Báo Cáo Nghiên Cứu Về Mô Hình Phát Hiện Gian Lận Bảo Hiểm Ô Tô Năm 2024

Phân tích tỷ lệ gian lận dựa trên báo cáo hợp đồng bảo hiểm bằng phương pháp meta deep stacking, cung cấp cái nhìn sâu sắc về rủi ro.

• Trường học: Đại Học Kinh Tế Thành Phố Hồ Chí Minh
• Chuyên ngành: Khoa Học Dữ Liệu
• Đề tài: Mô Hình Phát Hiện Gian Lận Bảo Hiểm Ô Tô Sử Dụng Phương Pháp Meta-Deep Stacking
• Loại tài liệu: báo cáo nghiên cứu
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• 1. Thesis Approach and Contribution
• 2. Traditional model analysis
• 3. Deep learning model
• 4. Formula of reLu, Batch Normalization and Drop out
• 5. Stacking learning model
• 6. Strategies to improve performance of model
• 7. Recursive Feature Elimination
• 8. class_dict_weight and SMOTE
• 9. Hyperparameter tuning with RandomSearch
• 10. Materials and Methods
• 11. AutoMobile Claims Dataset and Challenges
• 12. Our proposed method
• 13. Experiments on dataset
• 14. Experiments on Traditional Model
• 15. Experiments on Deep Learning Model
• 16. Experiment on Stacking model
• 17. Conclusion & Future Works

Tóm tắt

I. Gian Lận Bảo Hiểm Ô Tô Tổng Quan và Thách Thức Hiện Nay

Bảo hiểm ô tô bồi thường cho người được bảo hiểm các thiệt hại từ các sự cố liên quan đến xe như tai nạn, trộm cắp và hư hỏng. Khi số lượng phương tiện giao thông tăng lên, nhu cầu về bảo hiểm ô tô cũng tăng theo. Tuy nhiên, khi lĩnh vực bảo hiểm ô tô phát triển, nó cũng trở thành mục tiêu thường xuyên hơn của các hoạt động gian lận. Gian lận bảo hiểm, đặc biệt trong lĩnh vực ô tô, đặt ra những thách thức lớn cho các công ty bảo hiểm trên toàn thế giới. Các hành vi gian lận có thể là khai báo sai sự thật, làm giả giấy tờ để chiếm đoạt tiền bảo hiểm một cách bất hợp pháp. Các đối tượng gian lận sử dụng nhiều thủ đoạn khác nhau, như thổi phồng chi phí dịch vụ, dàn dựng tai nạn, hoặc nộp yêu cầu bồi thường cho các sự cố chưa từng xảy ra. Điều này đòi hỏi ngành bảo hiểm phải phát triển các biện pháp phát hiện và ngăn chặn gian lận mạnh mẽ. Các phương pháp truyền thống như đánh giá tài chính có thể không đủ hiệu quả để phát hiện các gian lận tinh vi hoặc các vụ có số lượng yêu cầu bồi thường lớn. Do đó, việc ứng dụng các kỹ thuật tiên tiến như machine learning và deep learning là vô cùng cần thiết để bảo vệ quyền lợi của cả công ty bảo hiểm và những người mua bảo hiểm chân chính. Gian lận không chỉ gây thiệt hại về tài chính cho các công ty bảo hiểm mà còn làm tăng phí bảo hiểm cho những khách hàng trung thực.

1.1. Các Hình Thức Gian Lận Bảo Hiểm Ô Tô Phổ Biến Nhất

Gian lận bảo hiểm có thể xảy ra theo nhiều cách khác nhau, chẳng hạn như làm giả bằng chứng hoặc đưa ra các yêu cầu bồi thường không hợp lệ. Một phương pháp là tạo ra đối tượng bảo hiểm không tồn tại để lừa dối công ty bảo hiểm. Một cách khác là cung cấp thông tin sai lệch hoặc không đầy đủ trong các đơn đăng ký hoặc yêu cầu bồi thường bảo hiểm, chẳng hạn như nộp yêu cầu bồi thường dựa trên các tình huống gây hiểu lầm hoặc phóng đại một yêu cầu bồi thường chính đáng. Các hành vi gian lận này không chỉ gây gánh nặng tài chính cho các công ty bảo hiểm mà còn dẫn đến phí bảo hiểm cao hơn cho những người mua bảo hiểm trung thực. Để chống lại gian lận bảo hiểm, các phương pháp ngăn chặn và phát hiện được sử dụng, bao gồm các đơn vị điều tra chuyên biệt, phân tích thống kê thông tin yêu cầu bồi thường và các kỹ thuật phát hiện gian lận (Feinman, 2016).

1.2. Thách Thức Trong Phát Hiện Gian Lận Bằng Phương Pháp Truyền Thống

Trong bảo hiểm ô tô, có một số kỹ thuật để xác định các hoạt động gian lận, có thể xảy ra một cách khéo léo hoặc không khéo léo. Mục tiêu là phát hiện nhiều gian lận liên quan đến thay đổi hành vi, điều này có thể gây khó khăn cho các phương pháp học máy truyền thống. Các phương pháp truyền thống hiện đang được sử dụng trong phát hiện gian lận bảo hiểm thường là các phương pháp đánh giá tài chính. Các phương pháp này bị suy giảm hiệu suất do dữ liệu không cân bằng và không xem xét thứ hạng thấp trong các mẫu nội tại khi xuất hiện các giá trị ngoại lệ. Các mô hình truyền thống thường gặp khó khăn khi xử lý các bộ dữ liệu không cân bằng, đặc biệt là trong các ứng dụng học máy như phát hiện gian lận. Các mô hình này có xu hướng tạo ra kết quả không tối ưu cho lớp thiểu số, mà số lượng ít hơn rất nhiều so với lớp đa số. Các kỹ thuật khác nhau đã được khám phá để giải quyết vấn đề này, bao gồm các phương pháp lấy mẫu lại. Các kỹ thuật lấy mẫu quá mức đã được chứng minh là đặc biệt hiệu quả trong việc cải thiện hiệu suất mô hình trên lớp thiểu số, dẫn đến độ chính xác cao hơn và số lượng âm tính sai thấp hơn.

II. Meta Deep Stacking Phương Pháp Phát Hiện Gian Lận Hiệu Quả

Phương pháp tiếp cận Meta-Deep Stacking là một kỹ thuật kết hợp các mô hình deep learning khác nhau để cải thiện hiệu suất dự đoán. Trong bối cảnh phát hiện gian lận bảo hiểm ô tô, Meta-Deep Stacking có thể giúp phát hiện các mẫu gian lận phức tạp mà các mô hình đơn lẻ khó có thể nhận ra. Phương pháp này tận dụng sức mạnh của nhiều mô hình khác nhau, mỗi mô hình có khả năng học các khía cạnh khác nhau của dữ liệu. Bằng cách kết hợp các dự đoán của các mô hình này, Meta-Deep Stacking có thể đạt được độ chính xác cao hơn và giảm tỷ lệ sai sót so với việc sử dụng một mô hình duy nhất. Việc sử dụng Meta-Deep Stacking giúp tận dụng tối đa thông tin có sẵn và cải thiện khả năng phát hiện gian lận trong bối cảnh bảo hiểm ô tô. Phương pháp này không chỉ tăng cường khả năng phát hiện các gian lận tinh vi mà còn giúp giảm thiểu các tổn thất tài chính cho các công ty bảo hiểm và đảm bảo sự công bằng cho những khách hàng trung thực.

2.1. Ưu Điểm Của Meta Deep Stacking So Với Các Phương Pháp Khác

Phương pháp Meta-Deep Stacking mang lại nhiều ưu điểm so với các phương pháp phát hiện gian lận truyền thống. Thứ nhất, nó có khả năng xử lý các bộ dữ liệu lớn và phức tạp, điều này rất quan trọng trong bối cảnh bảo hiểm ô tô, nơi có rất nhiều dữ liệu liên quan đến yêu cầu bồi thường, lịch sử lái xe và thông tin cá nhân của khách hàng. Thứ hai, Meta-Deep Stacking có thể tự động học các đặc trưng quan trọng từ dữ liệu mà không cần sự can thiệp của con người, giúp giảm bớt công sức và thời gian cần thiết để phát triển các mô hình phát hiện gian lận. Thứ ba, nó có thể kết hợp nhiều mô hình khác nhau, mỗi mô hình có khả năng học các khía cạnh khác nhau của dữ liệu, giúp tăng cường độ chính xác và giảm tỷ lệ sai sót. Cuối cùng, Meta-Deep Stacking có thể thích ứng với các thay đổi trong dữ liệu và các chiến lược gian lận mới, giúp duy trì hiệu quả của mô hình trong thời gian dài.

2.2. Các Bước Xây Dựng Mô Hình Meta Deep Stacking Hiệu Quả

Việc xây dựng một mô hình Meta-Deep Stacking hiệu quả đòi hỏi một quy trình cẩn thận và tỉ mỉ. Đầu tiên, cần thu thập và tiền xử lý dữ liệu, bao gồm làm sạch dữ liệu, xử lý các giá trị thiếu và chuyển đổi các biến không phù hợp. Tiếp theo, cần lựa chọn các mô hình deep learning phù hợp để đưa vào stacking ensemble. Các mô hình này có thể bao gồm các mạng nơ-ron tích chập (CNN), mạng nơ-ron hồi quy (RNN) và các mô hình khác. Sau đó, cần huấn luyện các mô hình này trên dữ liệu đã chuẩn bị và điều chỉnh các tham số của chúng để đạt được hiệu suất tốt nhất. Cuối cùng, cần kết hợp các dự đoán của các mô hình này bằng cách sử dụng một mô hình meta-learner, chẳng hạn như một mô hình hồi quy logistic hoặc một mạng nơ-ron đơn giản. Mô hình meta-learner sẽ học cách kết hợp các dự đoán của các mô hình cơ sở để đưa ra dự đoán cuối cùng.

III. Ứng Dụng Meta Deep Stacking Trong Phát Hiện Gian Lận Thực Tế

Việc triển khai Meta-Deep Stacking trong thực tế có thể mang lại những lợi ích đáng kể cho các công ty bảo hiểm ô tô. Một trong những ứng dụng quan trọng nhất là phát hiện các yêu cầu bồi thường gian lận. Bằng cách phân tích dữ liệu yêu cầu bồi thường, chẳng hạn như thông tin về tai nạn, lịch sử lái xe của khách hàng và thông tin về xe, Meta-Deep Stacking có thể xác định các yêu cầu bồi thường có khả năng gian lận cao. Các công ty bảo hiểm có thể sử dụng thông tin này để điều tra thêm các yêu cầu bồi thường đáng ngờ và ngăn chặn các gian lận trước khi chúng gây ra thiệt hại tài chính. Ngoài ra, Meta-Deep Stacking có thể được sử dụng để phát hiện các hành vi gian lận khác, chẳng hạn như khai báo sai thông tin trong đơn đăng ký bảo hiểm hoặc dàn dựng tai nạn. Việc sử dụng Meta-Deep Stacking có thể giúp các công ty bảo hiểm giảm thiểu các tổn thất do gian lận và cải thiện hiệu quả hoạt động của họ. Bằng cách tự động hóa quá trình phát hiện gian lận, các công ty bảo hiểm có thể tiết kiệm thời gian và nguồn lực và tập trung vào các hoạt động kinh doanh cốt lõi.

3.1. Cải Thiện Quy Trình Xét Duyệt Bồi Thường Với Meta Deep Stacking

Meta-Deep Stacking có thể được tích hợp vào quy trình xét duyệt bồi thường của các công ty bảo hiểm ô tô để cải thiện hiệu quả và độ chính xác. Khi một yêu cầu bồi thường được nộp, mô hình Meta-Deep Stacking có thể được sử dụng để đánh giá rủi ro gian lận của yêu cầu bồi thường đó. Nếu mô hình xác định rằng yêu cầu bồi thường có khả năng gian lận cao, nó có thể được chuyển đến một nhóm điều tra chuyên biệt để xem xét kỹ lưỡng hơn. Bằng cách tập trung các nguồn lực vào các yêu cầu bồi thường có rủi ro gian lận cao, các công ty bảo hiểm có thể giảm thiểu thời gian và chi phí liên quan đến việc điều tra các yêu cầu bồi thường gian lận. Ngoài ra, Meta-Deep Stacking có thể được sử dụng để cung cấp thông tin chi tiết về các yếu tố có liên quan đến gian lận, giúp các nhà điều tra tập trung vào các khía cạnh quan trọng của yêu cầu bồi thường.

3.2. Giảm Thiểu Tổn Thất Tài Chính Nhờ Phát Hiện Gian Lận Kịp Thời

Một trong những lợi ích lớn nhất của việc sử dụng Meta-Deep Stacking trong phát hiện gian lận bảo hiểm ô tô là khả năng giảm thiểu tổn thất tài chính cho các công ty bảo hiểm. Bằng cách phát hiện các gian lận kịp thời, các công ty bảo hiểm có thể ngăn chặn việc thanh toán các yêu cầu bồi thường không hợp lệ và giảm thiểu chi phí liên quan đến việc điều tra và kiện tụng. Ngoài ra, Meta-Deep Stacking có thể giúp các công ty bảo hiểm xác định các xu hướng gian lận mới và điều chỉnh chiến lược của họ để đối phó với các chiến lược gian lận mới. Bằng cách chủ động trong việc phát hiện gian lận, các công ty bảo hiểm có thể bảo vệ lợi nhuận của họ và cung cấp dịch vụ tốt hơn cho khách hàng của họ.

IV. Đánh Giá Hiệu Quả và Tối Ưu Mô Hình Meta Deep Stacking

Để đảm bảo rằng mô hình Meta-Deep Stacking hoạt động hiệu quả, việc đánh giá hiệu suất của nó là rất quan trọng. Các chỉ số đánh giá phổ biến bao gồm độ chính xác (accuracy), độ chính xác (precision), độ bao phủ (recall) và điểm F1 (F1-score). Độ chính xác đo lường tỷ lệ các dự đoán đúng so với tổng số dự đoán, trong khi độ chính xác đo lường tỷ lệ các dự đoán gian lận đúng so với tổng số các dự đoán gian lận. Độ bao phủ đo lường tỷ lệ các trường hợp gian lận được phát hiện so với tổng số các trường hợp gian lận thực tế. Điểm F1 là một trung bình điều hòa của độ chính xác và độ bao phủ. Ngoài việc đánh giá hiệu suất, việc tối ưu hóa mô hình Meta-Deep Stacking cũng rất quan trọng để cải thiện khả năng phát hiện gian lận. Các kỹ thuật tối ưu hóa có thể bao gồm điều chỉnh các tham số của mô hình, sử dụng các phương pháp xử lý dữ liệu nâng cao và kết hợp các nguồn dữ liệu bổ sung.

4.1. Các Chỉ Số Đánh Giá Hiệu Quả Mô Hình Phát Hiện Gian Lận

Các chỉ số đánh giá mô hình được sử dụng phổ biến là độ chính xác, độ thu hồi, điểm F1 và độ chính xác. Tuy nhiên, trong một số trường hợp, cần xem xét các số liệu khác để đưa ra đánh giá khách quan và chính xác hơn. Nghiên cứu này đã sử dụng Độ chính xác, Độ thu hồi, Độ chính xác, Điểm F1, để đánh giá phân loại. Điều này đặc biệt phù hợp trong dự án đang thực hiện, vì một vấn đề đã được xác định trong quá trình thử nghiệm. Mặc dù đạt được độ chính xác trên 73%, hiệu suất tương đối cao đối với kết quả thử nghiệm, nhưng một số mô hình cho thấy sự thiên vị đối với lớp đa số trong các dự đoán của chúng. Điều này dẫn đến việc nhiều quan sát bị phân loại sai, không thể phát hiện gian lận, cho thấy độ chính xác không phải là thước đo duy nhất để đánh giá vấn đề. Do đó, thước đo được sử dụng phổ biến - độ chính xác không còn là thước đo duy nhất được sử dụng trong bối cảnh dữ liệu không cân bằng và AUC là một thước đo đánh giá hiệu suất phổ biến trong phân loại không cân bằng. Đánh giá hiệu suất mô hình chỉ bằng độ chính xác đã bị chỉ trích khi bộ dữ liệu gốc không cân bằng (Malhotra & Lata, 2021).

4.2. Phương Pháp Tối Ưu Hóa Mô Hình Để Đạt Hiệu Suất Tốt Nhất

Để tối ưu hóa mô hình Meta-Deep Stacking, có thể sử dụng các kỹ thuật như điều chỉnh các tham số của mô hình, chẳng hạn như số lượng lớp, số lượng nơ-ron trong mỗi lớp và tốc độ học. Ngoài ra, có thể sử dụng các phương pháp xử lý dữ liệu nâng cao, chẳng hạn như tạo các đặc trưng mới từ dữ liệu hiện có hoặc sử dụng các kỹ thuật lấy mẫu lại để xử lý các bộ dữ liệu không cân bằng. Hơn nữa, có thể kết hợp các nguồn dữ liệu bổ sung, chẳng hạn như thông tin về lịch sử lái xe của khách hàng hoặc thông tin về xe, để cung cấp thêm thông tin cho mô hình. Bằng cách sử dụng các kỹ thuật tối ưu hóa này, có thể cải thiện đáng kể khả năng phát hiện gian lận của mô hình Meta-Deep Stacking.

V. Kết Luận Triển Vọng và Hướng Phát Triển Của Mô Hình Meta Deep Stacking

Nghiên cứu này đã trình bày một mô hình Meta-Deep Stacking để phát hiện gian lận bảo hiểm ô tô. Kết quả nghiên cứu cho thấy rằng mô hình này có khả năng phát hiện gian lận hiệu quả hơn so với các phương pháp truyền thống. Tuy nhiên, vẫn còn nhiều cơ hội để cải thiện hiệu suất của mô hình này. Trong tương lai, nghiên cứu sẽ tập trung vào việc sử dụng các mô hình deep learning tiên tiến hơn và sử dụng các bộ dữ liệu đa dạng hơn để tinh chỉnh và phát triển mô hình mạnh mẽ nhất có thể. Các hướng phát triển khác có thể bao gồm việc tích hợp các thông tin bổ sung, chẳng hạn như dữ liệu mạng xã hội hoặc dữ liệu về thời tiết, để cung cấp thêm thông tin cho mô hình. Việc sử dụng các phương pháp giải thích mô hình (SHAP, LIME) để hiểu rõ hơn cách mô hình đưa ra quyết định cũng là một hướng đi tiềm năng.

5.1. Các Nghiên Cứu Tiềm Năng Về Phát Hiện Gian Lận Bảo Hiểm

Các nghiên cứu trong tương lai có thể tập trung vào việc phát triển các mô hình Meta-Deep Stacking có khả năng phát hiện các loại gian lận mới và tinh vi hơn. Ngoài ra, có thể nghiên cứu các phương pháp để giảm thiểu sai lệch trong mô hình và đảm bảo rằng nó không phân biệt đối xử với bất kỳ nhóm người nào. Việc phát triển các công cụ và kỹ thuật mới để giúp các nhà điều tra gian lận hiểu rõ hơn cách mô hình hoạt động cũng là một hướng đi quan trọng. Bằng cách tiếp tục nghiên cứu và phát triển trong lĩnh vực này, có thể giảm thiểu các tổn thất do gian lận và cải thiện hiệu quả hoạt động của các công ty bảo hiểm ô tô.

5.2. Ứng Dụng Rộng Rãi Của Deep Learning Trong Ngành Bảo Hiểm

Việc sử dụng deep learning trong ngành bảo hiểm không chỉ giới hạn trong việc phát hiện gian lận. Deep learning có thể được sử dụng để giải quyết nhiều vấn đề khác, chẳng hạn như định giá bảo hiểm, dự đoán rủi ro và cải thiện dịch vụ khách hàng. Bằng cách tận dụng sức mạnh của deep learning, các công ty bảo hiểm có thể cải thiện hiệu quả hoạt động, giảm chi phí và cung cấp dịch vụ tốt hơn cho khách hàng của họ. Do đó, việc đầu tư vào nghiên cứu và phát triển deep learning là một chiến lược quan trọng cho các công ty bảo hiểm trong tương lai.

Nội dung chính

Phát Hiện Gian Lận Bảo Hiểm Xe Cơ Giới Bằng Mô Hình Meta-Deep Stacking: Bước Tiến Đột Phá Từ Nghiên Cứu UEH 2024

---

Tóm tắt nghiên cứu (Executive Summary)

• Câu hỏi nghiên cứu chính: Làm thế nào để giải quyết bài toán mất cân bằng dữ liệu và tối ưu hóa độ chính xác trong việc phát hiện gian lận hợp đồng bảo hiểm xe cơ giới thông qua sự kết hợp giữa các thuật toán học máy truyền thống và mạng học sâu?
• Phương pháp tiếp cận: Nghiên cứu ứng dụng kỹ thuật dung hợp sớm (Early Fusion) trong mô hình Meta-Deep Stacking. Cấu trúc mô hình kết hợp các thuật toán nền tảng (Base models) gồm Decision Tree (Cây quyết định) và Random Forest (Rừng ngẫu nhiên), sau đó truyền kết quả dự đoán vào mô hình tổng hợp (Meta-learner) là một mạng nơ-ron sâu (Keras Deep Neural Network) được tối ưu hóa bằng các kỹ thuật ReLU, Batch Normalization, Dropout, và SMOTE.
• Kết quả then chốt: Mô hình Meta-Deep Stacking đạt độ chính xác tổng thể 83,23%, chỉ số F1-score đạt 84%, và đặc biệt nâng tỷ lệ phát hiện chính xác các vụ gian lận thực tế (Recall) lên tới 85,27%, vượt trội so với các mô hình độc lập truyền thống.
• Hàm ý thực tiễn: Cung cấp khung giải pháp AI hiệu quả cao cho ngành bảo hiểm xe cơ giới tại Việt Nam và quốc tế, giúp tự động hóa quy trình thẩm định bồi thường, giảm thiểu tổn thất tài chính, hạ mức phí bảo hiểm cho khách hàng trung thực và đóng góp tích cực vào Mục tiêu Phát triển Bền vững (SDG 9 và SDG 16).

---

Bối cảnh và tầm quan trọng (Context & Significance)

Thực trạng và thách thức hiện tại

Thị trường bảo hiểm ô tô toàn cầu đang mở rộng nhanh chóng cùng với sự gia tăng mật độ phương tiện giao thông. Tuy nhiên, tình trạng trục lợi bảo hiểm cũng leo thang phức tạp với các thủ đoạn tinh vi: làm giả hồ sơ tai nạn, cố tình dàn dựng va chạm, phóng đại thiệt hại vật chất hoặc khai báo sai sự thật. Gian lận bảo hiểm không chỉ gây thất thoát hàng tỷ USD mỗi năm cho các doanh nghiệp bảo hiểm mà còn đẩy phí bảo hiểm trung bình lên cao, gây bất công cho người tham gia bảo hiểm trung thực.

+-------------------------------------------------------------+
|        THỰC TRẠNG QUY TRÌNH QUẢN LÝ BỒI THƯỜNG TRUYỀN THỐNG   |
|                                                             |
|  [Tiếp nhận] -> [Đăng ký] -> [Thẩm định thủ công] -> [...]  |
|                                       |                     |
|                                       v                     |
|                        +---------------------------+        |
|                        | Bỏ sót gian lận tinh vi   |        |
|                        | Chi phí nhân sự tốn kém   |        |
|                        | Tắc nghẽn khi hồ sơ tăng  |        |
|                        +---------------------------+        |
+-------------------------------------------------------------+

Khoảng trống nghiên cứu (Research Gap)

Phần lớn các doanh nghiệp bảo hiểm vẫn dựa vào các quy tắc kiểm tra thủ công hoặc phương pháp đánh giá tài chính truyền thống. Các mô hình máy học đơn lẻ như SVM, Logistic Regression hay Decision Tree gặp hai rào cản lớn:

1. Mất cân bằng dữ liệu nghiêm trọng (Imbalanced Dataset): Số lượng hồ sơ gian lận chiếm tỷ lệ rất nhỏ so với hồ sơ hợp lệ, khiến mô hình có xu hướng dự đoán toàn bộ là "không gian lận" để đạt độ chính xác ảo.
2. Khả năng khái quát hóa hạn chế: Mô hình truyền thống phụ thuộc nặng nề vào bước chọn lọc đặc trưng (Feature Engineering), trong khi các mô hình Deep Learning độc lập lại dễ bị bất ổn (overfitting/instability) khi vận hành trên tập dữ liệu quy mô vừa và nhỏ.

Tính cấp thiết và tiềm năng tác động

Nghiên cứu được thực hiện kịp thời trong khuôn khổ Giải thưởng "Nhà nghiên cứu trẻ UEH 2024" (Đại học Kinh tế TP. Hồ Chí Minh). Đề tài xây dựng một khung phân tích nâng cao, thúc đẩy chuyển đổi số trong quản trị rủi ro bảo hiểm, tạo tiền đề nâng cao tính minh bạch, giảm thiểu chi phí giám định và tăng cường năng lực cạnh tranh cho hệ thống tài chính - bảo hiểm.

---

Phương pháp luận và cách tiếp cận (Methodology & Approach)

Nghiên cứu áp dụng quy trình thực nghiệm nghiêm ngặt gồm 4 giai đoạn chính:

+-----------------------------------------------------------------------------------+
|                        QUY TRÌNH NGHIÊN CỨU TOÀN DIỆN                             |
|                                                                                   |
|  [Tập dữ liệu 1000 mẫu]                                                          |
+-----------------------------------------------------------------------------------+

1. Thiết kế nghiên cứu và Thu thập dữ liệu

Đề tài sử dụng bộ dữ liệu thực tế gồm 1.000 hồ sơ bồi thường bảo hiểm xe cơ giới trải rộng trên 7 bang của Hoa Kỳ với 40 biến số. Dữ liệu được chia thành 3 nhóm đặc trưng cốt lõi:

• Đặc điểm tai nạn (Accident Characteristics): Thời gian xảy ra vụ việc, số lượng phương tiện liên quan, mức độ nghiêm trọng, địa điểm.
• Đặc điểm cá nhân (Personal Characteristics): Độ tuổi, nghề nghiệp, trình độ học vấn, số lượng nhân chứng.
• Đặc điểm hợp đồng bảo hiểm (Insurance Characteristics): Thời gian gắn bó của khách hàng (months as customer), mức phí thường niên, tổng số tiền yêu cầu bồi thường (total claim amount), phạm vi bảo hiểm.

Tỷ lệ nhãn trong bộ dữ liệu phản ánh rõ nét tính chất mất cân bằng: 753 hợp đồng hợp lệ (75,3%) và 247 hợp đồng gian lận (24,7%).

2. Tiền xử lý dữ liệu và Xử lý mất cân bằng

• Loại bỏ các cột thông tin rỗng hoặc không mang giá trị phân loại (cột c_39, mã khách hàng).
• Tách thông tin thời gian từ incident-date và policy bind date.
• Xử lý ngoại lai (outliers) bằng phương pháp biên khoảng tứ phân vị (IQR) và chuẩn hóa dữ liệu bằng StandardScaler cùng LabelEncoder.
• Khắc phục mất cân bằng nhóm: Thực nghiệm đối chiếu giữa phương pháp trọng số lớp (Class Weighting) và kỹ thuật tạo mẫu tổng hợp nhóm thiểu số (SMOTE - Synthetic Minority Over-sampling Technique). Kết quả khẳng định SMOTE giúp cân bằng phân phối dữ liệu hiệu quả nhất mà không làm biến dạng cấu trúc đặc trưng.

3. Kỹ thuật phân tích và Tối ưu hóa mô hình

• Lựa chọn đặc trưng: Ứng dụng kỹ thuật loại trừ đặc trưng đệ quy (RFE - Recursive Feature Elimination) và RandomSearch CV để tinh chỉnh siêu tham số tối ưu.
• Base Models: Đánh giá chéo 5-fold (5-Fold Cross-Validation) trên hàng loạt mô hình (SVM, LDA, Naive Bayes, KNN, Gradient Boosting, Decision Tree, Random Forest). Qua phân tích đường cong ROC và F1-score, Decision Tree và Random Forest được lựa chọn làm hai mô hình nền tảng.
• Meta-Learner Architecture: Xây dựng mạng nơ-ron sâu đa tầng qua thư viện Keras với hàm kích hoạt ReLU chống triệt tiêu đạo hàm, tầng Batch Normalization ổn định phân phối lan truyền, tầng Dropout giảm hiện tượng quá khớp, kết hợp cơ chế dừng sớm (Early Stopping) và điều chỉnh tốc độ học (Learning Rate Scheduling).

---

Phát hiện chính (Key Research Findings)

+-----------------------------------------------------------------------------+
|               BẢNG SO SÁNH HIỆU SUẤT CÁC MÔ HÌNH THỰC NGHIỆM                |
+------------------------------------+------------+------------+--------------+
| Mô hình                            | Accuracy   | Recall     | F1-Score     |
+------------------------------------+------------+------------+--------------+
| Simple Neural Network (Đơn lẻ)     | 66.25%     | 62.00%     | 62.00%       |
| Linear Discriminant Analysis (LDA) | 74.30%     | 74.00%     | 74.00%       |
| Support Vector Machine (SVM)       | 76.50%     | 81.00%     | 78.00%       |
| Random Forest                      | 80.80%     | 75.00%     | 77.50%       |
| Decision Tree                      | 81.27%     | 70.30%     | 75.20%       |
| META-DEEP STACKING (Đề xuất)       | 83.23%     | 85.27%     | 84.00%       |
+------------------------------------+------------+------------+--------------+

1. Mô hình Meta-Deep Stacking vượt trội toàn diện

Mô hình kết hợp Stacking đạt độ chính xác 83,23% và Recall đạt 85,27%, đánh dấu bước nhảy vọt so với các giải pháp truyền thống. Khả năng phát hiện đúng hơn 85% các hợp đồng gian lận thực tế mà không làm tăng tỷ lệ cảnh báo sai chứng minh sự tương hỗ hoàn hảo giữa cây quyết định ngẫu nhiên và mạng nơ-ron sâu.

2. Kỹ thuật SMOTE giải quyết triệt để điểm nghẽn phân loại

Khi chưa áp dụng SMOTE, mô hình Deep Learning đơn lẻ bị thiên lệch hoàn toàn về nhãn đa số (dự đoán 100% là không gian lận để đạt độ chính xác ảo 73,3%). Sau khi tích hợp SMOTE, mô hình đã học được ranh giới quyết định của nhóm thiểu số, giúp các chỉ số Recall và F1-score tăng trưởng rõ rệt.

3. Tương quan phi tuyến giữa các nhóm đặc trưng

Phân tích tương quan chỉ ra rằng các biến số tài chính như total_claim_amount, vehicle_claim và property_claim có mối tương quan thuận mạnh mẽ với nhau. Phần lớn các vụ bồi thường tập trung trong khoảng từ 40.000 đến 80.000 USD. Tuy nhiên, các biến số nhân khẩu học và tai nạn có mức tương quan tuyến tính rất thấp với nhãn gian lận. Đây là lý do các thuật toán tuyến tính thất bại, trong khi kiến trúc mạng Stacking phi tuyến lại khai thác triệt để các quy luật tiềm ẩn.

4. Khắc phục điểm yếu cố hữu của Deep Learning trên tập dữ liệu nhỏ

Deep Learning truyền thống thường kém ổn định và dễ quá khớp trên tập dữ liệu nhỏ (1.000 mẫu). Bằng cách sử dụng đầu ra xác suất của Decision Tree và Random Forest làm đầu vào 4 chiều (4-dimensional array) cho Meta-Learner, kiến trúc Stacking đã triệt tiêu được độ nhiễu và tận dụng tối đa năng lực tổng hợp thông tin của mạng nơ-ron Keras.

---

Đóng góp khoa học và giá trị thực tiễn (Contributions & Implications)

+------------------------------------------------------------------------------+
|                         CÁC TRỤ CỘT ĐÓNG GÓP CỦA NGHIÊN CỨU                  |
|                                                                              |
|  +--------------------------+          +----------------------------------+  |
|  |   ĐÓNG GÓP HỌC THUẬT     |          |       ỨNG DỤNG THỰC TIỄN         |  |
|  | • Khung Early Fusion mới |          | • Tự động hóa giám định 24/7     |  |
|  | • Giải quyết imbalanced  |          | • Giảm thiểu tổn thất tài chính  |  |
|  | • Kết hợp ML & Deep Net  |          | • Hạ phí bảo hiểm cho khách hàng |  |
|  +--------------------------+          +----------------------------------+  |
|                                                                              |
|  +------------------------------------------------------------------------+  |
|  |                        TÁC ĐỘNG CHÍNH SÁCH & BỀN VỮNG                  |  |
|  | • SDG 9: Thúc đẩy đổi mới sáng tạo, hiện đại hóa hạ tầng tài chính      |  |
|  | • SDG 16: Tăng cường tính minh bạch, xây dựng thể chế bảo hiểm tin cậy |  |
|  | • Hướng tới tích hợp Hợp đồng thông minh (Smart Contracts)             |  |
|  +------------------------------------------------------------------------+  |
+------------------------------------------------------------------------------+

Đóng góp về mặt lý thuyết và phương pháp luận

• Đổi mới kiến trúc dung hợp: Đề xuất giải pháp lai ghép sáng tạo giữa học máy cổ điển và mạng nơ-ron sâu thông qua cơ chế Meta-Learning, giải quyết bài toán nan giải giữa yêu cầu khối lượng dữ liệu lớn của Deep Learning và hạn chế trích xuất đặc trưng của Machine Learning.
• Quy trình chuẩn hóa xử lý dữ liệu mất cân bằng: Xây dựng quy trình thực nghiệm tham chiếu hoàn chỉnh (từ RFE, SMOTE, RandomSearch đến Callbacks/Early Stopping) cho các bài toán phân loại nhị phân trong lĩnh vực tài chính - bảo hiểm.

Ứng dụng thực tiễn trong ngành bảo hiểm

• Tự động hóa phát hiện rủi ro: Giúp các công ty bảo hiểm xây dựng hệ thống cảnh báo sớm theo thời gian thực, sàng lọc hồ sơ bồi thường ngay từ khâu tiếp nhận (Notification/Registration).
• Tối ưu hóa chi phí vận hành: Cắt giảm thời gian và chi phí điều tra thủ công của các bộ phận giám định đặc biệt (SIU - Special Investigation Units), tập trung nguồn lực vào các ca nghi vấn có xác suất cao.

Ý nghĩa chính sách và Phát triển Bền vững (UN SDGs)

• SDG 9 (Công nghiệp, Đổi mới sáng tạo và Hạ tầng): Khuyến khích ứng dụng trí tuệ nhân tạo nâng cao vào quản trị rủi ro, chuyển đổi số ngành dịch vụ tài chính.
• SDG 16 (Hòa bình, Công lý và Thể chế vững mạnh): Ngăn chặn các hành vi trục lợi phi pháp, xây dựng môi trường kinh doanh minh bạch, củng cố niềm tin của xã hội vào thị trường bảo hiểm.

---

Đối tượng thụ hưởng và quan tâm (Target Audience)

• Các nhà nghiên cứu học thuật (Academic Researchers): Tài liệu tham khảo giá trị về kỹ thuật Stacking Ensemble, phương pháp dung hợp mô hình và xử lý dữ liệu dạng bảng (tabular data) có độ mất cân bằng cao.
• Chuyên viên định phí và Quản trị rủi ro (Actuaries & Risk Managers): Cơ sở để tái cấu trúc mô hình chấm điểm tín nhiệm bồi thường, phân khúc rủi ro hợp đồng và định giá sản phẩm bảo hiểm chuẩn xác hơn.
• Kỹ sư AI và Khoa học Dữ liệu trong ngành FinTech/InsurTech: Mô hình mẫu về cách triển khai mạng Keras kết hợp Scikit-Learn sẵn sàng tích hợp vào hệ thống microservices thẩm định tự động.
• Cơ quan Quản lý và Hoạch định Chính sách Bảo hiểm: Nền tảng xây dựng tiêu chuẩn kỹ thuật số và hành lang pháp lý nhằm tăng cường tính minh bạch và bảo vệ quyền lợi người tham gia bảo hiểm tại Việt Nam.

---

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Phát hiện cốt lõi là việc kết hợp hai thuật toán cây (Decision Tree và Random Forest) làm mô hình nền tảng cùng mạng nơ-ron Keras làm Meta-Learner đạt hiệu suất Recall lên đến 85,27%, giúp phát hiện vượt trội các vụ trục lợi bảo hiểm mà các mô hình truyền thống riêng lẻ bỏ sót.

2. Phương pháp luận của nghiên cứu có điểm gì đặc biệt?

Điểm đặc biệt nằm ở cấu trúc Meta-Deep Stacking theo hướng Early Fusion. Thay vì chỉ áp dụng một thuật toán đơn lẻ, nghiên cứu khai thác sức mạnh phân loại trên dữ liệu nhỏ của thuật toán cây, kết hợp năng lực ánh xạ phi tuyến của Deep Learning được tối ưu bởi SMOTE, Batch Normalization và Dropout.

3. Kết quả nghiên cứu có thể khái quát hóa (Generalize) cho thị trường Việt Nam không?

Có thể. Mặc dù dữ liệu thực nghiệm được thu thập từ thị trường Mỹ, khung phương pháp luận xử lý 3 nhóm đặc trưng (tai nạn, cá nhân, hợp đồng) và kỹ thuật giải quyết dữ liệu mất cân bằng hoàn toàn tương thích với đặc thù dữ liệu bảo hiểm xe cơ giới tại Việt Nam.

4. Đâu là các bước nghiên cứu tiếp theo (Next Steps)?

Các hướng mở rộng tiếp theo bao gồm: thử nghiệm trên tập dữ liệu quy mô lớn hơn từ nhiều quốc gia; ứng dụng các mô hình Deep Learning tiên tiến (như TabNet, Transformer for Tabular Data); và nghiên cứu tích hợp công nghệ Hợp đồng thông minh (Smart Contracts) trên nền tảng Blockchain để tự động hóa bồi thường phi tập trung.

5. Ứng dụng thực tế tức thì của mô hình là gì?

Mô hình có thể được tích hợp trực tiếp vào hệ thống quản lý bồi thường (Claims Management System) của doanh nghiệp bảo hiểm để chấm điểm rủi ro gian lận tự động theo thời gian thực ngay khi khách hàng nộp hồ sơ yêu cầu bồi thường.

---

Kết luận (Conclusion & Call to Action)

Nghiên cứu "Analyzing Fraud Rate Based on Insurance Contract Reports Using Meta-Deep Stacking Approach" đã khẳng định tính ưu việt của việc kết hợp học máy truyền thống và học sâu trong giải quyết bài toán gian lận bảo hiểm ô tô. Bằng cách vượt qua các giới hạn về mất cân bằng dữ liệu và tối ưu hóa độ nhạy phát hiện gian lận lên mức 85,27%, đề tài mở ra hướng tiếp cận hiện đại và bền vững cho ngành bảo hiểm tài sản.

Hành động đề xuất: Các doanh nghiệp bảo hiểm và cơ quan quản lý cần chủ động đầu tư vào hạ tầng dữ liệu lớn, thúc đẩy thử nghiệm các khung AI dung hợp như Meta-Deep Stacking, hướng tới một thị trường bảo hiểm minh bạch, hiệu quả và công bằng cho toàn xã hội.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC KINH TÉ THÀNH PHÓ HÒ CHÍ MINH BÁO CÁO TÔNG KÉT ĐÈ TÀI NGHIÊN cứu KHOA HỌC THAM GIA XÉT GIÁI THƯỞNG “NHÀ NGHIÊN cứù TRẺ UEH” NÀM 2024 ANALYZING FRAUD RATE BASED ON INSURANCE CONTRACT REPORTS USING META-DEEP STACKING APPROACH Thuộc nhỏm chuyên ngành : 4. 1 ABSTRACT Insurance fraud, particularly in automobiles, presents substantial challenges for insurance companies worldwide. Fraudulent activities by policyholders, such as document falsification and evidence fabrication, aim to deceive insurers and unlawfully obtain funds, resulting in significant financial losses. However, many insurers rely solely on traditional financial assessment methods, which may be insufficient in detecting fraud, especially in cases involving sophisticated schemes or high claim volumes.

This study seeks to develop an effective fraud detection model tailored to the characteristics of real-world data using machine learning algorithms. The dataset comprises 1000 insurance claims related to car collisions across seven US states in 2015. Results indicate that employing an Early Fusion deep learning model, integrating Decision Tree and Random Forest, mitigates the limitations of traditional models. The findings demonstrate that the proposed model outperforms previous traditional models and enhances fraud detection capabilities.

Building on these findings, the objective is to improve fraud detection within the Vietnamese insurance industry, thereby reducing instances of contract fraud. Our framework supports sustainable development by promoting innovation, efficiency, and technological advancement for SDG 9. It also combats fraud, strengthens institutions, and fosters transparency and accountability for SDG 16 in the insurance sector. Future research will focus on leveraging prominent deep learning models globally and utilizing diverse datasets to refine and develop the most robust feasible model.

Insurance fraud, imbalanced dataset, detection, neural network, fraud prevention efforts, sustainable, SDGs. 2 TABLE OF CONTENTS 1. Thesis Approach and Contribution. Traditional model analysis.

Deep learning model. Formula of reLu, Batch Normalization and Drop out.2 Stacking learning model. Strategies to improve performance of model. Recursive Feature Elimination.

class_dict_weight and SMOTE. Hyperparameter tuning with RandomSearch. Materials and Methods. AutoMobile Claims Dataset and Challenges.

Our proposed method. Experiments on dataset. Experiments on Traditional Model. Experiments on Deep Learning Model.

Experiment on Stacking model. Conclusion & Future Works. 41 4 LIST OF FIGURES Figure 1: Illustration of the measurement of process times and quantities along the core stages of claims management.8 Figure 2: Illustration of how the ML-driven approach uses AI & replaces rule-based methods that require human interventions to detect fraud 9 Figure 3. Comparison of deep learning and traditional machine learning methods.

Source: (Chen et al. 10 Figure 4: The Support Vector Paradigm. 14 Figure 5: A graphical representation of Decision Trees. 16 Figure 6: The depiction of a 600-lree Random Forest.

The average of the 600 predictions is the final prediction of the Random Forest. Batch Normalization formula. 18 Figure 8: Stacking model process. 19 Figure 9: Workflow Diagram of Recursive Feature Elimination (RFE).

21 Figure 10: Synthetic Minority Over-sampling Technique. 22 Figure 11: RandomSearch layout. 22 Figure 12: The distribution of data in the Automobile Insurance Claims Dataset. 25 Figure 13: The correlation among variables in the Automobile Insurance Claims Dataset.

25 Figure 14: Segment the total amount of regular requests. 26 Figure 15: Features for fraud detection. 27 Figure 16: Information transformation. 28 Figure 17: Stacking model process.30 Figure 18: Process of experiment setup.31 Figure 19: Accuracy and Fl - score of traditional models.

34 Figure 20: The ROC curve of the traditional model. 35 Figure 21: Confusion Matrix for Random Forest and Decision Tree.36 Figure 22: Confusion Matrix for Stacking model. 37 5 LIST OF TABLES Table 1: Descriptive statistics for categorical variables in the dataset. 24 Table 2: The previous proposed models in previous analysis in this topic.

29 Table 3: A result for imbalanced methods in dataset. 33 Table 4: A result for experiment models in dataset.