曾少燕

随着信息技术的飞速发展，计算机网络技术在银行业中广泛应用，为商业银行审计工作的环境和工作方法带来了巨大的变化。本文通过以审计流程为逻辑举例提出具体的审计关注要点和建模思路，分析数据建模方法在商业银行信贷风险分类审计的应用，以期能更快速、准确、全面地评估商业银行信贷资产质量，为创新商业银行内部审计模式提供参考。

信贷资产质量是商业银行的生命线，不良贷款比率是银行内部考核的主要指标，不但与拨备、利润关系密切， 还影响到监管评级、社会声誉等。为了更全面、快速、准确地评估商业银行信贷资产质量，笔者尝试采用数据建模的方法开展审计。本文将重点分析数据建模应用在信贷风险分类审计的意义，并以审计流程为逻辑举例分析数据建模在信贷风险审计中的应用。

一、数据建模应用在信贷风险分类审计的意义

数据建模是指对现实世界各类数据的抽象组织，确定数据库管辖的范围、数据的组织形式等直至转化成现实的数据库的过程。通俗地说，数据建模就是搞清楚每个表的字段、表之间有什么联系，然后根据需要添加字段或度量值、建立关系的过程。数据建模应用在商业银行信贷资产风险分类审计的意义主要在于：

（一）持续监测，提高审计效率。数据建模根据设定的规则，在条件不变的基础上固化模型便于对常规风险点进行持续监测。对于商业银行的信贷资产风险分类而言，分类的各项指标与数据密切相关，运用数据建模开展审计工作，可以保证快速的查找到异常信息，大大提高审计效率。

（二）精准核查，提高审计准确性。数据建模是以数据分析为基础，经过对风险点的分析，利用业务逻辑等设计出模型，通过运行系统模型挖掘出疑点和线索，然后对疑点或风险点实行精准核查，提高审计准确性。

（三）拓展审计广度和深度，助力推进审计全覆盖。传统的审计模式下，受制于人力、物力等有限资源的制约，审计人员一般采用抽样审计，通过部分样本的审计结果来推测总体情况。数据建模的应用可以打破“用抽样样本推断总体”的传统审计思维方式，实现审计广度和深度的拓展，助力推进审计全覆盖。

二、数据建模方法在商业银行信贷风险分类审计的应用

信贷风险分类数据建模主要从风险分类的准确性和风险分类程序的合规性方面着手，下文以审计流程为逻辑分析。

（一）审前调查：确定数据建模审计关注要点。

数据建模主要适用于监测可量化的风险指标。以下针对信贷风险分类的准确性和风险分类程序的合规性各摘取两个的关注要点举例说明：

1.风险分类的准确性。

（1）关注贷款偏离度是否过高。贷款偏离度也叫贷款分类偏离度，是指贷款的账面分类和真实分类的偏差程度，是衡量贷款分类准确性的逆指标，即偏离度指标值越大，分类准确性越差;偏离度指标值越小，分类准确性越高。贷款偏离度应重点关注逾期90天以上的贷款是否及时调为不良。

（2）关注同一借款人同时存在风险评级为“正常”和不良（即风险评级为次级、可疑、损失）的贷款。根据《贷款分类指引》（银监发[2007]54号）第十条规定，同一借款人对本行或其他银行的部分债务已经不良应至少归为关注类。

2.风险分类程序的合规性。

（1）关注风险分类上调是否符合监管要求。《关于进一步加强信用风险管理的通知》（银监发〔2016〕42号）第六点要求：“只有符合所有逾期的本金、利息及其他欠款已全部偿还，并至少在随后连续两个还款期或6个月内（按两者孰长的原则确定）正常还本付息，且预计之后也能按照合同条款持续还款的不良贷款，才能上调为非不良贷款”。

（2）关注风险分类认定是否存在超权限审批。商业银行应设立风险管理委员会和风险管理部门专门负责风险分类结果认定工作，并制定相应风险分类的认定权限，由风险管理部门成立风险分类小组按照授权对贷款进行分类认定，报风险分类认定组长或风险管理委员会审批。

（二）审计实施

1.数据采集、验证、清理和转换。

风险分类的数据建模分析需要采集全行《贷款台账》，字段应包括但不限于数据日期、借款人名称、客户号、贷款账号、发放日期、发放金额、贷款到期日、贷款余额、贷款用途、借款合同编号、逾期天数、逾期金额、欠息天数、欠息金额、上月五级分类、五级分类等。采集数据后，审计人员还应对数据进行验证分析，以确保数据的准确、唯一、完整。对于格式不适用于系统建模的数据还应对其进行清理和转换。

2.建立模型。

审计模型建立需要系统和软件的支持，不同的企业使用的系统可能不一样，下面仅介绍建模思路以供参考。

（1）贷款偏离度审计模型：导入全行《贷款台账》，设定提取条件：贷款余额 >0 and 逾期天数>90 and （风险分类评级=‘正常or‘关注）and（欠息金额>0 or 逾期金额>0），得出贷款逾期90天仍未纳入不良的贷款明细。

（2）同一借款人同时存在风险评级为“正常”和不良等级的贷款模型： 一是导入全行《贷款台账》，设定提取条件：贷款余额 >0，五级分类=‘次级OR ‘可疑OR‘损失，得出中间表1（《不良贷款情况表》）。二是把《贷款台账》与《不良贷款情况表》使用客户号进行关联，设定条件：不良贷款台账.五级分类 <> 贷款台账.五级分类 and 贷款台账.贷款余额 >0 and 贷款台账.五级分类 =‘正常，得出同一借款人在本行的部分债务已经不良，其他有归入“正常”类的贷款明细。

（3）风险分类上调是否符合监管要求模型：导入《贷款台账》，设定提取条件：（上月五级分类=‘次级 OR ‘可疑 OR ‘损失）and （五级分类=‘正常 OR ‘关注），得出没有在随后连续两个还款期或6个月内（按两者孰长的原则确定）正常还本付息才能上调为非不良贷款的贷款明细。

（4）风险分类认定是否存在超权限审批情况模型：一是将非结构化数据转换成结构化数据。在信贷系统导出风险分类审批人员意见，转化成结构化表（EXCEL格式），要素包括但不限于有客户号、客户名称、贷款余额、审批时间、审批人、审批意见等。二是确定该笔贷款的风险分类审批人是否与审批权限相匹配。假设贷款余额5000万元（含）以下的需提交支行行长审批，5000万元以上10000万元（含）以下的需提交总行风险分类小组成员审批，10000万元以上20000（含）万元以下的需提交至总行风险分类小级组长审批，20000万元以上的需提交总行风险分类工作领导组审批。则利用EXCEL公式设置“=IF（C3<=5000，“支行行长”，IF（C3<=10000，“总行风险分类小组成员”， IF（C3<=20000，“总行风险分类小组组长”，“总行风险分类工作领导组”））） ”，得出D列“理论审批人”明细。三是确定理论审批人与实际审批人是否一致。假设G列是实际审批人，公式设置“=D=G”。最后得出EXCEL判断结果为‘FALSE的则可能存在超权限审批情况。

3.数据核实查证。

上述数据建模得出的可疑贷款明细，审计人员还需通过数据较验方式核实查证，必要时可结合信贷档案，实地走访等方式延伸调查贷款企业，核实商业银行在贷款风险分类中存在的问题。

（三）审计报告

数据建模方法的审计报告方式与传统审计报告无太大差异，在此不再赘述。

三、结语

當今大数据时代，数据化审计对于审计工作的帮助是不言而喻的。商业银行信贷风险分类的各项指标与数据密切相关，数据建模审计方法对快速、准确、全面地评估商业银行信贷资产质量效果显著，值得探讨与应用。（作者单位：广东顺德农村商业银行股份有限公司）