随着保险事业的发展、险种的增多及保额的提高，保险欺诈呈现逐年递增的趋势。车辆保险作为财产险的重要险种之一，随着汽车的出现和普及而得到广泛发展。近年来车险欺诈呈现出专业化和复杂化的特点，涉案金额逐年升高。由于车险欺诈具有较强的隐蔽性，且骗保方式多样，造成难以估量的影响。为此，本文针对保险欺诈监测方法进行研究，主要研究内容如下。首先，本研究基于中华联合财产保险股份有限公司的车险数据，选取8个相关的属性特征，系统地对其进行描述性统计分析，并采用Logit计量模型和数据挖掘方法中的决策树、朴素贝叶斯及贝叶斯网络模型对数据进行全面分析。其次，研究进一步利用集成算法在不同特征描述和不同分类器性能上的互补性，分别选取Bagging、AdaBoost、Majority Voting和Stacking等集成算法建立保险欺诈的监测模型进行比较，从中获得具有较高分类精度的模型，有效地识别车险当中的欺诈行为，增强保险企业对保险欺诈行为的监测能力。最后，通过大量的对比实验，形成了适用于保险欺诈监测的挖掘方法，取得良好的效果。在此基础上，文中给出了防范保险欺诈的政策建议。本文的研究成果丰富了保险欺诈监测理论，同时为保险公司开展监测工作提供了有效的分析工具和决策支持。