風險管理框架下的特約商戶細分研究

李強 中國建設銀行股份有限公司重慶總審計室

一、引言

特約商戶作為銀行卡業務運行的一個組成部分，既是信用卡使用和持卡人實現信用卡消費功能的重要場所，又是增加銀行信用卡業務的收入的重要支撐點。然而，隨著信用卡業務的快速發展，特約商戶數量的激增給商業銀行的特約商戶監管帶來了很大的挑戰。商業銀行一般設置了特約商戶管理員，然而由于網點工作壓力大、人手緊張等原因，按月對特約商戶進行實地檢查的工作往往流于形式①，存在著較多的管理風險。為此，本文嘗試采用決策樹的組合算法—隨機森林算法，通過對交易數據的分析和動態跟蹤，從商業銀行管理的需要出發對特約商戶進行細分，對特約商戶區分對待，對風險低、信譽高的特約商戶可以采取抽檢或不定期檢查，從而將監管重點放在存在較大風險的特約商戶身上，將會更好地提高管理效率、減少管理風險。

二、特約商戶細分模型的構建

（一）特約商戶風險的特征選擇

為了從管理角度構建特約商戶細分決策支持模型，區分出存在風險的特約商戶，需要對特約商戶進行特征選擇，即從交易數據中提取能反映特約商戶風險的特征，然后根據這些特征建模，通過小樣本數據的學習，構建決策模型，通過決策模型判定其它客戶的風險特質，并把具有風險特征的客戶名單作為分類管理的基礎。基于長期對信用卡風險特征跟蹤總結出風險特約商戶的主要特征如下：

（1）所有交易中信用卡交易占比較高；

（2）同一張信用卡多次在同一商戶大額交易；

（3）單張信用卡多筆分單交易避開發卡行控制；

（4）商戶員工在本單位機具上大額透支交易；

（5）巡檢異常。

而以上特征中前 4 項都與交易數據有關，最后一項是管理員例行巡檢時發現的特約商戶違規問題。為了能夠從交易數據中提取特約商戶風險的特征，最終選擇了 10 個指標作為識別特約商戶風險和細分特約商戶的主要特征變量，這些特征及說明見表1。

表1 特約商戶風險識別的主要特征

（二）特約商戶細分模型

基于特約商戶的風險特征，本文構建了基于隨機森林學習算法的特約商戶的細分流程模型，詳見圖1。

圖1 特約商戶細分模型

在這個模型中，之所以選擇隨機森林學習算法，不僅因為該算法具有良好的分類特性，而且因為該算法在分類后能給出每一個特征的重要性，這可以為特約商戶管理提供重要的參考。該模型的工作過程如下：首先利用特約商戶的交易數據，經過匯總統計處理后，生成每個特約商戶的特征指標，然后利用處理過的小樣本數據②，采用隨機森林算法學習，構建隨機森林決策樹，形成分類器，然后利用構建的隨機森林決策樹對需要區分的特約商戶進行細分。

（三）實驗及評價

1.數據介紹

從某銀行特約商戶中隨機選擇了 900 戶，然后對這些商戶的交易數據進行了采集，剔除24個異常數據后③，剩余 876 戶數據，其中，正常商戶780戶，風險商戶96 戶④。同時，為了對模型進行訓練和測試，本研究將以上數據劃分為訓練集和測試集。其中訓練集包含735 戶商戶，測試集包含141戶商戶。

2.實驗結果

為了了解隨機森林算法中樹的數量對分類正確率的影響,分別選擇樹的數量為10、30、50、100、150、200、250、300、350、400、450 和500，執行隨機森林分類算法構建分類器并驗證其在測試集上的正確率，結果見圖2。

圖2 樹數量對隨機森林算法正確率的影響

實驗結果顯示，隨著樹數量的增加，隨機森林算法分類的正確率最終將穩定在一定水平上。實驗數據的對比顯示，較少的訓練數據在樹數量較少時，分類正確率表現出了不穩定性，而較多的訓練數據得到的分類器相對穩定，基本上隨著樹數量的增加，分類的正確率在增加，最終會穩定在0.9014上。

3.特約商戶的特征重要性

隨機森林算法的一個優點是，它在訓練完后能夠給出哪些特征比較重要。表2是特約商戶消費數據訓練后的10個特征重要性評價。

表2 特征重要性評價

對于特約商戶來說，最重要的3個特征則是“回頭客單客交易金額”、“單筆交易金額”和“單卡交易金額”，與實際情況相符。值得一提的是，在實際工作中，信用卡客戶比例大的特約商戶其風險較高，也就是說這一特征對判斷特約商戶的風險性有較大的作用。然而在實驗中，該特征在10個特征的重要性排名是第5名，也只是居于中間水平。原因可能在于獲得的交易數據中，有一些卡種類無法判斷是否信用卡，尤其是“他行卡”，這可能對模型結果產生了重要的影響。

三、小結

商業銀行受制于財務成本、管理成本等的限制，靠增加特約商戶管理員的數量的方式來實現監管顯然是不可能的、也是不可取的。因此，本文嘗試采用數據挖掘等先進的技術手段，構建特約商戶細分決策模型。該細分模型以10 個特征為基礎，利用特約商戶的消費交易數據，采用隨機森林算法實現特約商戶的分類。實驗結果證明，在隨機森林算法的樹數量與分類預測正確率的關系實驗中，發現隨著決策樹數量的逐漸增大時，模型的預測準確率在增加，在樹數量超過一定規模后，準確率趨于一個穩定的值。

基于以上，可實現對特約商戶進行有效的區分，對存在較大風險的商戶進行重點監控和巡檢，而對于其它低風險的特約商戶則采用定期或不定期抽查的方式，將會大大降低商業銀行的管理成本和難度。

需要說明的是，不同類別商戶的風險特征可能存在較大的差異，本研究只是針對套現交易嚴重的一般類商戶，提出了 10 類風險特征，這些特征可能并不適合于其它類別的特約商戶。

注釋：

①有的管理員讓商戶到網點在檢查表上蓋章應付差事，甚至有的一蓋就是多個月，另外有的管理員（營銷員）和商戶之間存在著利益關系使得管理員不能真正履行起監管的職責。

②包含了沒有風險的和發現風險的特約商戶。

③經處理后發現有 24 個商戶的數據存在問題（不存在交易數據或交易數據存在異常）。

④風險商戶是指巡檢發現異常、銀聯通報、存在套現交易等情況、確定存在風險的商戶，本文基于重慶建行信用卡中心提供比對名單。