠定了重要的基础。2011年，悅琪、刘弊飞和田雪颖运用逐步回归的统计方法，得出了五个与汽车保险续保率相关的因素，分别是汽车的使用年限、汽车的用途、汽车价格、承保的渠道和车辆出险次数。2012年，陈亮将贝叶斯网络模型和决策树模型有机融合，改进了贝叶斯分类模型的概率公式，改进了贝叶斯测度概率的计算方法，从而通过数据挖掘得到了适用于保险欺诈的算法。他的研究方法虽然在一定程度上减少了欺诈识别成本，但仍无法解决赔付率低的问题。
现在，虽然我们已经应用统计回归方法在机动车保险欺诈的识别方面取得了一定的成效，但机动车保险欺诈涉及的范围越来越广，欺诈手段也越来越多样化
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/qcgc/1538.html
