2010年12月17日
上午，第60次“北大赛瑟（CCISSR）双周讨论会”在北大经院新楼302室举行。来自美国夏威夷大学商学院金融系的助理教授艾菁博士就保险欺诈的识别与防范进行了演讲。讲座由北京大学中国保险与社会保障研究中心（CCISSR）主任助理锁凌燕博士主持，中心研究员代表、风险管理与保险学系部分师生参加了本次讲座。
艾菁博士从保险欺诈的定义入手，说明了保险公司设计保险欺诈识别和防范方法的重要性。保险欺诈可以从法律和公司实际运行两个方面来定义；法律的定义常常并不适用于保险公司的具体识别行为，因此保险公司需要设计一个机制来判别保险欺诈并予以防范。在传统的识别方法中，保险公司常常会给各个赔案一个评分，并根据评分决定对赔案的归类。但是这一方法带有太多主观性，而且会给保险公司带来很高的评估成本。就此，艾菁博士及其合作者研究了更加客观、成本更低的方法。由于在现实中，一个赔案是否属于欺诈的数据不易获得，即便能获得也不一定准确，因而新方法的模型没有采用回归的形式，而是只考虑影响保险欺诈的自变量，在“保险欺诈是否存在”这一因变量难以取得的情况下，可以节省大量的数据采集成本，从而使得新方法具有更强的适用性。
（图一：艾菁博士演讲中）
新方法首先选择可能产生影响的、并且只会产生单调影响的因素，将其作为模型自变量，通过赋予这些自变量一定的权重，最终对每个赔案计算一个得分，参考得分决定对哪些赔案重点关注或进行审查。
对于新的识别方法，艾菁博士的研究中还设计了一个新的检测方法。在这种方法中，她抽取较小的样本并产生随机数值，以对大样本进行分析。这一检测方法的好处在于，保险公司可以在不断接受理赔的过程中来估测，也较以往的方法节省了大量的成本。
（图二：会场全景）
在演讲的最后，艾菁博士介绍说，上述方法不仅可以应用于保险欺诈方面的研究，还可以应用于其他相关领域。这一类识别与排序的方法，已经被美国国税局（IRS）应用于识别公司不合理避税、银行账户欺诈等方面。但在新兴市场中对这类识别方法的研究还很少，无论是学术界还是实践领域，都应该进行更大程度的推进。
在演讲过程中及提问环节里，风险管理与保险学系的师生与艾菁博士进行了热烈的讨论，就识别方法中的数据选择、识别的具体步骤、从法律角度解释这种方法的可靠性等问题进行了进一步的探讨。
（风险管理与保险学系 张越昕 供稿）
