李睿康　许诗琳　周丹　郑钦　高青菁

[摘 要]微信红包赌博是依托于虚拟平台，没有现实的、物理的赌场，在微信群内按照一定的规则进行组织的新型赌博形式。作为网络赌博的新变种，微信红包赌博具有参与门槛低、参与便利、传播速度快等特点，且其在微信群内进行组织，和一般抢红包行为的界限模糊，这为平台监督、犯罪侦查和司法审判增加了难度。文章根据对现有案例的总结分析发现，赌资、参赌人数、赌博组织盈利以及地域犯罪率等因素对微信红包赌博的监督、认定以及客观化判断具有重要意义。

[关键词]微信红包赌博量化模型;赌资;参赌人数;赌博组织盈利;地域犯罪率

[DOI]10.13939/j.cnki.zgsc.2021.01.026

1 问题的提出

在历史的长河中，赌博行为由于其固有的特性，尽管经历了风风雨雨，但还是随着人类社会的发展而不断变迁延续。网络技术日新月异、不断升级，特别是在当前手机移动终端时代，微信红包受到社交网络的广泛青睐，在丰富人们生活的同时也为赌博犯罪提供了新的空间。[1]

微信红包赌博是一种依托于虚拟平台，在微信群内按照一定规则进行的新型赌博形式，属于网络赌博的新变种。[2]作为一种依托于线上社交软件以及在线支付手段的赌博方式，依靠微信群内按照一定规则发红包而实现。但在日常交往中，收发红包往往是活跃群气氛的重要方式，用于社交的微信群中也存在接力发红包的现象，这为辨别微信红包赌博增加了难度。且在具体操作中，组织者往往购买多个微信群，“狡兔三窟”，每个微信群的使用时间也十分有限，因此这种赌博形式给微信平台以及网络警察的监控工作带来了诸多挑战。相关数据显示，大量的微信红包赌博需要依靠参赌人员的举报才能被执法机关和司法机关获知。而在执法机关取证过程中，由于微信红包赌博具有犯罪成本低、隐蔽性强、流动性大、迷惑性强、成员分布广泛等特点，也增加了取证的难度。

虽然国家在2010年颁布了《关于办理网络赌博犯罪案件适用法律若干问题的意见》（下称《意见》），但相比于飞速发展的互联网技术，《意见》的真正作用非常有限，在微信红包赌博的定罪问题上也没有起到实质性作用。在司法实务中，司法机关也总是回避有关微信红包赌博构罪问题的讨论。根据《中华人民共和国刑法》（下称《刑法》）第三百零三条的规定，区分赌博和一般娱乐活动的关键在于“以营利为目的”的判断。如前所述，微信红包赌博和娱乐消遣行为的界限模糊，为判断是否系“以营利为目的”增加了难度，对司法机关判断行为是否构罪形成阻碍。

文章拟总结已判决的微信红包赌博案件中的特定影响因子，包括赌资、参赌人数、赌博组织盈利以及地域犯罪率等，为微信平台的监督以及执法机关的侦查提供思路;并通过数据分析的方法构建微信红包赌博量化模型，试图为微信红包赌博定罪提供客观化的判断标准，以弥补微信红包赌博在定罪判断上的模糊性，为可能出现的新型网络犯罪形式的定罪提供解决思路。

2 微信红包赌博量化模型的建构

2.1 微信红包赌博特定影响因子

2014年微信推出红包功能，成为活跃群气氛、联络群友感情的重要社交手段。但自2015年出现第一例微信红包赌博案件起，此类案件数量逐年上升。因此，文章依据中国裁判文书网2015—2020年（最后收集数据的时间为2020年3月8日22：00）各地法院上传的第一手有关微信红包赌博的316例案件建立模型。

为了方便之后的模型构建，笔者对数据类型进行了整理统一。对案件数据进行整体分析并结合多方文献之后，笔者假定只有赌资总额、赌博组织盈利、参赌人数、地域犯罪率四个因子对最后的定罪有重要贡献。

首先对相关概念进行明确。微信红包赌博作为一种新型赌博形式，具有赌博的一般性质，因此在赌博中适用的普遍性概念在微信红包赌博的讨论中也同样适用，只不过在具体的界定上有所差异。一般赌博中赌资的定义是指犯罪嫌疑人被查获时随身携带的所有钱，根据《意见》第三条之规定，赌资数额可以按照在网络上投注或者赢取的点数乘以每一点实际代表的金额认定。在微信红包赌博中，由于其依托于参赌人员绑定的银行卡或者有限的“零钱”，且不存在投注等可以明确金额的情形，因此可推认为微信红包赌博中的赌资是指在微信群建立至被查获期间参与赌博的所有人员可付出的全部财产，[3]但考虑到在线支付手段的普遍适用，在个案中还可以结合赌博群建立时间、赌博规则等，以参赌人员已付出金额作为赌资计算依据。赌博组织盈利包括抽头渔利和最终的盈利。根据《最高人民法院最高人民检察院关于办理赌博刑事案件具体应用法律若干问题的解释》的规定，组织3人以上赌博，抽头渔利数额累计达到5000元以上，属聚众赌博，按赌博罪论。因此对抽头渔利概念的明确有利于对定罪问题的进一步论述。抽头渔利是指在某些微信红包赌博形式中，群主或其他参赌人员根据规则或约定从赌注中抽取一定比例的金额，且与盈利的计算密切相关（盈利=收入-支出，收入主要是抽头渔利，支出包括准备阶段的支出以及特殊奖励规则）。

下面笔者将对这四个因子分别进行量化定义与说明。

2.1.1 地域犯罪率因子Xa（area）

图1是根据微信红包赌博的案件数据制成的一张统计图。对于微信红包赌博犯罪率高的省市如浙江省和江苏省等，有理由认为在该省市内继续出现此類犯罪的可能性更大。为了降低犯罪率，理应加大对该省市犯罪的监督及惩罚力度。在本模型中，笔者用Xa表示地域犯罪率，并给出量化公式：

Xa=Na∑na=1Na

其中，Na代表在a省市出现微信红包犯罪的次数，共有n个省市。

2.1.2 参赌人数因子Xp（participants）

参赌人数包括两部分，分别为组织人数和参加人数。由于微信红包赌博的流动性极大，参加人数时刻在发生变化，对此，笔者仅取峰值时的参加人数。通常参赌人数的大小体现了一个违法组织规模的大小，而组织人数则代表了这个组织的核心阶层。核心阶层越多则违法组织越系统，应该加大惩罚力度。在本模型中，笔者用Xp表示参赌人数，同时采用对数算法使参赌人数因子的数值趋于平滑，有利于弱化计量中参加人数的取值差异。给出量化公式：

其中，No代表组织人数（organizer），Np代表参加人数。

2.1.3 赌资總额因子Xt（total amount）

在赌资总额上，由于数值差异较大，笔者采用分层级评定因子大小。由于现有案例的数据中绝大多数的赌资总额不超过10万元，所以笔者设置万元级别的中等规模赌博因子的基本值为1，具体关于赌资总额因子Xt的分级标准如下所示：

其中，Xt的单位为万元，因为目前超过10万元的数据太少，只列出了当Xt小于10万元的标准，其余的不排除例如达上百万上千万的少数个例，它们需要视具体情况进行商榷定夺。

2.1.4 赌博组织盈利因子Xi（interest）

影响赌博组织盈利因子的主要是抽头渔利和实际盈利。绝大多数情况下这两者的数值是相同的，但还有另外一种情况是抽头渔利大于实际盈利。在第二种情况中，相当于组织人拿出了利息的一部分去做扩大组织投资，包括邀请新成员分红、打红包广告等，两者的数值相差越大代表组织的影响力越恶劣，惩罚力度应该越大。笔者采用下面公式去量化赌博组织盈利因子Xi：

其中，Is为抽头渔利，Ic为实际盈利，引入e是为了迎合大多数情况抽头渔利等于实际盈利。

2.2 研究方法与建构过程

对于之前定义的四大因子，不能把其影响力简单相加，一是因为不能确定哪个因子对微信红包赌博的定罪更重要，二是因为四个因子的量化标准没有进行归一化进而导致最后得到的量化模型不具普遍性。为了解决上述两个问题，笔者通过模糊层次分析法和TOPSIS排序过滤法（简称模糊TOPSISI分析方法）给四大因子赋上加权值。

2.2.1 模糊层次分析法

模糊层次分析法可以通过普及调查得出人们对于一些因子的重要性程度度量，也就解决了哪个因子对于微信红包赌博的定罪更重要的问题。另外，模糊层次分析法相比于传统的层次分析法在衡量上更适合处理人类感知的灰色地带[4]。因为人类倾向于用模糊的语言去描述罪责的程度大小，几乎没有人能用一个数字分数去定量评价或分析一个事物，人们更倾向于定性的程度描述。

在本环节，笔者进行了一个网络问卷调查。问卷通过微信等途径转发总共收集到百余份，其对象主要涉及大学生群体，且问题的设置具有专业性，导致回答的学生中法学专业居多。取样具有一定的随机性，分布均匀，男女比例相当。问卷中请受调查者按照影响微信红包赌博定罪的四大重要因子进行两两比较打分，每对属性比较项采用0.1～0.9标度法，评分标准如表1所示。

经过问卷调研笔者得到了影响微信红包赌博定罪的四大重要因素之间的优先度关系矩阵如表2所示（得到的矩阵归一化后仍然可以通过一致性检验，符合层次分析法的建立要素）：

对矩阵中的元素按行归一化得到矩阵A，再按列相加后得到矩阵B，最后进一步归一化处理后得到各项指标的基本权重

2.2.2 TOPSIS排序过滤法

为了消除不同因子间因为各自量化评分标准不同所带来的量纲效应，使每个因子不会因为量化评分标准不同而丧失其独特的表现力，笔者采用改进的TOPSISS多指标综合评价方法，并结合已经取得的所有定下犯罪性质的案件数据给ωi做进一步修改，也就解决了之前提到的第二个问题。TOPSISS通过计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度作为评价优劣的依据。[5]

其中，Xij代表计算得到的衡量第i个微信红包赌博犯罪性质的案件数据的四大重要因子中的第j大重要因子，j=1， 2， 3， 4， Cij是构造得到的加权规范矩阵，代表了规范解的集合。如果把正理想解定义为Cjmax， 负理想解定义为Cjmin，有：

最后通过分别计算各案件数据的解答Cj到正理想解Cjmax和负理想解Cjmin的距离Simax和Simin，即可得到最终的综合量化微信红包赌博犯罪指数fi：

结合总结得到的所有已经定下犯罪性质的案件数据，笔者利用Matlab进行分析处理，代入ωi，对上述一系列TOPSIS排序过滤处理计算得到的fi值进行排序（实验环境为MATLAB2016A，Intel（R）Core（TM）i7-7700HQ CPU @ 2.80GHZ），共计316条有效数据，模型计算花费总共2.0081秒。把最后得到的结果fi按其大小从高到低给各个案件定罪，即可得到各个微信红包赌博案件的严重程度。

2.3 结果分析

笔者将汇总后的所有有效案件数据代入微信红包赌博量化模型，并按照严重程度（fi数值）对其进行排序，依据最后的数值筛选出前三名最严重的微信红包赌博犯罪展示如下：

基于此，笔者将对提取出的前三名最严重的微信红包赌博犯罪的案件数据进行进一步分析。第一名之所以能以0.7042的值遥遥领先其他案件，在于它不仅处于案发率最高的广东省，而且组织规模和赌资金额都较为庞大。相同的，第二名和第三名都有其各自的特点：赌资异常庞大以及盈利小于抽头渔利等，符合问卷调查时得到的ωi中，人们更偏向于把赌资数目高以及盈利高的赌博组织定罪的状况。最后得到的排序结果很好地反映了人民群众的一般认知以及对于微信红包赌博定罪的倾向，具有科学性。同样结合《刑法》中对“聚众赌博” “情节严重”等规定，可以见得，这些影响因素确有意义。此外，文章在微信红包赌博量化模型的建构过程中，除了考虑影响定罪的客观化判断因子外，还通过调查问卷的方式引入了人民群众对于微信红包赌博定罪的态度，有利于改变以往只由法律工作者根据立法司法执法的法律流程来对罪案定罪的状况，人民群众在这一过程中有一定的影响力而不会上升到随意修改法律的地步，充当了一个参与者的角色而不是以往简单的观察者或建议者的角色，可以在一定程度上限制法官的自由裁量权，进而使结果更符合社会公共利益。

3 微信红包赌博量化模型的应用

由于微信红包赌博特有的性质，为微信平台的监督、犯罪侦查以及司法審判都带来了难题。文章建构的微信红包赌博量化模型，确定了判断微信红包赌博的客观化判断标准，为微信平台以及网络警察等执法机关的监控侦查提供了思路，为司法机关的定罪提供了客观化的判断标准。

3.1 平台监督与犯罪侦查

微信红包赌博具有发现难、取证难等特点。[6]文章明确了影响定罪的主要因子，即赌资总额、赌博组织盈利、参赌人数、地域犯罪率。故在应用中，四大因子可以为微信平台监督微信群的异常动向、网络警察进行监督以及执法机关后续的调查取证提供借鉴。

具体来讲，对于微信平台而言，在监督微信群的异常活动时，可以对群主交易往来的重复性、一定时间内的群流水、群内人员流动以及群内成员（尤其是群主）所处地域等进行重点综合考虑，以判断微信群内是否系进行微信红包赌博。微信平台可以根据本模型，并结合具体情况，确定一个临界值，再将特定群相关指数带入模型中求取fi，和临界值进行比较。若发现该微信群的相关人员具有构成犯罪的可能性时，微信平台可以首先对该相关人员进行警告，如果数值反映出构成犯罪的可能性极大，微信平台可以向执法机关举报，以此达成监督管理的目的。对于执法机关而言，其侦查发现多依靠网警的监控或者微信平台和个人的举报，因此在网警监控时，可以对具有流水异常（过多或金额固定）、群成员与特定人私下交易往来频繁等特点的微信群进行重点监控，以限制微信红包赌博赌博犯罪，并避免成为其他犯罪的“温床”。此外，本模型建构过程中融入了人民群众对于微信红包赌博行为的普遍认知判断，故上述主体利用该量化模型能够减少因其负责人员认知水平有限而导致的误判现象，从而使得相关监督管理活动更加符合社会的公共利益，更有利于维护网络秩序。

3.2 司法审判

在应用中，由于微信红包赌博量化模型具有稳定性和科学性，法官可以由该模型来观察人民群众对于微信红包赌博的定罪意愿，了解现有案例的情况，进而成为“以营利为目的”的客观化判断依据，即明确行为人是否属于“以营利为目的”时，参考四种影响因子及其数值，形成对微信红包赌博定罪的客观化标准，从而更好地执行司法流程。

具体而言，当是否构成“以营利为目的”难以认定时，根据主客观相一致原则，法官可以将案件事实中的参赌人数、红包总数额（赌资）、游戏规则、最终获利（赌博组织盈利）等数据按照相关规则进行综合判断，并将其代入微信红包赌博量化模型中，通过模型计算出相应案件的fi，与现有数据进行对比。当该案件的数值大于现有数据的最小值时，优先认为其可以构罪，并进行下一阶段的理论分析;若该案件的数值远小于现有数据最小值，可以考虑其是否属于情节显著轻微或者主观定性极为模糊，而认为其不构罪。因此，在法官审理微信红包赌博案件时，可以将案件中的影响因子代入本模型中得出fi的值，进行客观化、直观化的衡量，为司法审判提供帮助。同时，本模型设计过程中吸收了人民群众对于此类案件的普遍主观判断态度，法官使用此模型进行辅助分析时就相当于参考了人民群众的意见，能够达到对法官自由裁量权的限制，以此来推动我国公正司法的进程。

4 结语

文章构建的微信红包赌博量化模型可以成为“以营利为目的”的客观化判断依据，形成对微信红包赌博定罪的客观化标准。有利于微信红包赌博案件的执法、司法应用，可以更好地执行司法流程，维护良好的网络环境，并为其他新型网络犯罪形式的研究提供借鉴思路。

但由于微信红包赌博犯罪记录还不是很完善，针对目前中国裁判文书网的数据来说，不同法院在确定赌资数额以及抽头渔利时适用标准存在差异，且数据中存在缺项。故笔者在用Matlab进行模型计算时进行了简化处理：

（1）在TOPSIS排序过滤方法处理过程中有一些模糊的、标注“未知”的数据被笔者直接带入标准量，即带入量罪因子的平均值来进行计算。

（2）对于一些描述不够具体清晰的单元值，没有直接写出总额，而是用每天赌资来描述，因此只能根据进一步调查确定其大概赌资总额来估计数值，可能在一定程度上会对结果产生影响。此外，若笔者就相关案例中的刑罚进行梳理统计，该模型可以得到进一步优化，即根据法院给出定罪量刑的总体结论来修改本文最后得到的或者利用逐步线性回归分析得到法院对于微信红包赌博犯罪的定罪倾向，可以使最后得到的排序结果更加具有权威性和说服力。所以，在日后微信赌博数据的记录档案和调查手段进一步完善后，该模型基于数据计算得到的结果会更加准确。

总之，文章提出的模型有望为日常监督与执法侦查提供借鉴意见，并成为法官在微信红包赌博定罪中的一个重要参考，也对微信红包赌博的大体犯罪趋势有一定的分析和预测作用。同时，模型也会对之后可能出现的新型犯罪定罪有相当大的借鉴作用，通过问卷或其他的形式来反映人民群众对于新型犯罪的看法，并带入文章的基本模型进行量化排序，可以在一定程度上解决新型犯罪定罪的问题。

参考文献：

[1]李晓明.新型社交网络赌博犯罪分析——以微信红包群赌博为视角[C].上海：犯罪学论坛，2018：296-304.

[2]左林仪，张臣，唐筱婷.微信红包赌博行为的法律规制与防范机制研究[J].新闻研究导刊，2017，8（10）：213，215.

[3]肖恩.认定网络赌资数额不宜累计投注点数[N].检察日报，2019-12-22（003）.

[4]张吉军.模糊层次分析法（FAHP）[J].模糊系统与数学，2000，14（2）：80-88.

[5]司守奎，孙玺菁.数学建模算法与应用[M].北京：国防工业出版社，2011：346-35.

[6]冯荣，李华山，侯海容.微信红包赌博及其治理对策研究[J].河北公安警察职业学院学报，2019，19（2）：31-33.

[基金项目]大学生创新创业训练计划项目“网络赌博的定性问题研究——以微信红包为例”（项目编号：201910056324）。

[作者简介]李睿康（1999—），男，汉族，江西南昌人，天津大学精仪学院，研究方向：光电科学信息与工程;许诗琳（2000—），女，汉族，山东聊城人，天津大学法学院，研究方向：法学;周丹（1998—），女，汉族，山东威海人，天津大学法学院，研究方向：法学;郑钦（1999—），男，汉族，福建福州人，天津大学法学院，研究方向：法学;高青菁（1999—），女，汉族，江苏南通人，天津大学法学院，研究方向：法学。