2. 保险欺诈基础
保险欺诈识别模型的效果，首先取决于对欺诈行为本身的理解。如果对欺诈类型、作案手法和识别信号缺乏系统认知，模型很容易把“正常但少见”的行为误判为欺诈，或者对“隐蔽但高频”的欺诈团伙持续漏报。本节从业务视角梳理保险欺诈的基本盘，为后续阈值优化建立共同语言。
一、核心原理：欺诈的本质是“信息不对称下的利益套取”
保险经营建立在“最大诚信原则”之上：投保人如实告知，保险人据此定价和承保。欺诈则是利用信息不对称，通过虚构、隐瞒、夸大或制造事故，使保险人支付本不应支付的赔款。理解这一点，就能明白为什么欺诈识别不能只看单点异常，而要看行为链条与利益动机是否自洽。
二、欺诈类型与常见手法
按实施主体和发生环节，保险欺诈通常分为以下几类：
- 投保端欺诈：隐瞒既往病史、虚构标的、带病投保、冒名投保。
- 理赔端欺诈：伪造事故、夸大损失、重复索赔、倒签保单。
- 团伙欺诈：职业化组织，串通医院、修理厂、中介，批量制造赔案。
- 内部欺诈：员工与外部勾结，篡改数据、放松核保核赔。
常见手法在车险、健康险、意外险中各有侧重。例如车险中的“扩损”“二次碰撞”“修理厂代索赔”，健康险中的“挂床住院”“分解住院”“冒名就诊”，意外险中的“先伤后保”“多家投保重复索赔”。这些手法的共同点是：单看一个字段正常，但组合起来出现时间、金额、人员、机构上的异常聚集。
三、欺诈识别信号：从业务经验到模型特征
识别信号是连接业务经验与模型特征的桥梁。下表列出典型信号及其可转化的数据特征：
| 业务信号 | 典型表现 | 可转化特征 |
|---|---|---|
| 投保后短期出险 | 保单生效后数天内报案 | 出险距生效天数 |
| 索赔金额异常 | 接近保额上限或整数化 | 赔付率、金额尾数分布 |
| 人员聚集 | 同一手机号、地址、银行卡多次出现 | 证件/账号关联度 |
| 机构聚集 | 同一医院、修理厂高频出案 | 机构赔案集中度 |
| 历史行为 | 多次投保、多次退保、多次索赔 | 历史赔案频次 |
| 材料异常 | 发票连号、病历模板化 | 单据相似度、OCR一致性 |
四、保险业务场景与数据特点
保险数据具有几个鲜明特点，直接影响建模策略：
- 极度不平衡：欺诈案件占比通常低于1%，甚至千分级，导致模型偏向多数类。
- 标签噪声大：很多欺诈未被发现，被标记为“正常”，形成漏报隐患。
- 特征异构：结构化字段（金额、时间）与非结构化材料（病历、照片、笔录）并存。
- 时序性强：投保、批改、报案、立案、赔付构成时间链条，顺序和间隔本身是信号。
- 关系网络复杂：人、车、医院、修理厂、代理人之间形成关联图谱，团伙欺诈往往藏在子图中。
下面是一段典型的理赔数据字段示例，可用于理解特征工程的对象：
claim_id, policy_id, report_date, accident_date, claim_amount,
hospital_id, repair_shop_id, claimant_phone, bank_card,
diagnosis_code, invoice_count, days_since_policy_start
在这些字段上，模型可以构造时间差、频次、聚集度、关联度等特征。但要注意：数据特点决定了阈值不能一刀切。欺诈率低的险种，阈值应更保守以减少误杀；欺诈高发渠道，阈值可适度放宽以提升召回。
五、案例与复盘：一个被误杀的典型场景
某健康险模型将“住院天数超过15天”设为高风险信号，结果误杀了大量真实重症患者。复盘发现：该规则未区分病种，也未考虑医院等级和地区差异。优化后，模型改为“同病种、同医院等级下的住院天数分位数”，并结合费用结构，误杀率显著下降。
另一个反面案例是漏报：某团伙利用多个手机号、银行卡分散索赔，单笔金额均低于人工审核阈值，模型因缺乏关联特征而持续放行。这说明阈值优化不能只调单点分数，还要引入关系网络和聚集度特征。
综上，保险欺诈识别的基础工作包括：明确欺诈类型与手法，提炼可验证的识别信号，理解业务场景与数据特点，并在此基础上设计分层、可解释、可调优的模型与阈值策略。只有把业务语言翻译成数据语言，阈值优化才不会沦为单纯的参数游戏。