淺談數據建模方法在商業銀行信貸風險分類審計的應用

曾少燕

隨著信息技術的飛速發展，計算機網絡技術在銀行業中廣泛應用，為商業銀行審計工作的環境和工作方法帶來了巨大的變化。本文通過以審計流程為邏輯舉例提出具體的審計關注要點和建模思路，分析數據建模方法在商業銀行信貸風險分類審計的應用，以期能更快速、準確、全面地評估商業銀行信貸資產質量，為創新商業銀行內部審計模式提供參考。

信貸資產質量是商業銀行的生命線，不良貸款比率是銀行內部考核的主要指標，不但與撥備、利潤關系密切， 還影響到監管評級、社會聲譽等。為了更全面、快速、準確地評估商業銀行信貸資產質量，筆者嘗試采用數據建模的方法開展審計。本文將重點分析數據建模應用在信貸風險分類審計的意義，并以審計流程為邏輯舉例分析數據建模在信貸風險審計中的應用。

一、數據建模應用在信貸風險分類審計的意義

數據建模是指對現實世界各類數據的抽象組織，確定數據庫管轄的范圍、數據的組織形式等直至轉化成現實的數據庫的過程。通俗地說，數據建模就是搞清楚每個表的字段、表之間有什么聯系，然后根據需要添加字段或度量值、建立關系的過程。數據建模應用在商業銀行信貸資產風險分類審計的意義主要在于：

（一）持續監測，提高審計效率。數據建模根據設定的規則，在條件不變的基礎上固化模型便于對常規風險點進行持續監測。對于商業銀行的信貸資產風險分類而言，分類的各項指標與數據密切相關，運用數據建模開展審計工作，可以保證快速的查找到異常信息，大大提高審計效率。

（二）精準核查，提高審計準確性。數據建模是以數據分析為基礎，經過對風險點的分析，利用業務邏輯等設計出模型，通過運行系統模型挖掘出疑點和線索，然后對疑點或風險點實行精準核查，提高審計準確性。

（三）拓展審計廣度和深度，助力推進審計全覆蓋。傳統的審計模式下，受制于人力、物力等有限資源的制約，審計人員一般采用抽樣審計，通過部分樣本的審計結果來推測總體情況。數據建模的應用可以打破“用抽樣樣本推斷總體”的傳統審計思維方式，實現審計廣度和深度的拓展，助力推進審計全覆蓋。

二、數據建模方法在商業銀行信貸風險分類審計的應用

信貸風險分類數據建模主要從風險分類的準確性和風險分類程序的合規性方面著手，下文以審計流程為邏輯分析。

（一）審前調查：確定數據建模審計關注要點。

數據建模主要適用于監測可量化的風險指標。以下針對信貸風險分類的準確性和風險分類程序的合規性各摘取兩個的關注要點舉例說明：

1.風險分類的準確性。

（1）關注貸款偏離度是否過高。貸款偏離度也叫貸款分類偏離度，是指貸款的賬面分類和真實分類的偏差程度，是衡量貸款分類準確性的逆指標，即偏離度指標值越大，分類準確性越差;偏離度指標值越小，分類準確性越高。貸款偏離度應重點關注逾期90天以上的貸款是否及時調為不良。

（2）關注同一借款人同時存在風險評級為“正常”和不良（即風險評級為次級、可疑、損失）的貸款。根據《貸款分類指引》（銀監發[2007]54號）第十條規定，同一借款人對本行或其他銀行的部分債務已經不良應至少歸為關注類。

2.風險分類程序的合規性。

（1）關注風險分類上調是否符合監管要求。《關于進一步加強信用風險管理的通知》（銀監發〔2016〕42號）第六點要求：“只有符合所有逾期的本金、利息及其他欠款已全部償還，并至少在隨后連續兩個還款期或6個月內（按兩者孰長的原則確定）正常還本付息，且預計之后也能按照合同條款持續還款的不良貸款，才能上調為非不良貸款”。

（2）關注風險分類認定是否存在超權限審批。商業銀行應設立風險管理委員會和風險管理部門專門負責風險分類結果認定工作，并制定相應風險分類的認定權限，由風險管理部門成立風險分類小組按照授權對貸款進行分類認定，報風險分類認定組長或風險管理委員會審批。

（二）審計實施

1.數據采集、驗證、清理和轉換。

風險分類的數據建模分析需要采集全行《貸款臺賬》，字段應包括但不限于數據日期、借款人名稱、客戶號、貸款賬號、發放日期、發放金額、貸款到期日、貸款余額、貸款用途、借款合同編號、逾期天數、逾期金額、欠息天數、欠息金額、上月五級分類、五級分類等。采集數據后，審計人員還應對數據進行驗證分析，以確保數據的準確、唯一、完整。對于格式不適用于系統建模的數據還應對其進行清理和轉換。

2.建立模型。

審計模型建立需要系統和軟件的支持，不同的企業使用的系統可能不一樣，下面僅介紹建模思路以供參考。

（1）貸款偏離度審計模型：導入全行《貸款臺賬》，設定提取條件：貸款余額 >0 and 逾期天數>90 and （風險分類評級=‘正常or‘關注）and（欠息金額>0 or 逾期金額>0），得出貸款逾期90天仍未納入不良的貸款明細。

（2）同一借款人同時存在風險評級為“正常”和不良等級的貸款模型： 一是導入全行《貸款臺賬》，設定提取條件：貸款余額 >0，五級分類=‘次級OR ‘可疑OR‘損失，得出中間表1（《不良貸款情況表》）。二是把《貸款臺賬》與《不良貸款情況表》使用客戶號進行關聯，設定條件：不良貸款臺賬.五級分類 <> 貸款臺賬.五級分類 and 貸款臺賬.貸款余額 >0 and 貸款臺賬.五級分類 =‘正常，得出同一借款人在本行的部分債務已經不良，其他有歸入“正常”類的貸款明細。

（3）風險分類上調是否符合監管要求模型：導入《貸款臺賬》，設定提取條件：（上月五級分類=‘次級 OR ‘可疑 OR ‘損失）and （五級分類=‘正常 OR ‘關注），得出沒有在隨后連續兩個還款期或6個月內（按兩者孰長的原則確定）正常還本付息才能上調為非不良貸款的貸款明細。

（4）風險分類認定是否存在超權限審批情況模型：一是將非結構化數據轉換成結構化數據。在信貸系統導出風險分類審批人員意見，轉化成結構化表（EXCEL格式），要素包括但不限于有客戶號、客戶名稱、貸款余額、審批時間、審批人、審批意見等。二是確定該筆貸款的風險分類審批人是否與審批權限相匹配。假設貸款余額5000萬元（含）以下的需提交支行行長審批，5000萬元以上10000萬元（含）以下的需提交總行風險分類小組成員審批，10000萬元以上20000（含）萬元以下的需提交至總行風險分類小級組長審批，20000萬元以上的需提交總行風險分類工作領導組審批。則利用EXCEL公式設置“=IF（C3<=5000，“支行行長”，IF（C3<=10000，“總行風險分類小組成員”， IF（C3<=20000，“總行風險分類小組組長”，“總行風險分類工作領導組”））） ”，得出D列“理論審批人”明細。三是確定理論審批人與實際審批人是否一致。假設G列是實際審批人，公式設置“=D=G”。最后得出EXCEL判斷結果為‘FALSE的則可能存在超權限審批情況。

3.數據核實查證。

上述數據建模得出的可疑貸款明細，審計人員還需通過數據較驗方式核實查證，必要時可結合信貸檔案，實地走訪等方式延伸調查貸款企業，核實商業銀行在貸款風險分類中存在的問題。

（三）審計報告

數據建模方法的審計報告方式與傳統審計報告無太大差異，在此不再贅述。

三、結語

當今大數據時代，數據化審計對于審計工作的幫助是不言而喻的。商業銀行信貸風險分類的各項指標與數據密切相關，數據建模審計方法對快速、準確、全面地評估商業銀行信貸資產質量效果顯著，值得探討與應用。（作者單位：廣東順德農村商業銀行股份有限公司）