基于大數(shù)據(jù)背景下的商業(yè)銀行信用卡審計方法應(yīng)用研究

(中國郵政儲蓄銀行審計局天津分局 天津 300022)

近年來隨著消費市場的快速發(fā)展，商業(yè)銀行將信用卡作為拓展的重要發(fā)力點，信用卡發(fā)卡量急速增長，截至2018年末，全國信用卡和借貸合一卡發(fā)卡數(shù)量已達(dá)6.86億張，人均持有信用卡和借貸合一卡0.49張。在經(jīng)濟(jì)增長下行壓力較大的大背景下，隨著信用卡消費對各個領(lǐng)域的滲透，信用卡業(yè)務(wù)的風(fēng)險管理形勢也更加復(fù)雜，尤其信用風(fēng)險在迅速累積，各類風(fēng)險事件也逐漸暴露。截至2018年末，信用卡逾期半年及以上金額合計788.61億元，信用卡不良率達(dá)到1.6%，不良貸款風(fēng)險與日劇增，風(fēng)險防控壓力驟增。

一、商業(yè)銀行的信用卡業(yè)務(wù)內(nèi)部審計現(xiàn)狀

(一)信用卡內(nèi)部審計存在的問題

商業(yè)銀行對信用卡業(yè)務(wù)的重視程度不斷增加，信用卡客戶量、發(fā)卡量和刷卡量近幾年屢創(chuàng)新高。但隨著信用卡業(yè)務(wù)規(guī)模的激增，用卡環(huán)境日趨復(fù)雜，審計工作也面臨著諸多的困難。當(dāng)前我國商業(yè)銀行信用卡業(yè)務(wù)審計方法不夠有效，風(fēng)險管控機(jī)制不夠成熟，信用卡業(yè)務(wù)的審計效果不盡人意。

一是審計抽樣效率不高。信用卡業(yè)務(wù)發(fā)卡量、交易量、合作商戶數(shù)量較大，現(xiàn)場審計的時間、人力等資源又較為有限，如果按照傳統(tǒng)業(yè)務(wù)審計方法采用樣本統(tǒng)計抽樣和經(jīng)驗抽樣，存在很大的偶然性，很難鎖定風(fēng)險問題，容易遺漏非抽樣樣本的風(fēng)險點，無法滿足信用卡審計目標(biāo)的要求。

二是審計分析方法落后。商業(yè)銀行的信用卡審計分析系統(tǒng)大多建立在對信貸業(yè)務(wù)審計需求之上，貸款業(yè)務(wù)和信用卡業(yè)務(wù)在業(yè)務(wù)渠道、風(fēng)險控制要點、交易渠道、交易筆數(shù)等方面存在較大的差異，信用卡業(yè)務(wù)日常所產(chǎn)生的巨額交易數(shù)據(jù)遠(yuǎn)超貸款業(yè)務(wù)數(shù)據(jù)，用傳審計手段和技術(shù)難以處理海量數(shù)據(jù)并精準(zhǔn)定位問題數(shù)據(jù)，這對商業(yè)銀行信用卡審計手段和方法提出了更高的要求，而目前商業(yè)銀行落后的審計分析方法無法滿足信用卡業(yè)務(wù)日益復(fù)雜的審計要求。

三是信息科技審計專業(yè)人才缺乏。隨著信息技術(shù)在信用卡業(yè)務(wù)中的應(yīng)用和推廣，商業(yè)銀行在日常的信用卡營銷和發(fā)卡環(huán)節(jié)中使用便攜式發(fā)卡機(jī)、網(wǎng)絡(luò)虛擬卡、營銷APP等新的信息技術(shù)。但是，在商業(yè)銀行內(nèi)部審計隊伍中，精通信用卡業(yè)務(wù)并掌握信息科技的復(fù)合型內(nèi)部審計人才較少，難以滿足當(dāng)前日趨復(fù)雜的信用卡審計項目要求，無法及時發(fā)現(xiàn)并揭示由新技術(shù)帶來的風(fēng)險隱患。

二、商業(yè)銀行信用卡業(yè)務(wù)的主要風(fēng)險

信用卡業(yè)務(wù)的不同階段都可能導(dǎo)致風(fēng)險的累積，從而對商業(yè)銀行造成損失：一是在卡片申請階段，由于銀行和客戶之間存在信息的不對等，僅依據(jù)申請人提供的個人基本信息、資產(chǎn)證明和收入水平等資料，有可能使銀行對申請人的還款能力和意愿做出不準(zhǔn)確的評估，造成不恰當(dāng)?shù)陌l(fā)卡和額度審批；二是在卡片使用階段，由于商業(yè)銀行缺乏有效風(fēng)險監(jiān)控手段，未能及時發(fā)現(xiàn)客戶的違規(guī)使用行為，往往會對商業(yè)銀行造成商業(yè)信譽(yù)與經(jīng)濟(jì)損失。信用卡業(yè)務(wù)的各個環(huán)節(jié)所存在的風(fēng)險都會導(dǎo)致信用卡違約風(fēng)險的暴露。

(一)持卡人的信用風(fēng)險

一是套現(xiàn)透支。信用卡提現(xiàn)額度有限，滿足不了部分持卡人員的資金需求，由此會產(chǎn)生套現(xiàn)、惡意透支的動機(jī)，持卡人通過POS機(jī)或者第三方支付平臺做虛假交易以過度獲取高額現(xiàn)金。這種行為加大了信用卡業(yè)務(wù)的信用風(fēng)險。二是養(yǎng)卡透支。部分持卡人由于過度消費，造成信用卡償還困難，利用多家銀行的信用卡進(jìn)行循環(huán)套現(xiàn)，該行為一方面會因套現(xiàn)手續(xù)費過高，加大借款人資金壓力；另一方面日積月累的養(yǎng)卡透支會加重持卡人的資金負(fù)擔(dān)、導(dǎo)致持卡人資金鏈斷裂、信用卡逾期，同時造成多家銀行資金損失。

(二)發(fā)卡和支付的操作風(fēng)險

自2007年5月銀監(jiān)會發(fā)布《商業(yè)銀行操作風(fēng)險管理指引》以來，商業(yè)銀行開始重視信用卡操作風(fēng)險管理體系的建設(shè)。對于信用卡業(yè)務(wù)來講，其風(fēng)險具有復(fù)雜性、多樣性、分散性和易發(fā)性的特點，風(fēng)險管理相對滯后，存在諸多問題。一是部分銀行為了搶占市場，只重視發(fā)卡量，而忽視對風(fēng)險的管理和控制。銀行員工為了獲取業(yè)務(wù)績效，對信用卡申請人員的審核不嚴(yán)格，甚至極端情況下或者自身或者通過中介機(jī)構(gòu)幫助申請人偽造資料以獲取信用卡；二是支付環(huán)節(jié)的安全性較低，存在被盜刷的風(fēng)險。移動支付時代下信用卡通常會綁定手機(jī)APP進(jìn)行支付，安全性較低，信用卡存在被盜刷的情況，造成銀行資金損失或銀行的聲譽(yù)風(fēng)險。

(三)外部欺詐風(fēng)險

一是持卡人信息泄露風(fēng)險。特約商戶或者其經(jīng)辦人員，通過持卡人在消費過程中掌握卡片信息，對卡片進(jìn)行復(fù)制、偽造信用卡進(jìn)行盜刷，或根據(jù)卡片信息進(jìn)行欺詐，這種行為嚴(yán)重侵犯了銀行和持卡人的合法利益，擾亂了信用卡市場的秩序。二是不法分子利用“空殼”公司進(jìn)行欺詐。為規(guī)避銀行“三親一訪”制度，不法分子注冊“空殼”公司偽造申請人信息，大批量獲取銀行授信，騙取銀行資金，或者幫助不符合資質(zhì)的人員取得信用卡，以獲取巨額手續(xù)費等。

三、基于大數(shù)據(jù)技術(shù)的信用卡審計方法與工具

在大數(shù)據(jù)背景下，作為“第三道防線”的內(nèi)部審計部門如何能夠充分利用信用卡海量與寶貴的數(shù)據(jù)資源，如何利用大數(shù)據(jù)和金融科技手段揭示信用卡業(yè)務(wù)中的風(fēng)險，從而提升信用卡業(yè)務(wù)審計的質(zhì)量,已成為內(nèi)部審計部門面臨的一個重要難題。傳統(tǒng)的信用卡審計方法大多是通過數(shù)據(jù)庫分析工具或統(tǒng)計分析方法對信用卡數(shù)據(jù)進(jìn)行處理，為審計提供一個較為粗糙的風(fēng)險線索或抽樣結(jié)果，但是大數(shù)據(jù)時代下的審計人員在面對多源頭、跨業(yè)務(wù)且類型多樣的信用卡大數(shù)據(jù)處理時遇到了較大的挑戰(zhàn)。基于大數(shù)據(jù)的審計分析和監(jiān)測方法可為解決這一難題提供思路和方法上的支撐，將大數(shù)據(jù)分析技術(shù)應(yīng)用在信用卡內(nèi)部審計工作中，能夠提升商業(yè)銀行對信用卡業(yè)務(wù)審計中的風(fēng)險事件識別和監(jiān)控能力。

目前基于大數(shù)據(jù)的信用卡風(fēng)險分析方法和技術(shù)主要分為兩類：一是針對信用風(fēng)險，構(gòu)建信用卡違約風(fēng)險模型，對持卡人或申請人進(jìn)行信用評分，以動態(tài)掌握持卡人的信用狀況，預(yù)測不同特征信用卡客戶的違約率。二是針對操作風(fēng)險和外部欺詐風(fēng)險，構(gòu)建異常交易監(jiān)測模型，及時對異常行為進(jìn)行預(yù)警，采取風(fēng)險防控措施。

(一)信用風(fēng)險模型

信用卡信用風(fēng)險模型通過分析持卡人或申請人在過去一段時間內(nèi)的基礎(chǔ)信息或交易數(shù)據(jù)，掌握信用卡客戶的征信情況、儲蓄情況及資產(chǎn)情況。通過logistics方法對客戶的關(guān)鍵信息進(jìn)行回歸分析，分析逾期或不良客戶的特征，預(yù)測信用卡客戶的逾期風(fēng)險，得到各類不同特征客戶的信用風(fēng)險。構(gòu)建基于logistics的信用卡違約風(fēng)險模型的具體步驟如下：

1、獲取客戶基礎(chǔ)信息，篩選數(shù)據(jù)。首先根據(jù)商業(yè)銀行當(dāng)年信用卡不良貸款客戶比例，選取不良貸款客戶(近一年內(nèi)轉(zhuǎn)為不良)與未出現(xiàn)任何違約客戶作為訓(xùn)練樣本，可適當(dāng)增加不良貸款客戶的樣本數(shù)量，以得到更加精準(zhǔn)的預(yù)測效果；對客戶信息中的非連續(xù)變量賦值，如學(xué)歷、性別、職業(yè)、崗位、工作單位性質(zhì)、婚姻狀況與住房情況等非數(shù)值型特征，將其按不同的類別進(jìn)行賦值，將所有的客戶信息變?yōu)槟Ｐ涂山忉尩臄?shù)值類型，即數(shù)據(jù)化。

2、通過主成分分析法，篩選特征變量。信用卡客戶的變量集合中包含著許多噪聲與非相關(guān)特征信息，這極有可能誤導(dǎo)模型預(yù)測的結(jié)果，還會占用大量的空間與計算資源，大大地降低了模型的執(zhí)行效率。因此，通過分析所有備選特征變量的相關(guān)性，盡量多地保留原始信息，篩選掉冗余的相關(guān)信息，構(gòu)建一組新的綜合變量作為模型訓(xùn)練的樣本。通過主成分分析法得出各項主成分變量的特征值，選擇主成分特征值大于1的主成分變量，可以推斷選擇的主成分變量對數(shù)據(jù)變異的解釋程度較之前的原始特征變量更為明顯，認(rèn)定該主成分是有效的，再將所有已選的主成分變量組成模型訓(xùn)練的樣本特征集，進(jìn)一步提高風(fēng)險模型的精準(zhǔn)度與可靠性，即數(shù)據(jù)精準(zhǔn)化。

其中，β是回歸模型的參數(shù)。

由于邏輯回歸模型的非線性特征，因此使用極大似然估計法求解模型參數(shù)，得到參數(shù)向量的極大似然函數(shù)：

求解能夠使似然函數(shù)達(dá)到最大的參數(shù)的估計值，結(jié)合logistics信用評分模型，即可獲得每個客戶的違約概率。

基于logistics的信用卡信用風(fēng)險模型對信用卡信用風(fēng)險的預(yù)測效果較為穩(wěn)定，較商業(yè)銀行普遍使用的評分判別模型精準(zhǔn)度高；logistics算法對數(shù)據(jù)的適應(yīng)性強(qiáng)，能夠較好地處理非連續(xù)變量數(shù)據(jù)的非線性關(guān)系，其模型的運行結(jié)果也較機(jī)器學(xué)習(xí)等數(shù)據(jù)挖掘算法更易于理解。

(二)異常交易監(jiān)測模型

信用卡發(fā)卡環(huán)節(jié)和支付環(huán)節(jié)的操作風(fēng)險均存在各自不同的特點，但是其風(fēng)險主要集中體現(xiàn)在信用卡客戶用卡的異常交易。信用卡客戶的異常交易主要包含兩類，一是用卡客戶違反其日常使用信用卡習(xí)慣導(dǎo)致出現(xiàn)異常交易；二是交易行為不符合同類型或同行業(yè)客戶群體交易特征，因此，商業(yè)銀行可以此為出發(fā)點構(gòu)建異常交易監(jiān)測模型。信用卡異常交易監(jiān)測預(yù)警技術(shù)，主要通過大數(shù)據(jù)分析技術(shù)對商業(yè)銀行信用卡的客戶異常交易行為進(jìn)行識別和分析，從而及時發(fā)現(xiàn)客戶交易存在的操作風(fēng)險和欺詐風(fēng)險，及時采取風(fēng)險防范措施。上述兩類模型主要基于信用卡客戶的基本信息、資產(chǎn)信息和客戶賬戶交易流水等數(shù)據(jù)信息進(jìn)行分析，提取交易數(shù)據(jù)中的關(guān)鍵特征，通過對異常行為或違規(guī)交易深入挖掘分析，從而構(gòu)建異常交易行為監(jiān)測模型，有效識別和監(jiān)測信用卡日常交易中存在的關(guān)鍵風(fēng)險點。

信用卡異常交易監(jiān)測模型主要針對以下兩種情況進(jìn)行分析，一是信用卡客戶采用頻繁套現(xiàn)“以卡養(yǎng)貸”，掩蓋客戶真實還款能力現(xiàn)象；二是涉及欺詐或團(tuán)伙作案，不同客戶的多張信用卡，有規(guī)律進(jìn)行大額度取現(xiàn)交易，臨近還款日進(jìn)行還款。通過對信用卡交易流水信息、客戶基本信息、信用卡基本信息進(jìn)行關(guān)聯(lián)分析，對提取的關(guān)鍵數(shù)據(jù)采用主成分分析法與相關(guān)性分析方法，從不同維度揭示信用卡客戶存在的異常套現(xiàn)行為。

1、商戶異常交易模型。商戶異常交易模型通過分析商戶POS流水信息，從而判斷是否存在虛假使用、異常消費、集中套現(xiàn)等交易行為。通過對行內(nèi)商戶POS交易流水信息、商戶基本情況信息和信用卡基本信息建立異常交易模型，采用邏輯回歸logistics分析方法，選取相關(guān)性較低的特征字段，能夠發(fā)現(xiàn)多種異常交易行為。一是實際POS刷卡消費金額與日常消費習(xí)慣差異較大，二是商戶或其關(guān)聯(lián)人通過自辦POS機(jī)進(jìn)行大規(guī)模‘自辦自刷’，三是多名信用卡客戶周期性在某一商戶POS進(jìn)行刷卡消費等現(xiàn)象。

2、信用卡套現(xiàn)交易模型。通過對信用卡交易流水信息、客戶基本信息與信用卡基本信息進(jìn)行關(guān)聯(lián)分析，采用主成分分析法獲取客戶的關(guān)鍵特征，利用logistics算法劃分客群特征，從不同維度揭示信用卡客戶的套現(xiàn)行為。信用卡套現(xiàn)交易模型主要針對兩類風(fēng)險客戶，一是單一信用卡客戶采用頻繁套現(xiàn)“以卡養(yǎng)貸”，掩蓋客戶真實還款能力現(xiàn)象；二是涉及欺詐或團(tuán)伙作案，某一客戶持有多張他人信用卡，有規(guī)律地進(jìn)行大額度取現(xiàn)交易，臨近還款日進(jìn)行還款。該模型能夠有效發(fā)現(xiàn)異常客戶套現(xiàn)行為，為實際的風(fēng)險管理工作提供充分的線索指向，從而做到早發(fā)現(xiàn)早預(yù)防早處理，有效防范信用卡欺詐或違規(guī)套現(xiàn)存在的風(fēng)險。

四、總結(jié)

本文通過將大數(shù)據(jù)思維引入審計實務(wù)，提出了基于大數(shù)據(jù)審計實務(wù)的基本框架，探討了如何構(gòu)建信用卡監(jiān)測體系，持續(xù)關(guān)注信用卡風(fēng)險變動，及時預(yù)警信用卡業(yè)務(wù)的異常行為與突發(fā)事件，建立長效的風(fēng)險監(jiān)測方法與模式。同時，本文基于建立風(fēng)險監(jiān)測方法提出了基于logistics的信用卡違約風(fēng)險模型，提高審計抽樣的精度與效率；基于預(yù)警信用卡業(yè)務(wù)的異常行為提出了商戶異常交易模型與信用卡套現(xiàn)交易模型，監(jiān)測信用卡客戶與商戶的異常交易行為。