آتوسا گودرزی - دکتری اقتصاد، استادیار دانشگاه علامه طباطبایی
سجاد جنت بابایی - دانش آموخته علوم محاسبات و برنامه ریزی بیمه، موسسه آموزش عالی بیمه اکو

تخلفات مالی در صنعت بیمه به صورت فزاینده ای در حال تبدیل شدن به یک مساله جدی و قابل تامل است. یکی از روش های مناسب جهت ارزیابی و مدل سازی تقلبات، تکنیک های داده کاوی است که می تواند نقش مهمی در کشف و پیش بینی آن ایفا نماید. در این مقاله، تکنیک های رایج جهت کشف تقلب در بیمه های اتومبیل(شامل رگرسیون لجستیک، درخت تصمیم و دسته بندی بیز ساده) مورد استفاده قرار می گیرد. متغیرهای توضیحی که در سه مدل این مطالعه مورد استفاده قرار می گیرند، عبارتند از: سابقه بیمه ای، تعداد ادعاهای خسارت، تاخیر در اعلان خسارت، سن، جنس، کروکی و مبلغ خسارت. داده های مورد نیاز از یکی از شرکت های بزرگ بیمه، پس از اخذ مجوزهای لازم، جمع آوری شده است. داده ها به دو بخش تقسیم شده است. از بخش نخست برای ساخت مدل و از بخش دوم برای دسته بندی استفاده شده است. یافته های این مطالعه موید آن است که مدل رگرسیون لجستیک دقت بیشتری برای پیش بینی کل ادعاها (تقلبی و غیر تقلبی) نسبت به دو مدل دیگر، یعنی درخت تصمیم و روش بیز داشته است.

داده کاوی، تقلب، بیمه اتومبیل، درخت تصمیم، بیز ساده، رگرسیون لجستیک