大數據時代下惡意套現的應對之策

蔣子涵+周欣玥+葉新蘭+金吉吉

[摘要]信用卡作為一種消費工具，因其給予消費者提前消費的能力，從而受到廣大群眾的歡迎，逐漸普及到千家萬戶。但是隨著信用卡的普及，惡意套現行為也愈演愈烈，對社會金融秩序和銀行的資金安全都造成了極大損害，國家雖然已經發(fā)布了多項法規(guī)，銀行也付出不少努力，但還是缺乏科學的方法來發(fā)現惡意套現這種行為。文章通過分析惡意套現商戶和個人的行為，提出在大數據背景下利用數據挖掘技術來發(fā)現惡意套現行為的方法，達到及時發(fā)現和遏制惡意套現的目的。

[關鍵詞]惡意套現；數據挖掘；信用卡

[DOI]1013939/jcnkizgsc201711097

1引言

11研究背景

信用卡就是銀行根據客戶的信用而給出相應額度的預付款，但是這個預付款卻只能用來消費，當你想要在ATM上取現時，銀行不僅會收取手續(xù)費，而且會在取出后開始計算利息，到期要本息全還。而惡意套現之所以出現，是因為信用卡消費有56天的消費免息期，也就是說，當持卡人通過商戶不正當套現時，不僅規(guī)避了高額手續(xù)費，而且還免了付息的麻煩，相當于獲得了一筆無息貸款，這對于資金緊張的持卡人來說無疑是巨大的誘惑。對于商戶，他們不僅不會付出什么代價，而且還會收到一小筆錢作為報酬，何樂而不為，而且銀行對商戶POS機的發(fā)放并無嚴格要求，電子商務又如此發(fā)達，這使惡意套現變得如吃飯喝水般簡單，對社會和經濟造成了極大危害。

12研究意義

惡意套現這種行為對于發(fā)卡行來說是有極大危害的。首先，信用卡套現使發(fā)卡行無法獲得提現手續(xù)費收入和潛在的利息收入。如果持卡人無法套現，則需從 ATM 機或柜臺提現，相對來說，這將會給銀行帶來豐厚的利息收入和提現手續(xù)費收入。而大規(guī)模的套現，使得發(fā)卡行只能獲得微薄的手續(xù)費分成；其次，信用卡套現使發(fā)卡行承擔較大的信用風險。有的套現者在一開始便屬于惡意透支，根本沒考慮還款；有的套現者一開始雖然能夠正常還款，但是一旦投資經營發(fā)生困難，資金鏈斷裂，也將無法按期還款。這兩種情況都會產生不良貸款，使得發(fā)卡行資金面臨風險。在大數據條件下，如果利用數據挖掘技術分析數據，以既定指標判斷個人的信用狀況，那就能在套現變成惡意套現之前，及時遏制。

13研究動態(tài)

為了防范惡意套現，銀行信用卡中心專門設置一個部門負責對可疑交易進行甄別，并授予這個部門暫緩付款、?？ǖ臋嗔?。這個部門的系統(tǒng)是有一套定好的規(guī)則，但這筆交易具有可疑交易的特點時將會自動跳出，再由授權專員核實和認定。這套規(guī)則每個銀行略有不同，但大致是相同的。

國家也出臺了多項法律政策，從制度上規(guī)范信用卡的使用，嚴厲打擊惡意套現行為，如2009年出臺《關于妨礙信用卡管理刑事案件具體應用法律若干問題的解釋》，填補了信用卡在法律條款領域的空白。

2消費者和商戶行為特點分析

21消費者行為

第一，地域集中。根據中國銀聯的監(jiān)測結果，信用卡套現集中在東、中部的5個省，其每年的套現金額占全國套現金額的70%以上。

第二，商業(yè)類別集中。消費行為主要集中于批發(fā)零售類、服務類、鋼鐵貿易類等小規(guī)模、低交易結算手續(xù)費的商戶。

第三，信用額度與本人條件不符。因為惡意套現能帶來巨大利益，現在網絡上和街道上都有叫賣或是包辦大額信用卡的廣告，動輒就是5萬元以上的額度，甚至還有人出售30萬元額度的黑卡供人套現。所以，判定套現的一個重要標志就是，信用卡信用額度較高，但是本人的信用情況卻根本無法在銀行拿到如此大的額度。

第四，大額消費多。在日常消費中，刷卡金額一般是小額非整的，而惡意套現卻月月都有大額消費，而且消費額會占到額度的90%以上，還有一個更重要的特點是，消費的金額一般會是整數，如2000元、20000元等，而這些都是在日常中很少見的。所以，這也是判定的條件之一。

第五，刷卡商戶為危險商戶。大部分持卡人為了防止自己的套現行為被監(jiān)控，所以會經常變換套現用的POS機或商戶，但是這種行為是毫無意義的，多數用來套現的POS機和商戶其實早已經被銀聯和發(fā)卡銀行監(jiān)控，只要持卡人頻繁地在危險商戶中大額消費，其實就已經被視為高危對象。

第六，額度迅速用完。惡意套現的用戶有些只是為了臨時周轉，所以在套現后，基本能夠按月全額還款，但是還款后又立即用完額度，甚至在還款幾分鐘后就將額度立即用完，而那些一開始便不打算還款的，更是會迅速用完額度。所以額度迅速用完也是容易被判定為惡意套現的行為之一。

第七，時間集中。一般來說，正常的消費一般是小額多次的，而且刷卡時間在一天來看集中于幾個時間點，但是按月來看的話是很分散的。而惡意套現卻是大額集中的，按月來看，集中于還款后的幾天。

22商戶行為

第一，刷卡扣率低。金投信用卡分析數據得出，商戶的刷卡扣率屬于較低檔次，多為06%～08%的一般個體工商戶和一般銷售、服務、咨詢類公司，個別商戶甚至為零扣率。

第二，注冊資本低。專門代辦信用卡套現的商戶一般為小型私營貿易、咨詢公司或門檻更低的個體工商戶，注冊資本一般不足10萬元。

第三，知名度低。代辦套現的商戶一般知名度低，位于偏遠地區(qū)或城市非繁華地段。

第四，刷卡總額高。惡意套現的商戶一般是具有上述特點“三低”商戶，但是每次的刷卡金額十分可觀，平均每筆刷卡金額較高，可能從上千元至一兩萬元不等，營業(yè)收入幾乎全部是刷卡收入，這明顯與上述的“三低”商戶特點不匹配。

第五，信用卡消費比例。網上數據顯示，全部刷卡記錄中，套現商戶使用信用卡的比例極高（接近100%），很少或完全沒有使用借記卡的記錄。我國銀行卡交易中一直是借記卡占主流，據中國銀聯統(tǒng)計，目前我國信用卡在POS交易金額中占比為3062%，發(fā)卡量占比79%正常商戶的收單記錄中一般借記卡占比大于信用卡。而套現商戶卻幾乎只有信用卡交易。因而這一點是其最顯著、最難以掩飾的異常特征。

23綜合分析

惡意套現行為可以綜合兩方面行為來判定，首先我們可以先判斷出惡性套現商戶，定義為危險商戶，因為關于商戶的消費記錄多，而且特征明顯，容易判斷。其次當我們拿到信用卡消費記錄時，利用數據挖掘技術，便可判斷是否發(fā)生惡意套現。借此方法可以極大地節(jié)省人力和資金，并且能夠在短時間內定位套現行為，并及時制止。

3數據挖掘

31數據準備

第一，套現產生的數據。每一筆信用卡消費記錄都會產生一條記錄，每一條記錄的內容也十分豐富，但不外乎有消費的賬戶、時間、地點、金額、物品等基本信息。這些信息將成為判斷是否惡意套現的首要信息。

第二，已有的數據。銀行為套現制訂了方方面面的規(guī)定，這些規(guī)定中涉及一部分可用的數據，如手續(xù)費率、消費上限、規(guī)定還款期限等。將其與消費數據對比，能夠得知套現消費是否符合規(guī)定，對于是否惡意套現的判定十分重要。

32數據處理

第一，數據清洗。刪除重復信息、糾正存在的錯誤，并提供數據一致性。在數據處理時應注意檢查數據的邏輯性、區(qū)分“數據缺失”和“0”、根據邏輯推斷某些值、尋找反常數據、評估是否真實。

第二，數據集成。把不同來源、格式、特點性質的數據在邏輯上或物理上有機地集中，從而為企業(yè)提供全面的數據共享。消除冗余、元組重復，為后續(xù)數據分析提供數據架構。

第三，數據選取。在數據挖掘中，并非所有數據都是有用的，不必要的數據浪費存儲空間，同時也會大大降低挖掘效率，因此，應在數據處理階段將無用的數據剔除。

第四，數據歸約。在盡可能保持數據原貌的前提下，最大限度地精簡數據量。數據歸約技術可以用來得到數據集的歸約表示，它雖然小，但仍大致保持原數據的完整性。這樣，在歸約后的數據集上挖掘將更有效，并產生相同的分析結果。

33模型建立

第一，決策樹：是一種典型的分類方法，首先對數據進行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后使用決策對新數據進行分析。決策樹有分類精度高；生成的模式簡單；對噪聲數據有很好的健壯性等優(yōu)點。決策樹的構建分為兩步。第一步，生成決策樹，由訓練樣本集生成決策樹的過程；第二步，決策樹的剪枝：對上一階段生成的決策樹進行檢驗、校正等的過程，運用新的樣本數據集中的數據校驗決策樹生成過程中產生的初步規(guī)則，將那些影響預衡準確性的分枝剪除。使用決策樹可以將信用卡消費的人群分類，例如是否在非常住地消費，是否超過信用額度，以及資金金額高低的劃分，信用等級等都可以作為衡量的節(jié)點，最終將有可能惡意套現的人群標記出來。

第二，神經網絡：邏輯性的思維是指根據邏輯規(guī)則進行推理的過程；它先將信息化成概念，并用符號表示，然后，根據符號運算按串行模式進行邏輯推理；這一過程可以寫成串行的指令，讓計算機執(zhí)行。神經網絡分類的準確度高，并行分布處理能力強，分布存儲及學習能力強，對噪聲神經有較強的魯棒性和容錯能力，能充分逼近復雜的非線性關系，具備聯想記憶的功能，通過對已有數據的智能學習，判斷現有案例產生惡意套現的可能性。

在大數據時代下，通過以上方法對數據進行處理，綜合兩方行為分析，將在節(jié)省人力、物力的情況下，及時發(fā)現并遏制惡意套現。但是其中還存在些問題等我們去解決，這種方法也不能完全脫離人為的判斷，但是隨著技術的發(fā)達，我們相信這些問題會逐一得到解決。

參考文獻：

[1]楊衛(wèi)平信用卡風險防范有術[J].電腦與信用卡，1999（1）

[2]周洋數據挖掘技術在檢測信用卡套現上的應用[J].企業(yè)導報，2009（5）：189-190

[3]李支，李艷信用卡惡意套現行為的風險防范[J].經濟導刊，2010（11）：20-21

[基金項目]項目支持：2016年大學生科研訓練計劃項目SRTP（國家級創(chuàng)新訓練項目），項目編號：201610613054。

[作者簡介]蔣子涵（1996—），女，河北唐山人，經濟管理學院本科。研究方向：基于用戶畫像的城市商業(yè)銀行CRM系統(tǒng)研究。