مرتضی شکوری

تقلب های بیمه ای از مسائل مهم و خسارت زا برای شرکت های بیمه و بیمه گذاران، در تمام رشته های بیمه ای است. یکی از راه های شناسایی تقلب در خسارت های اعلام شده، استفاده از اطلاعات تقلب های کشف شده در گذشته است. امروزه روش های داده کاوی به طور گسترده در کشف الگوها در داده ها استفاده می شوند. استفاده از این روش ها میتواند در شناسایی خسارت های تقلبی در صنعت بیمه مفید باشد. در این مقاله ضمن بررسی روش های رایج برای شناسایی تقلب در بیمة اتومبیل از سه روش داده کاوی رگرسیون لجستیک، بیز ساده و درخت تصمیم برای پیداکردن الگوهایی استفاده شده است که به شرکت های بیمه در شناسایی تقلب ها در بیمه اتومبیل کمک می کنند. همچنین در یک مطالعة تجربی این روش ها بر روی داده های واقعی (شامل اطلاعات 72 پروندة خسارت بیمه نامه های شخص ثالث و بدنة اتومبیل) آزمایش و کارایی هر روش سنجیده شد. روش بیز ساده با دقت 28/90 درصد در شناسایی صحیح جعلی یا غیرجعلیبودن پرونده های خسارت بهترین کارایی را در مقایسه با دو روش درخت تصمیم با دقت 9/88 درصد و رگرسیون لجستیک با دقت 1/86 درصد داشت.

این تحقیق به دو بخش اصلی تقسیم می شود. در بخش اول با استفاده از زنجیره مارکوف مونت کارلو تلاش شده است سه مدل بیز سلسله مراتبی به داده های تعداد خسارت ها در بیمه اتومبیل برازش شود. برای این منظور از روش های پیشرفته آماری مانند نمونه گیری گیبز استفاده شده است. از مهم ترین ویژگی های این روش، امکان پیاده سازی آن با استفاده از نرم افزار WinBUGS است. بخش دوم شامل اجرای نظریه باورمندی به منظور پیش بینی تعداد خسارت ها در دوره های آتی است. در پایان بعد از معرفی هر دو روش، تلاش شده است تا تعداد خسارت های مورد انتظار در بیمه اتومبیل در یکی از شرکت های بیمه خصوصی ایرانی (بیمه پارسیان) در سال 1386 پیش بینی شود.