成功大學博碩士論文系統

簡易檢索 / 詳目顯示

回結果列表

研究生：	林諺熙 Lin, Yen-Hsi
論文名稱：	應用支撐向量機法於保險詐欺之預判 Applying support vector machines to insurance deception prevention,
指導教授：	利德江 Li, De-Jiang
學位類別：	碩士 Master
系所名稱：	管理學院 - 工業與資訊管理學系碩士在職專班 Department of Industrial and Information Management (on the job class)
論文出版年：	2005
畢業學年度：	93
語文別：	中文
論文頁數：	63
中文關鍵詞：	分類、保險詐欺、支撐向量機法
相關次數：	點閱：73 下載：5
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

　　國內的保險市場在我國加入WTO之後，面臨極嚴重的挑戰。隨著市場的自由與開放，國內保險公司面對國外保險公司的競爭及國人投保率提高所帶來的市場萎縮的情況，使得保險公司的經營相當不容易。尤以民國88年後，財政部為健全保險公司財務體質而要求保險公司調降保單利率，造成保費提高，對於新契約的拓展更是困難，競爭更加激烈，使得保險公司往往僅重視業務的拓展，對新契約導入時核保不夠嚴謹，致使客戶在投保之後，藉由種種手段進行不當理賠申請的行為，造成保險公司財務的虧損、人力的浪費、利潤遭受嚴重的侵蝕，並導致與客戶間紛爭，影響公司形象及整體經營之績效。

　　將問題分類為人類在處理問題的步驟之ㄧ，藉由分類，可以將特徵類型相似的問題歸類在一起，使問題簡單化，有利決策進行。而現實社會中，隨著各種資料的複雜度及資料量的增加，越來越多以統計學習架構為基礎的方法不斷延伸，支撐向量機法(Support Vector Machines)為其中一種機器學習模式。支撐向量機法是一種較新的分類方法，實務上，其應用的領域也迅速增加，譬如醫學疾病症狀影像的分類判或者問題結構的分類等等…。本研究藉由保險詐欺案件之歷史資料，利用在保戶提出理賠申請時所獲得相關訊息，歸納保戶在投保與理賠時特有習性，分析支撐向量機法對於非線性資料的分類精確程度，建構出能先期檢測保戶進行詐欺的可能性，達到預測保險詐欺行為，進ㄧ步協助保險公司建立理賠決策，以達到保險公司降低理賠錯誤率、提升理賠績效及經費節省的目標。

none

目錄............................................................... ii
圖目錄............................................................. iv
表目錄............................................................. v
第一章	緒論........................................................1
1  研究動機.................................................1
2  研究目的.................................................2
3  研究範圍.................................................3
4  研究方法與架構...........................................4
5  論文大綱.................................................5
第二章	文獻探討....................................................6
1  保險詐欺.................................................6
1.1  保險.................................................6
1.2  保險詐欺的定義與影響.................................7
1.3  防阻保險詐欺的方法..................................11
1.4  保險詐欺相關研究....................................15
2  支撐向量機法............................................17
1.1  支撐向量機法之概述..................................17
1.2  支撐向量機法之應用..................................19
3  小結....................................................21
第三章	研究方法.......................................... .........22
1  研究方法與架構..........................................22
2  研究方法描述............................................23
2.1  資料集合與內容......................................23
2.2  應用SVM進行分類學習................................26
2.3  訓練與測試方法......................................31
3  小結....................................................31
第四章	實證分析...................................................32
1  問題描述................................................32
2  建構資料庫及變數項目處理................................32
3  SVM訓練與分類過程......................................37
3.1  資料前處理..........................................37
3.2  訓練與測試..........................................38
4  實證分析結果............................................39
4.1  SVM模型測試準確率..................................39
4.2  績效分析............................................53
5  小結....................................................57
第五章	結果與建議.................................................58
1  研究成果................................................58
2  建議與未來方向..........................................59
參考文獻...........................................................61
    中文部份.......................................................61
    英文部分.......................................................61

                                    

中文部份
王正偉，（1999），我國保險法之複保險規範與道德危險之控制-以傷害保險為範圍，保險季刊，55，108-136。
日本1998年危險選擇研修會紀要（1998），壽險季刊，77，22-42。
宋明哲，（1995），保險學-純保險與保險，五南出版社，53。
陳榮ㄧ，（1993），保險制度與誠實信用原則-以招致保險事故、損害防止義務為例，壽險季刊，88，33-45。
曾仁武，（1993），國際保險詐欺協會與保險詐欺問題，保險資訊，88，59-62。
劉政明，（1996），國際詐欺協會成立簡介，壽險季刊，101，126-128。
廖先偉，（2001），運用邏輯斯規模式於人身保險詐欺管理之研究，國立高雄第一科技大學，碩士論文。
謝立功，（2003），保險詐欺的控制機制，Retrieved July 11, 2003, from http://www.npf.org.tw/PUBLICATION/CL/092/CL-C-092-119.htm.
簡美慧，（2003），從我國法院判決論保險詐欺態樣、成因、特徵與防制之道，國立台灣大學，碩士論文。
羅俊瑋 , 馬俊偉，(1998)，論保險詐欺-從海上保險之原則談起，保險季刊，51，134-161。
龔盟鈞，（2003），應用類神經網路建構壽險核保決策模式-以日額醫療補償金微粒，國立高雄第一科技大學，碩士論文。
英文部分
Brockett, P. L., Xiaohua, X. , Derrig, R. A. (1995).Using Kohonen’s self-organizing feature map to uncover automobile bodily injury claims fraud. Special Actuarial Seminar, Automobile Insurance Bureau.
Chan, K. L. , Lee, T. W. , Goldbaum, M. H. , Weinreb, R. N. , Sejnowski, A. T. J.（2002）. Comparison of machine learning and traditional classifiers in glaucoma diagnosis. IEEE Transactions on Biomedical Engineering, 49 , 963-974.
Chang, C. C. , Lin C. J. (2001). LIBSVM: A Library for Support Vector Machines. http://www.csie.ntu.edu.tw/~cjlin/libsvm
Derrig, R. A. , Ostaszewski, K. (1999). Fuzzy techniques of pattern recognition in risk and claim classification. Journal of Risk and Uncertainty, 62 , 447-482 .
Garand, G. R. (1993). Insurance fraud: big business. Canadian Insurance 1993 Annual Review of Statistics.
Han, L. Y. , Cai, C. Z. , Lo, S. L. , Chung, M. C. , Chen, Y. Z. (2004). Prediction of RNA-binding proteins from primary sequence by a support vector machine approach. RNA-A Publication of the RNA Society, 10 , 355-368 .
Hearst, M. A. (1998). Support vector machine. IEEE Intelligent System, July, 18-28.
Huang, Z. , Chen, H. , Hsu, Chia-Jung. , Chen, Wun-Hwa. , Wu, S. (2004). Credit rating analysis with support vector machines and neural networks: a market comparative study. Decision Support Systems, 37 , 543-558 .
Irgens, C. , Paulsen, J. (2004) Optimal control of risk exposure, reinsurance and investments for insurance portfolios. Insurance: Mathematics and Economics, 35, 21-51 .
Kulkarni, A. , Jayaraman, V. K. , Kulkarni, B. D. (2003). Control of chaotic dynamical system using support vetor machines. Physics Letter A , 317, 429-435.
Manuel, A. , Mercedes, A. , Montserrat, G. (1999). Modelling different types of automobile insurance fraud behaviour in the Spanish market. Insurance: Mathematics and Economics, 24, 67–81.
Meyer, D. , Leisch, F. , Hornik, k. (2003). The support vector machine under test. Neurocomputing, 55, 169-186.
Ou, Y. Y. , Chen, C. Y. , Hwang, S. C. , Oyang, Y. J. (2003). Expediting Model Selection for Support Vector Machines Based on Data Reduction. Systems, Man and Cybernetics. IEEE International Conference on, 1, 786-791.
Picard, P. (1996). Auditing claims in the insurance mart with fraud：The credibility issue. Journal of Public Economics, 63, 27-56.
Ribeiro, B. (2002). On Data Based Learning Using Support Vector Clustering. Proceeding of the 9th International Conference on Neural Information Processing (ICONIP’02), 5, 2516-2521.
Shapiro, A. F. (2004). Fuzzy logic in insurance. Insurance: Mathematics Economics, 35, 399-424.
Vapnik, V. (1995) The Nature of Statistical Learning Theory. Springer Verlag.
Vapnik, V. (1999). The Nature of Statistical Learning Theory. Springer-Verlag. 2nd.
Weisberg, H. I. , Derrig, R. A. (1991). Fraud and automobile insurance：A report on the baseline study of bodily injury claim in Massachusetts. Journal of Insurance Regulation, 9, 494-541.
Yuan, F. , Cheu, R. L. (2003). Incident detection using support vector machines. Transportation Research Part C, 11, 309-328.

校內：2006-07-07公開
校外：2006-07-07公開

簡易檢索 / 詳目顯示

相關論文