上海反保险欺诈工作创新举措及成效

近年来,在上海银保监局的指导下,上海市保险同业公会不断丰富反欺诈工作合作体系,积极创新反欺诈手段,有力地推进了反欺诈各项工作顺利开展,有效地维护了保险行业和保险消费者的合法权益,营造良好的市场竞争环境。一、运用大数据助力反欺诈工作(一)行业协会与保险公司积极行动上海市保险同业公会反欺诈中心(以下简称"反欺诈中心")根据上海银保监局办公室《关于印发〈运用大数据开展反保险欺诈工作方案〉的通知》的要求。     

车险欺诈与反欺诈问题研究及监管建议

车险领域历来是保险欺诈的"重灾区",车险欺诈案件数量占保险涉刑案件的70％～80％,严重侵害保险消费者合法权益,破坏正常的车险市场秩序,影响道路交通安全和公民人身、财产安全,是行业监管部门、公安司法机关防范打击的重点犯罪类型.近年来车险欺诈案件频发、手段多样,且日趋职业化、团伙化、专业化,对行业车险反欺诈以及监管工作提出了新的挑战.本文基于近年来反欺诈监管工作实践,以北京地区5家大中型保险公司的理赔及反欺诈工作数据为基础,分析了当前车险欺诈案件的新趋势和新特点,进而从保险公司经营管理、行业信息共享、外部环境、法律法规等多个方面剖析问题成因,并针对性地提出了以大数据为核心构建多方协作联动防控体系的监管工作建议.     

浅析大数据分析在保险反欺诈领域的应用

近年来,我国保险业发展迅速,融入人们生活的方方面面,然而保险欺诈这一“伴生顽疾”数量也随之快速上升,且类型更加复杂、多变,难以识别和发现。恶意欺诈的存在,制约了保险服务社会的功能,也严重损害了保险消费者享有的正常权益。由于目前保险公司反欺诈控制体系的薄弱,使得保险欺诈并未得到遏制,反而势头有所上升。     

数据挖掘在车险欺诈与识别中的应用

随着我国保险行业的不断发展,针对车险的欺诈问题也日益严峻,使得保险公司每年遭受巨大的损失。为了发现和防止保险中的欺诈,保险公司在不断的寻求新的方法来解决这一问题。本文结合数据挖掘的方法,对车险欺诈问题的检测提出建议。     

美国防范保险欺诈的成功经验及启示

美国的保险欺诈一度猖獗,保险诈骗金额约占赔付总额的20％－30％,不仅给保险公司带来巨大损失,而且严重侵害了广大投保人的利益。为此,从上世纪九十年代开始,美国采取了一系列强硬措施予以打击,其思路大体可以概括为：立法先行、政府推动、（保险）公司为主、行业联合、社会参与、共同治理,构建多层次、全方位的反保险欺诈体系。美国的成功经验对我国防范保险欺诈具有一定的借鉴意义。     

保险欺诈防范方法之四：外部数据查询

外部数据查询是一种利用行业性的数据查询系统防范保险欺诈的方法。保险公司在业务经营中对每一笔投保、每一笔交通事故的处理、每一个病人的住院材料、每一起赔案的最终处理等都是可资利用的重要资源，当这些信息分散在多个主体掌控之下、没有实现电子化的时候，就难以发挥保险信息所具有的防范和遏制欺诈的潜在优势。如果有些人经常变化投保的公司，又在不同的保险公司实施不同的欺诈，内部数据查询通常是难以识别这类欺诈的，但借助于行业性的数据查询就很容易发现这类保险欺诈。     

AdaBoost集成SVM的供应链金融信用风险评估

为了实现供应链金融信用风险的科学定量管理,建立了一种AdaBoost集成的支持向量机(SVM)算法.该方法首先采用SVM方法对信用风险数据进行分类学习,建立基学习器;接着通过AdaBoost集成算法对基学习器迭代训练,生成最终的供应链金融信用风险评估模型.实证结果表明,AdaBoost集成SVM分类器较模糊积分SVM集成等方法具有更高的分类准确率,因此该模型具有很好的应用前景.     

保险欺诈防范方法之一：关键指标法

据美国反保险欺诈联盟估计，每年仅美国的车险欺诈就有800亿美元之巨，平均每个美国公民326.47美元。车险、工伤险和健康险被并列为三个最容易遭受欺诈的险种，按照业内多数人经验估计，我国车险赔付至少有三分之一与欺诈有关，另外健康险中的欺诈也占有相当的比例，保险欺诈已经成为威胁我国保险业健康发展的毒瘤。从本期开始，本刊设立反欺诈专栏，对国际上成熟的保险欺诈防范方法予以介绍，以飨读者。     

基于集成算法的信用债违约预测模型及其影响因素研究

本文选取2014—2021年的信用债作为研究对象，以单一算法（逻辑回归、高斯朴素贝叶斯、支持向量机和伯努利朴素贝叶斯）分别构建Bagging和Stacking集成学习模型，并将其与单一算法以及传统方法（KMV模型）进行对比，探讨如何提高信用债违约预测精度，证明Bagging集成算法的可靠性，还通过SHAP可解释算法研究信用债违约中的重要指标。实证结果显示，四种单一机器学习模型在预测准确率上优于传统KMV模型；进一步对机器学习模型进行集成，发现同质集成算法在提高预测性能方面不如异质集成算法，且Bagging异质集成算法的预测准确率优于Stacking异质集成算法。将性能最好的Bagging异质集成算法与SHAP可解释算法结合，得到对识别信用债违约具有重要价值的9个指标，分别是违约前债项评级、违约前主体评级、交易所、净资产收益率、债券类型、企业性质、财务费用、总资产增长率以及第一大股东持股比例，关键指标的识别对信用债违约预测具有指导意义。     

机动车辆保险欺诈检测系统及团伙识别研究

随着我国保险业的蓬勃发展,车险领域的保险欺诈问题日益严峻。鉴于我国在机动车辆保险欺诈检测技术方面较为滞后,本文针对车险反欺诈检测方法进行研究,首次将团伙微观建模应用于机动车辆保险欺诈检测。通过引入广义团伙概念,采用基于矩阵的相似度计算、秩排序和变换算法,对极小概率发生但又高度可疑的团伙实现有效识别。相较于传统方法具有更准确和高效的实际应用价值:引入广义团伙对车险欺诈进行全方位识别;将可疑欺诈团伙的车辆碰撞关系映射为人网络关系,从而避免各种人为规避行为对识别和检测的影响;不需要确定的欺诈样本,也不需要进行模型训练就可以直接应用;采用矩阵数值运算完成全部过程,有效提高计算效率。     

On a rank-order test for the equality of probability of an event

Abstract

The following situation is considered. A fixed number (= n) or sequence of independent trials T ₁ T ₂,…, T _n is given, and in each of these an event E mayor may not occur, It is further observed that the event E occurs a total of k times amongst the n trials T _i , (i = l,…, n). It is then required to test the hypothesis H ₀ that the probability of the occurrence of E is constant from trial to trial, i.e. H ₀ is the hypothesis: p ₁ = p ₂ = ? = p _n = p, if p _n (i = 1, …, n) represents the probability that E occurs on the ith trial.     

Finance editorial board membership and research productivity

The research productivity of board members of the top academic finance journals—Journal of Finance, Journal of Financial Economics, Review of Financial Studies, Journal of Financial and Quantitative Analysis, and Financial Management—is investigated. Discipline specific benchmarks for substantial research excellence are determined and an evaluation of influential finance journals is presented. Publication in Journal of Finance is the most notable benchmark for selection to the editorial board of any of the finance journals evaluated. The results imply that publishing one article in Journal of Finance, Journal of Financial Economics or Review of Financial Studies in a 5-year period coupled with additional appearances in the broader top tier finance journals would be representative of exceptional research achievement.

Remark on a theorem by Gurland

Abstract

Let X ₁,X ₂,...,X _n be a random sample of size from a distribution with probability density function p(x|θ), where the unknown parameter θ belongs to a non-degenerate interval I. The unknown true value of θ will be denoted by θ₀.     

The relation between R&;D intensity and future market returns: does expensing versus capitalization matter?

The Australian accounting environment provides an ideal setting for examining the impact of different accounting treatments of firms’ R&D activities on their subsequent returns. Unlike US firms, which can only expense R&D, Australian GAAP permits firms to either expense or capitalize their R&D expenditure. We examine separately the market impact of the R&D intensity of all R&D active firms, ‘capitalizers’ and ‘expensers’. Our results suggest that firms with higher R&D intensity perform better, regardless of the accounting method used, consistent with the resource-based view of the firm. We also find some evidence that firms which expense R&D outperform those which capitalize R&D after controlling for R&D intensity.