如何防范大数据信贷技术下的“反欺诈”风险?

中企清大金融教育集团 2019/08/10 02:22

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

金融风控研习社

行业探讨/知识分享

数据的爆炸式增长,开启了大数据时代的序幕。 大数据概念,是传统数据概念的延伸,大数据技术是对原有数据分析技术的补足。 随着大数据与数据挖掘技术的不断进步,结合新的理论、技术和模型评价方法,将能够增强商业银行数据挖掘的有效性,提高银行数据分析工具的实用性,进而有效提升商业银行信贷风险管控的技术水平。 具体来讲,大数据技术在银行信贷领域的应用,主要体现在大数据风控技术方面。 其中,反欺诈技术是大数据信贷技术的核心技术之一,是商业银行通过信贷技术实现风险管控的重要技术手段,需要商业银行重点关注、研究与运用。

一、信贷经营视角下的“欺诈风险”及其成因

1

金融欺诈的内涵界定

欺诈是造成商业银行收入损失的重要原因之一。 欺诈属于操作风险中的一类,但由于其发生的普遍性及一旦发生即带来损失的特征,欺诈风险需要商业银重点防范。 金融欺诈是近年来频繁发生在我国银行领域中的一种犯罪活动,对银行业发展具有巨大的破坏作用。 各商业银行必须采取有力措施遏止欺诈案件的产生和蔓延,加强反欺诈管理。 对于“欺诈”的概念,很多文献都予以了界定。 根据《布莱克法律辞典》的解释: “欺诈是指故意歪曲事实,诱使他人依赖于该事实而失去属于自己的有价财产或放弃某项法律权利。

《牛津法律大辞典》对诈欺的解释是: “在民法上,诈欺是一种虚伪陈述,或图谋欺骗的行为,通常以故意做虚假陈述、或者做出其本人并不相信其真实性的陈述,或者不顾其是否真实而做出的陈述等方式构成,并意图(并且事实上如此)使受骗人引以为据。 但是,诈欺同样也可以以隐瞒真相或故意不做出其理应做出的陈述方式,或者通过行为构成。

《国际商事合同通则》第3.8条注释将欺诈的概念解释为: “欺诈行为是指意欲诱导对方犯错误,并因此从对方的损失中获益的行为。 ”我国《民法总则》第148条规定: “一方以欺诈手段,使对方在违背真实意思的情况下实施的民事法律行为,受欺诈方有权请求人民法院或者仲裁机构予以撤销。

《民法总则》第149规定: “第三人实施欺诈行为,使一方在违背真实意思的情况下实施的民事法律行为,对方知道或者应当知道该欺诈行为的,受欺诈方有权请求人民法院或者仲裁机构予以撤销。 ”由上述各种对欺诈行为的法律解释可以总结出,银行业的欺诈是指银行的员工、客户或第三方,单独或与他人联合,用虚构事实或者隐瞒真相的方法骗取不正当的好处或利益,造成银行财务或其他方面损失的行为。 概括起来,欺诈行为需要具备四项基本要素,即欺诈方的欺诈故意、欺诈行为、受欺诈方的错误意思表示以及欺诈方的欺诈行为与受欺诈方的错误意思表示有因果关系,这四个要件构成欺诈行为的必备条件。 根据不同的分类标准,欺诈可以划分为不同的类别:

1、根据欺诈者的主体身份,可以将欺诈划分为内部欺诈和外部欺诈。 内部欺诈是指由内部人员参与的欺诈行为; 外部欺诈是指客户或第三方实施的欺诈行为,根据是否为账户持有人又可以细分为第一方欺诈和第三方欺诈。 第一方欺诈是指由账户持有人实施的欺诈行为,第三方欺诈是指由非账户持有人实施的欺诈行为。

2、根据欺诈发生的业务领域,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。

2

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“信贷业务型”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。

信贷实践中,常有一些中介机构参与其中,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,但对于银行来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。

3

信贷欺诈风险的原因分析

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

如图所示,导致商业银行外部欺诈风险增加的三大类原因中影响最大的因素是银行客户群的故意欺诈,然后是来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,但是其影响比较小。 影响银行内部控制不良失效产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; 银行职员业务知识缺失的影响是最小的。

在银行客户欺诈因素中,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中生有行为,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产对结果产生的影响较小。 经营环境不良因素中,社会整体信用缺失比金融相关法律缺失产生的影响要大。 来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。 在银行客户欺诈中,客户通过转移资产逃避银行债务和第三方对于商业银行资产盗抢这两个因素在银行客户故意欺诈中处于次要地位,影响客户欺诈最重要的因素是银行客户在交易行为中的弄虚作假行为中的无中生有和冒名顶替,这些行为让银行防不胜防,成为商业银行业务中最不稳定的因素。

来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中的缺陷,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中的重心,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,另一方面在银行业务中违规行为也将影响商业银行外部欺诈风险。 尽管银行职员业务知识缺失会导致银行外部欺诈事件发生,但总体看来影响不是很大。 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产生很大影响。 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务,才能将银行客户交易行为中的弄虚作假产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

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

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+电商平台数据+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平。

1

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,发现数据内在逻辑中缺陷,计算财务报表的欺诈指数或可信度水平。 常用检验方法是财务平衡分析、财务稳定性检验、行业数据比较、其他来源印证和统计回归检验等。

1

平衡关系检验

商业银行通过大数据风控程序对财务数据进行基本层面的会计规则检验,由于目前国内、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务数据的本地化特点,可以邀请专业会计师参加咨询,或直接购买工具软件产品。

2

连续性检验

这种方法是通过对企业历史财务数据进行趋势分析,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、两期财务数据是比较容易做到的,但长期财务作假的难度就相当大。 银行应观察企业连续几年的财务表现,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务报表的可能性较大。

3

行业数据比较

一般情况下,银行都能通过公开渠道获得国民经济中主要行业的经营情况和财务数据,如行业平均的资本利润率、销售增长率、产品产销率、资产负债率等。 将公司客户的财务数据与行业平均值进行比较,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,客户财务数据越是明显地优于行业平均水平,其财务欺诈的可能性就越大。

4

其他数据来源印证

目前,全国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务数据。 财政部、统计局、税务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务报表相差迥异,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产值增幅,为避免多上税就可能向税务局低报应税利润等。 银行可通过正当渠道掌握企业向有关部门的财务数据,并与企业对银行提供的报表进行比较印证。

5

统计回归检验

如果银行积累了足够的企业财务欺诈的样本数据,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(即关键财务比率)及其相应的参数。 以此为基础,预测客户财务欺诈的概率。 美国安然等大型公司财务丑闻的曝光,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,对企业财务欺诈行为进行预警分析与监测。

2

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。

1

关联交易分析

根据现行会计准则,关联交易应遵循等价、公平的原则,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。 识别方法是将来自关联企业的营业收入和利润总额从企业利润表中予以剔除。 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,从而判断其利润来源是否稳定、未来的成长性是否可靠等。

2

不良资产分析

不良资产除包括待摊费用、待处理流动资产净损失、待处理固定资产净损失、开办费、长期待摊费用等虚拟资产项目外,还包括可能产生潜亏的资产项目,如高龄应收款项、存货跌价和积压损失、投资损失、固定资产损失等。 由于不良资产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产的公司进行财务报表分析时,对不良资产进行剔除分析就显得十分重要。 识别方法是将不良资产总额与净资产比较,如果不良资产总额接近或超过净资产,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产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。

3

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,其结果须通过未来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、税务纠纷、产品质量保证、商业票据背书转让或贴现、为其他单位提供债务担保等。

4

重点科目分析

企业财务报表作假时,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、无形资产、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。

5

合并报表分析

合并报表分析是指将合并会计报表中的母公司财务数据和合并报表的数据进行比较分析,来判断财务数据真实性。 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来实现利润虚构。 因此,仔细分析合并报表有时也能发现其中的疑点。

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; 公司没有新业务扩充计划或财务计划,但债务比重大幅增加; 公司在快速增长时出现失控; 公司管理阶层以牺牲公司业务的其他方面去满足利润目标; 子公司长期亏损或业绩平平,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产,或者是以前年度造假的产物; 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。

互动

看完了这篇文章感觉怎么样?

觉得不错可以转发到朋友圈哟!

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

一个专注金融风控管理的公众号

ID: jrfkyxs

推荐关注的公众号:

中企清大金融研究院

ID:zqqdjjy888

新知图谱, 如何防范大数据信贷技术下的“反欺诈”风险?

▲长按二维码“识别”关注

简介:

传播信贷风控知识,分享最新风控理念. 清大人通过信贷风控中国行系列活动,搭建一个信贷机构和信贷人学习、交流、探讨的平台.以培训为切入点,推进我国小微金融事业的发展,贡献我们自身一份力量.

中企清大金融教育集团
+ 关注

更多新知