Détection de fraude à l'aide d'un modèle logit multinomial avec informations manquantes

Résumé Récemment, Artís, Ayuso et Guillén (2002, Journal of Risk and Insurance 69: 325–340 ; ci-après AAG) estiment un modèle logit utilisant des données de sinistres. Certains des sinistres sont classés comme "honnêtes" et d'autres sont connus pour être frauduleux. En utilisant l'approche de Hausman, Abrevaya et Scott‐Morton (1998 Journal of Econometrics 87: 239‐269), AAG estiment un modèle logit modifié permettant la possibilité que certains sinistres classés comme honnêtes pourraient en réalité être frauduleux. En appliquant ce modèle aux données sur les sinistres d'assurance automobile espagnole, AGG trouvent que 5 % des sinistres frauduleux passent inaperçus. L'objectif de cet article est d'estimer le modèle de AAG en utilisant un modèle logit avec informations manquantes. Une version contrainte de ce modèle est utilisée pour réexaminer les données de sinistres d'assurance espagnols. Les résultats indiquent comment identifier les sinistres mal classés. Nous montrons également comment les sinistres mal classés peuvent être identifiés en utilisant l'approche de AAG. Nous montrons que les deux approches peuvent être utilisées pour identifier de manière probabiliste des sinistres mal classés.