بررسی و تحلیل عوامل کلاهبردارانه در بیمه شخص ثالث اتومبیل (خسارات بدنی)

صنعت بیمه با توجه به ماهیت خود، مستعد ابتلا به کلاهبرداری و تقلب است. نفس تقلب پذیر بودن بیمه و تعامل آن با همه نوع قشر اجتماعی باعث شده که سوء استفاده هایی از آن صورت بگیرد. در حقیقت بیمه یک سیستم توزیع ریسک است که نیاز به انباشت دارایی های سیال در قالب صندوق های ذخیره دارد، که این امر با استفاده از انباشت حق بیمه های دریافتی صورت می گیرد. وقوع کلاهبرداری های بیمه ای در چند دهه اخیر خسارت های زیادی به شرکت های بیمه وارد کرده است. کلاهبرداری از بیمه به موقعیتی اطلاق می گردد که در آن یک بیمه شونده ادعاها و شکایت های غیرقانونی را در مورد شرکت بیمه مطرح نماید و تلاش کند که از این راه به منفعت مالی دست پیدا کند. در بیمه اتومبیل، بیمه گر متعهد می گردد که در شرایط بروز بعضی از رویدادهایی همچون تصادف، واژگونی، انفجار و به طور کلی آسیب به خودرو، هزینه ی آن را پرداخت نماید. این بیمه کلیه خسارت هایی که به واسطه خودرو یا بار خودرو به اشخاص ثالث وارد می شود را تحت پوشش قرار می دهد. اما متاسفانه گاها فلسفه وجودی بیمه فراموش می شود و افرادی با ترفندهای مختلف به قصد تقلب و سوءاستفاده از بیمه شخص ثالث برمی آیند. در طی سال های اخیر با توجه به رشد این نوع بیمه، تشخیص عوامل تاثیرگذار بر روی تصمیم هایی که به جعلی بودن یک ادعای خسارت می پردازد به امری ضروری مبدل گردیده است. یکی از راه های کشف و مقابله با این نوع تقلب ها بررسی اطلاعات موجود در پرونده هایی است که از طریق بیمه نامه شخص ثالث ادعای خسارت نموده اند. داده کاوی روش مناسبی برای تعامل با چنین بانک های اطلاعاتی است و منجر به کشف دانشی ارزشمند از آن ها می شود در این تحقیق با بررسی بالغ بر 142 پرونده شخص ثالث و 7 متغیر سعی شده است تا الگوهای تقلب در بیمه شخص ثالث را کشف نماید. نتایج تحقیق نشان می دهد الگوریتم درخت تصمیم در شناسایی پرونده های جعلی، غیر جعلی و مشکوک نسبت به دو الگوریتم دیگر با دقت اطمینان 63/64% عملکرد بهتری داشته است و در بخش حساسیت، الگوریتم شبکه عصبی و ماشین بردار پشتیبان بهترین عملکرد را با دقت85/00% برای پرونده های جعلی داشته اند.

Keywords:

بیمه گذاران , ادعای خسارت , ادعای کلاهبردارانه , داده کاوی , دسته بندی , درخت تصمیم , ماشین بردار پشتیبان , شبکه عصبی و تقلب