شماره ركورد :
530483
عنوان مقاله :
شناسايي تقلب در بيمه اتومبيل بااستفاده از روش‌هاي داده‌كاوي
عنوان فرعي :
A Data Mining Approach to Auto Insurance Fraud
پديد آورندگان :
فيروزي، مهدي نويسنده , , شكوري، مرتضي نويسنده موسسه حسابرسي سازمان بازنشستگي كشوري Shakouri, M , كاظمي، ليلا نويسنده , L , زاهدي، سحر نويسنده Zahedi, Sahar
اطلاعات موجودي :
فصلنامه سال 1390 شماره 103
رتبه نشريه :
علمي پژوهشي
تعداد صفحه :
26
از صفحه :
103
تا صفحه :
128
كليدواژه :
داده كاوي , بيز ساده , درخت تصميم , شناسايي تقلب , رگرسيون لجستيك
چكيده فارسي :
تقلب هاي بيمه اي از مسايل مهم و خسارت زا براي شركت هاي بيمه و بيمه گذاران، در تمام رشته هاي بيمه اي است. يكي از راه هاي شناسايي تقلب در خسارت هاي اعلام‌شده، استفاده از اطلاعات تقلب هاي كشف‌شده در گذشته است. امروزه روش هاي داده كاوي به طور گسترده در كشف الگوها در داده ها استفاده مي‌شوند. استفاده از اين روش ها مي‌تواند در شناسايي خسارت هاي تقلبي در صنعت بيمه مفيد باشد. در اين مقاله ضمن بررسي روش هاي رايج براي شناسايي تقلب در بيمه اتومبيل از سه روش داده كاوي رگرسيون لجستيك، بيز ساده و درخت تصميم براي پيداكردن الگوهايي استفاده شده است كه به شركت‌هاي بيمه در شناسايي تقلب ها در بيمه اتومبيل كمك مي كنند. همچنين در يك مطالعه تجربي اين روش ها بر روي داده هاي واقعي (شامل اطلاعات 72 پرونده خسارت بيمه نامه هاي شخص ثالث و بدنه اتومبيل) آزمايش و كارايي هر روش سنجيده شد. روش بيز ساده با دقت 28/90 درصد در شناسايي صحيح جعلي يا غيرجعلي‌بودن پرونده هاي خسارت بهترين كارايي را در مقايسه با دو روش درخت تصميم با دقت 9/88 درصد و رگرسيون لجستيك با دقت 1/86 درصد داشت.
چكيده لاتين :
Fraud is one of the most important problems that impose huge losses to insurance companies. There are many ways to do fraud detection; one of them is analyzing the historical data of detected frauds. Nowadays, using data mining methods to find the patterns of data is in common. Using these methods could be useful to identify spurious claims. Here, in addition to surveying the common methods of fraud detection in Auto insurance, three special methods, namely, Logistic Regression, Naive Bayes and Decision Tree, are applied to real data including 72 Auto insurance claims and their efficiencies are evaluated. As a result, Naive Bayes method has been chosen as the best identifier of real or fraud claims with 90.28% accuracy. Decision Tree and Logistic Regression, respectively stand in the next places, with 88.9% and 86.1% of accuracy.
سال انتشار :
1390
عنوان نشريه :
پژوهشنامه بيمه
عنوان نشريه :
پژوهشنامه بيمه
اطلاعات موجودي :
فصلنامه با شماره پیاپی 103 سال 1390
كلمات كليدي :
#تست#آزمون###امتحان
لينک به اين مدرک :
بازگشت