周一至周日 8:00-22:30(免长途费):
学术咨询:400-888-7501 订阅咨询:400-888-7502
征稿授权 经营授权
当前位置:中文期刊网 > 经济论文 > 商业银行论文 > 正文
商业银行论文( 共有论文资料 53 篇 )
推荐期刊
热门杂志

商业银行大数据审计分析模型应用

2021-03-30 11:55 来源:商业银行论文 人参与在线咨询

【摘要】伴随着移动互联网、物联网、人工智能、区块链、大数据等一大批颠覆性新型科技的不断涌现,商业银行业务业态也在不断创新以适应新技术革命背景下经济的快速发展。传统的商业银行审计方法和模式已无法适应大数据背景下数字化银行转型发展的需要,必须深入推进信息化、数字化变革,这既是积极适应外部环境变化的迫切需要,也是商业银行审计数字化发展的必然要求。本文着重阐述大数据背景下商业银行审计分析模型的构建思路、应用及成效,并提出创新构建商业银行审计分析模型体系的构想。

【关键词】商业银行大数据审计模型构建

当前商业银行正在全力搭建数字化审计综合分析平台,整合银行内各类业务系统和数据,推进大数据审计由“数据孤岛型、业务封闭型、模式单一型”向“数据一体化、业务一体化、模式一体化”的方向转型。利用数字化审计综合分析平台,审计人员就可以开展审计分析模型的构建、完善与体系化建设。

一、大数据审计分析模型的构建思路

1.研究数据架构。审计人员需要认真研究审计系统中所有的数据来源、数据结构及关联关系等,了解数据生产的源头、可靠性、完整性等,对不同系统接入数据之间的逻辑关系、如何进行有效连接等进行分析和研究,这是开展大数据审计分析模型构建的基础。如商业银行数字化审计分析平台中的数据可能来源于综合业务核心系统、信贷业务管理系统、财务管理系统、风险预警系统、网银系统、资金业务系统等多个业务管理系统,每个系统的开发者可能采用不同的系统架构和设计,其表结构和字段逻辑也可能千差万别,因而审计人员可在信息科技人员的协同下完成对系统和数据等方面的了解。

2.掌握风险特征。内部审计是风险导向审计,因而审计人员需熟知内部控制流程和关键节点,以了解各类风险产生的原因、风险易发的环节、风险表现的特征等。掌握各类风险的表现特征,使用计算机语言将相关系统和数据进行关联描述,是开展大数据审计分析模型构建的重要一环。如金融监管机构规定借新还旧贷款同时符合“生产经营活动正常能按时支付利息、重新办理贷款手续、贷款担保有效、属于周转性贷款”四项条件应列为正常贷款,这意味着如果有一项不符合条件,该借新还旧贷款就不应分类为正常贷款。审计人员在熟练掌握这条基本规则的前提下,即可对欠息条件下办理借新还旧仍分类为正常的贷款作出分类不准确的判断。

3.构建审计模型。在了解数据架构和掌握风险特征的基础上,审计人员即可利用数字化审计分析平台首先草拟审计分析流程图,对构建步骤进行初步勾勒和示意,再使用SQL语句将各类系统数据根据关键字段信息进行整合、关联,结合审计所涉机构、期间范围、关联方式、筛选条件等因素逐步完成模型构建。条件允许的情况下审计人员可使用开发成熟的审计系统,在审计建模工具指引下进行数据提取、数据关联、数据合并、分组提取、数据分层、字段转换等操作,最后完成建模。完成建模后要对审计模型进行跑批验证,对模型结果进行测试、分析和评估,如发现测试结果偏离实际或预期,需对模型进行逐步梳理和检验,直至达到预期。

4.现场核查完善。根据审计模型跑批形成的疑点数据和线索,审计人员在实施现场审计过程中予以核实和检查,验证疑点线索的准确性,对模型结果出现偏差的原因进行回头看和再分析,结合现场审计过程中发现的新情况和新问题,通过集中讨论或头脑风暴的方式对审计模型进行及时地补正和完善,以利于审计模型的推广使用。此外,由于各机构风险偏好和管理方式的差异,同一风险可能会有若干不同的表现形式,这就需要审计人员在审计实践中不断的总结和摸索,不断完善审计模型架构。如对公客户信贷担保弱化问题,实践中表现为单纯减少担保人、化整为零担保、抵押担保变保证担保、新担保人担保能力不足或弱于原担保人、抵押物灭失后未增强担保能力等多种情况,需要有数个模型来共同验证该风险点。

二、大数据审计分析模型的应用及成效

1.获取审计数据。通过被审计单位获取审计期间的贷款时点数据表、资产负债表、三级业务状况表、1104报表等基础数据资料,分析数据表来源、结构、大小等,对财务报表与业务报表之间的数据准确性进行验证,根据审计分析需要进行数据清洗和数据整理,使之成为符合审计要求的标准数据表。也可以事先编制标准数据表样式或提出具体要求,请被审计单位据此提供。

2.构建分析模型。通过SQL语句对基础数据进行清洗和整理后,将审计期间内的客户信贷信息整合为一张全新表格,包含客户名称、客户编号/身份证号、时点贷款余额等主要信息。根据这张整合形成的全新数据表,设定逐年新增或报告期贷款余额较基期贷款余额新增的记录,并与报告期贷款五级分类为次级或关注、报告期贷款余额大于零但前期贷款表外有欠息记录的客户进行关联,将满足上述条件的客户作为问题线索进行重点排查。

3.现场核查疑点。首先,根据分析模型形成的疑点清单,调阅被审计单位信贷审查委员会决策记录,了解疑点客户新增贷款的决策讨论过程。其次,查阅信贷客户档案资料,审查其新增贷款时点资产负债状况、生产经营状况、征信状况、对外担保状况、担保人资质状况,分析其偿债能力;抵押物状况或担保人能力;向客户经理或相关负责人问询了解客户表外欠息未予结清、风险显现情况下向其新增贷款的原因,排除政府协调或政策驱动等特殊因素,完成对问题的取证和定性。针对向表外欠息未结清客户新增贷款的审计模型跑批结果,审计人员在现场审计中查清并核实了该问题,同时还发现存在向表外欠息未结清客户进行转据或办理展期、借新还旧,以及在此过程中弱化担保等多项违规问题,这些问题在少量客户信贷发放过程中不同程度地同时存在。这提示审计人员可对同类或相似问题进行类推或者举一反三,构建此类问题的审计模型集合。

三、创新构建大数据审计分析模式的前景与展望

1.构建静态知识型审计分析模型。该类模型主要依赖于现有的金融监管规定,是基于数据逻辑驱动,分析模型只需要按照金融监管的具体规定,直接设定即可搭建完成。如监管规定明确借款人逾期欠息超过90天即被视为不良资产、商业银行对按揭贷款自然人客户年龄设定普遍为不超过60周岁,等等。

2.构建专家知识型审计分析模型。该模型基于业务逻辑驱动,主要依赖审计专家的业务经验,可在模型构建前采用头脑风暴法、德尔菲法等具体方法汇聚多名审计专家的经验和智慧,并根据业务规则和具体流程构建完成。如通过头脑风暴法穷举弱化担保的若干种情形,并根据这些情形的具体表现形式,在系统中用计算机予以进行刻画。

3.构建智能分析型审计分析模型。该模型有别于传统的简单数据提取或统计分析,而是以大数据挖掘、机器学习、人工智能技术为主,通过对业务流程规则的设定,运用监督分类学习、自然语言文本挖掘、社交网络图挖掘、关联规则挖掘等方法,深入挖掘各类不良贷款的形成原因并按主题归类,形成各类不良原因的历史数据统计指标,作为对比标准以支持发现后续业务中的异常情况。总之,在信息化、数字化深入发展的今天,商业银行内部审计需要主动适应外部环境的发展带来的变化,创新审计组织模式,主动融入大数据时代,创新运用先进智能科技助力大数据审计,以全新的大数据审计分析模式彰显内部审计价值增值,切实发挥内部审计在促进商业银行治理体系和治理能力现代化进程中的重要作用。

【参考文献】

[1]程旭.云飞.姚化亭.运用数据挖掘技术构建内部审计风险识别体系[J].《中国审计》,2020(7)

[2]韩培华.商业银行大数据审计的应用模式体系研究[J].《现代商业》,2020(12)

[3]孙玥璠.宋迪.大数据环境下基于云计算的非现场审计模式探究——以商业银行内部审计为例[J].《中国内部审计》,2015(11)

作者:沈燕兵 单位:江苏省农村信用社联合社

在线咨询
推荐期刊阅读全部
.