نوع مقاله : مقاله علمی
نویسندگان
1 گروه مدیریت بازرگانی، گرایش مدیریت بیمه، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2 گروه آموزشی مدیریت بازرگانی، دانشکدۀ مدیریت، دانشگاه علامۀ طباطبائی، تهران، ایران
3 گروه بیمههای اتومبیل شرکت بیمۀ سینا، تهران، ایران
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]
- Z. Seidi Aghil Abadi 1
- S. Sehhat 2
- R. Salehi 3
1 Department of Business Management, Department of Insurance Management, Islamic Azad University, Science and Research Unit, Tehran, Iran
2 Department of Business Management, School of Management, Allameh Tabatabai University, Tehran, Iran
3 Automobile Insurance Group of Sina Insurance Company, Tehran, Iran
چکیده [English]
The insurance industry, by its very nature, is susceptible to fraud. In car insurance, the insurer covers all damages caused to third parties by the car or car load. In recent years, due to the growth of this type of insurance, it has become necessary to identify the influencing factors on the decisions that deal with the falsity of a damage claim. One of the ways to detect and deal with this type of fraud is to check the information in the files that have claimed damages through a third party insurance policy. Data mining is a suitable method to interact with such databases and leads to the discovery of valuable knowledge from them; In this research, by examining 142 third party cases and 6 variables, it has been tried to discover fraud patterns in third party insurance. The research results show that the decision tree algorithm and neural networks have performed better than the support vector machine algorithm in identifying fraudulent, non-fraudulent, and suspicious cases.
کلیدواژهها [English]
- Fraudulent claim
- Data mining
- Classification
- decision tree
- Support Vector Machine
- Neural Net
- Fraud
نامه به سردبیر
سردبیر نشریه پژوهشنامه بیمه، هرگونه پیشنهاد و انتقاد دیگر نویسندگان و خوانندگان را در خصوص نقد و بررسی این مقاله مندرج در سامانه نشریه را ظرف مدت 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این نقد در مورد تحقیقات اصلی مقاله نمی باشد.
توجه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:
[1] نامه هایی که شامل گزارش آماری، واقعیت ها، تحقیقات یا نظریه پردازی ها هستند، لازم است همراه با منابع معتبر و مناسب همراه باشد، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد.
[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود.
[3] نامه ها نباید بیش از 300 کلمه باشد.
[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند.
[5] به نامه های ناشناس ترتیب اثر داده نمی شود.
[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.
[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.
ارسال نظر در مورد این مقاله