Статистический анализ данных и методы машинного обучения в задачах выявления страхового мошенничества

В последнее десятилетие в страховой индустрии наблюдается повышенный интерес к выявлению различного типа страховых мошенничеств. Сегодня компании предпочитают использовать опыт сотрудников в качестве основного метода выявления мошенничества, и такой очень важный инструмент, как текстовый майнинг, используют только 10% опрошенных компаний. Именно поэтому целью данной работы является разработка высококачественной модели борьбы с мошенничеством. В частности, модель опирается не только на обычные данные, но и на текстовую информацию с использованием методов глубокого обучения. В работе обработаны исходные данные, выбраны релевантные признаки, проверина неоднородность данных с помощью метода кластеризации, построена нейронная сеть, а её выход использован в качестве переменной, кроме того, проверено, как внедрение текстовых данных влияет на предсказательную способность, а также проведено сравнение качества старых и новых методов машинного обучения. Результаты данного исследования способны помочь уменьшить количество мошеннических страховых схем, тем самым снизив общие риски страховых компаний, что может способствовать снижению цен на страховые услуги и, как следствие, увеличению страховых портфелей, что снизит стоимость страхования за счет большей диверсификации рисков компаний.