保险欺诈是影响保险公司利润水平、扩大保险行业风险的重要因素。无论国内国外,保险欺诈都普遍存在。文献表明,加拿大机动车辆保险(以下简称车险)行业欺诈率约为10-30%,魁北克1994-1995年车险行业总共的欺诈赔付在9620-20840万美元之间；国内车险行业欺诈率约为20%,仅北京市2007-2010年之间,车险行业总欺诈索赔额约为38亿元人民币。目前关于保险欺诈的研究主要集中于欺诈水平估计、欺诈原因分析、保险欺诈识别及应对策略等方面。考虑到车险中索赔的同质性和欺诈的普遍性,本文基于公司视角,以车险行业为背景建立保险欺诈的定量模型,从客户分类及最优检查两个方面探讨保险欺诈的控制策略。本文从客户分类的视角出发,以公司利润为目标函数,以保费收入、客户欺诈索赔等为自变量建立决策模型,依据客户欺诈索赔资料,寻求最优客户分类策略和最优奖惩措施。结果表明,对于一批新进入的客户,经过对一期索赔的记录、观察和决策,可将之分为三类：白色客户(不发生欺诈或发生少量欺诈的客户)、灰色客户(发生一定数量欺诈的客户)和黑色客户(欺诈严重的客户)。如果对前两类客户实施相应的“奖惩”策略,而将第三类客户直接“踢出”系统,那么公司总利润将在一定条件下达到最优。另一方面,考虑到保险公司欺诈检查的现实背景,本文以总费用为目标函数,从检查成本与检查效果的协调视角建立了欺诈索赔检查模型。我们发现,最优检查依赖于现实欺诈率、欺诈索赔额及检查水平等因素；不检查、部分检查和全部检查三种方案各有利弊,具有各自的适用条件；在一定条件下,三种检查方案具有各自的最优检查策略。本文采用优化模型,分别从客户分类和成本控制两个方面讨论保险欺诈及其控制策略,相关结论可为保险公司控制欺诈索赔、提高利润水平、节省调查成本和进行客户管理提供理论借鉴和定量依据。