렌터카를 이용한 자동차 보험사기 적발모델에 대한 실증연구
An Empirical Study on a Detection Model for Auto Insurance Fraud using Rental Cars
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
외국과 마찬가지로 우리나라에서도 렌터카를 이용한 보험사기가 많은데 아직 렌터카를 이용한 보험사기 적발에 대한 연구는 찾아보기 힘들다. 본 연구는 2019- 2020년 기간 동안 발생한 81,728건의 렌터카 사고 자료를 이용하여 보험사기 적발 모형을 제시하려는 것이다. 렌터카공제조합에서 일반사고로 분류한 80,866건과 보험사기로 적발한 862건 중 보험사기 적발모델 구축에 사용된 데이터는 각각 60,000건과 600건이었으며, 나머지 자료는 적발모델의 정확도를 판단하기 위한 테스트 자료로 활용하였다. 보험사기 적발에 가장 탁월한 예측치를 보이는 로지스틱모델과 머신러닝 기법의 일종인 랜덤포레스트(random forest) 기법을 활용하여 렌터카 사고 중 보험사기 가능성이 있는 사고를 예측해 보았지만 두 방법 모두 예측력이 높지 않았다. 그 이유는 관찰변수가 제한적이며, 일반사고로 판명된 렌터카 사고에도 실제 보험사기 건수가 많이 포함되어 있어 트레이닝 데이터와 테스트 데이터로서 역할을 하지 못한 것이라고 할 수 있다. 그러나 본 연구에서는 14개의 렌터카를 이용한 보험사기 징후를 나타내는 변수의 특성을 규명하였고, 기존 연구에서 밝히지 못한 렌터카 보험사기의 4가지 구체적인 특성을 밝혔다. 보험사기 예측력을 향상시키기 위해 향후 수집하고 축적해야 하는 변수들에 대한 제안 중 우리가 수집하고 있지 않은 피해자의 특성, 가해자의 특성, 그리고 상해의 특성과 피해자 치료의 구체적인 특성 요소들이 꾸준히 수집되어야 한다는 것을 제안하였다.
Abstract
As in other countries, there are many insurance frauds using rental cars in Korea, too. However, there are few studies on the detection of insurance fraud using rental vehicles. This study is to present an insurance fraud detection model using 81,728 cases received for rental car accidents during the period 2019-2020. Of the 80,866 samples classified as normal auto accidents and 862 ones detected as insurance fraud by the Korea Rental Car Mutual Aid Association, 60,000 and 600 samples, respectively, were used to construct an insurance fraud detection model and tested the model with the rest of the data. We compared the results of a logistic model with that of a random forest technique, however, the prediction powers from both methods were not as high. The reasons may be the observational variables are limited and/or many cases of insurance fraud might be included in the case of normal auto accidents. In this study, we figured out 14 variables indicating insurance fraud symptoms using rental cars and 4 characteristics that were not revealed in the previous studies were found. We propose that more variables that represent the characteristics of the victims, of the perpetrators, of the injuries, and the treatment of the victims, which we have not collected, should be specifically observed and continuously accumulated.
참고문헌 (23)
- 김헌수, "비통계적 링크분석을 활용한보험사기의 효과적 적발방법 연구", 보험금융연구, 14(2), pp.107~146 (2003), 보험연구원
- 김정동, "자동차보험 사기 적발 모형에 관한 연구", 리스크관리연구, 17(1), pp.109~152 (2006), 한국리스크관리학회
- 김태호, "SNA를 활용한 공모형 보험사기 적발 모델링 연구", 한국컴퓨터정보학회논문지, 25(3), pp.117~127 (2020), 한국컴퓨터정보학회[DOI]
- 신동호, "도난차량 사고 감소책과 보험사기에 대한 연구", 보험학회지, 52, pp.291~318 (1998)
- 이경주, "보험사기의 구조에 관한 이론적 연구", 보험학회지, 63, pp.54~75 (2002), 한국보험학회
- Art´ıs, Manuel, "Detection of Automobile Insurance Fraud with Discrete Choice Models and Misclassified Claims", The Journal of Risk and Insurance, 69(3), pp.325~340 (2002)
- Belhadji, El B., "A Model for the Detection of Insurance Fraud", The Geneva papers on Risk and Insurance, 25(4), pp.517~538 (2000)
- Breiman, Leo, "Random Forests", Machine Learning, 45, pp.5~32 (2001)
- Breiman, Leo, "Bagging Predictors", Machine Learning, 24, pp.123~140 (1996)
- Brockett, Patric L., "Fraud Classification Using Principal Component Analysis of RIDITs", The Journal of Risk and Insurance, 69(3), pp.341~371 (2002)
- Brokett P. L., "Using Kohonen’s Self-Organizing Feature Map to Uncover Automobile Bodily Injury Claims Fraud", The Journal of Risk and Insurance, 65, pp.245~274 (1998)
- Caudill, B. S., "Fraud Detection Using a Multinomial Logit Model with Missing Information", The Journal of Risk and Insurance, 72(4), pp.539~550 (2005)
- Derrig, R. A., "Fuzzy Techniques of Pattern Recognition in Risk and Claim Classification", The Journal of Risk and Insurance, 62, pp.447~482 (1995)
- Gomes, Chamal, "Insurance Fraud Detection with Unsupervised Deep Learning", The Journal of Risk and Insurance, 88, pp.591~624 (2021)
- Hargreaves, Carol, "Analytics for Insurance Fraud Detection : An Empirical Study", American Journal of Mobile Systems, Applications and Services, 1(3), pp.227~232 (2015)
- Liu, Xi, "Automobile Insurance Fraud Detection using the Evidential Reasoning Approach and Data-Driven Inferential Modeling", 2020 IEEE international conference on Fuzzy Systems (2020)
- Nien, Ke, "Auto Insurance Fraud Detection Using Unsupervised Spectral Ranking for Anomaly", The Journal of Finance and Data Science, 2, pp.58~75 (2016)
- Roy, Riya, "Dectecting Insurance Claims Fraud using Machine Learning Techniques", 2017 International Conference on Circuits Power and Computing Technologies (2017)
- Tennyson Sharon, "Claims Auditing in Automobile Insurance : Fraud Detection and Deterrence Objectives", The Journal of Risk and Insurance, 69(3), pp.289~308 (2002)
- Viaene, Stijn., "A Comparison of State of the art Classification Techniques for Expert Automobile Insurance Claim Fraud Detection", The Journal of Risk and Insurance, 69(3), pp.373~421 (2002)
- Yan, Chun, "The Identification Algorithm and Model Construction of Automobile Insurance Fraud Based on Data Mining", Fifth International Conference on Instrumentation and Measurement, Computer, Communication, and Control (2015)
- Yan, Chun, "An artificial bee colony-based kernel ridge regression for automobile insurance fraud identification", Neurocomputing, 393, pp.115~125 (2020)
- "2020년 보험사기 적발 현황 및 향후 계획" (2021), 금융감독원[URL]