Algoritmos de machine learning para la detección de fraude en el seguro de automóviles

MACHINE LEARNING ALGORITHMS FOR AUTO INSURANCE FRAUD DETECTION

ALGORITMOS DE MACHINE LEARNING PARA LA DETECCIÓN DEL FRAUDE EN EL SEGURO DE AUTOMÓVILES

Badal Valero, Elena; Sanjuán Díaz, Andrés; y Segura Gisbert, Jorge

Facultat d´Economia, Universitat de València. Avenida de los naranjos SN. 46022 (Valencia).

Fecha de recepción: 18/06/2020
Fecha de aceptación: 02/11/2020

Abstract

Automobile insurance fraud has increased considerably in recent years, undoubtedly boosted by the economic crisis. This significant increase in fraudulent files and the new requirements of the regulations associated with Solvency II lead to greater control and allocation of resources against fraud by insurers. For these reasons, the importance of the use of prediction techniques for the detection of suspicious accidents is more than justified.
In this paper, we present several methodologies with statistical foundation and automatic learning algorithms that enable the analysis and detection of such claims.

Keywords: Fraud, Machine Learning, Insurance car, Risk

Resumen

El fraude en el seguro de automóvil ha aumentado considerablemente en los últimos años, indudablemente impulsado por la crisis económica. Este
incremento significativo del número de reclamaciones fraudulentas, así como los nuevos requerimientos asociados con Solvencia II, conducen a un mayor control y asignación de recursos contra el fraude por parte de las aseguradoras. Por estas razones, la importancia del uso de avanzadas técnicas de predicción para la detección de accidentes sospechosos está más que justificada. En este artículo, se presentan diversas metodologías de base estadística y algoritmos de aprendizaje automático que permiten el análisis y la detección de tales afirmaciones.

Palabras clave: Fraude, Aprendizaje Automático, Seguro de Automóvil, Riesgo.

ARTICULO

Revista Anales del Instituto de Actuarios Españoles 2020 – 4ª época – Número 26 – Año 2020
Deposito Legal M-3160-1961 – ISSN 0534-3232 – eISSN 2531-2308

Licencia de Creative Commons

Este obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.