摘 要：本文采用某金融机构对员工异常行为排查的统计数据，在充分分析案件风险形成机理的基础上尝试通过实证分析，首先使用PAST统计软件以主成分分析法对表象型异常行为予以分解，分别从工作表现、社会活动、投资消费、其他方面等维度设计风险计量、评价与预警指标，按照不同类别的风险属性来确定风险系数，然后加权平均后进行排序；随后使用Winbugs软件WinBUGS（Bayesian Inference Using Gibbs Sampling）是英国剑桥公共卫生研究所的MRC Biostatistics Unit推出的用MCMC方法进行贝叶斯推断的专用软件包。应用Logit模型Logit model，也称“分类评定模型”，是离散选择法模型之一，属于多重变量分析范畴。进行统计，由员工异常行为类型判定案件发生的概率，结合排序结果再对可疑的员工进行进一步调查，最后提出相应的对策与建议。

关键词：员工异常行为 主成分分析 案件风险

一、前言

海因里希法则（Heinrichs Law）表明每起案件发生前都会有多个风险事件，每个风险事件发生前都会有多个苗头性问题，及时发现和有效处置苗头性问题就可以防止风险事件甚至是案件发生。

目前，国内对金融机构员工异常行为排查的模式及操作方法上的研究还是空白点，相关文献仅仅局限于方案与工作总结报告。在实际具体操作中，员工异常行为排查一般由各金融机构监察室承担，排查方式包括：日常排查、专项排查、全面排查等三种；排查方法包括：日常观察、交心谈心、检查调查、走访家访、科技排查、接受举报、综合分析等。但是，上述排查只限于按照制度具体执行的操作层面，缺乏有效的方法来推进此项工作。……