dadblk3 madblk3
adblk3
adblk3
本地
出版:2026-May-04 04:00
更新:2026-May-04 04:10

首季逾320宗長者投資騙案失3.3億 高學歷具投資經驗成獵物 「殺豬盤」劏六旬商人8400萬

分享:
A01 20260504.indd
adblk4

各類型的騙案每日上演,行騙手法卻萬變不離其宗。警方數字顯示,今年首季錄得網上投資騙案逾千宗,呈微跌趨勢。值得留意的是,長者受騙宗數有明顯增幅;其中,涉長者的「投資騙案」人均損失更達101萬元。有六旬商人誤墮「殺豬盤」,被遊說投資加密貨幣,最終損失超過8,400萬元。為打擊投資騙案,金管局將推出一些新措施,包括擴大「銀行間訊息交換平台(FINEST)」所涵蓋的銀行數目至所有零售銀行。此外,亦會試行跨機構數據分析,提早識別傀儡戶口。

adblk5

本年首季騙案數字

本年首季騙案數字

金管局助理總裁(法規及打擊清洗黑錢)陳景宏 警務處商業罪案調查科警司李蔚詩 證監會秘書長兼首席管治總監楊國樑

左起:楊蔚怡、陳景宏、李蔚詩及楊國樑。(鍾式明攝)

根據警方數字,今年首季錄得9,427宗騙案,與去年同期相比微跌0.6%;但損失金額增幅近兩成、達18.5億元。網上投資騙案方面,今年首季錄得1,003宗,微跌7%;損失金額逾6億元,微升0.3%。其中,長者受騙的情況值得關注,今年首季長者受騙宗數錄得1,264宗,按季增加三成三;損失金額達5.3億元,按季增加近八成。當中,長者投資騙案錄329宗,按季增17%,損失金額達3.3億元,增幅近七成,人均損失達101萬元。

警務處商業罪案調查科警司李蔚詩表示,警方去年以電話訪問1,056名受害長者,結果顯示,近六成案件損失介乎10萬至100萬元,人均損失達85萬元。此外,七成以上受害者年齡介乎60至69歲,多為剛退休或準備退休人士,持有較豐厚的資產。令人關注的是,研究發現教育程度愈高,平均損失金額愈高,小學程度與碩士或以上學歷受害人的平均損失相差接近四倍;具投資經驗的長者損失高出一倍,證明較高學歷和有投資經驗的長者更易墮入騙案陷阱。

adblk6

今年首季最大單一案件損失金額達8,479萬元。去年6月,一名67歲的外籍男商人透過Facebook結識一名自稱投資專家的騙徒。其後兩人轉用WhatsApp聯絡,並成為網上情人。騙徒遊說受害人投資加密貨幣,並下載名為「Kitbed」的虛假投資程式。受害人按指示開戶,並在去年7月至今年1月期間,將等值約8,479萬元的加密資產,匯入騙徒指定的電子錢包。受害人發現未能提取收益,始知受騙。

受害人A女士損失過百萬。(鍾式明攝)

受害人A女士損失過百萬。(鍾式明攝)

騙徒扮「郭思治」誘買金股婦失百萬元

A女士(化名)年逾60歲,具學士學位,是一名電腦編程員。她早前墮入投資騙局,最終損失超過100萬元。A女士憶述,當初在Facebook上透過一則以投資名人「郭思治」作招徠的廣告接觸騙徒,其後被加入WhatsApp群組,騙徒在群組中提供投資貼士,由於A女士向來有投資經驗,故對由騙徒假扮的「郭思治」深信不疑。

adblk7

去年9月,騙徒遊說A女士購買金股,她遂作大額投資,惟股價在短時間內暴跌,騙徒假稱會向A女士賠償損失,並著她先將股票餘額轉帳至指定戶口。期間A女士按照騙徒指示轉帳多達十多次,直至今年1月,A女士接獲警方來電,才得知所轉賬的是傀儡戶口,才驚覺受騙。

證監會秘書長兼首席管治總監楊國樑表示,今年首季接獲222宗與投資詐騙相關的投訴,最高單一個案損失逾2,000萬元,涉及虛假投資平台。其中60歲以上人士的損失金額較高,反映長者是騙徒主要目標之一。他表示,如有人聲稱「保證回報」、「高回報低風險」,以「限時優惠」催促即時入場,要求發送交易截圖,或要求轉帳至個人名義的銀行戶口,均是典型投資騙案的信號。

adblk8

金管局與業界試推 跨機構數據分析辨傀儡戶口

金管局助理總裁(法規及打擊清洗黑錢)陳景宏表示,金管局會推出相關措施,打擊投資騙案。金管局、銀行公會與警務處在2023年推出「銀行間訊息交換平台(FINEST)」,提高銀行交換訊息的能力,從而更有效偵測及制止詐騙活動與傀儡戶口網絡。陳景宏指,優化後的FINEST已於去年12月啟用,納入個人帳戶的資料分享。FINEST將於今年第二季涵蓋所有28間零售銀行,將涵蓋全港九成以上的銀行戶口。

此外,遙距開戶雖然便利,但有不法之徒卻用作收取及處理犯罪得益,故零售銀行計劃今年內降低遙距開戶新客戶在開戶初期向第三方每日轉帳限額至不超過10萬港元。

adblk9

另一項措施是試行跨機構數據分析,提早識別傀儡戶口。陳景宏表示,去年第四季,金管局、警方和11間零售銀行合作,開展開戶數據分析試行項目,運用跨機構開戶數據,並結合警方所提供有關可疑戶口的情報及風險指標,建立一個可以評估傀儡帳戶風險的機器學習模型,協助銀行及早識別及監察相關帳戶,令銀行及早採取風險緩減措施。

恭喜你!獲取1分 !

更多積分任務