بررسی و تحلیل عوامل کلاهبردارانه در بیمۀ مسئولیت مدنی دارندگان وسایل نقلیۀ زمینی در قبال اشخاص ثالث (بیمۀ شخص ثالث -خسارات بدنی)

نوع مقاله: مقاله علمی - پژوهشی

نویسندگان

1 کارشناس ارشد مدیریت بازرگانی، گرایش مدیریت بیمه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران (نویسندۀ مسئول)

2 عضو هیات علمی دانشگاه

3 مدیر بیمه‌های اتومبیل شرکت بیمۀ سینا

10.22056/jir.2018.72747.1988

چکیده

صنعت بیمه با توجه به ماهیت خود، مستعد ابتلا به کلاهبرداری و تقلب است. در بیمۀ اتومبیل، بیمه‌گر کلیۀ خسارتهایی را که به‌واسطۀ خودرو یا بار خودرو به اشخاص ثالث وارد می‌شود، تحت پوشش قرار می‌دهد. در طی سالهای اخیر با توجه به رشد این نوع بیمه، تشخیص عوامل تأثیرگذار بر روی تصمیمهایی که به جعلی‌بودن یک ادعای خسارت می‌پردازد به امری ضروری مبدل شده است. یکی از راه‌های کشف و مقابلۀ با این نوع تقلبها بررسی اطلاعات موجود در پرونده‌هایی است که از طریق بیمه‌نامۀ شخص ثالث ادعای خسارت کرده‌اند. داده‌کاوی روش مناسبی برای تعامل با چنین بانکهای اطلاعاتی است و منجر به کشف دانشی ارزشمند از آنها می‌شود؛ در این تحقیق با بررسی 142 پروندۀ شخص ثالث و 6 متغیر، سعی شده است تا الگوهای تقلب در بیمۀ شخص ثالث کشف شود. نتایج تحقیق نشان می‌دهد الگوریتم درخت تصمیم و شبکه‌های عصبی در شناسایی پرونده‌های تقلبی، غیرتقلبی، و مشکوک نسبت به ‏الگوریتم ماشین بردار پشتیبان عملکرد بهتری داشته‌اند.

کلیدواژه‌ها


عنوان مقاله [English]

Investigation and Analysis of Fraudulent Factors in the Third-Party Civil Liability Car Insurance (third-party insurance -Physical damage)

نویسندگان [English]

  • Zahra Seidi Aghil Abadi 1
  • saied sehhat 2
  • rasol salehi 3
2 associate professor
چکیده [English]

The insurance industry is prone to fraud due to its nature. In car insurance, the insurer covers all damages brought to third parties by vehicle or vehicle load. In recent ‎years, given the growth of this kind of insurance, it has become necessary to identify the factors ‎influencing decisions that damage be paid for a forgery claim.‎ One way to discover and deal with these sorts of frauds is to investigate ‎the information cited in the cases putting forth the damage claim through ‎third-party insurance. data mining is an appropriate way to interact with ‎these data banks; Also, it may provide valuable knowledge acquired ‎from these databases. In the present study, the attempt is made to explore ‎the fraud patterns in the third-party insurance by investigating up to 142 ‎third-party cases and six variables. The findings indicate that the decision tree and neural net algorithms have better performance in identifying fraudulent, non-fraudulent and suspicious cases than the support vector machine algorithm.

کلیدواژه‌ها [English]

  • Fraudulent claim
  • Data mining
  • Classification
  • decision tree
  • Support Vector Machine
  • Neural Net
  • Fraud