新形势下多维数字审计预警模式在中小银行风险防控中的运用及思考

甘文智 方葱 潘艳 马琰 贺俊晓

[摘要]我国经济发展的“三重压力”对中小银行的盈利能力、资产质量、资本充足性等方面造成明显冲击，风险管理能力弱、风险暴露增加等问题凸显。作为中小银行的典型代表，农商银行亟需进一步强化治理效能和风险管理能力。为积极应对新风险和新挑战，浙江金华农商银行系统从外部环境及自身需求出发，积极探索内部审计新模式，构建以全量审计思维为导向，以多维风险量化评估为核心，以数字智能平台为载体的审计预警模式，实现对重要风险的精准定位和前瞻性管理，并结合该模式初步应用情况，总结取得的成效和创新价值，为内部审计充分发挥风险管理第三道防线作用，促进组织稳健可持续发展提供参考。

[关键词]多维数字   内部审计   预警   风险防控

21年底召开的中央经济工作会议指出，我国经济发展面临需求收缩、供给冲击、预期转弱三重压力，外部环境更趋复杂严峻和不确定，要“稳字当头、稳中求进”。同年召开的浙江省委经济工作会议强调要“打好防御抵御风险的有准备之战和化险为夷、转危为机的战略主动战，从严从实从细识别控制风险”。在此背景下，以农商银行为典型代表的中小银行既要全面支持小微企业、服务实体经济，又要有效防范金融风险、牢牢守住不发生系统性风险底线，确保组织高质量可持续发展。而内部审计如何充分发挥好助力组织安全高效发展、防范化解重大风险的重要保障作用，是摆在农商银行面前的重要挑战和全新课题。

一、中小银行面临的风险现状及内部审计作用

当前，经济金融环境依然复杂，中小银行面临前所未有的压力，经营管理和质量效益持续受到挑战。从外部来看，风险加速向中小银行体系传导，信贷资产质量承压，信用风险持续积聚，整体盈利能力呈弱化趋势；从内部来看，员工行为管理等方面仍存在薄弱环节，参与民间借贷、挪用资金等员工行为失范情况偶有发生，道德风险亦不容忽视。而以农商银行为代表的中小银行内部审计独立于单位内部其他各职能管理部门，担任着领导决策层“参谋和助手”的重要角色，其在强化风险管理、应对风险挑战中独特优势的发挥，将决定着组织高质量发展的未来。为应对前述风险，农商银行内部审计亟需正确认识当前的发展形势和风险状况，通过革新审计模式，对内部控制执行及效果情况进行持续监督与评价，并提出完善制度机制、加强内部控制、优化风险管理的有效建议，牢牢守住不发生系统性风险的底线，确保组织行稳致远。

二、构建多维数字审计预警模式的必要性

为应对上述中小银行面临的风险，浙江金华农商银行系统内部审计积极转变思维，探索和创新以全量审计思维为导向，以多维风险量化评估为核心，以数字智能平台为载体的多维数字审计预警新模式。该模式为满足新形势下中小银行安全、稳健、高质量发展新需求提供了重要参考。

（一）提升风险防范前瞻性的有效途径

打好防范化解重大金融风险攻坚战、坚决防止发生系统性金融风险，是金融工作的根本性任务。农商银行必须充分认识到金融风险正处于集中暴露和集中消化期，企业经营困难加大，信用风险呈现出行业性、多发性、关联度高的势头，资产质量有所下滑，风险防控任务十分艰巨。面对经济下行压力加大的挑战，农商银行迫切需要提高风险防控能力，通过构建多维数字审计预警模式，实现早期干预、风险预警，有效提高风险防范前瞻性。

（二）实现监督评估数字化的重要手段

随着大数据、区块链、人工智能等信息技术的应用与普及，社会经济的数字化转型加速，大数据审计成为审计发展的必然方向。针对当前农商银行审计存在的监督覆盖面不足、关联信息分析不充分以及综合效率不高等问题，农商银行要积极探索大数据、人工智能等在审计监督评估中的应用，融贯整合分析多源数据，以数字化思维推动审计效率和质量的提升。

（三）推动治理体系现代化的必然要求

进入新发展阶段，风险和机遇空前聚集，组织迫切需要提高治理能力和运行效率。经过多年努力，农商银行经历了改制探索期、历史问题化解期、调整巩固优化期，成功迈入“深化改革、创新发展”新阶段。随着资产规模稳健增长，农商银行的管理水平亟须同步提升，一些不充分、不均衡的问题亟待解决，必须始终锚定提升治理效能的方向抓审计，寻找能够适应外部形势的审计方法和治理框架，通过创新模式发挥职能作用，促进组织完善治理，全面提升治理能力。

三、多维数字审计预警模式的构建原理

如图1所示，多维数字审计预警模式是基于对机构经营风险、舞弊风险、客户风险三个维度风险指标的系统量化，能够直观呈现全量风险状况，精准锁定审计关注事项及风险管理薄弱环节，揭示可能存在的风险和漏洞，提出规范管理、防范风险和提质增效的建议，最终促进农商银行实现“强管理、控风险、稳发展”的经营目标。

（一）指标模型

多维数字审计预警模式的核心是对风险的量化和评估，全面、快速、精准地评估机构风险程度，定位审计对象和审计重点。模型指标构建基于农商银行经营管理特点，充分考虑当前所面临的内外部风险状况，以上一年度的经营管理数据、银行业监管及业务报表、客户外部征信结果、信访投诉情况为依据，建立全量风险指标模型，其中包括经营风险预警模型、舞弊风险预警模型、客户风险预警模型三个维度，各模型指标将根据实际情况，确定系统均值或预警值作为参考标准，测算出各项模型指标的偏离程度，给予差异化的負向积分，如表1所示。

1.经营风险预警模型。经营风险预警模型指标主要关注的是机构的整体经营状况和可持续发展的能力，包括经营效益、资产质量、市场竞争、战略发展等四个变量维度，在获取被审计单位上一年度财务报表、业务报表和银行业监管报表数据的基础上，测算与系统均值或预警值的偏离度，给予不同指标设立不同负积分分值，采用简单求和法，将各项子指标负积分合计计算确定经营风险得分，如表2所示。指标计算：，其中表示机构经营风险水平，表示年度经营效益状况，表示资产质量状况，表示市场竞争力，表示可持续发展能力。

2.舞弊风险预警模型。舞弊风险预警模型指标主要关注的是风险背后人的因素，包括操作风险和道德风险两个变量维度，以业务条线检查辅导通报、客户回访情况、信访投诉记录为依据，测算与系统均值或预警值的偏离度，再按各子指标累积负积分分值，汇总得出舞弊风险得分，如表3所示。指标计算：，其中表示机构舞弊风险水平， 表示操作风险，表示道德风险。

3.客户风险预警模型。客户风险预警模型指标主要关注的是客户风险状况的变化，包括信用风险和欺诈风险两个变量维度，自动采集外部法院、人行等公共信息及内部反洗钱、资金流向监测等业务信息，对客户的风险程度进行测评和画像，通过各子指标累积负积分分值，最终形成客户风险得分，如表4所示。指标计算：，其中表示机构客户风险水平，表示信用风险程度，表示欺诈风险程度。

最后，汇总上述三项风险预警模型指标数值得出机构的全量风险水平，以此作为判定各机构风险程度高低的重要依据，快速评估出需实施审计的对象。指标计算：全量风险水平。

（二）分级预警

根据全量风险负积分结果，最终对机构的整体风险水平进行评级，风险水平从高到低，依次由红色、黄色、绿色呈现，其中负积分小于20（不含）分为绿色安全机构，负积分20（含）至30分为黄色预警机构，负积分大于30分（含）为红色预警机构。针对绿色安全机构，将关注其风险防控及内部管理的工作举措，提炼亮点进行交流；针对黄色预警机构，内部审计将开展非现场审计调查分析，发出风险预警提示，督促其关注风险管理的薄弱环节和短板；针对红色预警机构，将其作为重点审计对象，通过分析风险指标细项实施有针对性的差异化专项审计，促使被审计单位提升风险管控能力，保障机构安全稳健经营。

（三）系统支撑

为实现对各机构风险的精准画像，达到风险可量化的水平，必须要以数据化驱动为前提，搭建起“多维数据、风险画像、分级预警、全景展示”功能于一体的数字智能平台（如图2所示），有效积累和存储风险管理数据，帮助管理者发现机构风险趋势，获取异常风险线索，为后续开展各类审计、精准定位审计重点提供重要参考，实现农商银行内部审计作业方式与价值输出模式的再造和升级。一是收集内外信息，获取多维数据。为更全面展示风险图谱，系统不断扩充数据来源，通过接入政府公共信息、业务系统数据、财务报表、银行业监管报表等数据，建立起全量风险信息数据库。二是构建预警模型，研判机构风险。根据建模要求，将经营风险、舞弊风险、客户风险等三大类指标41项子项指标融入模型挖掘规则，通过大数据深度挖掘、分析，输出机构的负积分情况，形成呈现风险特征数据的全景视图，直接锁定审计对象。三是动态实时监测，实现分级预警。通过数字智能平台数据运算，根据负积分分值区间，最终以红、黄、绿三色呈现各机构风险水平，发出预警信号，内部审计根据预警级别开展差异化专项审计，实现风险的有效识别和控制。四是运用全景视图，锁定审计重点。通过机构、员工、客户等风险指标细项的多维度分析，可密切跟踪关键风险领域、重点风险岗位人员和重要风险客户群体的分布情况，查找风险管理的薄弱环节和短板，为后续开展审计工作及强化风险管理水平提供重要参考。

四、多维数字审计预警模式的初步运用

金华农商银行系统根据多维数字审计预警模式理论框架设计实际可操作的流程图（如图3所示），其流程主要是通过数字智能平台对经营风险模型负积分、舞弊风险模型负积分、客户风险模型负积分进行融合，达到一定分值后，启动三色预警，分别通过总结经验做法、下发审计预警单、差异化审计等形式，达到强管理、控风险、稳发展的目标。为确保新模式操作的可行性和成果的有效性，金华农商银行系统先试先行，通过开展审计实践对流程进行具体验证。

步骤一：通过数字智能平台计算预警积分。根据数字智能平台要素分类模板，以金华农商银行系统上一年度相关数据为基础数据，内审部门将全系统8家机构的相关指标数据导入至数字智能平台，根据全量风险预警规则进行初步负积分运算，得出全量风险预警积分情况表（如表5所示）。

步骤二：根据负向积分结果划分为“三色机构”。受篇幅原因，8家机构通过数字智能平台运行得出的预警积分情况不全幅展示，但通过全量风险预警积分情况表，可以看出，总负积分从高到低分别为机构3（-31.92分）>机构2（-26.85分）>机构1（-18.99分）。根据全量风险预警规则，机构1为绿色安全机构、机构２启动黄色预警、机构３启动红色预警。

步骤三：根据不同预警等级开展差异化审计。

1.绿色安全机构。对预警信息显示为绿色的机构１进行分析发现，该机构坚持经营与管理并重的理念，定期将业务营销情况在全辖范围内通报，按月开展会计与信贷业务自查自纠，并将业务营销与自查情况纳入考核范畴，员工业务营销积极性较高，合规意识提升明显，该经验做法值得在全系统交流并推广。

2.黄色预警机构。针对预警信息显示为黄色的机构２，通过分解分析全量风险预警积分情况表内的细化指标，发现其业务经营虽位居全行前列，但客户风险指标负积分较高，内审部门要求其对已产生风险和潜在风险客户采取必要手段，及时止损。此外，内审部门还对其信贷政策执行、客户授信、信贷风险控制、柜面开立账户等情况进行调查评估，给出加强账户开立政策宣传、严格贷款信贷准入、确保贷款资金流向合规等建议，以求增强机构可持续发展能力。

3.红色预警机构。针对预警信息显示为红色的机构３，内审部门通过分解分析全量风险预警积分情况表内的细化指标，发現负积分主要集中在舞弊风险指标，再深入分析发现该机构存在首贷不良占比较高、违规积分靠前等情况，内审部门据此开展员工行为专项审计，通过对首贷不良占比明细的分析发现，客户经理A个人管理不良贷款率偏高，故重点对其经办的贷款准入、资金流向的合规性，客户授信及信贷风险控制的有效性，贷款分类处置的及时性等方面进行审计。审计发现，客户经理A风险意识薄弱，存在贷前调查严重失实、未严格落实“三亲见”（即亲见本人、亲见本人身份证以及证明资料的原件、亲见本人签名）、降低贷款准入门槛等问题。鉴于以上审计结果，提出对客户经理A调离信贷岗位的审计建议。

从多维数字审计预警模式初步实践来看，该模式能根据预警模型指标负积分的高低来确定审计对象、审计重点，并结合大数据分析实行差异化审计，不同的风险预警等级配置不同的审计资源，确保审计资源向关键风险领域、重点风险岗位人员和重要风险客户群体倾斜，实现审计资源的有效配置和审计效能的重大提升，有效促进组织高质量发展。

五、多维数字审计预警模式的创新价值

（一）在审计模式上推进静态和动态评价的有机融合

通过多维数字审计预警模式的创新，可以有效打破传统审计模式的局限，将一定时期的组织、员工和客户累积的异常现象和风险线索等有价值信息揭示出来，既能反映静态的风险状况又能呈现动态的风险趋势变化，更全面、完整地预测和评估风险程度，使内部审计反应的及时性和决策的效率性大大提升，从而实现对重点机构、关键人员和风险客群的持续跟进和监督，有效防范各类风险隐患，堵塞管理漏洞。

（二）在审计职能上实现监督和服务质效的全面提升

通过新模式的探究，内部审计职能逐渐发生变化。一方面，通过对农商银行全量风险的整体评估，精准定位风险区块，金华农商银行系统近三年重点查处业务真实性、主营业务违规、员工失范等重大违规问题44个。另一方面，真正实现审计关口前移，有效预判整体风险及风险趋势，发出风险预警单、管理建议书等235份，促进增收节支和挽回资金损失7.22亿元，促进制度优化和流程完善189个，使审计“服务”“增值”功能有效突显。

（三）在审计成效上促进安全和发展同步的有效平衡

多维数字审计预警模式着眼于提高内部审计工作精准度和有效性，打破资源壁垒，从简单“相加”向深度“相融”，为全系统守住经营底线、保障稳健高质量发展提供重要支撑。截至2022年3月末，金华农商银行系统各项存款2986.10亿元，较年初增幅8.31%；各项贷款2321.68亿元，较年初增幅7.02%；实际不良率0.82%，较年初下降0.02个百分点；营业收入较去年同期增幅15.80%；净利润较去年同期增幅18.53%。

（作者单位：浙江农村商业联合银行股份有限公司金华管理部，邮政编码：321000，电子邮箱：jhnxsj2018@163.com）

主要參考文献

[1]刘建民，曾真.大数据背景下商业银行内部审计优化研究[J].中国内部审计， 2021（7）：4-7

[2]荣欣，刘红生.商业银行的多维度大数据风险挖掘审计技术应用研究[J].中国内部审计， 2021（12）：

21-23

[3]邢春玉，李莉，张莉.内部审计：从数字化到智能化[J].财会月刊， 2021（2）：101-103

[4]杨迎春.大数据时代企业内部审计信息化建设案例分析[J].企业改革与管理， 2020（11）：48-51

[5]张君儒，李镔.数字化转型背景下大型国有商业银行强化总行本部内部审计方法探索[J].中国内部审计， 2022（2）：54-57