機(jī)動(dòng)車商業(yè)三者險(xiǎn)在反欺詐下的承保模式研究

張育儒

摘要：隨著人們生活水平的提高，汽車行業(yè)飛速發(fā)展，我國(guó)機(jī)動(dòng)車保有量逐漸增加，但是近幾年我國(guó)道路交通事故不斷發(fā)生，不僅造成大量的經(jīng)濟(jì)損失，而且這也給機(jī)動(dòng)車輛保險(xiǎn)欺詐提供了機(jī)會(huì)。文章從反欺詐角度出發(fā)，對(duì)機(jī)動(dòng)車第三者責(zé)任風(fēng)險(xiǎn)及保險(xiǎn)進(jìn)行了研究，使其更加個(gè)性化，給予人們更大的保障。首先，文章分析了發(fā)生事故以后肇事者對(duì)第三者所承擔(dān)的民事賠償責(zé)任，從造成賠償責(zé)任的原因出發(fā)，對(duì)其與交強(qiáng)險(xiǎn)進(jìn)行區(qū)分。其次，從人的因素、車輛因素和環(huán)境因素三個(gè)方面進(jìn)行理賠風(fēng)險(xiǎn)識(shí)別，查找欺詐因子。再次，根據(jù)風(fēng)險(xiǎn)識(shí)別的因素確定研究所需的自變量，然后根據(jù)自變量建立回歸模型。最后，運(yùn)用回歸分析的方法進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)和預(yù)測(cè)，設(shè)計(jì)承保方案，并運(yùn)用實(shí)例進(jìn)行驗(yàn)證。

關(guān)鍵詞：機(jī)動(dòng)車三者險(xiǎn);風(fēng)險(xiǎn)分析;保險(xiǎn)欺詐;Probit回歸;責(zé)任限額

隨著經(jīng)濟(jì)的飛速發(fā)展，我國(guó)的機(jī)動(dòng)車保有量一直急速增長(zhǎng)。據(jù)統(tǒng)計(jì)，截至2019年，我國(guó)機(jī)動(dòng)車保有量達(dá)3.4億輛。隨著汽車數(shù)量的快速增加，道路交通事故的發(fā)生也隨之增加，由于事故的增多，第三者責(zé)任險(xiǎn)作為在事故中承擔(dān)對(duì)事故第三方賠償?shù)淖饔蔑@得非常重要。近幾年發(fā)展以來(lái)，以商業(yè)第三者責(zé)任險(xiǎn)為主的汽車保險(xiǎn)已經(jīng)成為保險(xiǎn)業(yè)的主流。

然而，隨著中國(guó)機(jī)動(dòng)車保險(xiǎn)行業(yè)快速發(fā)展，各種風(fēng)險(xiǎn)事件也呈增多之勢(shì)，其中最突出的就是保險(xiǎn)欺詐。機(jī)動(dòng)車三者險(xiǎn)經(jīng)營(yíng)狀況直接影響著財(cái)險(xiǎn)保險(xiǎn)公司的穩(wěn)定性，而車險(xiǎn)是保險(xiǎn)欺詐的重災(zāi)區(qū)，不僅影響著誠(chéng)實(shí)投保人的利益，而且給保險(xiǎn)公司帶來(lái)巨大的經(jīng)濟(jì)損失，甚至為了索賠，故意制造事故現(xiàn)場(chǎng)，危害了公共安全。因此，亟需多角度分析理賠風(fēng)險(xiǎn)，識(shí)別欺詐因子，運(yùn)用回歸分析方法對(duì)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)和預(yù)測(cè)，從而以反欺詐的角度優(yōu)化機(jī)動(dòng)車三者險(xiǎn)承保方案，提高機(jī)動(dòng)車保險(xiǎn)發(fā)展質(zhì)量。

目前，我國(guó)機(jī)動(dòng)車三者險(xiǎn)等車險(xiǎn)的反欺詐研究主要包括理論層面和實(shí)證層面。在理論層面，主要是是運(yùn)用信息經(jīng)濟(jì)學(xué)理論或博弈理論對(duì)其形成原因進(jìn)行剖析（宗國(guó)富和周文杰，2014），在實(shí)證層面，通過(guò)使用Logistic二元選擇模型和BP神經(jīng)網(wǎng)絡(luò)模型分別對(duì)我國(guó)江浙滬地區(qū)的機(jī)動(dòng)車保險(xiǎn)索賠案例樣本進(jìn)行分析（葉明華，2010、2011）。應(yīng)用 Logistic回歸方法對(duì)廣東車險(xiǎn)市場(chǎng)進(jìn)行分析（劉坤坤，2012）?；诓此捎?jì)數(shù)方法的回歸模型，研究敏感性特征比例與協(xié)變量之間的相關(guān)性。（吳琴，劉寅和田國(guó)梁，2019）建立以深度學(xué)習(xí)技術(shù)為基礎(chǔ)的車險(xiǎn)欺詐識(shí)別模型，采用PCA算法對(duì)數(shù)據(jù)進(jìn)行降維處理，最后將數(shù)據(jù)應(yīng)用到不同的模型。（徐徐，王正祥和王牧群，2019）。但是，上述方法沒(méi)有從現(xiàn)有的保險(xiǎn)事故現(xiàn)場(chǎng)分析機(jī)動(dòng)車保險(xiǎn)欺詐問(wèn)題。而且，我國(guó)現(xiàn)有的機(jī)動(dòng)車三者險(xiǎn)承保方案呈現(xiàn)標(biāo)準(zhǔn)化、單一化的特點(diǎn)，很難針對(duì)不同客戶制定不同的適合客戶的個(gè)性化方案。在反欺詐的角度下，承保方案要根據(jù)投保人近幾年的出險(xiǎn)理賠情況綜合分析，因人而異的制定承保方案。

綜上所述，本文旨在通過(guò)對(duì)我國(guó)機(jī)動(dòng)車第三者責(zé)任保險(xiǎn)風(fēng)險(xiǎn)分析，從保險(xiǎn)事故為出發(fā)點(diǎn)，分析引起各種保險(xiǎn)事故的風(fēng)險(xiǎn)因素，選擇合適的風(fēng)險(xiǎn)評(píng)價(jià)的方法對(duì)該險(xiǎn)種進(jìn)行風(fēng)險(xiǎn)評(píng)估，設(shè)計(jì)出合理的機(jī)動(dòng)車商業(yè)三者險(xiǎn)的承保方案，為以后保險(xiǎn)發(fā)展和完善起到借鑒作用。

一、機(jī)動(dòng)車三者險(xiǎn)與交強(qiáng)險(xiǎn)的區(qū)分

交強(qiáng)險(xiǎn)實(shí)施后，保險(xiǎn)公司對(duì)法定業(yè)務(wù)部分不能以高風(fēng)險(xiǎn)為由拒?；蜃兿嗑鼙＃仨氉裱瓘?qiáng)制汽車責(zé)任保險(xiǎn)的特殊原則予以承保。無(wú)疑增加了保險(xiǎn)公司的經(jīng)營(yíng)風(fēng)險(xiǎn)。

（一）基本概念的界定

1. 交強(qiáng)險(xiǎn)

交強(qiáng)險(xiǎn)的全稱是“機(jī)動(dòng)車交通事故責(zé)任強(qiáng)制保險(xiǎn)”，是由保險(xiǎn)公司對(duì)被保險(xiǎn)機(jī)動(dòng)車發(fā)生道路交通事故造成受害人的人身傷亡、財(cái)產(chǎn)損失，在責(zé)任限額內(nèi)予以賠償?shù)膹?qiáng)制性責(zé)任保險(xiǎn)。

2. 機(jī)動(dòng)車三者險(xiǎn)

機(jī)動(dòng)車三者險(xiǎn)的含義是指被保險(xiǎn)人或其允許的合法駕駛?cè)藛T在使用被保險(xiǎn)車輛過(guò)程中發(fā)生的意外事故，致使第三者遭受人身傷亡或財(cái)產(chǎn)直接損毀，依法應(yīng)當(dāng)由被保險(xiǎn)人承擔(dān)經(jīng)濟(jì)責(zé)任，保險(xiǎn)公司負(fù)責(zé)賠償。自從交強(qiáng)險(xiǎn)出臺(tái)后，機(jī)動(dòng)車三者險(xiǎn)已成為非強(qiáng)制性的保險(xiǎn)，可作為交強(qiáng)險(xiǎn)的補(bǔ)充。

（二）交強(qiáng)險(xiǎn)與機(jī)動(dòng)車三者險(xiǎn)區(qū)別

機(jī)動(dòng)車三者險(xiǎn)采取的是保險(xiǎn)公司根據(jù)被保險(xiǎn)人在交通事故中所承擔(dān)的事故責(zé)任，來(lái)確定其賠償責(zé)任;而交強(qiáng)險(xiǎn)實(shí)行的是“無(wú)過(guò)錯(cuò)責(zé)任”原則，即無(wú)論被保險(xiǎn)人是否在交通事故中負(fù)有責(zé)任，保險(xiǎn)公司均將在責(zé)任限額內(nèi)予以賠償。機(jī)動(dòng)車三者險(xiǎn)規(guī)定了較多的責(zé)任免除事項(xiàng)和免賠率;而交強(qiáng)險(xiǎn)的保險(xiǎn)責(zé)任幾乎涵蓋了所有道路交通風(fēng)險(xiǎn)，且不設(shè)免賠率和免賠額。機(jī)動(dòng)車三者險(xiǎn)是以盈利為目的，屬于商業(yè)保險(xiǎn)業(yè)務(wù);交強(qiáng)險(xiǎn)則不以盈利為目的，無(wú)論盈虧，均不參與公司的利益分配，公司實(shí)際上起了一個(gè)代辦的角色。

二、機(jī)動(dòng)車三者險(xiǎn)理賠風(fēng)險(xiǎn)識(shí)別

（一）人的因素

在有欺詐嫌疑的交通事故中，駕駛員的不安全操作占了較大比重。

1. 駕駛員的心理和生理因素

人的可靠性一般都是很差的，在制造意外交通事故時(shí)，人的生理性節(jié)奏和各種生理性指標(biāo)也是隨著某個(gè)周期變化的，這種變化導(dǎo)致的不穩(wěn)定性也會(huì)在事故發(fā)生的前后有明顯的表現(xiàn)。

2. 駕駛員的年齡因素

汽車發(fā)生事故在不同年齡的人中發(fā)生的概率是不一樣的。正常情況下，25歲以下的年輕人，非常容易導(dǎo)致惡劣的交通事故;55歲以上的老年人，也容易發(fā)生交通事故，但一般都是小事故;25～55歲之間的中青年人，這些人發(fā)生交通事故較少。

3. 駕駛員的性別因素

就整體情況而言，男性駕駛員造成重大事故的概率要比女性高，并且在涉嫌保險(xiǎn)欺詐的交通事故中，男性駕駛員要遠(yuǎn)多于女性駕駛員，其比例比例為4.29%，遠(yuǎn)遠(yuǎn)大于女性的1.69%。

4. 駕駛員的駕駛經(jīng)驗(yàn)因素

駕駛員的駕駛經(jīng)驗(yàn)主要是由駕齡體現(xiàn)的。駕齡的長(zhǎng)短和事故發(fā)生率有一定的關(guān)系，一般說(shuō)來(lái)，駕齡越長(zhǎng)，肇事概率相對(duì)要低，風(fēng)險(xiǎn)也就越低。

5. 駕駛員的學(xué)歷因素

駕駛員的文化素質(zhì)高低與事故發(fā)生率有一定關(guān)系。高學(xué)歷駕駛員的風(fēng)險(xiǎn)要比低學(xué)歷駕駛員的風(fēng)險(xiǎn)要低。

6. 駕駛員肇事記錄因素

違章多的駕駛員，其事故發(fā)生率也就會(huì)高。對(duì)于那些幾乎沒(méi)有發(fā)生過(guò)什么違章，但卻發(fā)生交通事故的駕駛員，以及經(jīng)常發(fā)生事故，申請(qǐng)理賠的駕駛員，勘查他們的事故現(xiàn)場(chǎng)時(shí)要特別關(guān)注。

7. 事故第三者與被保險(xiǎn)人的關(guān)系

機(jī)動(dòng)車三者險(xiǎn)的被保險(xiǎn)人可以指定為與車主有關(guān)聯(lián)的任意一人，被保險(xiǎn)人、事故第三者及駕駛員都有可能是策劃一起車險(xiǎn)欺詐案件的主謀，因此，弄清一起車險(xiǎn)索賠案件其中的人員關(guān)系也可能成為判斷該案件真假的依據(jù)。

8. 是否當(dāng)天報(bào)案

在機(jī)動(dòng)車發(fā)生交通事故時(shí)，正常情況事故雙方協(xié)商后就會(huì)決定是否報(bào)案，獨(dú)立事故更會(huì)及時(shí)報(bào)案，而不法分子會(huì)延緩報(bào)案時(shí)間或偽造成當(dāng)天報(bào)案策劃并實(shí)施保險(xiǎn)欺詐行為。

9. 是否第三方報(bào)案

當(dāng)事人實(shí)施保險(xiǎn)欺詐時(shí)，可能會(huì)讓他人代替其索賠。這里所指的“第三方報(bào)案”是指車險(xiǎn)報(bào)案人非被保險(xiǎn)人、車主或駕駛員中的任何一者，即指車險(xiǎn)索賠案件是由該起交通事故的第三方人員或事故無(wú)關(guān)人員報(bào)案。

（二）車的因素

車的因素是指發(fā)生交通事故并向保險(xiǎn)公司索賠的被保險(xiǎn)車輛的信息。

1. 汽車品牌

對(duì)于調(diào)查交通事故而言，汽車的操穩(wěn)性和緊急制動(dòng)性至關(guān)重要，整體而言，排列狀況為：美系、歐系車<日系車<韓系車<國(guó)系車。因此，可以根據(jù)事故現(xiàn)場(chǎng)的信息識(shí)別事故車輛與保險(xiǎn)車輛的同一性。

2. 排氣量

排氣量代表的是汽車的動(dòng)力性能。動(dòng)力性能越好，速度越快，對(duì)輪胎的要求也越高，根據(jù)事故現(xiàn)場(chǎng)的車轍痕跡判斷事故車輛，避免“貍貓換太子”式的保險(xiǎn)欺詐行為。

3. 車齡

車齡是指最初車輛購(gòu)置之日起至投保之日的年限。通常情況下，通過(guò)故意制造重大交通事故實(shí)施車險(xiǎn)欺詐的被保險(xiǎn)車輛均為使用年限較長(zhǎng)的老舊車輛。

4. 行駛區(qū)域

車輛行駛區(qū)域是指車輛行駛的地域范圍。車輛的行駛區(qū)域受車輛用途影響，車輛用途分為非營(yíng)運(yùn)、出租客運(yùn)和貨運(yùn)三種，整體而言，隨著行駛區(qū)域的擴(kuò)大，風(fēng)險(xiǎn)程度也就越大。省內(nèi)行駛<國(guó)內(nèi)行駛<出入境行駛。

5. 保單生效時(shí)間

保險(xiǎn)索賠時(shí)間與之保單生效時(shí)間的間隔可以作為判斷一起保險(xiǎn)索賠案件是否為欺詐案件的因素。通常情況下，車險(xiǎn)案件索賠時(shí)間與保單生效時(shí)間的間隔越短，該案件是欺詐案件的可能性越大。

6. 已有索賠次數(shù)

國(guó)內(nèi)外既有文獻(xiàn)大多數(shù)將索賠車輛以往的索賠次數(shù)作為識(shí)別機(jī)動(dòng)車保險(xiǎn)欺詐的重要指標(biāo)之一。尤其是短期內(nèi)在多家保險(xiǎn)公司投保并索賠的人員應(yīng)加大審查力度。

（三）環(huán)境因素

因?yàn)闄C(jī)動(dòng)車交通事故都是發(fā)生在行駛過(guò)程中，因此受天氣環(huán)境、地理環(huán)境、社會(huì)環(huán)境因素的共同影響。

1. 天氣環(huán)境

風(fēng)、雨、雪及霧霾、沙暴等天氣不僅會(huì)加大交通事故的發(fā)生概率，而且會(huì)損壞原有的事故現(xiàn)場(chǎng)，加大現(xiàn)場(chǎng)調(diào)查難度，為不法分子進(jìn)行保險(xiǎn)欺詐提供了條件。因此，查勘人員不但要快速趕往事故現(xiàn)場(chǎng)，還要留意外圍相關(guān)現(xiàn)場(chǎng)，從而認(rèn)定事故的真?zhèn)涡浴?/p>

2. 地理環(huán)境

這里的地理環(huán)境指的是事故發(fā)生地點(diǎn)即出險(xiǎn)地點(diǎn)的地理環(huán)境。主要包括地域地貌、路面狀況和出險(xiǎn)地段。通常故意制造保險(xiǎn)事故和隱瞞真實(shí)事故經(jīng)過(guò)而進(jìn)行保險(xiǎn)欺詐索賠的案件發(fā)生在相對(duì)落后人流量較小的地貌復(fù)雜、路況較差的偏僻地段。

3. 社會(huì)環(huán)境

社會(huì)環(huán)境有時(shí)對(duì)機(jī)動(dòng)車三者險(xiǎn)理賠的風(fēng)險(xiǎn)具有很大的影響，具體表現(xiàn)在以下兩個(gè)方面。

第一，法制環(huán)境對(duì)于機(jī)動(dòng)車輛風(fēng)險(xiǎn)的影響主要有兩個(gè)方面：一是被保險(xiǎn)人和駕駛員的法制觀念。二是法制環(huán)境良好的地區(qū)，一旦發(fā)生交通事故，對(duì)事故的處理都是嚴(yán)格按照法律程序進(jìn)行的。

第二，機(jī)動(dòng)車輛的風(fēng)險(xiǎn)與駕駛?cè)宋沫h(huán)境有著密切的聯(lián)系。相對(duì)而言，生活在城市中的人受教育程度和對(duì)交通法規(guī)的熟悉程度普遍比生活在農(nóng)村的人高，因而，城市的人文環(huán)境風(fēng)險(xiǎn)較低。

三、建立回歸模型

由于本文的被解釋變量是離散型變量，因此模型的估計(jì)使用離散被解釋變量數(shù)據(jù)模型，本文釆用的方法是二元Probit回歸分析方法。二元Probit模型是一種利用累積正態(tài)分布函數(shù)的變形來(lái)規(guī)避線性概率模型無(wú)界性問(wèn)題的虛擬被解釋變量模型估計(jì)方法。多元解釋變量的Probit模型為：

式中，Pi表示虛擬變量Yi=1的概率。Zi代表β0+β1x1i+β2x2i，S表示標(biāo)準(zhǔn)化的正態(tài)變量。

整理后的Probit模型為：Zi=?-1（Pi）=β0+β1x1i+β2x2i 式中?-1是標(biāo)準(zhǔn)正態(tài)的累積分布函數(shù)的反函數(shù)。Probit模型是非線性模型，采用極大似然估計(jì)方法對(duì)模型中的未知參數(shù)進(jìn)行估計(jì)，其基本思想是如果在一次觀察中某一事件出現(xiàn)了，那么此事件出現(xiàn)的可能性很大，所以得出的估計(jì)應(yīng)當(dāng)有利于該事件的出現(xiàn)，使其出現(xiàn)的概率最大，進(jìn)而估計(jì)出參數(shù)。

（一）研究變量的確定

在二元Probit回歸分析部分，先使用 SPSS 22.0 軟件分析。該分析是為了得出各欺詐因子變量對(duì)判斷保險(xiǎn)欺詐影響的顯著性大小。目的是通過(guò)該檢驗(yàn)分析出上述欺詐因子變量與保險(xiǎn)欺詐之間的相關(guān)程度，旨在進(jìn)行Probit分析前剔除無(wú)效指標(biāo)。檢驗(yàn)結(jié)果如表 1 所示。

由此，列出欺詐因子變量（見(jiàn)表2）。

（二）研究模型的構(gòu)建

Yi表示第i個(gè)投保人是否發(fā)生風(fēng)險(xiǎn)，即Yi=1和Yi=0分別代發(fā)生和不發(fā)生欺詐。

對(duì)以上研究模型進(jìn)行回歸計(jì)算，得出表3。

四、承保方案設(shè)計(jì)

保險(xiǎn)承保是保險(xiǎn)人對(duì)愿意購(gòu)買保險(xiǎn)產(chǎn)品的投保人所提出的投保申請(qǐng)進(jìn)行審核，做出是否同意接受和如何接受的決策的過(guò)程。在反欺詐的角度下，機(jī)動(dòng)車三者險(xiǎn)承保方案會(huì)有以下調(diào)整。

（一）責(zé)任限額

從風(fēng)險(xiǎn)角度出發(fā)，責(zé)任限額應(yīng)該覆蓋風(fēng)險(xiǎn)。機(jī)動(dòng)車第三者責(zé)任險(xiǎn)設(shè)計(jì)的目的就是為了保障被保險(xiǎn)人賠償能力，同時(shí)進(jìn)一步彌補(bǔ)了受害消費(fèi)者的損失。設(shè)函數(shù) F 為責(zé)任限額，R 為風(fēng)險(xiǎn)，c 為修正系數(shù)，L 與 P 分別表示風(fēng)險(xiǎn)的損失程度和損失概率二維參數(shù)，則根據(jù)責(zé)任限額與風(fēng)險(xiǎn)之間的關(guān)系，建立函數(shù)關(guān)系式：

（二）免賠額

免賠額的設(shè)立可以有效降低小額賠案的數(shù)量，減少保險(xiǎn)人小額的賠款支出和人力物力資源的浪費(fèi)，使被保險(xiǎn)人與保險(xiǎn)人在一定程度上風(fēng)險(xiǎn)共擔(dān)，規(guī)避理賠過(guò)程中的道德風(fēng)險(xiǎn)和保險(xiǎn)欺詐。

（三）實(shí)例驗(yàn)證

投保人，李某;性別，女;年齡，21歲，有1年的駕駛年齡，連續(xù)1年未出險(xiǎn)。給一輛使用13年的汽車投保機(jī)動(dòng)車商業(yè)三者險(xiǎn)，車輛重置價(jià)格為42萬(wàn)，上次理賠記錄為36000元。

建議該車主投保1年的機(jī)動(dòng)車商業(yè)三者險(xiǎn)，根據(jù)之前的反欺詐回歸方法計(jì)算保費(fèi)，首先計(jì)算可能性等級(jí)：

年齡的初始值為18歲，該車主年齡為21歲，年齡因素的回歸值為負(fù)，因此年齡因素得出的發(fā)生風(fēng)險(xiǎn)的概率為：100-（21-18）*2.38095%=92.875%。

肇事索賠次數(shù)的初始值為0，該車主連續(xù)1年未出險(xiǎn)，連續(xù)未出險(xiǎn)的回歸值為負(fù)，因此肇事索賠次數(shù)因素得出的發(fā)生風(fēng)險(xiǎn)的概率為：100-（1-0）*9.4526%=90.5474%。

車齡的初始值為0，該車的車齡為13年，車齡因素的回歸值為正，因此車齡因素得出的發(fā)生風(fēng)險(xiǎn)的概率為：（13-0）*5.8824%=76.4712%。

駕齡的初始值為0，該車主的駕齡為1年，駕齡因素的回歸值為負(fù)，因此駕齡因素得出的發(fā)生風(fēng)險(xiǎn)的概率為：100-（1-0）*4.3478%=95.6522%。

根據(jù)以上的概率得出可能性概率為67.9347%，其可能性等級(jí)為頻繁。之后計(jì)算嚴(yán)重性等級(jí)：

安全理賠系數(shù)的初始值為1，該車的安全理賠系數(shù)為1，安全理賠系數(shù)的回歸值為正，因此安全理賠系數(shù)因素得出的嚴(yán)重程度為：1*19.5467%=19.5467%。

理賠金額的初始值為0，該車的上一次理賠金額為36000元，理賠金額的回歸值為正，因此理賠金額因素得出的嚴(yán)重程度為：36*2.6762%=96.3432%。

根據(jù)以上的嚴(yán)重度計(jì)算得出總的嚴(yán)重程度為77.5112%，其責(zé)任限額為82萬(wàn)元。由此可求出其費(fèi)率R′=R*C=1.47%*1.2=1.764%，其保費(fèi)為820000*1.764%=14464.8元。

五、結(jié)語(yǔ)

為了更科學(xué)的收取保費(fèi)，本文主要分析以下幾個(gè)欺詐因子。

駕駛?cè)四挲g對(duì)發(fā)生欺詐的影響駕駛?cè)四挲g每增長(zhǎng)一歲，其發(fā)生風(fēng)險(xiǎn)的概率降低2.3809%，但保險(xiǎn)欺詐概率上升。

肇事索賠次數(shù)對(duì)發(fā)生欺詐的影響短期多次肇事索賠，其風(fēng)險(xiǎn)概率極高，極易發(fā)生欺詐行為。

車齡對(duì)發(fā)生欺詐的影響車齡越大，此次交通事故為人為欺詐事故的概率越大。

駕齡對(duì)發(fā)生欺詐的影響駕齡越長(zhǎng)，駕駛水平越高，發(fā)生風(fēng)險(xiǎn)的概率越低，但保險(xiǎn)欺詐概率上升。

安全理賠系數(shù)通過(guò)對(duì)上述欺詐因子的分析，確定機(jī)動(dòng)車三者險(xiǎn)理賠安全性，系數(shù)越高越安全。

理賠金額

根據(jù)有無(wú)欺詐嫌疑及責(zé)任限額確定理賠金額。在反欺詐的角度下，先識(shí)別欺詐因子，然后根據(jù)其安全理賠系數(shù)，因人而異的制定承保方案。

參考文獻(xiàn)：

[1]吳興剛，胡尚永.保險(xiǎn)欺詐行為及對(duì)策[J].上海保險(xiǎn)，1997（06）：36-38.

[2]李玉泉.論保險(xiǎn)欺詐及其對(duì)策[J].保險(xiǎn)研究，1998（12）：35-38+26.

[3]衛(wèi)新江.保險(xiǎn)欺詐防范方法之一：關(guān)鍵指標(biāo)法[J].中國(guó)保險(xiǎn)，2006（01）：64.

[4]曹紅欣.論汽車保險(xiǎn)欺詐及防范[J].管理觀察，2008（22）：207-208.

[5]葉明華.構(gòu)建我國(guó)機(jī)動(dòng)車保險(xiǎn)欺詐識(shí)別的指標(biāo)體系——基于江、浙、滬機(jī)動(dòng)車保險(xiǎn)索賠樣本數(shù)據(jù)[J].保險(xiǎn)研究，2010（04）：83-87.

[6]劉坤坤.車險(xiǎn)保險(xiǎn)欺詐識(shí)別和測(cè)量模型實(shí)證研究——基于廣東省車險(xiǎn)歷史索賠數(shù)據(jù)[J].暨南學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2012，34（08）：89-93.

[7]He H，Wang J，Graco W，et al.Application of neural networks to detection of medical fraud[J].Expert Systems with Applications，1997，13（04）：329-336.

[8]Cowell R G，Verrall R J，Yoon Y K.Modeling Operational Risk With Bayesian Networks[J].Journal of Risk & Insurance，2007，74（04）：795-827.

[9]尤冰寧.保險(xiǎn)欺詐的風(fēng)險(xiǎn)防范及處理——以車輛保險(xiǎn)欺詐為路徑[J].上海保險(xiǎn)，2018（03）：13-18.

[10]劉軼.基于 Logistic 模型的保險(xiǎn)欺詐分析[J].金融經(jīng)濟(jì)，2017（14）：140-141.

（作者單位：沈陽(yáng)航空航天大學(xué)安全工程學(xué)院）