大数据时代下恶意套现的应对之策

６１００３１）

引 言

蒋子涵，周欣癑，叶新兰，金吉吉 ［关键词］ ＤＯＩ １０  １３９３９／ ｊ  ｃｎｋｉ  ｚｇｓｃ  ２０１７  １１  ０９７ ［ ］ １ １研究背景信用卡就是银行根据客户的信用而给出相应额度的预付

ＡＴＭ款，但是这个预付款却只能用来消费，当你想要在 上取现时，银行不仅会收取手续费，而且会在取出后开始计算利息，到期要本息全还。而恶意套现之所以出现，是因为信

５６用卡消费有天的消费免息期，也就是说，当持卡人通过商户不正当套现时，不仅规避了高额手续费，而且还免了付息的麻烦，相当于获得了一笔无息贷款，这对于资金紧张的持卡人来说无疑是巨大的诱惑。对于商户，他们不仅不会付出什么代价，而且还会收到一小笔钱作为报酬，何乐而不

ＰＯＳ为，而且银行对商户机的发放并无严格要求，电子商务又如此发达，这使恶意套现变得如吃饭喝水般简单，对社会和经济造成了极大危害。１ ２研究意义恶意套现这种行为对于发卡行来说是有极大危害的。首先，信用卡套现使发卡行无法获得提现手续费收入和潜在的

ＡＴＭ利息收入。如果持卡人无法套现，则需从 机或柜台提现，相对来说，这将会给银行带来丰厚的利息收入和提现手续费收入。而大规模的套现，使得发卡行只能获得微薄的手续费分成；其次，信用卡套现使发卡行承担较大的信用风险。有的套现者在一开始便属于恶意透支，根本没考虑还款；有的套现者一开始虽然能够正常还款，但是一旦投资经营发生困难，资金链断裂，也将无法按期还款。这两种情况都会产生不良贷款，使得发卡行资金面临风险。在大数据条件下，如果利用数据挖掘技术分析数据，以既定指标判断个人的信用状况，那就能在套现变成恶意套现之前，及时遏制。１ ３研究动态为了防范恶意套现，银行信用卡中心专门设置一个部门负责对可疑交易进行甄别，并授予这个部门暂缓付款、停卡的权力。这个部门的系统是有一套定好的规则，但这笔交易具有可疑交易的特点时将会自动跳出，再由授权专员核实和认定。这套规则每个银行略有不同，但大致是相同的。国家也出台了多项法律政策，从制度上规范信用卡的使

２００９用，严厉打击恶意套现行为，如 年出台《关于妨碍信用卡管理刑事案件具体应用法律若干问题的解释》，填补了

２ 消费者和商户行为特点分析

２ １消费者行为第一，地域集中。根据中国银联的监测结果，信用卡套

５现集中在东、中部的个省，其每年的套现金额占全国套现

７０％金额的 以上。

第二，商业类别集中。消费行为主要集中于批发零售类、服务类、钢铁贸易类等小规模、低交易结算手续费的商户。

第三，信用额度与本人条件不符。因为恶意套现能带来巨大利益，现在网络上和街道上都有叫卖或是包办大额信用

５卡的广告，动辄就是万元以上的额度，甚至还有人出售３０

万元额度的黑卡供人套现。所以，判定套现的一个重要标志就是，信用卡信用额度较高，但是本人的信用情况却根本无法在银行拿到如此大的额度。

第四，大额消费多。在日常消费中，刷卡金额一般是小额非整的，而恶意套现却月月都有大额消费，而且消费额会

９０％占到额度的以上，还有一个更重要的特点是，消费的

２０００ ２００００金额一般会是整数，如 元、 元等，而这些都是在日常中很少见的。所以，这也是判定的条件之一。第五，刷卡商户为危险商户。大部分持卡人为了防止自

ＰＯＳ己的套现行为被监控，所以会经常变换套现用的 机或

ＰＯＳ商户，但是这种行为是毫无意义的，多数用来套现的机和商户其实早已经被银联和发卡银行监控，只要持卡人频繁地在危险商户中大额消费，其实就已经被视为高危对象。

第六，额度迅速用完。恶意套现的用户有些只是为了临时周转，所以在套现后，基本能够按月全额还款，但是还款后又立即用完额度，甚至在还款几分钟后就将额度立即用完，而那些一开始便不打算还款的，更是会迅速用完额度。所以额度迅速用完也是容易被判定为恶意套现的行为之一。

第七，时间集中。一般来说，正常的消费一般是小额多次的，而且刷卡时间在一天来看集中于几个时间点，但是按月来看的话是很分散的。而恶意套现却是大额集中的，按月来看，集中于还款后的几天。２ ２商户行为第一，刷卡扣率低。金投信用卡分析数据得出，商户的

０  ６％ ～ ０  ８％刷卡扣率属于较低档次，多为 的一般个体工

nd［摘要］信用卡作为一种消费工具，因其给予消费者提前消费的能力，从而受到广大群众的欢迎，逐渐普及到千家万户。但是随着信用卡的普及，恶意套现行为也愈演愈烈，对社会金融秩序和银行的资金安全都造成了极大损害，国家虽然已经发布了多项法规，银行也付出不少努力，但还是缺乏科学的方法来发现恶意套现这种行为。文章通过分析恶意套现商户和个人的行为，提出在大数据背景下利用数据挖掘技术来发现恶意套现行为的方法，达到及时发现和遏制恶意套现的目的。恶意套现；数据挖掘；信用卡

商户和一般销售、服务、咨询类公司，个别商户甚至为零扣率。

第二，注册资本低。专门代办信用卡套现的商户一般为小型私营贸易、咨询公司或门槛更低的个体工商户，注册资

１０本一般不足 万元。

第三，知名度低。代办套现的商户一般知名度低，位于偏远地区或城市非繁华地段。

第四，刷卡总额高。恶意套现的商户一般是具有上述特点 “三低”商户，但是每次的刷卡金额十分可观，平均每笔刷卡金额较高，可能从上千元至一两万元不等，营业收入几乎全部是刷卡收入，这明显与上述的 “三低”商户特点不匹配。第五，信用卡消费比例。网上数据显示，全部刷卡记录

１００％），中，套现商户使用信用卡的比例极高 （接近 很少或完全没有使用借记卡的记录。我国银行卡交易中一直是借

ＰＯＳ记卡占主流，据中国银联统计，目前我国信用卡在 交

３０  ６２％， ７  ９％ 易金额中占比为 发卡量占比 正常商户的收单记录中一般借记卡占比大于信用卡。而套现商户却几乎只有信用卡交易。因而这一点是其最显著、最难以掩饰的异常特征。２  ３ 综合分析恶意套现行为可以综合两方面行为来判定，首先我们可以先判断出恶性套现商户，定义为危险商户，因为关于商户的消费记录多，而且特征明显，容易判断。其次当我们拿到信用卡消费记录时，利用数据挖掘技术，便可判断是否发生恶意套现。借此方法可以极大地节省人力和资金，并且能够在短时间内定位套现行为，并及时制止。

３ 数据挖掘

３  １ 数据准备第一，套现产生的数据。每一笔信用卡消费记录都会产生一条记录，每一条记录的内容也十分丰富，但不外乎有消费的账户、时间、地点、金额、物品等基本信息。这些信息将成为判断是否恶意套现的首要信息。

第二，已有的数据。银行为套现制订了方方面面的规定，这些规定中涉及一部分可用的数据，如手续费率、消费上限、规定还款期限等。将其与消费数据对比，能够得知套现消费是否符合规定，对于是否恶意套现的判定十分重要。３  ２ 数据处理第一，数据清洗。删除重复信息、纠正存在的错误，并提供数据一致性。在数据处理时应注意检查数据的逻辑性、

０”区分 “数据缺失”和 “、根据逻辑推断某些值、寻找反常数据、评估是否真实。

第二，数据集成。把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中，从而为企业提供全面的数据共享。消除冗余、元组重复，为后续数据分析提供数据 架构。

第三，数据选取。在数据挖掘中，并非所有数据都是有用的，不必要的数据浪费存储空间，同时也会大大降低挖掘效率，因此，应在数据处理阶段将无用的数据剔除。

第四，数据归约。在尽可能保持数据原貌的前提下，最大限度地精简数据量。数据归约技术可以用来得到数据集的归约表示，它虽然小，但仍大致保持原数据的完整性。这样，在归约后的数据集上挖掘将更有效，并产生相同的分析结果。３  ３ 模型建立第一，决策树：是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。决策树有分类精度高；生成的模式简单；对噪声数据有很好的健壮性等优点。决策树的构建分为两步。第一步，生成决策树，由训练样本集生成决策树的过程；第二步，决策树的剪枝：对上一阶段生成的决策树进行检验、校正等的过程，运用新的样本数据集中的数据校验决策树生成过程中产生的初步规则，将那些影响预衡准确性的分枝剪除。使用决策树可以将信用卡消费的人群分类，例如是否在非常住地消费，是否超过信用额度，以及资金金额高低的划分，信用等级等都可以作为衡量的节点，最终将有可能恶意套现的人群标记出来。

第二，神经网络：逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。神经网络分类的准确度高，并行分布处理能力强，分布存储及学习能力强，对噪声神经有较强的鲁棒性和容错能力，能充分逼近复杂的非线性关系，具备联想记忆的功能，通过对已有数据的智能学习，判断现有案例产生恶意套现的可能性。

在大数据时代下，通过以上方法对数据进行处理，综合两方行为分析，将在节省人力、物力的情况下，及时发现并遏制恶意套现。但是其中还存在些问题等我们去解决，这种方法也不能完全脱离人为的判断，但是随着技术的发达，我们相信这些问题会逐一得到解决。

参考文献： １  Ｊ ． ，１９９９ ［ ］杨卫平 信用卡风险防范有术 ［ ］ 电脑与信用卡１）  （ ２  Ｊ ． ［ ］周洋 数据挖掘技术在检测信用卡套现上的应用 ［ ］ 企２００９（ ５）： １８９－ １９０ 业导报， ３  Ｊ ． ［ ］李支，李艳 信用卡恶意套现行为的风险防范 ［ ］ 经济２０１０（ １１）： ２０－ ２１ 导刊，檶檶檶檶檶檶檶檶檶２０１６ ＳＲＴＰ ［基金项目］项目支持： 年大学生科研训练计划项目２０１６１０６１３０５４ （国家级创新训练项目） ，项目编号： 。１９９６—）， ［作者简介］蒋子涵 （ 女，河北唐山人，经济管理学ＣＲＭ院本科。研究方向：基于用户画像的城市商业银行 系统研究。