پيش بيني تقلب در حوزه بيمه بدنه خودرو با استفاده از مدل‌هاي داده محور (به همراه مطالعه موردي)

Fraud prediction in the automobile insurance sector using data-driven models (with a case study)

امروزه با افزايش رقابت بين شركت‌هاي خدماتي بيمه، نياز به كاهش هزينه‌ها و بهبود بهره‌وري افزايش يافته است. يكي از هزينه‌هاي نگران كننده شركت‌هاي بيمه، هزينه‌هاي مرتبط با تقلب است. افراد با ارايه اطلاعات نادرست كار را براي شركت‌هاي بيمه سخت مي‌كنند. با وجود پيشرفت‌هايي كه در زمينه پيش بيني تقلب صورت گرفته است، اما هزينه هاي مربوط به تقلب در حوزه بيمه رو به افزايش است. در اين راستا، پژوهش حاضر به توسعه مدل‌هايي براي پيش‌بيني و شناسايي افراد متقلب در يك شركت منتخب بيمه در شهر شيراز پرداخته است. بدين منظور، ابتدا با استفاده از روش تركيبي CFS و PCA، ابعاد مسئله كاهش مي‌يابد. سپس با استفاده از مدل‌هاي داده‌كاوي درخت تصميم، ماشين بردار پشتيبان و شبكه عصبي چندلايه، افراد متقلب پيش‌بيني مي‌شوند. ارزيابي‌هاي انجام شده نشان دهنده كاهش زمان حل در تمامي مدل‌ها با استفاده از روش تركيبي CFS و PCA است. همچنين اين پژوهش، با استفاده از ماتريس اغتشاش نشان مي‌دهد كه صحت عملكرد مدل‌هاي ماشين بردار پشتيبان و شبكه عصبي چندلايه پرسپترون، افزيش يافته است.