中国保险行业进入新世纪后,得到了快速发展,与之相伴的是保险欺诈也日益猖獗。保险欺诈在保险市场的泛滥会造成保险公司设计更高的保费、付出更高额的赔付,同时运营收益却在下降。因为保险公司经常把保险欺诈的损失通过保费设计转嫁到投保人身上,最终保险欺诈的损失由全社会买单。因此保险欺诈的存在对保险行业的良性运行发展极为不利,遏制保险欺诈的泛滥,不仅有利于保险公司正常经营,也有利于社会金融秩序的稳固,对经济发展有重大意义。本文结合前人的研究成果,系统性地阐述了机动车保险欺诈的概念界定、形式分类、欺诈原因,有针对性地论述了我国车险欺诈的现状。面对当下相关研究的不足之处,设计一个基于机器学习技术的机车保险险欺诈识别系统。从网络公开平台获取的数据出发,分别基于随机森林、Xgboost、Adaboost、LightGBM构建车险欺诈识别体系。针对四个模型复杂的参数,采用贝叶斯优化算法寻优超参数,用逻辑回归模型识别挑选数据中有显著影响力的特征,将调优后的超参数和特征输入模型,然后用多种指标分析判断四个模型的优劣。结果表明,Xgboost模型拥有最好的预测识别效果。在利用模型构建车险欺诈识别体系后,用随机森林模型和Xgboost模型的特征重要性排名分析对车险欺诈识别影响显著的特征,指出具体有用拿一些属性的索赔人有更高的欺诈概率,以此构建车险欺诈识别指标体系。在得到充分研究的情况下,提出应对车险欺诈问题的若干建议。