张旭升



摘 要: 近些年,保险行业得到迅猛发展,同时,保险欺诈活动应运而生。面对保险欺诈,很多保险公司往往一筹莫展,导致骗赔猖獗。如何从以往的拒赔案件信息中,抽取有效识别欺诈案件的模式,促进保险业持续健康发展,成为保险行业研究的关键。数据挖掘在处理大批量数据,挖掘潜在关系方面具有无可比拟的优势。本文提出利用神经网络算法,从历史赔案信息中训练出识别欺诈案件的模型,并抽取赔案数据进行模型效果测试。实验证明,通过此模型筛选出的高理赔用户群具有较高准确率,此数据对保险工作人员具有一定的指导作用。
关键词: 高风险理赔 神经网络算法 数据挖掘
1.引言
目前,我国保险业正处在发展的重要时期。一方面,保险业务和保险产品在社会上有一定量的需求,保险业已经成为国家的一个重要行业,并正处于朝气蓬勃的发展阶段。另一方面,保险业的发展出现诸多问题,尤其是保险欺诈问题日益严重。在过去十多年中,各种各样的保险欺诈案急剧上升。据《中国保险报》报道,某些保险险种因被欺诈导致的赔款支出最高可达保费收入的50%,全部业务被欺诈导致的赔款支出估计约为10%~30%[1]。中国人民大学统计分析和数据挖掘和商业智能应用研究小组就某保险公司1998~2002年的理赔数据分析,高危人群理赔率为12.73%,远远大于总体比例的受理赔率3.66%[2]。面对日益猖獗的保险欺诈,我国部分商业保险公司还没有采取行之有效的措施。……