楊　拯中國人壽保險(xiǎn)股份有限公司劉　云　中國人壽保險(xiǎn)股份有限公司廣西省分公司

?

人身保險(xiǎn)公司反欺詐風(fēng)險(xiǎn)預(yù)警模型研究

楊拯中國人壽保險(xiǎn)股份有限公司
劉云中國人壽保險(xiǎn)股份有限公司廣西省分公司

一、引言

保險(xiǎn)欺詐是保險(xiǎn)業(yè)自誕生以來從未徹底治愈的一個(gè)頑疾，嚴(yán)重威脅了保險(xiǎn)公司的健康發(fā)展。據(jù)國際保險(xiǎn)監(jiān)督官協(xié)會(huì)的測算，全球每年約有20%～30%的保險(xiǎn)賠款涉嫌保險(xiǎn)欺詐。美國反保險(xiǎn)欺詐聯(lián)盟公布的資料顯示，1969年到1998年期間，美國有44家保險(xiǎn)公司因?yàn)楸ｋU(xiǎn)欺詐而破產(chǎn)，占同期保險(xiǎn)公司破產(chǎn)總數(shù)的7%；僅1996年這一年，保險(xiǎn)欺詐就給美國保險(xiǎn)行業(yè)帶來853億美元的損失（國際保險(xiǎn)監(jiān)督官協(xié)會(huì)，《預(yù)防、發(fā)現(xiàn)和糾正保險(xiǎn)欺詐指引》，2006年）。

近年來，隨著我國保險(xiǎn)事業(yè)的發(fā)展，保險(xiǎn)領(lǐng)域的違法犯罪案件也呈上升態(tài)勢，嚴(yán)重?cái)_亂了保險(xiǎn)市場秩序，侵害了誠實(shí)投保人的合法權(quán)益，威脅著保險(xiǎn)行業(yè)的健康發(fā)展，識(shí)別與防范欺詐風(fēng)險(xiǎn)成為保險(xiǎn)業(yè)日益關(guān)注的一個(gè)重要問題。2012年，中國保險(xiǎn)監(jiān)督管理委員會(huì)印發(fā)了《關(guān)于加強(qiáng)反保險(xiǎn)欺詐工作的指導(dǎo)意見》，明確了保險(xiǎn)業(yè)今后一段時(shí)期反欺詐工作的指導(dǎo)思想、基本原則和目標(biāo)任務(wù)，并規(guī)劃了行業(yè)反欺詐工作的具體內(nèi)容，有力地推動(dòng)了行業(yè)反欺詐工作的進(jìn)步，國內(nèi)保險(xiǎn)公司聯(lián)手打擊保險(xiǎn)欺詐的聲勢越來越大，范圍也越來越廣。

然而，囿于當(dāng)前我國社會(huì)信用體系建設(shè)尚不完備、保險(xiǎn)欺詐識(shí)別與防控行業(yè)技術(shù)標(biāo)準(zhǔn)缺失以及人身保險(xiǎn)行業(yè)數(shù)據(jù)共享程度低等原因，目前我國尚未完全形成“政府主導(dǎo)、執(zhí)法聯(lián)動(dòng)、公司為主、行業(yè)協(xié)作”四位一體的反保險(xiǎn)欺詐工作體系，人身保險(xiǎn)欺詐風(fēng)險(xiǎn)的防范與控制很大程度上需要各保險(xiǎn)公司立足自身管理來研究相應(yīng)的對(duì)策。本文結(jié)合人身保險(xiǎn)公司反保險(xiǎn)欺詐工作的實(shí)踐經(jīng)驗(yàn)，通過對(duì)欺詐案件風(fēng)險(xiǎn)特征的分析，研究人身保險(xiǎn)切實(shí)可行的欺詐防范方法和反欺詐策略，并對(duì)構(gòu)建人壽保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警數(shù)據(jù)模型進(jìn)行了初步探索。

二、人身保險(xiǎn)欺詐風(fēng)險(xiǎn)特征淺析

截至目前，我國保險(xiǎn)行業(yè)尚無全行業(yè)詳細(xì)的保險(xiǎn)欺詐數(shù)據(jù)統(tǒng)計(jì)，筆者將以國內(nèi)某大型人身保險(xiǎn)公司的保險(xiǎn)欺詐數(shù)據(jù)為標(biāo)的，對(duì)人身保險(xiǎn)欺詐的特征進(jìn)行分析。

（一）人身保險(xiǎn)欺詐行為分布特征

我國保險(xiǎn)業(yè)尚無官方制定的保險(xiǎn)欺詐行為識(shí)別與定性標(biāo)準(zhǔn)，《刑法》第一百九十八條列舉了保險(xiǎn)詐騙罪的五種情形，但細(xì)化程度略有不足，且第1種和第4種情形僅適用于財(cái)產(chǎn)保險(xiǎn)。為更好地研究人身保險(xiǎn)欺詐的特征和規(guī)律，筆者根據(jù)業(yè)界長期以來積累的反欺詐工作實(shí)踐數(shù)據(jù)，進(jìn)一步細(xì)化了人身保險(xiǎn)欺詐行為的分類。機(jī)構(gòu)、團(tuán)體或個(gè)人存在以下情形的，可以視為具有人身保險(xiǎn)欺詐嫌疑：

1.故意編造未曾發(fā)生的保險(xiǎn)事故。如未發(fā)生保險(xiǎn)事故謊稱發(fā)生保險(xiǎn)事故，并以虛假證明材料進(jìn)行佐證。

2.出險(xiǎn)后再投保。但部分團(tuán)體保險(xiǎn)業(yè)務(wù)中符合“追溯生效日規(guī)則”的除外。

3.偽造、變造證明材料和其他證據(jù)，或者指使、唆使、收買他人提供虛假證明資料騙取保險(xiǎn)金。如偽造變造身份證明材料、醫(yī)療證明材料、死亡證明材料，開具虛假發(fā)票等。

4.編造虛假的事故原因。如出險(xiǎn)原因本為疾病而謊稱意外，自然死亡偽稱意外事故死亡，非約定意外事故謊稱約定意外（從事危險(xiǎn)活動(dòng)造成意外謊稱一般性意外）等。

5.故意制造保險(xiǎn)事故。如投保人故意造成被保險(xiǎn)人死亡、傷殘或者疾病，被保險(xiǎn)人自殘等，但被保險(xiǎn)人投保2年內(nèi)自殺是否認(rèn)定為欺詐應(yīng)視具體情況確定。

6.故意不履行如實(shí)告知義務(wù)。如被保險(xiǎn)人帶病投保、重大風(fēng)險(xiǎn)事項(xiàng)故意不如實(shí)告知等。

7.夸大損失程度。如虛報(bào)傷殘等級(jí)、虛增醫(yī)療費(fèi)金額、掛床套取醫(yī)療津貼等。

8.冒名頂替。如冒用他人身份證明，篡改、套用他人醫(yī)療證明材料等。

9.其他違反法律、法規(guī)和契約精神的保險(xiǎn)欺詐行為。

根據(jù)以上標(biāo)準(zhǔn)定性保險(xiǎn)欺詐，我國某大型人身保險(xiǎn)公司2014年度共查獲涉嫌保險(xiǎn)欺詐的案件7536件，總計(jì)涉案金額約為3.21億元，各類保險(xiǎn)欺詐行為分布情況如圖1所示。

從上述統(tǒng)計(jì)數(shù)據(jù)可以看出，故意不履行如實(shí)告知義務(wù)、出險(xiǎn)后投保、編造虛假的事故原因和冒名頂替，是該保險(xiǎn)公司2014年度查獲的保險(xiǎn)欺詐案件中欺詐行為占比最多的四種類型，合計(jì)占比達(dá)85.9%，這提示了人身保險(xiǎn)公司反欺詐的關(guān)注重點(diǎn)和工作方向，應(yīng)重點(diǎn)就這四類保險(xiǎn)欺詐行為特征進(jìn)行定向和定量的分析。

（二）人身保險(xiǎn)欺詐的險(xiǎn)種分布特征

2014年度，該人身保險(xiǎn)公司查獲的保險(xiǎn)欺詐案件的險(xiǎn)種分布情況（險(xiǎn)種分類依照中國保監(jiān)會(huì)統(tǒng)計(jì)信息系統(tǒng)產(chǎn)品四級(jí)分類規(guī)則，結(jié)合人身保險(xiǎn)業(yè)務(wù)實(shí)踐特點(diǎn)進(jìn)行劃分）如圖2所示。

從人身保險(xiǎn)欺詐案件的險(xiǎn)種分布情況來看，短期健康險(xiǎn)、重大疾病保險(xiǎn)和意外險(xiǎn)是欺詐風(fēng)險(xiǎn)的多發(fā)區(qū)，這三類險(xiǎn)種涉案數(shù)量合計(jì)占比達(dá)全部欺詐案件總量的86.16%，反映出射幸性強(qiáng)的險(xiǎn)種更容易發(fā)生保險(xiǎn)欺詐。

（三）人身保險(xiǎn)欺詐的案件金額分布特征

從該公司人身保險(xiǎn)各類險(xiǎn)種欺詐案件的涉案金額分布來看，與案件險(xiǎn)種分布情況呈高度趨同的特點(diǎn)，重大疾病保險(xiǎn)、意外險(xiǎn)、短期健康險(xiǎn)三類險(xiǎn)種涉案金額較大，占全部欺詐案件涉案金額總和的85.74%，具體分布情況如圖3所示。

進(jìn)一步分析可以發(fā)現(xiàn)，2014年該人身公司全部欺詐案件的總體件均涉案金額為4.24萬元，該數(shù)字較2013年增長5.74%，近年來呈逐步增長態(tài)勢。從各類險(xiǎn)種的件均涉案金額來看，重大疾病保險(xiǎn)、年金保險(xiǎn)、定期壽險(xiǎn)和兩全保險(xiǎn)等人壽保險(xiǎn)的件均涉案金額相對(duì)較高，皆高于總體件均涉案金額；而意外險(xiǎn)件均涉案金額略低于總體件均涉案金額，短期健康險(xiǎn)則最低，件均涉案金額僅1.3萬元。這些數(shù)據(jù)說明，人壽保險(xiǎn)欺詐案件呈多發(fā)且案值高的特點(diǎn)，而短期健康險(xiǎn)欺詐則呈多發(fā)但案值較低的特征。

從上述分析我們可以看出，信息不對(duì)稱帶來的博弈地位巨大差異和保險(xiǎn)本身的強(qiáng)射幸性是保險(xiǎn)欺詐難以禁絕的重要原因，保險(xiǎn)欺詐的行為分布特征和險(xiǎn)種分布特征都佐證了這一點(diǎn)。由于射幸性是保險(xiǎn)的天然屬性，因此，盡可能地消除保險(xiǎn)公司與投保人、被保險(xiǎn)人之間的信息不對(duì)稱便成為了防范與控制保險(xiǎn)欺詐的主要途徑。

由于我國公民信息管理較為碎片化，社會(huì)信用體系建設(shè)也相對(duì)滯后，保險(xiǎn)公司為消除這種信息不對(duì)稱需要付出較大的努力。一般來說，通過商業(yè)調(diào)查的方式來消除信息不對(duì)稱雖然效果較好，但投入大、耗時(shí)長、成本高，不宜作為一種普遍方式應(yīng)用于每一單業(yè)務(wù)，故而保險(xiǎn)公司需要探索一條高效低廉的方式進(jìn)行全業(yè)務(wù)風(fēng)險(xiǎn)掃描，篩選出高風(fēng)險(xiǎn)業(yè)務(wù)加以重點(diǎn)防控。因此，構(gòu)建保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警模型是保險(xiǎn)公司必要并且現(xiàn)實(shí)的一個(gè)選擇。

圖1　某大型人身保險(xiǎn)公司2014年查獲之人身保險(xiǎn)欺詐行為分布情況

圖2　保險(xiǎn)欺詐案件險(xiǎn)種分布情況

圖3　保險(xiǎn)欺詐案件各類險(xiǎn)種涉案金額分布情況

圖4　保險(xiǎn)欺詐案件中各類險(xiǎn)種件均涉案金額分布情況

三、人壽保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警模型構(gòu)建

（一）因子分析法在保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警上的應(yīng)用

人壽保險(xiǎn)是《保險(xiǎn)法》賦予人身保險(xiǎn)公司特許經(jīng)營的業(yè)務(wù)，而短期健康險(xiǎn)和意外險(xiǎn)人身保險(xiǎn)公司與財(cái)產(chǎn)保險(xiǎn)公司均可經(jīng)營，但從運(yùn)營和風(fēng)險(xiǎn)管理的內(nèi)在規(guī)律看，人壽保險(xiǎn)與健康保險(xiǎn)、意外傷害保險(xiǎn)具有較大的差異。為使構(gòu)建的欺詐風(fēng)險(xiǎn)預(yù)警模型更加科學(xué)和準(zhǔn)確，應(yīng)將人壽保險(xiǎn)與健康保險(xiǎn)、意外傷害保險(xiǎn)區(qū)別開來分別建模。同時(shí)，前文的分析顯示，人壽保險(xiǎn)的欺詐呈案件多發(fā)且件均案值高的特點(diǎn)，是現(xiàn)階段我國人身保險(xiǎn)公司反欺詐工作的主要矛盾。因此，為強(qiáng)化模型的指向性和應(yīng)用性，本文以人壽保險(xiǎn)作為研究對(duì)象，嘗試基于因子分析構(gòu)建人壽保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警模型。

大量的經(jīng)驗(yàn)數(shù)據(jù)顯示，各類人壽保險(xiǎn)欺詐風(fēng)險(xiǎn)雖然在表現(xiàn)形式、欺詐手段上有所不同，但本質(zhì)規(guī)律是趨同的，并且欺詐行為的發(fā)生與保險(xiǎn)業(yè)務(wù)各項(xiàng)要素之間呈現(xiàn)出較強(qiáng)的相關(guān)性。因此，通過對(duì)各類型欺詐案件進(jìn)行要素分解和風(fēng)險(xiǎn)細(xì)分，找到理賠案件信息中隱藏的風(fēng)險(xiǎn)因子對(duì)其分類量化，并將欺詐風(fēng)險(xiǎn)因子研究成果應(yīng)用于風(fēng)險(xiǎn)預(yù)警，可以更快速準(zhǔn)確地定位高風(fēng)險(xiǎn)案件并加以重點(diǎn)調(diào)查取證，從而提升保險(xiǎn)公司風(fēng)控資源的使用效率和效果。

（二）基于因子分析的欺詐風(fēng)險(xiǎn)模型構(gòu)建

農(nóng)村土地確權(quán)可以讓廣大農(nóng)民的權(quán)益得到有效保障，這是因?yàn)檗r(nóng)民本身是農(nóng)村土地的使用者以及支配者，在農(nóng)村土地的權(quán)屬得到明確的基礎(chǔ)上，農(nóng)民的維權(quán)需求也在提升。農(nóng)村土地確權(quán)的完成讓農(nóng)民以往在土地使用上的弱勢地位得到改善，并能使農(nóng)民群眾在對(duì)土地進(jìn)行使用時(shí)結(jié)合自身的情況，實(shí)現(xiàn)對(duì)土地的合理分配?，F(xiàn)階段在土地征收的實(shí)際工作中，政府對(duì)農(nóng)村土地確權(quán)是大力支持的，農(nóng)民可以結(jié)合農(nóng)村土地確權(quán)維護(hù)自身的權(quán)益，避免在土地被征后由于沒有足夠的生活技能無法維持生計(jì)。

1.建模可行性

因子分析是從研究變量內(nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。它的基本思想是通過對(duì)變量的相關(guān)系數(shù)矩陣或協(xié)方差矩陣內(nèi)部結(jié)構(gòu)的研究，找出能控制所有變量的少數(shù)幾個(gè)隨機(jī)變量去描述多個(gè)變量之間的相關(guān)關(guān)系，然后化繁為簡，通過數(shù)據(jù)的回歸建模用直觀簡潔的數(shù)學(xué)公式對(duì)復(fù)雜的問題進(jìn)行分析和解釋。因子分析的主要步驟包括：①對(duì)數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)化處理；②計(jì)算樣本的相關(guān)矩陣R；③求相關(guān)矩陣R的特征根和特征向量；④根據(jù)系統(tǒng)要求的累積貢獻(xiàn)率確定公因子的個(gè)數(shù)；⑤計(jì)算因子載荷矩陣；⑥確定因子模型。本文選取某人身保險(xiǎn)公司G省轄區(qū)2012年至2014年全部人壽保險(xiǎn)理賠案件數(shù)據(jù)為樣本，將拒絕賠付和協(xié)議給付案件作為高欺詐嫌疑風(fēng)險(xiǎn)案件，對(duì)其數(shù)據(jù)分布的偏態(tài)與峰度進(jìn)行分析。利用偏態(tài)函數(shù)SKEW計(jì)算出拒絕賠付和協(xié)議給付數(shù)據(jù)偏態(tài)系統(tǒng)SK= 4.55，認(rèn)為該數(shù)據(jù)為高度右偏分布，利用函數(shù)KURT計(jì)算峰度系數(shù)K=18.75，數(shù)據(jù)呈現(xiàn)尖峰分布特征，數(shù)據(jù)分布集中，表明開展分析建模研究可行。

表1　提取公因子后原始指標(biāo)的變量共同度

表2　因子旋轉(zhuǎn)后公因子對(duì)14個(gè)原始變量的載荷矩陣

2.指標(biāo)因子選擇

該人身保險(xiǎn)公司G省全轄2012年至2014年的全部人壽保險(xiǎn)理賠案件共26024件，其中，拒絕賠付和協(xié)議給付案件1098件。本文從客戶層、保單層、銷售層和行為層四個(gè)特征角度，從理賠案件信息中共選取了14個(gè)指標(biāo)作為原始自變量進(jìn)行風(fēng)險(xiǎn)因子分析，分別為：

客戶層：投保年齡、職業(yè)代碼、性別、出險(xiǎn)年齡。此特征角度均指被保險(xiǎn)人。

保單層：險(xiǎn)種代碼、累交保費(fèi)、保險(xiǎn)金額、保額保費(fèi)比。

銷售層：管理機(jī)構(gòu)、銷售渠道、業(yè)務(wù)員。

行為層：保后出險(xiǎn)天數(shù)、預(yù)估賠付金額、出險(xiǎn)原因。

因“管理機(jī)構(gòu)、險(xiǎn)種代碼、銷售渠道、業(yè)務(wù)員、職業(yè)代碼、性別、出險(xiǎn)原因”等7項(xiàng)指標(biāo)為非數(shù)值型數(shù)據(jù)，為便于比較分析，用類比法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，規(guī)則如下：

用類似的方法對(duì)管理機(jī)構(gòu)、銷售渠道、業(yè)務(wù)員、職業(yè)代碼、出險(xiǎn)原因進(jìn)行標(biāo)準(zhǔn)化處理，得到：

管理機(jī)構(gòu)標(biāo)準(zhǔn)化值=（該機(jī)構(gòu)理賠案件總量/全轄理賠案件總量+該機(jī)構(gòu)拒絕賠付和協(xié)議給付案件數(shù)量/該機(jī)構(gòu)理賠案件總量）/2

銷售渠道標(biāo)準(zhǔn)化值=（該銷售渠道理賠案件總量/所有銷售渠道理賠案件總量+該銷售渠道拒絕賠付和協(xié)議給付案件數(shù)量/該銷售渠道理賠案件總量）/2

業(yè)務(wù)員標(biāo)準(zhǔn)化值=（該業(yè)務(wù)員理賠案件總量/所有業(yè)務(wù)員理賠案件總量+該業(yè)務(wù)員拒絕賠付和協(xié)議給付案件數(shù)量/該業(yè)務(wù)員理賠案件總量）/2

職業(yè)代碼標(biāo)準(zhǔn)化值=（該職業(yè)代碼被保險(xiǎn)人理賠案件總量/理賠案件總量+該職業(yè)代碼被保險(xiǎn)人拒絕賠付和協(xié)議給付案件數(shù)量/該職業(yè)代碼被保險(xiǎn)人理賠案件總量）/2

出險(xiǎn)原因標(biāo)準(zhǔn)化值=（該類出險(xiǎn)原因的理賠案件總量/理賠案件總量+該類出險(xiǎn)原因拒絕賠付和協(xié)議給付案件數(shù)量/該類出險(xiǎn)原因理賠案件總量）/2

對(duì)“性別”指標(biāo)的標(biāo)準(zhǔn)化處理方式略有差異，規(guī)則如下：性別指標(biāo)原始數(shù)據(jù)為保單被保險(xiǎn)人性別。數(shù)據(jù)顯示，樣本期（三年）內(nèi)26024件理賠案件中，被保險(xiǎn)人為男性的案件有13357件，占比51.33%；樣本期（三年）內(nèi)1098件拒絕給付和協(xié)議給付案件中，被保險(xiǎn)人為男性的有676件，占比61.57%。因此，視男性被保險(xiǎn)人為相對(duì)高風(fēng)險(xiǎn)類別，對(duì)指標(biāo)賦值為1；視女性被保險(xiǎn)人為相對(duì)低風(fēng)險(xiǎn)類別，對(duì)指標(biāo)賦值為0。

3.原始數(shù)據(jù)整理和風(fēng)險(xiǎn)因子提煉

（1）檢驗(yàn)待分析的原始變量是否適合做因子分析。運(yùn)用SPSS軟件對(duì)26024個(gè)案件的14個(gè)指標(biāo)共364336個(gè)數(shù)據(jù)進(jìn)行分析，通過相關(guān)系數(shù)矩陣和Bartlett球體檢驗(yàn)判斷數(shù)據(jù)是否適合作因子分析。運(yùn)行結(jié)果顯示，相關(guān)系數(shù)矩陣中存在許多比較高的相關(guān)系數(shù)，且相關(guān)系數(shù)顯著性檢驗(yàn)的P值中存在大量的小于0.05的值，說明原始變量之間存在較強(qiáng)的相關(guān)性，具有進(jìn)行因子分析的必要性。然后同步進(jìn)行Bartlett球形度檢驗(yàn)，檢驗(yàn)結(jié)果P值為0，進(jìn)一步說明數(shù)據(jù)比較適合進(jìn)行因子分析。

（2）提取公因子。用SPSS軟件的主成分分析法進(jìn)行因子篩選，提取了6個(gè)公因子；驗(yàn)證提取公因子后原始指標(biāo)的變量共同度都較高，說明損失的信息較少（如表1所示）。

進(jìn)一步驗(yàn)證提取公因子的特征值和累計(jì)方差貢獻(xiàn)率，SPSS軟件的運(yùn)行結(jié)果顯示，提取的6個(gè)公因子特征值都大于1，累計(jì)方差貢獻(xiàn)率達(dá)到71.575%，表明提取6個(gè)公因子進(jìn)行分析建模比較合適。同時(shí)再結(jié)合碎石圖觀察，因子特征值到第7個(gè)公因子時(shí)變化相對(duì)趨于平穩(wěn)，進(jìn)一步確定提取6個(gè)公因子加以分析是合適的。

（3）因子載荷分析。測量提取的公因子對(duì)14個(gè)原始變量的影響程度，形成因子載荷矩陣。通過觀察，提取的6個(gè)公因子在各指標(biāo)變量上的載荷差不大，無法明確解釋各公因子的含義進(jìn)而命名，因此須進(jìn)行因子旋轉(zhuǎn)后進(jìn)一步觀察。進(jìn)行因子旋轉(zhuǎn)后的載荷矩陣見表2。

從旋轉(zhuǎn)后的因子載荷矩陣可以看出：第一個(gè)因子與保險(xiǎn)金額、累交保費(fèi)及預(yù)估金額具有較強(qiáng)的相關(guān)性，可以歸為一類，命名為額度因子L；第二個(gè)因子與投保年齡和出險(xiǎn)年齡有較強(qiáng)的相關(guān)性，命名為年齡因子A；第三個(gè)因子與被保險(xiǎn)人職業(yè)代碼和業(yè)務(wù)員有較強(qiáng)的相關(guān)性，命名為職業(yè)因子O；第四個(gè)因子與險(xiǎn)種和被保險(xiǎn)人性別有關(guān)，命名為險(xiǎn)種因子I；第五個(gè)因子與銷售渠道和保后出險(xiǎn)天數(shù)有較強(qiáng)的相關(guān)性，命名為時(shí)間因子T；第六個(gè)因子與管理機(jī)構(gòu)和出險(xiǎn)原因有較強(qiáng)的相關(guān)性，命名為管理因子M。

4.風(fēng)險(xiǎn)預(yù)警模型構(gòu)建

（1）計(jì)算因子得分。將管理機(jī)構(gòu)等14個(gè)原始變量分別命名為變量運(yùn)用回歸法測算公因子對(duì)各原始變量的影響系數(shù)，結(jié)果見表3：

表3　公因子對(duì)14個(gè)原始變量的影響系數(shù)

根據(jù)以上測算結(jié)果可寫出各公因子的數(shù)學(xué)表達(dá)形式，如公因子L為：

其余五個(gè)公因子A、O、I、T、M的數(shù)學(xué)表達(dá)式亦可照此寫出，此處不再一一贅述。

（2）數(shù)據(jù)建模。以F表示一件申請理賠的案件欺詐風(fēng)險(xiǎn)值得分，建立多元線性回歸模型如下：

F=a+bL+cA+dO+eI+fT+gM

其中：a為常數(shù)，b、c、d、e、f、g分別為各因子系數(shù)。

對(duì)提煉的6個(gè)公因子得分與拒絕賠付和協(xié)議給付案件數(shù)據(jù)進(jìn)行回歸建模，擬合回歸方程如下：

F=0.0422-0.0124L + 0.0522A + 0.107O-0.0337I-0.0023T-0.0253M

表4　規(guī)模數(shù)據(jù)驗(yàn)證欺詐風(fēng)險(xiǎn)預(yù)警模型數(shù)據(jù)統(tǒng)計(jì)情況

表5　隨機(jī)抽樣驗(yàn)證欺詐風(fēng)險(xiǎn)預(yù)警模型數(shù)據(jù)統(tǒng)計(jì)情況

得到適合于該人身保險(xiǎn)公司的人壽保險(xiǎn)理賠案件欺詐風(fēng)險(xiǎn)預(yù)警模型。

（三）模型有效性驗(yàn)證及應(yīng)用

1.模型有效性驗(yàn)證

對(duì)于涉嫌保險(xiǎn)欺詐的理賠案件，保險(xiǎn)公司在查實(shí)相關(guān)欺詐證據(jù)后一般以拒絕賠付處理，難以充分鎖定證據(jù)或僅能鎖定部分證據(jù)的情況下多以協(xié)議賠付進(jìn)行處理，因此可以通過觀察每個(gè)理賠案件的F值與最終理賠處理結(jié)論之間的關(guān)系來驗(yàn)證模型的有效性。

（1）規(guī)模數(shù)據(jù)驗(yàn)證。規(guī)模數(shù)據(jù)驗(yàn)證采用歷史數(shù)據(jù)回溯印證的方法，選取該人身保險(xiǎn)公司與G省分公司經(jīng)濟(jì)發(fā)展水平、業(yè)務(wù)結(jié)構(gòu)和管理狀況相近的另一省份H省分公司，提取其轄內(nèi)2013年和2014年全部19829件人壽保險(xiǎn)理賠案件，并逐一計(jì)算欺詐風(fēng)險(xiǎn)值（F值），然后根據(jù)理賠案件的實(shí)際賠付情況對(duì)應(yīng)觀察模型的風(fēng)險(xiǎn)測評(píng)效果，結(jié)果見表4。

從表4可看到，隨著欺詐風(fēng)險(xiǎn)值F的增長，理賠案件以拒絕賠付和協(xié)議賠付進(jìn)行處理的比例逐漸增大，也就是說案件的欺詐可能性在逐漸增強(qiáng)。當(dāng)F值小于0時(shí)，8982件理賠案件中僅有6件是以拒賠或協(xié)議方式處理的，風(fēng)險(xiǎn)程度極低；而當(dāng)F值大于1時(shí)，幾乎所有的理賠案件都是以拒賠或協(xié)議方式處理的，風(fēng)險(xiǎn)程度高達(dá)97.22%。該統(tǒng)計(jì)結(jié)果在規(guī)模數(shù)據(jù)層面驗(yàn)證了模型的有效性。

（2）隨機(jī)抽樣個(gè)案驗(yàn)證。隨機(jī)抽樣個(gè)案驗(yàn)證采用預(yù)測印證的方法，隨機(jī)選取H省轄區(qū)內(nèi)5個(gè)地市剛剛申請理賠的15個(gè)人壽保險(xiǎn)理賠案件，用欺詐風(fēng)險(xiǎn)預(yù)警模型計(jì)算其F值；不管其F值大小如何，均對(duì)上述15個(gè)理賠案件運(yùn)用最高程度的風(fēng)險(xiǎn)控制手段，并進(jìn)行全方位商業(yè)調(diào)查以證實(shí)或證偽各潛在風(fēng)險(xiǎn)點(diǎn)，最終得到的理賠處理結(jié)果見表5。

表6　F值各區(qū)間段對(duì)應(yīng)風(fēng)險(xiǎn)等級(jí)劃分

驗(yàn)證數(shù)據(jù)顯示，15個(gè)理賠案件中有12件以約定給付處理，其中8件F值小于0，3件介于0~0.1之間，處在模型計(jì)算的低風(fēng)險(xiǎn)區(qū)域；1件F值介于0.1~0.2之間，處在模型計(jì)算的較低風(fēng)險(xiǎn)區(qū)域。另外3個(gè)理賠案件拒賠2件、協(xié)議賠付1件，其中協(xié)議賠付處理的1件其F值介于0.1~0.2之間，處在模型計(jì)算的較低風(fēng)險(xiǎn)區(qū)域，但已接近中等風(fēng)險(xiǎn)區(qū)域；2件拒賠處理的其F值介于0.5~1之間，處在模型計(jì)算的高風(fēng)險(xiǎn)區(qū)域。該驗(yàn)證結(jié)果在個(gè)案風(fēng)險(xiǎn)評(píng)估層面驗(yàn)證了模型的有效性。

2.模型在人身保險(xiǎn)公司反欺詐實(shí)踐中的應(yīng)用

在保險(xiǎn)公司與投保人、被保險(xiǎn)人之間的博弈中，保險(xiǎn)公司是處于信息弱勢的一方，需要依靠商業(yè)調(diào)查來消除這種弱勢。但前文已經(jīng)提到，商業(yè)調(diào)查成本高、耗時(shí)長，不宜也不可能作為一種普遍手段應(yīng)用于每一單業(yè)務(wù)，而欺詐風(fēng)險(xiǎn)預(yù)警模型正好能夠解決這一關(guān)鍵問題。

欺詐風(fēng)險(xiǎn)預(yù)警模型在保險(xiǎn)公司運(yùn)營管理中最有價(jià)值的應(yīng)用在于提示風(fēng)險(xiǎn)和發(fā)起調(diào)查。通過預(yù)警模型對(duì)全部理賠案件進(jìn)行風(fēng)險(xiǎn)掃描，測算每件理賠案件潛在的欺詐可能性，并從中篩選出風(fēng)險(xiǎn)程度較高的案件進(jìn)行重點(diǎn)調(diào)查。這樣能夠有效提升保險(xiǎn)公司風(fēng)控資源的使用效率和效果。下面列舉一種簡便易行的應(yīng)用方式。

（1）根據(jù)F值各區(qū)間段對(duì)應(yīng)的欺詐概率劃分理賠案件風(fēng)險(xiǎn)等級(jí)。以表6有關(guān)數(shù)據(jù)為例，作風(fēng)險(xiǎn)等級(jí)劃分。

（2）設(shè)定每一風(fēng)險(xiǎn)等級(jí)的理賠調(diào)查率和調(diào)查等級(jí)。對(duì)絕對(duì)風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)2個(gè)等級(jí)的理賠案件，設(shè)定100%的調(diào)查率（即每案必調(diào)），并設(shè)置最高的調(diào)查等級(jí)，調(diào)查核實(shí)每一個(gè)潛在的風(fēng)險(xiǎn)點(diǎn)；對(duì)中等風(fēng)險(xiǎn)的理賠案件，采用隨機(jī)抽取或重要特征值抽取的方式，設(shè)定40%~60%的調(diào)查率，同時(shí)設(shè)置較高的調(diào)查等級(jí)，對(duì)重要風(fēng)險(xiǎn)點(diǎn)進(jìn)行一一核實(shí)；對(duì)較低風(fēng)險(xiǎn)的理賠案件設(shè)定10%~20%的隨機(jī)抽樣調(diào)查率，設(shè)置普通調(diào)查等級(jí)，對(duì)關(guān)鍵風(fēng)險(xiǎn)點(diǎn)進(jìn)行核實(shí)；低風(fēng)險(xiǎn)案件則不進(jìn)行調(diào)查。

（3）欺詐風(fēng)險(xiǎn)預(yù)警模型的系統(tǒng)植入。利用信息技術(shù)將欺詐風(fēng)險(xiǎn)預(yù)警模型嵌入保險(xiǎn)公司的理賠業(yè)務(wù)處理系統(tǒng)，以IT系統(tǒng)自動(dòng)化智能發(fā)調(diào)替代人工審核發(fā)調(diào)工作，這樣一方面能夠節(jié)省大量人力，另一方面又能減少人工介入帶來的各類操作風(fēng)險(xiǎn)。

（4）設(shè)置必要的風(fēng)險(xiǎn)管控安全閥。任何模型都不可能是完美的，也不可能全部替代人工作業(yè)。對(duì)欺詐風(fēng)險(xiǎn)預(yù)警模型初篩后定義為低風(fēng)險(xiǎn)的理賠案件，實(shí)施一定比例的人工審核發(fā)調(diào)的風(fēng)險(xiǎn)管控措施，持續(xù)觀察該部分案件后續(xù)的理賠處理情況，重點(diǎn)觀察模型風(fēng)險(xiǎn)誤判的理賠案件，積累特征值數(shù)據(jù)，對(duì)欺詐風(fēng)險(xiǎn)預(yù)警模型定期進(jìn)行必要的參數(shù)修正和模型完善。

從某種意義上說，保險(xiǎn)業(yè)的發(fā)展史同時(shí)也是一部反欺詐斗爭史。

四、小結(jié)

保險(xiǎn)行業(yè)本身是一個(gè)經(jīng)營風(fēng)險(xiǎn)的行業(yè)，保險(xiǎn)欺詐是這個(gè)行業(yè)誕生和成長過程中形成的伴生體，從某種意義上說，保險(xiǎn)行業(yè)的發(fā)展史同時(shí)也是一部反欺詐斗爭史。保險(xiǎn)公司應(yīng)對(duì)欺詐的策略，一是通過提高產(chǎn)品定價(jià)來彌補(bǔ)欺詐造成的損失，但這種方式較為被動(dòng)且會(huì)損害善良客戶的利益，最終會(huì)影響保險(xiǎn)公司的市場競爭力；二是通過完善風(fēng)險(xiǎn)管理體系，主動(dòng)防范和打擊保險(xiǎn)欺詐。通常情況下這兩種策略同時(shí)被使用，但保險(xiǎn)公司天然偏向于后者，特別是市場競爭的加劇和技術(shù)手段的發(fā)展從兩個(gè)角度推動(dòng)了保險(xiǎn)公司做出更有傾向性的選擇。

本文依托于人身保險(xiǎn)公司的長期商業(yè)實(shí)踐，通過對(duì)大量數(shù)據(jù)的統(tǒng)計(jì)，分析了人身保險(xiǎn)欺詐的行為分布特征、險(xiǎn)種分布特征和金額分布特征；并以人壽保險(xiǎn)作為建模對(duì)象，基于因子分析構(gòu)建了人壽保險(xiǎn)欺詐風(fēng)險(xiǎn)預(yù)警模型，通過規(guī)模數(shù)據(jù)回溯印證和隨機(jī)抽樣個(gè)案預(yù)測印證兩方面驗(yàn)證了模型的有效性，并介紹了實(shí)證結(jié)果在保險(xiǎn)公司反欺詐工作實(shí)踐中的應(yīng)用方法，希望能對(duì)我國保險(xiǎn)欺詐風(fēng)險(xiǎn)防控提供一定的參考。當(dāng)然，由于筆者能力有限以及一些客觀條件的限制，本文的研究還存在一些不足的地方，需要在今后的研究中進(jìn)一步完善：比如，為實(shí)現(xiàn)預(yù)警模型在實(shí)務(wù)中的便捷應(yīng)用，需要對(duì)指標(biāo)體系做進(jìn)一步的拆分和細(xì)化，完善指標(biāo)體系的覆蓋面和針對(duì)性，并盡量簡化指標(biāo)評(píng)價(jià)繁復(fù)的演算過程，推導(dǎo)基于原始指標(biāo)的預(yù)警函數(shù)模型，增強(qiáng)實(shí)踐可操作性；此外，還應(yīng)進(jìn)一步擴(kuò)大研究樣本數(shù)據(jù)容量，使預(yù)測模型更加準(zhǔn)確、穩(wěn)定，提高后續(xù)基于模型構(gòu)建風(fēng)險(xiǎn)預(yù)警系統(tǒng)的魯棒性(robustness)。

展望未來，相信隨著我國社會(huì)征信體系建設(shè)的日臻完善和保險(xiǎn)大數(shù)據(jù)研究與應(yīng)用的發(fā)展，反保險(xiǎn)欺詐的工具與手段將會(huì)更加豐富和完備，為保險(xiǎn)業(yè)的健康發(fā)展?fàn)I造更為和諧的氛圍。