保险金额与欺诈概率关系研究.docxVIP

保险金额与欺诈概率关系研究 一、 诈骗案件数量持续增长,初步判决具有客观公信力 自保险诞生以来，保险欺诈。美国雪城大学 (Syracuse University) “政府档案交流中心” (Transactional Records Access Clearinghouse, TRAC) 统计, 2011年1-8月美国发生903起健康险欺诈诉讼, 相比2010年、2006年、1991年分别增加85%、157%和822%;美国保险研究委员会 (Insurance Research Council, IRC) 发现, 2007年美国汽车人身伤害保险欺诈造成保险公司多支出48亿美元~68亿美元;英国保险人协会 (Association of British Insurers, ABI) 估计, 保险欺诈每年给保险业带来20亿英镑损失, 未能识别的欺诈金额每年高达19亿英镑, 每个投保人每年额外支付约44英镑。广东省是我国经济、保险发达地区, 索赔欺诈相对严重:东莞, 2010年财产险赔付支出21.79亿元, 其中约4亿元属于欺诈索赔;深圳, 2008年各保险机构车险赔案, 疑似骗赔案件976起, 涉案金额超过2 000万元, 某些险种欺诈导致的赔款支出最高达到保费收入的5倍。 保险欺诈是否属实, 法院判决具有客观公信力。实证调研部分保险理赔诉讼案件, 深入研究欺诈动因, 提炼欺诈识别因子, 对于有效遏制欺诈、促进保险业可持续发展, 具有重要的理论意义和实践价值。 二、 模型设计与样本选择 (一) 保费信息的影响 假设1:保险欺诈受索赔人特征 (性别、年龄、职业、婚姻状况、所在地区等) 影响。 假设2:保单信息 (保险金额、保险费、险别、保险期间等) 对索赔欺诈也有重要影响。 假设3;索赔欺诈还受案件情况 (保险事故类型、索赔人类型、是否律师参与、是否存在第三方赔付等) 影响。 (二) 诈骗性赔偿的回归分析 保险理赔诉讼涉及索赔方、保险公司、法院三方。法院属独立第三方裁决机构, 判决结果相对公正。以法院判决金额为基准, 欺诈金额= (索赔金额-判决金额) , 若索赔金额判决金额, 为欺诈;若索赔金额=判决金额, 为诚实。设P为欺诈索赔概率, (1-P) 表示诚实索赔概率, 将P/ (1-P) 取自然对数, 进行Logit转换, 建立如下线性回归方程: 其中, Logit (p) 为被解释变量, 表示欺诈索赔时差异比的自然对数, X为数值型变量矩阵——保险金额、保险费;D为虚拟变量矩阵, 索赔方特征、险别 (健康险、意外险) 、保险期间 (长期保险、短期保险) , 保险事故类型、索赔人类型、诉讼参与人类型等;μ、ε为随机误差项, β0、β1、β2为待估回归系数。 (三) 案件基本信息 本文样本来源于课题组对国内10多家法院的实证调研, 共获取2000—2011年度意外、健康保险理赔诉讼案件263例, 剔除5个信息不全的案例, 最终形成有效样本258例。意外险 (主险为意外险, 附加健康险) 170例;健康险 (主险为健康险, 附加意外险) 88例。男性164人, 女性94人。年龄18~84岁, 21~30岁20人, 31~40岁71人, 41~50岁110人, 51~60岁36人, 61~70岁15人, 其他6人。农民80人, 工人64人, 公司职员58人, 其他56人。未婚19人, 离婚或丧偶42人, 已婚197人。北京80人, 其中市区29人, 郊区51人。外地178人, 其中地市88人, 区县90人。 本文不存在投保方故意编造或制造保险事故的硬欺诈情形, 所有发生事故是真, 争议点仅在于是否在保险责任范围内以及应获多少赔偿金。案件涉及北京、河南、山东、江西、湖北、新疆等10多个省 (市、自治区) , 既有产险公司, 也有寿险公司, 涉及地市分公司、区县支公司两个层次。从法院判决结果看, 欺诈索赔135例, 其中意外保险97例, 健康保险38例。欺诈索赔时, 因变量Y=1, 反之为0, 自变量按前述研究假设分为三个类别, 见表1。 三、 不同保险国家欺诈概率分析 对258个案件数据进行描述性统计, 结果见表2。 表2显示, 男性欺诈概率 (0.659) 甚于女性 (0.341) , 年龄41~50岁欺诈概率 (0.437) 甚于其他年龄段, 工人欺诈概率 (0.333) 甚于其他职业, 已婚欺诈概率 (0.881) 远甚于其他婚姻状况, 北京欺诈概率 (0.570) 高于外地 (0.430) , 北京郊区县欺诈概率 (0.281) 高于北京市区 (0.148) , 外地地市欺诈概率 (0.333) 高于外地区县 (0.237) 。 高保险金额欺诈概率 (0.532) 甚于低保险金额 (0.491) , 高保险费欺诈概率 (0.548