【记录】大数据信贷技术下反欺诈风险防范分析

2024年07月08日

　　2根据欺诈发生的业领域，可以将欺诈划分为贷款欺诈信用证欺诈信用卡欺诈和票据欺诈金融凭证欺诈等。贷款欺诈是指通过非法手段诈骗银行贷款的行为；信用证欺诈是指使用伪造已作废或骗取的信用证进行信用证诈骗活动的行为；信用卡诈骗是指不法利用信用卡进行诈骗活动的行为；票据欺诈和金融凭证欺诈是指伪造仿冒银行的票据或有关金融凭证进行欺诈的行为。

　　二信贷意义上的欺诈风险

　　从大数据信贷技术角度看，欺诈风险主要是信贷业型欺诈风险。根据欺诈发生的主观故意程度，信贷欺诈风险分为严重欺诈和轻度欺诈。严重欺诈通常以骗取贷款为最终目的，完全没有还款意愿。严重欺诈存在严重的主观恶意性，借款人一般从贷款申请环节就不存在还款的主观意愿，属于早有预谋，骗贷意图非常明显，具有犯罪的主观故意性。信贷实践，常有一些介机构参与其，需要引起银行重点识别和防范。轻度欺诈属于主观恶意程度较轻的欺诈行为，通常借款人虚构事实，以避免银行的拒贷行为，或者为获得更高的贷款额度，而采取虚构贷款材料的情况。轻度欺诈情况下，贷款企业仍然会在获得贷款批复以后积极配合还款，但对于银行讲依然承担了较大的信贷风险。信贷欺诈的另一种分类是贷款企业依据欺诈行为发生的阶段，分为申请欺诈和交易欺诈两大类。申请欺诈包括提供虚假资质证明提供虚报申请信息和仿冒他人名义申请三大类，主要发生在申请贷款阶段。交易欺诈包括虚假交易仿冒交易和挪用信贷资金三类，主要发生在申请批复后的贷后阶段。信贷欺诈风险的反欺诈管理是全流程的风控工作，需要银行一以贯之从头到尾地开展信贷反欺诈管控。

　　三信贷欺诈风险的原因分析

　　如图所示，导致商业银行外部欺诈风险增加的三大类原因影响最大的因素是银行客户群的故意欺诈，然后是自银行系统内部控制不良失效所致，银行经营环境不良尽管会增加商业银行外部欺诈风险，但是其影响比较。影响银行内部控制不良失效生的第一因素是银行内部监控缺失；第二是银行职员与第三方合谋；银行职员的违规操作对银行内部控制不良影响处于第三位；银行职员业知识缺失的影响是最的。在银行客户欺诈因素，影响最大的是银行客户伪造身份金融票据或抵押品等的无生有行为，然后是假冒其他身份或变造金融票据等的冒名顶替行为，主动盗抢和客户主动转移资对结果生的影响较。经营环境不良因素，社会整体信用缺失比金融相关法律缺失生的影响要大。自商业银行客户的第三方欺诈行为是导致商业银行外部欺诈风险最大的因素。这些行为的表现多种多样。在银行客户欺诈，客户通过转移资逃避银行债和第三方对于商业银行资盗抢这两个因素在银行客户故意欺诈处于次要地位，影响客户欺诈最重要的因素是银行客户在交易行为的弄虚作假行为的无生有和冒名顶替，这些行为让银行防不胜防，成为商业银行业最不稳定的因素。自商业银行系统内部的风险因素包括商业银行内部监管制度的缺陷，是银行内部影响风险发生关键因素。而职员是商业银行内部因素的重心，一方面银行职员与银行客户之间合谋行为将导致商业银行外部欺诈风险增加，另一方面在银行业违规行为也将影响商业银行外部欺诈风险。尽管银行职员业知识缺失会导致银行外部欺诈事件发生，但总体看影响不是很大。经济景气与否是银行外部经营环境的变化，并不能对商业银行外部欺诈风险生很大影响。商业银行外部欺诈风险预防的重点在银行内部控制体系建设和对银行客户严格审查，依法按章办理银行业，才能将银行客户交易行为的弄虚作假生的影响和损失降低到最低。因此，商业银行应该积极利用大数据信贷分析技术，加强客户管理和内部机制管理，双管齐下，有效预防外部欺诈风险的发生。

　　二大数据技术的信贷反欺诈风控

　　商业银行开展大数据风控有很多模式。例如，基于供应链的供应链电商台数据大数据风控的信贷模式，基于商圈的商圈大数据风控的信贷模式，基于社交数据的社交网络数据大数据风控的信贷模式。其实，大数据风控技术的形态是丰富多彩不拘一格的。如图所示，商业银行可以采用模型库和专家库并行的大数据智能风控模式，即将客户大数据分别导入事先设计的模型检验库和专家分析库，并以一定的方式将两方面的分析结论进行有机结合，得到最后的综合判断，提供客户大数据的欺诈指数或可信度水。

　　一大数据的模型检验库

　　模型检验库以纯量化分析为基础，通过对客户的大数据进行全面和深入的比较分析，发现数据内在逻辑缺陷，计算财报表的欺诈指数或可信度水。常用检验方法是财衡分析财稳定性检验行业数据比较其他源印证和统计回归检验等。

　　衡关系检验商业银行通过大数据风控程序对财数据进行基本层面的会计规则检验，由于目前内外会计体系尚存在一定差异，在系统开发时应特别要注意财数据的本地化特点，可以邀请专业会计师参加咨询，或直接购买工具软件品。

　　连续性检验这种方法是通过对企业历史财数据进行趋势分析，判断其现实数据的可信程度。一般而言，企业通过某种手段粉饰一两期财数据是比较容易做到的，但长期财作假的难度就相当大。银行应观察企业连续几年的财表现，如果发现数据表现出难以解释的大起大落，则可以判断企业提供虚假财报表的可能性较大。

　　行业数据比较一般情况下，银行都能通过公开渠道获得民经济主要行业的经营情况和财数据，如行业均的资本利润率销售增长率品销率资负债率等。将公司客户的财数据与行业均值进行比较，通过计算宏微观数据的偏离程度，可以从一个侧面判断数据欺诈的可能性。一般而言，客户财数据越是明显地优于行业均水，其财欺诈的可能性就越大。

　　其他数据源印证目前，全统一的企业征信体系尚未建成。同一企业需要向不同政府部门定期提供财数据。财政部统计局税局和人民银行都掌握着一定数量的数据资源。同一企业可能向不同部门提供的财报表相差迥异，例如为获得贷款就可能向银行夸大现金流量，为突出政绩就可能向财政部突出值增幅，为避免多上税就可能向税局低报应税利润等。银行可通过正当渠道掌握企业向有关部门的财数据，并与企业对银行提供的报表进行比较印证。

　　统计回归检验如果银行积累了足够的企业财欺诈的样本数据，就可以建立统计分析模型，如采用LOGIT判别分析等方法确定数据欺诈的预警标志点即关键财比率及其相应的参数。以此为基础，预测客户财欺诈的概率。美安然等大型公司财丑闻的曝光，属于典型的欺诈风险案例。目前，大部分银行都积极建立内部统计分析模型，对企业财欺诈行为进行预警分析与监测。

　　二专家分析库

　　商业银行根据常见的虚假数据，可以总结实用的大数据风险分析识别企业信息失真的方法，提炼后并入专家分析数据库，并将其模型化程序化和系统化。

　　关联交易分析根据现行会计准则，关联交易应遵循等价公的原则，按照公允价值进行计价。但由于历史和体制原因，关联交易已经成为关联公司之间进行报表粉饰或利润转移的常用工具。识别方法是将自关联企业的营业收入和利润总额从企业利润表予以剔除。通过这种分析，可以了解一个公司客户自身获利能力的强弱，判断该公司的盈利在多大程度上依赖于关联企业，从而判断其利润源是否稳定未的成长性是否可靠等。

　　不良资分析不良资除包括待摊费用待处理流动资净损失待处理固定资净损失开办费长期待摊费用等虚拟资项目外，还包括可能生潜亏的资项目，如高龄应收款项存货跌价和积压损失投资损失固定资损失等。由于不良资是导致企业虚盈实亏的重要原因，同时也是公司一个未引爆的定时炸弹，因此在对那些存在高额不良资的公司进行财报表分析时，对不良资进行剔除分析就显得十分重要。识别方法是将不良资总额与净资比较，如果不良资总额接或超过净资，即说明该公司持续经营能力可能有问题；同时也可以将当期不良资增加额与当期利润总额的增加额相比较，如果前者超过后者，说明公司当期利润表可能有水分。

　　或有事项分析或有事项是指过去的交易或事项形成的一种状况，其结果须通过未不确定事项的发生或不发生予以证实。常见的或有事项有对外担保未决诉讼未决索赔税纠纷品质量保证商业票据背书转让或贴现为其他单位提供债担保等。

　　重点科目分析企业财报表作假时，常用的账户包括应收账款其他应收款其他应付款存货投资收益无形资补贴收入四项准备等会计科目。如果这些会计科目出现异常变动，要考虑企业是否存在利用这些科目进行利润操纵的可能性。

　　合并报表分析合并报表分析是指将合并会计报表的母公司财数据和合并报表的数据进行比较分析，判断财数据真实性。有的公司采取的作假手法比较高明，为了逃避注册会计师和有关部门的审查，往往通过子公司或者孙公司实现利润虚构。因此，仔细分析合并报表有时也能发现其的疑点。

　　6

　　预警信号分析实际上，贷款企业经营在真正出现问题之前，通常会有风险信号出现。常见预警信号如下应收款项或存货的增长速度，远远大于销售收入的增长速度；公司没有新业扩充计划或财计划，但债比重大幅增加；公司在快速增长时出现失控；公司管理阶层以牺牲公司业的其他方面去满足利润目标；子公司长期亏损或业绩，而企业却热衷于搞兼并收购等资本运作；在建工程一直挂在账上，这往往意味着这是块被废弃的不良资，或者是以前年度造假的物；工人工资流水不正常，开始发不出工资；企业环保风险事件出现预警；企业开始频繁参与网络现金贷申请活动；企业涉讼风险；重大舆情风险事件；对外担保问题。

上一篇：【铭记】这一年内，荆州著名的西汉古尸看不到了！ 下一篇：【解读】盈髓养生馆加盟支持有哪些

最新文章