保險與風險管理論壇第7期：A set of new methods for active insurance

艾教授本科畢業於清華大學金融學專業，主修風險管理與保險，現為美國夏威夷大學助理教授；本次講座的內容主要來自艾教授的博士論文👩🏿‍🦰。講座關於保險欺詐展開探討♋️，主要講述保險欺詐識別的方法及其在保險領域的應用👩🏿‍💻。

首先，艾教授介紹了保險欺詐的研究背景🤹‍♂️。保險欺詐的定義非常不清晰，唯一的定義就是在法律上的理解🤍。但通過法律途徑解決保險欺詐，保險公司會顧及到聲譽成本以及更多的客戶投訴。而且保險欺詐存在於很多保險領域比如車險、房險和醫療保險等📣🌷。美國FBI公布的數據，每年保險欺詐帶來的保險公司損失達到了400億美元，所以保險欺詐這個領域的研究很有現實意義👨‍❤️‍👨🏡。

之後，艾教授著重介紹了解決保險欺詐界定的方法。主要介紹了兩種新的方法。第一種方法是運用統計學中的排序方法👨‍🦯‍➡️。對於N個樣本理賠排序🍡，以嫌疑程度由高到低遞減。核心的思想在於自變量的選取特征值，特征值的選取來源於有經驗理賠員的判斷和以往的研究文獻。比如理賠的事件發生是否有警察🚵🏼🏄‍♀️、發生時間、有無目擊證人、出險人的關系等；假設這些自變量都是單調的關系，賦予每個特征變量相應的權重👳🏻‍♂️，之後進行總分加總。通過實證檢驗⛑️，這種排序方法也是可行的🗽。第二種方法運用概率論中的估計方法🚶🏻‍➡️。在保險公司理賠的樣本數據庫中🧑🏽‍🌾，提取可疑保險欺詐的數據，但這個子數據集屬於問題樣本。通過建模過濾掉這種不均勻抽樣帶來的影響🙅🏽‍♀️。在得不到全面有效地樣本數據時🦐，第二種方法不失為一種較好的替代方法。

最後🧚🏿‍♂️🖊，艾教授表示上述兩種方法不僅僅適用於保險欺詐的識別領域🏇，同樣適應於統計學和會計學領域➙。艾教授就在公司和個人在合理避稅和惡意避稅界定問題舉例說明🛹。

講座結束後🤚，參加講座學生和老師就報告中的內容同艾菁教授做了一步的交流和討論。