3. 欺诈风险识别基础
在保险理赔场景中，欺诈风险识别并不是简单地“找出可疑案件”，而是要建立一套可解释、可迭代、可落地的判断体系。本节聚焦三个基础问题：欺诈为什么会发生？如何用异常检测思维发现可疑信号？有监督与无监督学习分别适合什么场景？理解这三点，后续的特征工程与风险评分才有稳固的立足点。
一、欺诈三角理论：解释欺诈动因的经典框架
欺诈三角理论（Fraud Triangle）由犯罪学家克雷西提出，最初用于解释财务舞弊，后被广泛引入保险反欺诈领域。它认为欺诈行为的发生通常同时具备三个条件：压力（Pressure）、机会（Opportunity）和合理化（Rationalization）。
- 压力：投保人或理赔人面临经济困难、债务压力、医疗支出等，产生通过欺诈获取资金的动机。在理赔数据中，可表现为短期内多次出险、保额与收入明显不匹配、临近缴费宽限期出险等。
- 机会：制度或流程存在漏洞，使欺诈行为有可能实施且不易被发现。例如理赔材料审核不严、医疗票据难以核验、定损环节缺乏交叉验证等。
- 合理化：行为人自我说服，认为“我只是拿回我应得的”“保险公司赚得够多了”。这类心理难以直接量化，但会通过行为模式间接体现，如反复使用相似话术、对理赔流程异常熟悉等。
在特征工程中，欺诈三角的价值在于把抽象动因转化为可观测变量。压力对应经济与行为特征，机会对应流程与核验特征，合理化对应文本与交互特征。三者交叉验证，往往比单一维度更能提升识别精度。
二、异常检测思维：在无标签世界中寻找偏离
保险理赔数据中，欺诈标签往往稀缺、滞后且不完整。异常检测思维的核心是：不依赖已知欺诈样本，而是识别与大多数正常案件显著不同的模式。这种“偏离”可能表现为数值异常、频率异常、关系异常或时序异常。
常见的异常类型包括：
- 点异常：单个案件在某个维度上极端偏离，如理赔金额远高于同类案件分布。
- 上下文异常：在特定情境下才显得异常，如某类手术在非专科医院高频出现。
- 集体异常：一组案件整体呈现可疑模式，如多个投保人共享同一银行账户或联系电话。
异常检测思维要求我们建立“正常基线”。基线可以来自历史数据统计、业务规则或同类群体对比。没有基线，异常就无从谈起。在实操中，常用方法包括箱线图、Z-Score、孤立森林、局部异常因子等。下面是一个简单的 Z-Score 异常标记示例：
import numpy as np
def zscore_flags(values, threshold=3.0):
mean = np.mean(values)
std = np.std(values)
if std == 0:
return np.zeros(len(values), dtype=int)
z = (values - mean) / std
return (np.abs(z) > threshold).astype(int)
claim_amounts = [3200, 2800, 4100, 3000, 95000, 3600, 2900]
flags = zscore_flags(claim_amounts)
print(flags) # 输出中 95000 对应位置被标记为 1异常检测的输出通常是“可疑度分数”而非直接结论。它更适合作为风险评分的前置筛选层，把大量正常案件快速过滤，让有限的人工审核资源聚焦在高风险案件上。
三、有监督与无监督学习的适用场景
有监督学习和无监督学习在欺诈识别中并非互斥，而是互补。选择哪种范式，取决于标签质量、业务目标和数据规模。
| 对比维度 | 有监督学习 | 无监督学习 |
|---|---|---|
| 数据要求 | 需要大量已标注的欺诈/正常样本 | 不需要标签，依赖数据内在结构 |
| 典型算法 | 逻辑回归、随机森林、XGBoost、神经网络 | 孤立森林、K-Means、DBSCAN、自编码器 |
| 输出形式 | 欺诈概率或分类结果 | 异常分数、聚类分组 |
| 适用场景 | 标签充足、欺诈模式相对稳定、追求高精度 | 标签稀缺、新型欺诈未知、探索性分析 |
| 主要风险 | 标签偏差、样本不平衡、模型过时 | 误报率高、解释性弱、阈值难定 |
实务中常见的组合策略是：先用无监督方法进行全量扫描，生成异常分数；再对有标签的历史案件训练有监督模型；最后将两者融合为综合风险评分。这样既能捕捉已知模式，又能发现未知异常。
四、案例与复盘：三类典型误区
某车险理赔团队曾建立反欺诈模型，初期效果不佳。复盘发现三个典型问题：
- 把欺诈三角当标签：团队试图用“压力大”直接判定欺诈，忽略了机会与合理化的交互作用，导致大量误报。正确做法是将三角维度转化为特征，交由模型综合判断。
- 异常即欺诈：异常检测标记出的高金额案件被直接移交调查，但其中多数只是正常的高端车型维修。异常只是线索，不是结论，必须结合业务上下文复核。
- 迷信有监督模型：在标签仅覆盖历史已知欺诈类型的情况下，模型对新型欺诈几乎无识别能力。后续引入无监督异常分数作为补充特征，召回率明显提升。
这些误区的共同点是：把工具当答案，而忽略了业务逻辑与数据质量的约束。欺诈风险识别的本质，是在不确定性中做出可解释、可追溯、可优化的判断。