作为保险行业中一类特殊的风险,保险欺诈严重侵蚀保险公司的利润,损害诚实投保人的权益,影响行业的健康发展。在保险业较为发达的西方,保险公司拥有常规的索赔检查流程和成熟的反欺诈策略。在中国,由于长期以来保险欺诈管理方面的实践缺失,各类险种中的欺诈行为普遍存在,其中以车险尤为突出。根据北京市保监局公布的数据,2007-2010年间由车险欺诈造成的保险损失高达38亿元,占保费总收入的20%;保险诈骗司法案件的统计数据表明,国内车险欺诈在保险欺诈发案数量中占比高达80%;另据中国保险业内部估计及保监会的统计数据,至少有20%的车险赔付属于欺诈,全国车险欺诈索赔额占赔付总额比率远高于全球平均水平。欺诈率估计是保险欺诈研究的经典主题之一。本文基于PRIDIT方法对国内车险欺诈率进行估计。PRIDIT方法适合处理因变量为分类变量或有序变量的数据,适用于无监督条件下的欺诈索赔识别及欺诈率估计问题。但在具体应用中,我们发现了PRIDIT方法的一个理论缺陷,该缺陷可能导致明显的估计误差。本文利用均方误差原理对此进行了改进;可以验证,在大样本条件下,改进后的PRIDIT方法在理论上更为完善,相应的估计结果也更加可靠。应用改进后的PRIDIT方法,本文对国内车险市场的欺诈率估计问题进行了探索性研究。依据国内某大型保险公司提供的车险索赔数据集的实际特点,我们将之分为两个子集(高风险索赔子集和低风险索赔子集)分别估计其欺诈率并进行对比。估计结果与数据集的基本性质十分吻合,避免了未改进方法估计结果无法解释的矛盾。论文贡献主要包括两个方面。一是对基于PRIDIT方法的欺诈率估计模型进行了改进,克服了模型的理论缺陷,避免了可能的估计误差;二是利用改进的模型对国内车险市场的欺诈率估计问题进行研究,研究方法及结果是对国内相关研究的有益补充,在反欺诈实践方面具有重要的指导价值。