摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 引言 | 第10-19页 |
1.1 选题背景及研究目的和意义 | 第10-11页 |
1.1.1 选题背景 | 第10-11页 |
1.1.2 研究目的和意义 | 第11页 |
1.2 研究思路与主要研究内容 | 第11-12页 |
1.3 文献综述 | 第12-17页 |
1.3.1 国外文献综述 | 第12-14页 |
1.3.2 国内文献综述 | 第14-16页 |
1.3.3 总结与评述 | 第16-17页 |
1.4 主要研究方法 | 第17页 |
1.5 创新点与不足之处 | 第17-19页 |
1.5.1 创新点 | 第17-18页 |
1.5.2 不足之处 | 第18-19页 |
2 机动车保险欺诈概述 | 第19-27页 |
2.1 机动车保险欺诈的概念 | 第19-20页 |
2.1.1 保险欺诈 | 第19页 |
2.1.2 机动车保险欺诈 | 第19-20页 |
2.2 机动车保险欺诈识别方法 | 第20-24页 |
2.2.1 统计回归方法 | 第20-22页 |
2.2.2 人工智能方法 | 第22-24页 |
2.3 机动车保险欺诈的相关理论 | 第24-27页 |
2.3.1 信息不对称理论 | 第24页 |
2.3.2 不完全合约理论 | 第24-25页 |
2.3.3 最大诚信原则 | 第25页 |
2.3.4 成本收益理论 | 第25-27页 |
3 我国机动车保险欺诈及识别现状 | 第27-35页 |
3.1 我国机动车保险欺诈现状、危害及成因 | 第27-32页 |
3.1.1 我国机动车保险欺诈现状 | 第27页 |
3.1.2 我国机动车保险欺诈的主要类型 | 第27-28页 |
3.1.3 我国机动车保险欺诈的危害 | 第28-29页 |
3.1.4 我国机动车保险欺诈的成因 | 第29-32页 |
3.2 我国机动车保险欺诈识别现状及方法选择 | 第32-35页 |
3.2.1 我国机动车保险欺诈识别工作现状 | 第32-34页 |
3.2.2 我国机动车保险欺诈识别方法的选择 | 第34-35页 |
4 我国机动车保险欺诈识别的实证分析 | 第35-56页 |
4.1 样本选取原则 | 第35-36页 |
4.2 识别指标说明 | 第36-39页 |
4.2.1 事故信息 | 第36-37页 |
4.2.2 当事人信息 | 第37-38页 |
4.2.3 车辆信息 | 第38-39页 |
4.3 Logistic回归分析 | 第39-48页 |
4.3.1 分类变量赋值 | 第39-41页 |
4.3.2 描述性统计 | 第41-43页 |
4.3.3 Logistic回归结果 | 第43-47页 |
4.3.4 其他指标说明 | 第47-48页 |
4.4 BP神经网络模型分析 | 第48-55页 |
4.4.1 样本数据归一化 | 第48-49页 |
4.4.2 BP神经网络建模 | 第49-51页 |
4.4.3 模型的训练与检验 | 第51-52页 |
4.4.4 精炼指标下BP神经网络的识别效果 | 第52-55页 |
4.5 本章小结 | 第55-56页 |
5 我国机动车保险欺诈防范对策 | 第56-60页 |
5.1 重视承保入口审核,从源头上防范欺诈风险 | 第56页 |
5.2 充实查勘信息内容,细化指标分类 | 第56-57页 |
5.3 提高理赔人员专业技能,重视欺诈识别体系的应用 | 第57页 |
5.4 加强公司内部配合,广泛借助外部执法机构力量 | 第57-58页 |
5.5 建立欺诈信息共享平台,成立联合反欺诈组织 | 第58-59页 |
5.6 完善相关法律法规和责任追究制度 | 第59页 |
5.7 加强普法宣传,使公众深刻理解保险欺诈的违法后果 | 第59-60页 |
6 结论 | 第60-61页 |
参考文献 | 第61-65页 |
附录 | 第65-67页 |
后记 | 第67-68页 |
攻读学位期间取得的科研成果清单 | 第68页 |