大數(shù)據(jù)技術(shù)在財(cái)產(chǎn)保險(xiǎn)反欺詐中的應(yīng)用研究綜述

張巍巍，吳恒亮

（山東工商學(xué)院 管理科學(xué)與工程學(xué)院，山東 煙臺(tái) 264005）

0 引言

據(jù)2019 年7 月發(fā)布的《財(cái)富》世界500 強(qiáng)企業(yè)排行榜，我國有9 家保險(xiǎn)企業(yè)上榜，實(shí)現(xiàn)了歷史性新突破。在財(cái)富管理背景下，各家保險(xiǎn)公司通過產(chǎn)品創(chuàng)新不斷增強(qiáng)其競爭能力，財(cái)產(chǎn)保險(xiǎn)已從以前單純的保障型產(chǎn)品，被開發(fā)成集“保障性、儲(chǔ)蓄性和投資性”于一身的投資型產(chǎn)品，受到保險(xiǎn)市場的廣泛關(guān)注。但是，財(cái)產(chǎn)保險(xiǎn)欺詐現(xiàn)象卻呈現(xiàn)出逐年遞增態(tài)勢，成為制約我國財(cái)產(chǎn)保險(xiǎn)行業(yè)持續(xù)健康發(fā)展的重要因素之一。據(jù)銀保監(jiān)會(huì)統(tǒng)計(jì)，2019 年我國財(cái)產(chǎn)保險(xiǎn)業(yè)務(wù)保費(fèi)收入11649 億元（占比達(dá)27%），賠付支出7279 億元。中國人民大學(xué)教授孟生旺曾指出，我國保險(xiǎn)公司在每年的賠款中，至少有10%～20%的賠付屬于保險(xiǎn)欺詐。惡意欺詐行為的存在，一方面給保險(xiǎn)公司帶來了巨額經(jīng)濟(jì)損失，另一方面，也會(huì)嚴(yán)重?fù)p害投保人享有的正當(dāng)權(quán)益，必將限制財(cái)產(chǎn)保險(xiǎn)參與社會(huì)管理的功能。當(dāng)前，財(cái)產(chǎn)企業(yè)保險(xiǎn)數(shù)據(jù)呈現(xiàn)出海量、多樣和異構(gòu)等大數(shù)據(jù)特點(diǎn)，傳統(tǒng)的經(jīng)驗(yàn)式、數(shù)據(jù)式欺詐行為檢測技術(shù)和方法已經(jīng)無法適應(yīng)新的大數(shù)據(jù)環(huán)境。因此，在大數(shù)據(jù)背景下開展財(cái)產(chǎn)保險(xiǎn)反欺詐研究具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。

1 國內(nèi)外研究的現(xiàn)狀

中國銀保監(jiān)會(huì)2018 年24 號(hào)文《反保險(xiǎn)欺詐指引》中提出，要充分發(fā)揮大數(shù)據(jù)在保險(xiǎn)反欺詐工作中的技術(shù)優(yōu)勢，不斷探索和建立多個(gè)險(xiǎn)種的保險(xiǎn)反欺詐大數(shù)據(jù)技術(shù)平臺(tái)，為保險(xiǎn)行業(yè)提供欺詐風(fēng)險(xiǎn)分析和預(yù)警監(jiān)測等服務(wù)。同年，由中國保險(xiǎn)學(xué)會(huì)牽頭，成立了智能保險(xiǎn)風(fēng)險(xiǎn)控制實(shí)驗(yàn)室，著力研究云計(jì)算、大數(shù)據(jù)以及人工智能等技術(shù)與保險(xiǎn)風(fēng)控的融合問題，重點(diǎn)開展保險(xiǎn)行業(yè)的反欺詐和反滲漏等相關(guān)研究和技術(shù)推廣活動(dòng)。

1.1 財(cái)產(chǎn)保險(xiǎn)欺詐檢測方法研究

Picard P（2001）在《Handbook of Insurance》中指出，保險(xiǎn)欺詐是指保單所有人（Policyowner）未能真實(shí)地報(bào)告他們所遭受損失的大小，往往通過擴(kuò)大損失來獲取更多的賠償；或故意偽造了一個(gè)從沒有發(fā)生的事故索取賠償；或在簽訂保單時(shí)，未能如實(shí)報(bào)告相關(guān)的信息等行為。從國外來看，有關(guān)財(cái)產(chǎn)保險(xiǎn)欺詐檢測的文獻(xiàn)比較多，尤其是在歐美一些比較發(fā)達(dá)的國家，在理論、實(shí)證等方面的研究已經(jīng)比較成熟和完善。其中，理論研究主要圍繞社會(huì)心理學(xué)、博弈論等領(lǐng)域。在實(shí)證方面，早期研究多借助于傳統(tǒng)的統(tǒng)計(jì)方法和模型來檢測保險(xiǎn)欺詐行為，如Ridit 模型、Probit 模型、AAG 模型和Logistic 模型等。不過，隨著機(jī)器學(xué)習(xí)、人工智能等技術(shù)的出現(xiàn)，越來越多的學(xué)者開始關(guān)注神經(jīng)網(wǎng)絡(luò)、決策樹、模糊聚類等數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法（如Li 等，2018；Majhi 等，2019），并取得了比較好的欺詐檢測效果。

在國內(nèi)，定性分析研究比較多，涉及保險(xiǎn)欺詐類型、形成原因和防范對(duì)策等方面，如葉明華（2007）基于信息不對(duì)稱理論，從心理學(xué)角度分析了保險(xiǎn)投保人和被保險(xiǎn)人進(jìn)行欺詐的主要心理動(dòng)因及防范對(duì)策等問題。相關(guān)的定量研究還比較少，如劉軼（2017）通過建立Logistic 模型探索保險(xiǎn)欺詐行為的形成和作用機(jī)理，并給出了限制保險(xiǎn)欺詐行為的具體對(duì)策。陳迪紅等（2017）通過構(gòu)建PSD－LDA 模型對(duì)我國保險(xiǎn)公司因欺詐類操作風(fēng)險(xiǎn)產(chǎn)生的損失進(jìn)行了定量分析。近幾年，國內(nèi)一些學(xué)者已開始使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行保險(xiǎn)欺詐行為檢測，相關(guān)實(shí)證研究逐漸增多，如李秀芳等（2019）對(duì)不同Bagging 集成算法和學(xué)習(xí)器組合在保險(xiǎn)欺詐檢測中的性能表現(xiàn)進(jìn)行了實(shí)證檢驗(yàn)，結(jié)果表明，機(jī)器學(xué)習(xí)技術(shù)與傳統(tǒng)的檢測方法相比，具有良好的甄別效果；同時(shí)指出，需要根據(jù)不同欺詐檢測場景選取不同的機(jī)器學(xué)習(xí)算法和方法，以提高欺詐識(shí)別效果。

1.2 大數(shù)據(jù)技術(shù)領(lǐng)域相關(guān)研究

近幾年來，大數(shù)據(jù)科學(xué)與工程技術(shù)已發(fā)展成為科學(xué)界最為熱門的研究課題之一，受到學(xué)者、政府及業(yè)界的高度重視，其應(yīng)用已深入到金融、工業(yè)、醫(yī)療、教育等眾多領(lǐng)域。從國外來看，學(xué)者們對(duì)大數(shù)據(jù)概念的研究相對(duì)比較深入，且將研究重點(diǎn)放在大數(shù)據(jù)技術(shù)上，重點(diǎn)關(guān)注大數(shù)據(jù)分析算法及系統(tǒng)效率等問題（NS Islam 等，2015）。從國內(nèi)看，學(xué)界對(duì)大數(shù)據(jù)概念的研究并不是很充分，往往是引用國外的定義進(jìn)行闡釋，研究重點(diǎn)多側(cè)重于云計(jì)算、大數(shù)據(jù)、數(shù)據(jù)挖掘、并行計(jì)算及分布式處理等技術(shù)方面的問題。黃宜華（2015）指出，進(jìn)入大數(shù)據(jù)環(huán)境，為實(shí)現(xiàn)高效的機(jī)器學(xué)習(xí)任務(wù)，需要一個(gè)同時(shí)支持大規(guī)模數(shù)據(jù)處理和機(jī)器學(xué)習(xí)算法的大數(shù)據(jù)機(jī)器學(xué)習(xí)系統(tǒng)；劉志強(qiáng)等（2015）提出了一個(gè)基于Spark R 的并行化分類算法，與Map Reduce 性能相比有大幅度的提升；針對(duì)大數(shù)據(jù)環(huán)境下的大規(guī)模語義數(shù)據(jù)存儲(chǔ)和查詢難題，顧榮等（2017）在Spark 分布式計(jì)算框架基礎(chǔ)上設(shè)計(jì)開發(fā)了一套Goldfish 原型系統(tǒng)。研究表明，傳統(tǒng)的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等技術(shù)需要加以改進(jìn)方能適應(yīng)今天的大數(shù)據(jù)計(jì)算環(huán)境，而且在不同的行業(yè)和應(yīng)用領(lǐng)域也需要不斷探索具體的大數(shù)據(jù)分析技術(shù)。

1.3 大數(shù)據(jù)技術(shù)在財(cái)產(chǎn)保險(xiǎn)反欺詐領(lǐng)域的應(yīng)用

在財(cái)產(chǎn)保險(xiǎn)領(lǐng)域，大數(shù)據(jù)技術(shù)已在西方很多國家得到了比較好的運(yùn)用，涉及財(cái)產(chǎn)保險(xiǎn)產(chǎn)品的開發(fā)、定價(jià)、銷售及理賠等多個(gè)方面。歐洲保險(xiǎn)及再保險(xiǎn)聯(lián)盟為促使保險(xiǎn)公司之間實(shí)現(xiàn)信息共享，組建了一個(gè)理賠與承保交換網(wǎng)（簡稱CUE），加大對(duì)投保和理賠環(huán)節(jié)的審查力度，從而發(fā)現(xiàn)和制止那些惡意投保和潛在的欺詐行為；全美反保險(xiǎn)欺詐辦公署則通過大數(shù)據(jù)分析技術(shù)構(gòu)建欺詐預(yù)測模型，并將模型嵌入到索賠評(píng)級(jí)系統(tǒng)中，根據(jù)評(píng)級(jí)得分高低來判斷索賠是否存在欺詐成分，從而鑒別出保險(xiǎn)數(shù)據(jù)中所隱含的各種欺詐行為。

國內(nèi)學(xué)者對(duì)財(cái)產(chǎn)保險(xiǎn)大數(shù)據(jù)技術(shù)的應(yīng)用研究起步略微滯后，且以定性研究為主，多涉及大數(shù)據(jù)給財(cái)產(chǎn)保險(xiǎn)管理帶來的影響、價(jià)值和挑戰(zhàn)等方面。袁幕琴（2015）分析了我國保險(xiǎn)行業(yè)存在的主要欺詐行為以及表現(xiàn)、產(chǎn)生的原因和危害，在此基礎(chǔ)上提出了利用大數(shù)據(jù)技術(shù)手段應(yīng)對(duì)保險(xiǎn)欺詐的相應(yīng)防范對(duì)策。中國人保財(cái)產(chǎn)保險(xiǎn)公司監(jiān)察稽查中心梁曉攀（2017）從思維方式、重視程度、數(shù)據(jù)共享、風(fēng)險(xiǎn)防控體系等多個(gè)方面剖析了目前保險(xiǎn)行業(yè)反欺詐工作存在的問題，提出了大數(shù)據(jù)分析方法在財(cái)險(xiǎn)反欺詐中的幾個(gè)具體應(yīng)用場景。實(shí)證方面，王海?。?016）利用大數(shù)據(jù)Hadoop 技術(shù)框架和聚類算法，對(duì)財(cái)險(xiǎn)企業(yè)在投保、核保、勘查、理賠等環(huán)節(jié)產(chǎn)生的業(yè)務(wù)大數(shù)據(jù)進(jìn)行聚類分析建模，識(shí)別具有高危道德風(fēng)險(xiǎn)的行為主體。目前從我國財(cái)產(chǎn)保險(xiǎn)行業(yè)實(shí)踐來看，大數(shù)據(jù)技術(shù)在欺詐檢測工作中的應(yīng)用尚處于嘗試和起步階段。2016 年，由保監(jiān)會(huì)組織建設(shè)的“車險(xiǎn)反欺詐信息平臺(tái)”正式投入使用，使得車險(xiǎn)欺詐信息在行業(yè)內(nèi)首次實(shí)現(xiàn)了交互和共享，力圖利用大數(shù)據(jù)欺詐識(shí)別模型來輔助保險(xiǎn)欺詐稽核工作。雖然取得了一定的成效，但與預(yù)期目標(biāo)仍有很大的差距。黨的十九大做出了推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)與實(shí)體經(jīng)濟(jì)進(jìn)行深度融合的戰(zhàn)略部署，創(chuàng)新財(cái)產(chǎn)保險(xiǎn)反欺詐工作模式、提高保險(xiǎn)業(yè)的大數(shù)據(jù)反欺詐實(shí)戰(zhàn)能力已成為研究的熱點(diǎn)。

2 研究不足及趨勢

總的來看，目前我國各家保險(xiǎn)公司在財(cái)產(chǎn)保險(xiǎn)反欺詐檢測時(shí)，主要還是依賴人工經(jīng)驗(yàn)、傳統(tǒng)的數(shù)據(jù)查詢分析以及統(tǒng)計(jì)分析等方法，學(xué)術(shù)界盡管提出了一些基于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)的保險(xiǎn)欺詐識(shí)別方法，但多數(shù)停留在理論和實(shí)驗(yàn)階段，在實(shí)踐中應(yīng)用得非常少。而且，面對(duì)海量的財(cái)產(chǎn)保險(xiǎn)數(shù)據(jù)（包括大量的非結(jié)構(gòu)化數(shù)據(jù)），傳統(tǒng)的財(cái)產(chǎn)保險(xiǎn)欺詐檢測模式、模型和方法，以及既有的研究成果已經(jīng)很難應(yīng)對(duì)。所以，研究大數(shù)據(jù)環(huán)境下的財(cái)產(chǎn)保險(xiǎn)欺詐檢測模式和方法是大勢所趨，已經(jīng)成為保險(xiǎn)反欺詐研究領(lǐng)域中的一個(gè)新的熱點(diǎn)。但是，就目前來看，在財(cái)產(chǎn)保險(xiǎn)領(lǐng)域尚缺乏比較成熟的大數(shù)據(jù)技術(shù)方案及可循的經(jīng)驗(yàn)，學(xué)界和業(yè)界對(duì)財(cái)產(chǎn)保險(xiǎn)反欺詐的大數(shù)據(jù)技術(shù)研究還處于起步、探索階段，對(duì)具體操作層面的研究明顯不夠，在保險(xiǎn)大數(shù)據(jù)欺詐檢測模式相關(guān)問題的研究上比較籠統(tǒng)，也不夠全面和深入。因此，在未來的研究中，學(xué)者們應(yīng)多關(guān)注基于大數(shù)據(jù)技術(shù)的財(cái)產(chǎn)保險(xiǎn)欺詐檢測模式、實(shí)施路徑以及欺詐模型構(gòu)建等關(guān)鍵問題。

3 結(jié)論

財(cái)產(chǎn)保險(xiǎn)的反欺詐研究是一個(gè)世界性的課題。由于財(cái)產(chǎn)保險(xiǎn)欺詐行為形式比較多樣，操作又非常隱蔽，有效識(shí)別欺詐行為是財(cái)產(chǎn)保險(xiǎn)反欺詐研究的重點(diǎn)和難點(diǎn)。從傳統(tǒng)的經(jīng)驗(yàn)式和數(shù)據(jù)式欺詐檢測模式，到大數(shù)據(jù)分析技術(shù)的引入和大數(shù)據(jù)欺詐檢測模式的提出，財(cái)產(chǎn)保險(xiǎn)欺詐問題的研究在廣度和深度上得到了延伸和拓展。探討大數(shù)據(jù)環(huán)境下的財(cái)產(chǎn)保險(xiǎn)欺詐檢測模式、具體實(shí)施路徑以及大數(shù)據(jù)欺詐模型等關(guān)鍵問題，可為今后開展基于大數(shù)據(jù)技術(shù)的財(cái)產(chǎn)保險(xiǎn)反欺詐工作奠定理論基礎(chǔ)。