使用精算与数据科学技术在新冠环境下实现健康保险欺诈的相关与回归模型
应用统计
2021-02-16 v1
摘要
若不加控制，欺诈会严重阻碍公司发展。它挑战了保险业务信任的基本价值。COVID-19 给健康保险业务带来了潜在欺诈增加等额外挑战。本文描述了在 COVID-19 前和 COVID-19 环境下现有及增强欺诈检测方法的实施。为此，我们利用精算与数据科学技术开发了一个创新的增强欺诈检测框架。除现有触发因素外，还识别了特定于 COVID-19 的触发因素。我们还探索了保险欺诈与 COVID-19 之间的关系。为确定这一点，我们计算了 Pearson 相关系数，并拟合了健康保险欺诈与 COVID-19 病例之间的对数回归模型。本工作使用了两个数据集：健康保险数据集和来自 Kaggle 的同一印度选定地理位置的 COVID-19 病例数据集。我们的实验结果显示 Pearson 相关系数为 0.86，这意味着月度欺诈案件发生率与月度 COVID-19 病例发生率高度相关。对数据进行的对数回归给出的 r 平方值为 0.91，表明该模型拟合良好。本工作旨在为健康保险业务提供亟需的工具与技术以对抗欺诈。
引用
@article{arxiv.2102.04210,
title = {Implementation of Correlation and Regression Models for Health Insurance Fraud in Covid-19 Environment using Actuarial and Data Science Techniques},
author = {Rohan Yashraj Gupta and Satya Sai Mudigonda and Pallav Kumar Baruah and Phani Krishna Kandala},
journal= {arXiv preprint arXiv:2102.04210},
year = {2021}
}