数据挖掘在企业财务核算中的运用

关键词：第三方支付、欺诈交易、数据挖掘、损失核算

中图分类号：C93 文献标识码： A

一、引言

伴随经济社会快速发展，企业经营业态日趋多样化，对会计核算出现了更为具体更为复杂的要求。作为资金结算中介的第三方支付公司，每日处理大量交易请求，其中经常会混入部分由于银行卡泄密甚至伪卡导致的欺诈交易。典型案例如客户通呼叫中心（Call Center）以信用卡无卡支付的方式订购机票，由于该种支付方式仅需要顾客提供银行卡号和CVV2校验码，无需输入银行卡密码。因此一旦出现盗卡或伪卡交易，持卡人向银行提出拒付申请，在与商户签订赔付协议的情况下，该笔欺诈交易造成的风险损失将由支付公司自行承担。

《企业会计准则》规定，损失是指由企业非日常活动所发生的、会导致所有者权益减少的、与向所有者分配利润无关的经济利益的流出。也就是说，损失强调的是非日常活动，反映的是经济利益的净流出。

然而，与遗失、盗抢、自然灾害等通常计入营业外支出的偶发性损失不同，对于业务范围覆盖全国，每月交易量达到百亿级别的第三方支付公司而言，欺诈交易几乎无时无刻都在发生，与公司日常经营活动密不可分。因此在业务实践中，支付公司一般会将欺诈交易造成的损失记入公司的管理费用，对应的会计分录为：

借：管理费用

贷：其他应付款

另一方面，欺诈交易损失对于对第三方支付公司而言还有一个明显的特点，就是信息反馈的滞后性。造成这一现象的原因在于，即使持卡人在遭受银行卡冒用后立刻向发卡行提出拒付申请，由于银行层面对调单拒付的严格流程，使得从欺诈交易发生到银行执行扣款操作都会有一个相当长的时间间隔。

简而言之，对支付公司来说会面临这样一个问题，欺诈交易造成的风险损失并非即时可见的。由于信息反馈的严重滞后，支付公司并不能准确获取上月，上季度，甚至上一年，欺诈交易到底会为公司带来多少风险损失。

2013年10月：

借：管理费用 D 138.3万

贷：其他应付款 D 138.3万

2013年11月：

借：管理费用 D 101.5万

贷：其他应付款 D 101.5万

借：管理费用 D 17.0万

贷：其他应付款 D 17.0万

考虑到银行卡欺诈交易经常还呈现团伙作案，集中爆发的特征，往往会对支付公司造成巨大的金额损失。因此，如何准确、及时地衡量欺诈交易造成的损失，把握欺诈风险的变动趋势，成为支付公司面临的现实问题。

二、欺诈交易的产生与处理流程

为了说明欺诈交易造成的损失是如何实现的，首先需要对支付公司的交易结算流程进行总体梳理。一笔银行卡刷卡交易的典型交易流程如下图所示：

图2：银行卡通过第三方支付交易典型流程示意图

正常情况下，消费者在商家购买产品时，若选择不用现金，而是使用银行卡进行交易，其实质是提供了自己的银行卡信息，主要包括卡号、有效期、校验码（CVV2）和密码（可选）。商家将支付及订单信息通过POS机（也可能是虚拟POS）传送给支付机构以后，支付机构会将该交易请求提交发卡银行。若最终交易通过，发卡行会扣除持卡人的账户金额，并返回交易应答码告知商家交易成功，商家则向消费者提供商品或服务。

在随后的资金结算流程中，通常银行会以T+1的方式结算资金给支付公司，支付公司再以T+1的方式结算资金给商家，如下图所示：

图3：第三方支付资金结算流程示意图

从上述流程来看，发卡银行扣除持卡人帐户金额，依据的就是持卡人提供的卡信息。而如果提供卡信息的不是持卡人本人，而是盗取卡信息的冒用人，则持卡人在没有接收任何商品和服务情况下，账户金额仍将会被发卡银行扣款。这里又分两种情况： 1.冒用人交易时若输入了正确的银行卡密码，则损失由持卡人自行承担。

2.冒用人交易时未被要求输入银行卡密码，则损失由支付机构或商家承担。

不要求输入银行卡密码的银行卡无卡支付场景，典型应用就是通过各大航空公司的呼叫中心订购机票。作为一种非常流行的无卡支付方式，由于订票人无需将自己的卡密告知呼叫中心的服务人员，而机票在购买后又非常易于变现，因此非常容易受到犯罪分子的攻击。

而此类交易一旦出险，银行会在收到持卡人的拒付申请后，会通过以下流程对支付公司的银行账户进行扣款操作，由此对支付公司造成了巨大损失，金额可至每月几十万甚至上百万元。

图4：银行对支付公司进行扣款操作的流程示意图

从以上流程可以看到，尽管在欺诈交易发生时，支付公司已经蒙受到了事实损失。但真正知悉、并确认损失的笔数和金额，则一直要到发卡银行对支付公司的账户进行扣款操作以后。

由于每一笔交易，从交易发生到持卡人发现并提出调单拒付申请，再到发卡银行对支付公司账户进行扣款操作，都有长短不一的时滞情况存在。因此每一时点上，支付公司看到的近期损失都可能出现严重低估。

10月交易，实际损失300万，银行扣款138万。

11月交易，实际损失300万，银行扣款101万。

12月交易，实际损失300万，银行扣款17万。

也就是说，损失犹如一个有窗口的黑箱，伴随着时间的流逝，我们能够逐渐还原远期的损失情况。但在任一时点，对于近月的当期损失，却只能通过银行扣款观察到其中的一个局部，实际的风险敞口是完全不透明的。

至此，在具体的公司业务实践中，损失核算的全部任务归结为，通过所发现的部分扣款，来对整体欺诈风险损失进行估计的问题。

三、样本抽取与探索性统计分析

在通过数据查询系统访问企业数据库，了解各数据表的拓扑结构以后，我们发现进行相关分析，需要用到如下三个表的相关信息，分别是“交易明细表”、“调单拒付反馈表”和“银行扣款信息表”。这三张表分别以SQL数据集的形式存放在企业Oracle数据库中，表结果以及与研究相关的字段如下所示：

表1：交易明细表[为保护商业隐私，本文对交易明细数据的展现形式进行了相应调整，文中数据并不代表企业实际业务数据。]

表2：调单拒付反馈表

表3：银行扣款信息表

对于欺诈交易的总体样本，为获取从交易发生到银行执行扣款操作的时间间隔分布情况，需要通过主键，将“交易明细表”、“调单拒付反馈表”和“银行扣款信息表相互关联。完成该连接后，就能将任意一笔欺诈交易，其交易明细、交易时间、调单时间和扣款时间准确地关联起来。关联后的最简表形式如下所示：

表4：交易-调单-扣款关联情况表

从上表可以发现，对于抽取的欺诈交易总体样本，其中任意一笔交易的交易时间和☁银行扣款时间，我们都可以准确地获得。在样本量足够大的情况下，在得到一系列欺诈交易的交易时间和扣款时间之后，理论上就能绘制从交易发生到银行扣款之间天数间隔的概率分布图。以帮助我们通过观测到的局部扣款数据，对欺诈交易的整体风险敞口进行估算。

在实际操作中，我们选择2013年上半年的交易作为样本，共拉取了10608笔银行扣款数据，以及与之对应的40473笔调单拒付数据。对数据进行处理并通过相互关联以后，将每一笔欺诈交易从交易发生到扣款执行的天数间隔X除以30后取整，得到交易到扣款间隔月份的概率分布曲线，如下图所示：

图5：交易到扣款间隔月份的概率分布曲线

从上图可以看到，欺诈交易从交易发生到银☮行对支付公司进行扣款操作，在交易发生30天内即完成扣款操作的比例仅为4.2%。从另一个角度看，该问题也可以理解为：“假如当月交易在30天内就收到了4.2万的银行扣款，那么它占本月交易全部扣款的规模估计大致在4.2%左右，也就是说当月交易实际的欺诈扣款可能高达100万元。

在有了上图的累积分布曲线以后，我们事实上相当于有了一份成熟度调整系数表，可以在任意时点上，对已经收到的银行扣款进行成熟度修正，使得调整后的金额尽可能地接近本月交易实际对应的欺诈风险敞口。

四、模型预测与跨时样本检验情况

表5：201ถ3年下半年欺诈风险敞口估算表

图6：2013年欺诈风险敞口估算结果的跨时验证

总体来看，对第三方支付公司的欺诈交易而言，从交易发生到银行执行扣款操作执行的时间间隔，在概率分布上保持了较好的稳定性。从跨时验证的结果看，模型取得了较好的测算效果。

五、结论

在现实经济生活中，如何更好地满足财务报表使用者的信息需求，是会计处理的重要职能之一。准确的财务数据，能够充分反应公司经营的现实情况，帮助企业管理层做成正确的决策。而其准确性，往往依赖于对一线业务数据的把握。伴随着现代社会的快速发展，新的商业经营业态不断涌现，会计处理和估算变得日益具体化和复杂化，对企业的财务核算工作提出了新的挑战。与此同时，信息系统和数据库技术的广泛应用，帮助企业连续不断地积累了大量的历史经营数据，通过对数据层面的深层次挖掘和探索，使得企业根据历史经验不断自我训练和学习成为可能。

对于第三方支付企业而言，其营业收入根据产品线的不同，主要取决于交易量乘以固定费率，核算相对简单。而在营业支出方面，除了一般的职工薪酬、折旧摊销以及营业税金等项目与传统行业无异外，关键之处就是对风险损失的核算。考虑到从收入层面看，支付企业的所得往往只占交易量的千分之一左右；而对于包赔付的产品而言，欺诈交易则可能造成交易量100%的风险损失。因此，准确的欺诈风险损失核算，不仅是风险控制部门把握风控策略的关键所在，也是管理层把握不同产品线发展优先级的重要依据。

本文通过对ฬ2013年上웃半年，历史欺诈交易及相应银行扣款情况的数据探索，对从欺诈交易发生到银行扣款执行的时间分布做出了相应的概率分布曲线。在得到一系列成熟度调整系数并制成相应表格后，使得企业能够在任一时间点，通过已经观察到的局部欺诈交易扣款数，对整体的欺诈交易出险情况做出更为准确地估算。

作为结果，在计算得到经成熟度调整后的欺诈风险敞口数据以后，对企业欺诈风险损失核算的会计分录应调整为以下数字。可以看到，站在2013年末的观测时点，尽管银行扣款数逐月下降，但伴随着公司交易规模的扩张，实际的欺诈风险损失敞口反而是处于逐渐增长态势的。

2013年10月：

借：管理费用 D 252.9万

贷：其他应付款 D 252.9万

2013年11月：

借：管理费用 D 339.5万

贷：其他应付款 D 339.5万

借：管理费用 D 404.5万

贷：其他应付款 D 404.5万

另一方面，作为一种简单的估算方法，对该企业而言，在欺诈交易风险趋势基本稳定，没有发生大幅异动的前提下，离开观测时点最近6个月内发生的交易，其欺诈交易造成的损失大约是已观察到的银行局部扣款数的2倍左右。