Fraud Analytics

Datum
20-04-2020
Locatie
Johan de Witt huis (Utrecht)
Omschrijving

Tijd 13.30 - 17.30 uur | Aangevraagd voor 4 PE punten | Prijs EUR 479



Informatie
De inzet van analytische modellen om verzekeringsfraude op te sporen

Frauduleuze schades hebben een grote financiële impact. Zo stelt het World Economic Forum , in haar rapport over ‘The Future of Financial Services’ (2015), dat bij schadeverzekeraars tot 10% van het premievolume uitgekeerd  wordt aan frauduleuze schades.

 

Het opsporen van frauduleuze schades is een belangrijke en tegelijk heel uitdagende taak voor verzekeraars. Modellen die inschatten welke claims mogelijk frauduleus zijn, worden verbeterd door enerzijds de inzet van meer accurate classificatietechnieken enerzijds en slimme feature engineering anderzijds.

 

Doelgroep

Actuarissen werkzaam op het gebied van schade/non life, die meer willen weten over de inzet van analytische methoden om verzekeringsfraude op te sporen.

 

Doel                                       

Deze workshop geeft u inzicht in: 

 

  • Types van fraude bij verzekeraars en andere financiële spelers;
  • De fraude cyclus en de uitdagingen bij het bouwen van fraude detectie modellen;
  • Datagebruik voor het bouwen van fraudedetectie modellen: karakteristieken en uitdagingen (bijv. class imbalance);
  • Supervised versus unsupervsied analytische methoden en hun inzet bij fraude detectie;
  • De inzet van sociale netwerk modellen bij fraude detectie: structuur van de data, visualisatie, PageRank en BiRank voor fraud propagation, feature engineering.

 

Programma

13.00 – 13.30 uur

 

Ontvangst.

 

13.30 – 14.00u

 

Introductie verzekeringsfraude (types, omvang, karakteristieken), de fraude cyclus en uitdagingen bij het bouwen van fraude detectie modellen.

 

 

14.00 – 15.00u

 

Soorten van data beschikbaar voor het bouwen van fraude detectie modellen: voorbeelden, karakteristieken en uitdagingen (bijv. class imbalance, structured en unstructured data).

 

 

15.00 – 15.15u

 

 

Pauze.

 

15.15 – 16.00u

 

 

Supervised en unsupervised analytische technieken en hun inzet bij fraude detectie, bespreking en voorbeelden.

 

 

16.00 – 17.30u

 

De inzet van social network analytics bij fraude detectie: opbouw bipartite netwerk, visualisatie tools, fraud propagation doorheen het netwerk aan de hand van PageRank en BiRank, netwerk engineering en case study. 

 

 

Eigen laptop

U wordt verzocht een laptop mee te nemen met daarop de software R geïnstalleerd. Software R is gratis te downloaden via de website www.r-project.org. Rstudio kunt u downloaden via de website www.rstudio.com. 

 

Spreker

Dr. Katrien Antonio is hoogleraar actuariaat aan KU Leuven en associate professor aan de Universiteit van Amsterdam. Haar onderzoek richt zich op insurance analytics met bijzondere interesse in pricing, reserving en sterftemodellering.

 

Referenties

  • World Economic Forum, 2015. The future of financial services.
  • EIOPA, 2019. Big data analytics in motor and health insurance – a thematic review.
  • M. Óskarsdóttir, W. Ahmed, K. Antonio, B. Baesens, R. Dendievel, T. Donas and T. Reynkens, 2019. Social network analytics for supervised fraud detection in insurance. Working paper, te raadplegen via https://katrienantonio.github.io