利用計算機開展商業銀行貸款集中度分析

王志武　宋成武　王慧琳　孔繁勝

隨著美國次貸危機的爆發，自“大蕭條”以來全球最嚴重的金融危機已迅速席卷全球，給世界各國的經濟發展和人民生活帶來嚴重影響。作為全球經濟的重要組成部分，中國也受到了相當程度的影響，國家總理溫家寶在第七屆亞歐首腦會議記者招待會上表示，要正確地處理金融創新和金融監管的關系。經過市場經濟運行的實踐證明，金融是現代經濟的核心，金融安全是國家經濟安全的核心。為了保障金融安全，促進金融行業健康穩定發展。近年來，我國審計機關依法加強金融審計，在探索金融審計路子、方法，改進金融審計手段，加快金融審計規范化建設等方面，取得了一定效果。本文通過介紹計算機技術如何在商業銀行貸款集中度分析中發揮的重要作用，進一步說明計算機技術在審計工作中的運用，是審計事業發展的一個里程碑，是審計技術和手段的一場深刻變革。

一、當前銀行貸款存在的主要問題及原因

近幾年，國家審計機關對大部分國有大型商業銀行進行了全面審計，審計結果表明，商業銀行貸款業務存在著很多問題，主要集中在貸款質量差，不良貸款率居高不下，嚴重影響了商業銀行的正常運行，造成這種局面的原因是多方面的：

（一）商業銀行內部控制制度不完善，管理薄弱。如，銀行信貸管理不善導致違規發放貸款；違規向無資本金或不具備貸款條件的企業發放貸款；違法向關系人發放信用貸款；違規向銀行“三產”發放貸款；貸款擔保出現漏洞導致貸款被詐騙；貸款抵押不規范；貸前審查不嚴，貸后管理松懈等等問題。

（二）貸款過度集中，結構不合理。如，銀行對單一客戶授信額度過高，未能有效控制關聯企業的信貸風險等，這一點信用社尤為突出。

（三）借款企業經營管理不善等因素導致貸款難以收回。

（四）宏觀政策調整和市場環境變化因素導致貸款損失。

（五）社會信用制度不健全，借貸人逃廢銀行債務比較嚴重，更有違法犯罪分子利用銀行貸款管理中存在的漏洞，與銀行內部人員相勾結，惡意騙取貸款資金，侵吞國有資產。

（六）受經濟體制和金融會計制度的影響產生不良貸款。

上述6種原因，從審計實踐看，主要是1、2、5三項，尤其1和5是需要重點揭示的問題，近年來審計中查出的大量問題都與這兩項有關。本文作者通過利用計算機對貸款集中度進行審查，進而發現違法違規貸款金額共計2.1億元，極大的提高了審計效率和審計質量。

二、審計思路

通過對該商業銀行業務進行分析，考慮到該銀行主要業務為農戶貸款，業務量比較大，能夠較好地體現貸款發生的規律，如農業生產的淡旺季特點、各個自然村的均衡分布規律、金額和期限的不等規律、歸還的不統一規律都應該體現出來，所以一旦出現貸款日期集中、貸款額整齊劃一、約期一致、并且同時展期、貸款戶數占自然人口比例過高等現象就不能排除存在違法違規問題。審計組在審計過程中通過篩選某縣的一個信用社的農戶貸款，發現了農戶多次參加聯保小組，超限額貸款的問題，最嚴重的2個人參加了7個聯保小組，分別貸款21萬元。經進一步核實，發現了個別加工大戶冒充他人名義多次貸款的問題。我們認為，對于此類問題可以直接利用原數據進行查找分析，通過對貸款數據進行分析，審計組設計了審計模型并根據篩選結果對這些數據反映的貸款進行審查和核實，發現了大量此類違規農戶貸款，經過實踐證實這些審計模型達到了預期目的，效果很好。

三、審計模型

1.從該商業銀行采集貸款分戶動態表、貸款分戶靜態表、產品組別對照表、機構表、貸款客戶表這5張數據表。

2.將貸款分戶動態表按貸款帳號進行分類匯總，形成中間表。

3.將產品組別對照表按產品號碼和產品名稱篩選不重復項，形成中間表。

4.將貸款分戶靜態表、機構表、貸款客戶表與第2、3步形成的中間表關聯，生成貸款全信息表。

5.按以下三種分析方法在貸款全信息表中進行查詢篩選：

（1）合同到期日相同，展期到期日相同，且筆數大于10或者平均貸款額大于20萬的。

（2）同社同日貸款筆數大于30筆的個人貸款。

（3）同社同村同年貸款筆數。

6.在上一步篩選結果的基礎上，進行進一步核實。

四、審計步驟

步驟一：該商業銀行業務信息系統使用的后臺數據庫是Oracle。通過備份或數據文件拷貝的方式直接采集業務數據。

步驟二：將上述業務數據導入到審計人員的Microsoft SQL Server中，利用自行開發的工具軟件對上述數據庫每個表的記錄條數進行統計，確定表的重要程度，刪除記錄條數為0的表，減少待研究表的數量，減少空記錄表對數據庫結構研究的干擾。

步驟三：按記錄條數從多到少逐次打開每張表，了解表結構和表內容，經過反復測試，拆解出數據庫的數據字典。

步驟四：通過對表和字段的研究，審計人員對系統進行了應用測試。主要從以下兩個方面進行：

1.生成中間表

（1）四級形態數據表按賬戶類型進行篩選。

（2）帳戶貸款余額表按貸款帳號進行分類匯總。

（3）產品組別對照表按產品號碼和產品名稱篩選不重復項。

（4）貸款信息表、貸款靜態表與上述各表相聯后得到最終的貸款全信息表：

2.數據正確性檢驗。

貸款全信息表生成后，要判斷其數據是否準確。具體的步驟是執行下列語句后，進行對比分析。

（1）對貸款全信息表中貸款余額字段進行加和并統計數據量。

SQL語句為：select sum(貸款余額),count(*) as 記錄數 from 貸款全信息表

（2）對帳戶貸款余額表和貸款余額字段進行加和并統計數據量。

SQL語句為：select sum(貸款余額),count(*) as 記錄數 from 帳戶貸款余額表

步驟五：中間表與數據檢驗完成后,下面要對農戶貸款數據進行篩選，對貸款日期、貸款期限、貸款展期情況進行集中度分析。主要有以下三種審計模型：

1.第一種集中度分析審計模型

模型描述：在生成的貸款全信息表中篩選合同到期日相同，展期到期日相同，且筆數大于10或者平均貸款額大于20萬的貸款信息。

SQL語句為：Select 機構名稱,合同到期日, 展期到期日,count(*) as 記錄數,sum(已發放金額),sum(貸款本金余額) from 貸款全信息表 group by機構名稱,合同到期日,展期到期日 having (count(*) > 10 or sum(已發放金額)/count(*) > 200000) and count(*) <> 1 order by機構名稱,count(*),合同到期日,展期到期日 desc

2.第二種集中度分析審計模型

模型描述：同社同日貸款筆數大于30的個人貸款信息。

SQL語句為：select機構名稱,貸款日期,count(*) as 記錄數,sum(已發放金額),sum(貸款本金余額) from 貸款全信息表 where 客戶標志= '1' group by 機構名稱,貸款日期 having count(*)>30 order by 機構名稱,貸款日期,count(*) desc

3.第三種集中度分析審計模型

模型描述：同社同村同年貸款筆數。

SQL語句為：select 機構名稱,year(貸款日期) as 年份,村別號,count(*),sum(已發放金額),sum(貸款本金余額) from 貸款全信息表 where 已發放金額<> 0 group by機構名稱,year(貸款日期),村別號order by機構名稱 asc,year(貸款日期) asc,count(*) desc

審查要點：在發現可疑線索后要貸款檔案進行詳細審查，著重關注貸款人借款用途、聯保、額度等貸款要素情況。同時通過調閱農村信用社對農戶的信用調查和等級評定結果材料，如“送金融知識下鄉活動”，掌握各村自然人口情況、農戶聯系方式、在轄區社貸款情況等，從中發現一人參加多個聯保小組，超限額貸款以及不符合貸款條件的問題，進而通過進一步的審查發現“頂冒名貸款”、“壘大戶貸款”、“農戶貸款企業使用”等違規問題。

五、審計模型應用成果

通過對第一種集中度分析模型發現的線索進行延伸審計, 發現違規發放農戶承貸、企業或村、鎮使用貸款5500余萬元；對第二種集中度分析模型發現的線索進行延伸審計, 發放多人承貸一人使用貸款14000余萬元；對第三種集中度分析模型發現的線索進行延伸審計,發現該行向非農戶發放農戶貸款1400余萬元。

經過多年的實踐，我們深深感到，與迅猛發展的信息化進程相比，金融審計在計算機技術的運用方面還存在許多不足和差距。因此，審計機關必須瞄準金融監管的制高點，加快金融計算機審計科學化、系統化、規范化、標準化的步伐，充分發揮出金融審計在防范和化解金融風險中的作用。