大数据在商业银行信贷审计中的应用-以W银行信贷大客户审计为例

摘要PAGEIII创业板IPO折价实证研究PAGE第页摘要近年来，银行业的不良贷款率持续增高，贷款的本金及利息被逾期归还达3个月即被列为不良贷款，主要表现为逾期贷款。银行在确定不良贷款无法收回时，应该在账面上计提坏账，会减少银行信贷资产，给银行带来损失。本文通过案例分析的形式研究了大数据在W银行信贷审计中的具体应用，选取了W银行贷给信贷大客户A公司的一笔大额贷款，分析出A公司可能带给W银行的逾期贷款风险，从而评估出W银行的信贷资产风险。分析逾期贷款风险，需要关注信贷客户的还款意愿和还款能力，分别对应客户的信用状况和经营情况。通过研究本案例，可以体现大数据分析在内部审计中的作用，即帮助银行更有效地揭露信贷管理中的薄弱环节，提出应对措施，降低信贷资产风险，并促使其加强信贷风险管理，保证稳健经营。关键词：大数据；商业银行信贷审计；内部审计；数据分析ABSTRACTABSTRACTABSTRACTInrecentyearsthenon-performingloanratioofthebankingindustryhasbeingincreasing.Theprincipalandinterestoftheloanhavebeenclassifiedasnon-performingloansafterbeingoverdueforthreemonths.Whenthebankdeterminesthatthenon-performingloancannotberecovereditshouldmakeabaddebtontheaccount,whichwillreducebankcreditassetsandbringlossestothebank.ThispaperstudiestheapplicationofbigdatainBankWcreditauditaccordingtocaseanalysis.Firstly,selectalargeloanfromBankWtoCompanyAandanalyzetheoverdueloanriskthatCompanyAmaybringtoBankW.Then,evaluatethecreditriskofBankW.Inadditiontoanalyzeoverdueloanrisk,theauditormainlyshouldpayattentiontothecreditcustomer'swillingnesstorepayandrepaymentability.Therepaymentwillmainlyanalyzethecustomer'screditstatusandtherepaymentabilitywillmainlyanalyzethecustomer'soperatingstatus.Bystudyingthiscasewecanreflecttheroleofbigdataanalysisininternalauditwhichhelpsbankstoexposetheweaknessincreditmanagementandproposecountermeasurestostrengthentheircreditmanagement,improveinternalcontrolandenhancefinancialpreventiontoreducenon-performingloansaswellastheriskofcreditassets.Keywords:Bigdata;Bankcreditaudit;Internalaudit;Dataanalysis目录目录TOC\o"1-2"\h\z\u8220摘要 I20364ABSTRACT II162271绪论 1152421.1选题背景 1315801.2选题目的及意义 1227881.2.1选题目的 1314561.2.2选题意义 2282261.3研究方法和研究内容 2114991.3.1研究方法 2316001.3.2研究内容 2112882理论基础 2144022.1大数据介绍 2293762.2商业银行信贷审计 3184333大数据审计流程 353754大数据在W银行信贷大客户审计中的具体应用 4304474.1案例背景 4104514.2数据准备 5135044.2.1数据需求的提出和采集 5250904.2.2数据筛选与处理 6138584.3了解W银行信贷业务的内部控制有效性 684544.4数据分析 785154.4.1W银行的信贷合理性分析 8188774.4.2A公司的财务数据分析 9207164.4.3A公司的非财务数据分析 1312764.5案例总结 16270485大数据在信贷审计中应用时的风险 16245725.1数据准备阶段的风险 17233335.2数据分析阶段的风险 17116935.3数据管理的风险 1737765.4人员素质带来的风险 17131736对大数据在银行信贷审计中应用的建议 17142716.1对数据准备阶段的建议 17135866.2对数据分析阶段的建议 17148966.3对数据管理的建议 1883246.4对内部审计人员的建议 181458结束语 1925112致谢 2027589参考文献 21河北地质大学学士学位论文PAGE10创业板IPO折价实证研究PAGE第页共16页大数据在商业银行信贷审计中的应用——以W银行信贷大客户审计为例1绪论1.1选题背景在互联网技术不断发展的今天，我们不难看到这种现象：当我们在电商平台浏览某种商品并下单后，你再次打开这个平台就会有类似商品的推荐；当你最近在某视频网站观看某个电视剧或者电影，系统就会自动为你推荐同一类别的电视剧或者电影，形成一栏“猜你喜欢的”；根据共享单车用后是否及时关锁并付款，这个月的花呗账单下个月有无及时还款可以判断一个人的信用等级等等，这就是大数据进入我们生活的体现。当今社会，大数据已经随处可见，你的订餐记录、购物记录、观影记录、住院记录甚至信用状况都会在数据库与数据库之间被传递，并在后台经过云计算等技术的处理，形成你个人的饮食习惯、穿衣风格、兴趣喜好、身体状况和信用程度等，电商平台知道要给你推荐什么商品你购买的可能性会更大，视频网站知道给你推荐什么视频你会感兴趣，商业银行也可以判断出你的信用状况，来决定是否为你发放贷款。如今，各行各业想要发展都已经离不开大数据，无论是企业的会计人员还是审计人员，都或多或少的开始注意到大数据的应用。目前审计中，某些商业银行只看重贷款业务量，而忽略贷款管理，有的贷款刚发放就产生欠息情况，有的信贷资料已经提示存在“银票资金严重挪用、资金流紧张、到期银票兑付困难”等风险状况，银行仍然为这些客户发放了贷款，导致银行的不良贷款率持续升高，到2018年已达到历史最高。内部审计是银行的安全卫士，对银行的相关业务进行评价，可以帮助银行及时发现风险，并提出应对措施有效的规避风险。数据分析作为内部审计中的重要程序，其执行基础便是大量的数据，在进行数据分析程序的时候，获取的数据越全面，分析程序的结论也就越准确，故大数据必然会在审计中发挥它巨大的作用。1.2选题目的及意义1.2.1选题目的目前，我国对于大数据在审计理论层面的研究并不成熟，把大数据成功应用于实际审计案例的研究也很少，目前还没有形成一套完整的体系。另外，我国信息化审计起步较晚，各企业信息化应用程度也不一致，因此，想要把大数据运用在审计之中还需要很多努力，我们既要借鉴其他国家的相关研究，又要在实际应用中吸取经验教训，研究出一套符合我国信息化审计发展的思路，让大数据全面应用于审计成为可能。基于这个美好设想，本文笔者主要研究大数据在商业银行信贷审计中的应用，以W银行的信贷大客户A公司为审计对象进行具体案例分析。在大数据的环境中，在被审计银行的信贷业务审计中执行分析程序，不仅依赖于原始资料的记载，还可以通过数据之间的勾稽关系做出快速准确的判断，帮助银行内审人员迅速找到异常之处，以便更好的控制信贷风险。1.2.2选题意义大数据逐渐走入各行各业的视野，也引起了各行各业的重视，在审计中的应用也开始崭露头角。对审计人员而言，关注的不再只是简单地通过审计软件更有效率地编制审计底稿，更重要的是充分地利用信息技术，通过大数据对当下审计模式、方法、理念进行方位改进，让抽样审计逐渐转变成全面审计，获取和审计对象有关的所有数据，从中筛选出有用的信息，这里所说的数据不单单再仅指财务数据，更包括非财务数据；不仅仅指数字数据，更包括音频、视频等抽象数据。在大数据的审计模式下，我们真正需要关注的是如何尽可能多的获取更多的信息，以及如何快速处理这些信息使之为我们所用，帮助我们准确评价被审计对象的情况，发现风险并规避风险。对大数据在商业银行信贷审计中的应用进行研究，不仅有利于推动大数据审计理论的完善，还有助于拓展审计理论方法，即在人工审计的基础上增加信息技术的支持，这样不仅拓宽了数据获取渠道，增加了获得数据的数量，丰富了数据的种类，还可以有效得出审计结论，评价审计对象是否存在风险，提高了审计效率和效果。1.3研究方法和研究内容1.3.1研究方法本文主要研究大数据在商业银行信贷审计中的应用，并以W银行信贷大客户审计为例具体分析，主要采用的是案例分析的方法。文中会按照数据需求的提出和采集、数据筛选和处理、数据分析的流程，即首先运用多种渠道采集足够多的数据，再从中筛选出有用的信息，把无用或者不准确的信息舍去，最后运用多种数据分析方法对留下来的所有数据进行分析，例如趋势分析法、比例分析法、横向与纵向交叉对比法对比以及数据可视化分析等。1.3.2研究内容分析程序是内部审计的重要手段，而执行分析程序的基础在于提前获取充足且有效的数据。本文研究大数据在商业银行信贷审计中的应用，在获取数据并进行筛选处理之后，先了解W银行信贷业务的内部控制流程，并对W银行整体信贷规模合理性进行分析，再从中筛选出一笔大额贷款，W银行信贷大客户A公司，对其财务和非财务信息进行大数据分析，判断这笔贷款的逾期风险，最后提出大数据运用的风险点和注意事项，并提出应对措施。在大数据审计中，审计人员不光关注财务、结构化数据，还要关注非财务、非结构化数据。2理论基础2.1大数据介绍大数据是指无法在一定的时间内用传统的常规方法采集、获取、存储和处理的巨型数据集合，具有五大特点：大量(volume)、高速（velocity）、多样（variety）、低价值密度（value）和真实性（veracity），即大数据的5V特点。（1）大量意味着数据量巨大，大数据的计量单位已经从TB到PB、EB甚至到达ZB，显著特征就是巨大的数据集合中80%以上都是非结构化数据，而且增长速度也远超结构化数据的增长速度；数据量大就意味着大数据的计算量更大，大数据的计算是建立在云计算基础之上的，通常要使用几十万台服务器和硬盘才能实现数据的存储，借助分布式数据处理平台将地点、功能各不相同的计算机联系起来完成数据的分析和处理。（2）高速指数据的处理速度快和数据更新的速度快，几乎可以说数据可以保持时时更新，具有很高的时效性，数据时时更新可以在很大程度上避免传统审计的滞后性，同时让阶段性审计转化为连续性审计成为可能。（3）多样指数据的来源多样、形式多样，大数据中的数据可以通过任何有效渠道获取，音频、视频、图片等都可以成为它存在的方式。对于非结构化数据需要进行电子化采集，再与结构化数据一起为审计人员使用，例如，对图像进行扫描或者拍照，对文字进行OCR识别分析等。（4）低价值密度指大数据的价值需要从海量数据中提取，并不是获取的所有数据都具有价值，数以万计的数据中可能只有一两条数据是有效的，也就是说大数据集合中虽然有海量的数据，但有价值的数据密度非常低，因此，在所有数据中筛选出有价值的数据是及其有必要的，也是大数据在每一项审计程序中应用必须执行的步骤。（5）真实性要求获取的数据必须客观真实，这样才可以为后续的审计提供准确、可靠的判断基础，数据必须具备可追溯性。大数据由于信息获取渠道广泛，信息质量很难把控，审计人员必须保证获取的所有数据真实可靠，后续的数据分析才有意义。2.2商业银行信贷审计金融行业本身就拥有非常庞大的数据库，而且数据的更新速度非常快，商业银行作为重要的金融机构，每天都要发生很多业务，发放贷款是其经营的主要业务之一。商业银行对法人客户按照国家的相关规定发放的贷款是商业银行最主要的资产业务，也是商业银行最主要的经营收入来源，自然也就成为审计的重点关注之一。银行一般是通过对客户的信用状况进行评级来判断客户如约偿还贷款本息的可能性，以决定是否给该客户贷款，若银行决定为其贷款，还会根据其评估的客户信用状况确定为其贷款的利率。传统的银行信贷业务审计主要是利用历史借贷数据和财务数据对借款人的违约风险进行分析和评估，在大数据出现之前，这种方法一直备受青睐，但这种方法的评价结果并不全面，无法全面的控制风险。在大数据审计下，审计人员要把不同数据系统的数据联系起来，注意分析同一个问题的不同角度，不同问题的相似角度，把无直接联系的数据联系在一起进行分析，发现这些数据之间的规律和逻辑关系。将财务端数据系统和业务段数据系统联系起来，可以评估银行的某个授信客户的持续经营能力、盈利能力、业务状况、资金周转能力等，将客户提供的信用报告和网络平台显示的信息相结合，来评估企业的信用状况，来判断该企业是否可以按照合同期限还本付息，是否会给银行带来信贷风险。3大数据审计流程在大数据背景下，我们可以搜集到关于这个案例中提到的A公司和W银行的所有我们需要的信息，然后筛选出对我们有用的信息，再利用数据分析方法分析数据之间的逻辑关系，分为财务信息分析和非财务信息分析，进而评价W银行的信贷资产风险。如图3-1为大数据审计的流程图，本文接下来的案例就按照流程图的顺序进行分析。数据数据准备数据筛选和处理数据需求的提出数据筛选和处理数据需求的提出和采集数据分析数据分析财务信息分析非财务信息分析财务信息分析非财务信息分析得出结论得出结论图3-1大数据审计流程图4大数据在W银行信贷大客户审计中的具体应用4.1案例背景近年来，我国银行的信贷风险主要表现为不良贷款率不断提高，而体现不良贷款变化趋势的最客观的指标就是逾期贷款。根据贷款五级分类的定义，若借款人不能履行合同，有足够理由怀疑贷款本息不能按时足额偿还时，审计人员就要提起重视，故在对信贷业务进行审计时需要重点关注逾期贷款。我们一般认为，逾期贷款主要由客户的还款意愿和还款能力所决定，客户经营资金出现问题，或者信用不良，是导致其无法按时还本付息、致使银行出现逾期贷款的主要因素，逾期贷款将来可能收回，也可能无法收回，都会给银行带来不同程度的损失。W银行是中国十大全国性商业银行之一，总资产为12000多亿港元，有上万名员工和500多家分支机构。目前银行业的不良贷款率一般维持在1%-2%之间，在W银行的贷款处理台账中筛选出2015-2018年近四年的逾期贷款，并通过excel表格计算出这4年的逾期贷款率，如表4-1所示，W银行单单逾期贷款率就基本维持在3%左右，说明W银行的不良贷款风险较大。表4-1W银行近4年逾期贷款统计表（单位：万元）2015年2016年2017年2018年发出贷款2136332246828328023843105984金额占总贷款数百分比金额占总贷款数百分比金额占总贷款数百分比金额占总贷款数百分比3个月以内430342.01%369981.50%360421.29%328421.06%3个月至1年221531.04%220850.89%371811.33%331801.07%1至3年97670.46%149540.61%194920.70%230870.74%3年以上9900.05%8630.03%10380.04%24150.08%合计759443.56%749003.03%937533.36%915242.95%（资料来源：作者依据银行贷款处理台账整理）A公司是一家上市公司，注册资本为人民币60亿元，主要经营房地产业务和金融方面的业务。A公司一家全资子公司以其合法拥有的某地土地使用权及上附在建工程提供抵押，为A公司提供担保，从W银行借了一笔期限为5年，金额为1630000000元人民币的贷款，借款目的为项目开发建设。大额贷款是信贷审计的重点，因为大额贷款的收益大，一直深受银行的青睐，但其风险更大，故审计人员以这笔贷款作为了重点研究对象。为判断这笔贷款是否存在逾期风险，给W银行带来信贷风险，W银行内部审计人员运用大数据分析方法，判断这笔贷款收回的可能性，如果存在收回风险，应及时采取措施，控制W银行的信贷风险，保证W银行信贷资产的安全。4.2数据准备4.2.1数据需求的提出和采集在大数据背景下，对W银行的信贷业务进行审计的第一步就是数据需求的提出，并对需求的数据进行采集和筛选，对非结构化数据进行处理。如图4-1中分类图所示，数据准备从来源来看，应该包括内部数据和外部数据；从内容来看，应该包括财务信息和非财务信息；从结构看，包括结构化数据和非结构化数据，由图4-1中饼状图可以看出大数据中非结构化数据的规模远超机构化数据，所以审计人员要注意利用到非结构数据，这也是大数据区别于传统审计方法的一个特别之处，即把图表、音频、视频等非结构化数据应用于审计之中，非结构化信息的利用使大数据的维度更加立体。数据数据结构性质来源结构性质来源非结构化数据外部数据内部数据财务信息结构化数据非财务信息非结构化数据外部数据内部数据财务信息结构化数据非财务信息图4-1大数据在不同分类标准下的类别图需要注意的是，在传统审计中，我们只需收集财务信息，且基本都是数字信息，而在大数据审计中，我们不光要注意到这些信息，还要在其基础之上，采集到其他各种各样的信息，例如W银行的贷款客户是否有负面新闻，或者是否正处于诉讼、仲裁等案件中会影响它的持续经营，W银行的管理层有无负面信息可能促使其行舞弊手段，这些信息我们在报表上可能看不到，但是却可以反映出A公司的经营状况和信用风险，可以据此更加全面地判断A公司的还款能力和还款意愿，分析出W银行可能面临的信贷风险。数据采集时，审计人员按照内部数据和外部数据的顺序，分别采集了其中的财务信息和非财务信息。4.2.1.1内部数据内部数据中的财务数据需求包含W银行四个年度的财务报告、W银行所有对公贷款授信客户的企业基本情况台账等，非财务数据需求包含与财务人员和非财务人员进行沟通的记录、在公共平台了解到的W银行的其他信息等。为了解W银行有关贷款业务的内控是否有效，还包括W银行给A公司的贷款审批时让A公司提供的相关资料备份。4.2.1.2外部数据外部数据分为两大类，一类是可以用来判断A公司是否有能力按期足额偿还W银行贷款的所有信息，包括财务报告、主要财务指标和其他指标等财务信息，以及在新闻媒体网站了解的企业和管理人员的信用状况信息、法律纠纷以及企业的其他方面信息等非财务信息；另一类则是用来与A公司作对比的信息，包括同行业的同类数据、市场平均指标等财务信息，以及行业状况、法律环境等非财务信息。4.2.2数据筛选与处理4.2.2.1数据筛选在数据需求的提出与采集之后，审计人员需要对挖掘出的数据进行提炼甄别，清除掉冗余的数据，筛选出对我们有用的信息。尤其要注意对某些信息审计人员无法辨别其真伪，因此不能盲目作为审计证据进行判断，需要审计人员对其真实性、可靠性进行判断，把明显不正确的信息过滤出去。在本案例中，审计人员在所采集的信息中关注到一条网络新闻报道A公司的董事长LZQ在公司业绩持续下滑、股市随时有可能崩盘的情况下欲携款潜逃，抱有谨慎性的心理，审计人员阅读了该条新闻，发现不过是网络营销号为了吸引眼球而做出的胡乱猜测。这也说明了大数据审计的弊端，数据的安全性无法保证，过滤不恰当信息还会加重审计成本。4.2.2.2数据处理这部分主要是对非结构化数据进行处理，因为大数据审计中一个重要的特征就是利用到了非结构化数据，和被审计单位员工沟通时获取的录音文件，在网站上看到的新闻资料，都可以利用语音转化文字软件将其转化为文字材料并留档储存。在本案例中，获取W银行或者A公司的任何纸质资料，审计人员均通过OCR文字识别软件将其转化成文档格式，再进行编辑。4.3了解W银行信贷业务的内部控制有效性在目前对银行的审计中，有些银行内部控制制度存在缺陷，特别是在贷款业务方面问题突出，部分贷款审核程序流于形式。因此，审计人员在对W银行信贷业务进行审计前，先了解了W银行的贷款发放流程，以检查这部分的内控是否有效，如图4-2所示，W银行针对贷款业务的内控流程能够识别出贷款可能面临的风险，故W银行针对贷款业务的内控有效。抵押物、质押物清单和有处分权人的同意抵押、质押的证明及保证人拟同意保证的有关证明抵押物、质押物清单和有处分权人的同意抵押、质押的证明及保证人拟同意保证的有关证明借款人及保证人基本情况借款人及保证人基本情况项目建议书和可行性报告财政部门或会计事务所核准的上年度财务报告，以及借款申请前一期的财务报告项目建议书和可行性报告财政部门或会计事务所核准的上年度财务报告，以及借款申请前一期的财务报告银行认为需要提供的其他有关资料获取材料银行认为需要提供的其他有关资料获取材料即银行对借款人的信用等级进行评估原有不合理占用的贷款的纠正情况即银行对借款人的信用等级进行评估原有不合理占用的贷款的纠正情况信用等级评估信用等级评估即银行对借款人的合法性、安全性、盈利性等情况进行调查即银行对借款人的合法性、安全性、盈利性等情况进行调查贷款调查贷款调查银行按审贷分离、分级审批的贷款管理制度进行贷款审批银行按审贷分离、分级审批的贷款管理制度进行贷款审批贷款审批贷款审批签订合同即银行与借款人签订借款合同签订合同即银行与借款人签订借款合同即贷款到期，借款人按时足额归还贷款本息，如要展期应在借款到期日之前，向银行提出贷款展期申请，是否展期由银行决定情况进行追踪调查和检查即银行按合同规定按期发放贷款即贷款到期，借款人按时足额归还贷款本息，如要展期应在借款到期日之前，向银行提出贷款展期申请，是否展期由银行决定情况进行追踪调查和检查即银行按合同规定按期发放贷款贷款发放贷款发放即银行对借款人执行借款合同情况及借款人经营情况进行追踪调查和检查即银行对借款人执行借款合同情况及借款人经营情况进行追踪调查和检查贷后检查贷后检查贷款归还贷款归还图4-2W银行针对贷款业务的内部控制流程图4.4数据分析审计数据分析程序是通过研究财务信息与财务信息之间以及非财务信息与非财务信息之间或者财务信息与非财务信息之间的逻辑关系，对信息进行综合评价，有很多信息是银行无法掌握的，或者说可以获得但是容易被忽略，还有些信息是单独观察可能发现不了异常，但是当把它和其他信息联系在一起时就能看出明显异常，也就是说，大数据关注的不再只是数据之间的因果关系，更应该是数据之间的关联关系，原本可能没有关系的数据在大数据技术下展现出它们之间的相关性，这才是大数据的魅力。接下来先分析W银行的信贷规模合理性，再对A公司的这笔大额贷款是否存在逾期风险展开分析。为了分析A公司的这笔大额贷款是否存在逾期风险，审计人员需主要分析A公司的相关财务信息和非财务信息，以了解A公司的经营状况和信用情况，进而判断这一笔大额贷款是否存在收回风险。如果A公司的经营状况良好，而且有着很好的信誉，这笔贷款收不回来的可能性就很低了；如果A公司经营出现问题，或者说信誉出现问题，这笔贷款都有可能会给W银行带来风险，W银行就必须及时采取措施，以降低信贷风险。4.4.1W银行的信贷合理性分析银行信贷审计的重点之一便是关注大客户审计，因为很多银行为了增加本银行的贷款量，提高信贷资产，故意忽略风险，给一些客户发放大额贷款。因此，在分析发放给A公司的这笔大额贷款的逾期风险之前，审计人员先对W银行信贷规模的合理性进行了分析，就是判断W银行是否存在过度增加贷款发放量、给银行带来风险的情况，审计人员分析了W银行的近四年的贷款总量。运用了横纵向交叉对比分析法，先在采集到的三家商业银行的财务报告中筛选出每家银行每年发放的贷款数额，再利用excel表格计算出每年度较上一年度贷款的增长额和增长百分比。这里Z银行和X银行是与W银行具有相同性质而且业务类型一致的商业银行，因为只有同处于同样的金融环境，遵循一致的国家政策，才具有可比性。先横向对比进行趋势分析，即通过将当期数据与前期相同时点数据进行比较，了解数据变化趋势，找出异常数据。仅观察表4-2中W银行的数据我们可以发现，W银行的贷款数额呈现逐年增加趋势，但是增长幅度逐年降低；再同一时点纵向对比，从表4-2中我们看到，在这三家银行中，被审计银行贷款数额处于中等水平，不存在明显偏高或明显偏低的情况，且三家银行的贷款数额均呈现逐年增加趋势，虽然W银行增长幅度逐年降低，X银行增长幅度逐年升高，Z银行增长幅度忽高忽低，但是整体上看，不认为W银行存在过度发放贷款的嫌疑。表4-2Z银行、W银行与X银行近4年贷款总量与增量变动（单位：万元）2015年2016年2017年2018年贷款数额Z银行2448754273944431516493414612W银行2136332246828328023843105984X银行1549252172482220073662348831较上一年增长额Z银行-290690412205262963W银行-331951334101303600X银行-175570282544341465较上一年增长百分比Z银行-11.87%15.05%8.34%W银行-15.54%13.54%10.83%X银行-11.33%16.38%17.01%（资料来源：作者依据深交所网站公布信息整理）将上述数据以图形的形式展示出来，就是数据可视化分析方法，这种方法的优势就在于能够很直观的观察到数据的变化趋势以及大小比较，是大数据审计中常用的一种数据分析方法。如图4-3，也可以看出W银行发放贷款总数一直处于Z银行和X银行之间，这三家银行4年间的发放贷款的总体变化趋势也是一致的，因此不认为W银行过度发放贷款。图4-3W银行发放贷款趋势示意图4.4.2A公司的财务数据分析4.4.2.1资金流动比率、速动比率和现金流动负债比率这三个指标都是用来衡量A公司的短期偿债能力，仅为判断这笔5年期的大额贷款的收回风险提供一些参考。首先，贷款数额1630000000元远远小于流动资产总额135671991724.84元，这点上无法证明企业存在过度融资风险。资金流动比率一般维持在1.5-2.5之间比较合适，表示企业有较强的偿债能力。由表4-3可以看出企业资金流动比率的变化趋势，除了2014年的资金流动率明显偏高之外，其余四年的比率均处于正常范围内。A公司的近5年的资金速动比率分别为0.7，0.73，1.03，1.09，0.57，2014年和2015年为普通水平（0.5-1），2016年和2017年达到优良水平（>1），2018年又降为普通水平，处于正常范围内。A公司近5年的现金流动负债比率除了2016年为正数外，其余四年均为负数，说明A公司经营活动产生的现金流入量低于流出量，A公司这样的经营状况可能会给W银行的这笔贷款造成一定的风险。表4-3A公司近5年资产、负债及相关指标变动（单位：元）2014年2015年2016年2017年2018年存货30427066534.0436879324588.3151643679311.8666844827460.0084514067927.18流动资产38948085463.1759517310357.82102613736348.94125861091518.31135671991724.84流动负债12140279968.6030982557634.4449568600410.0454120815180.4689733728460.00流动比率7.3914051981.9209940982.0701358422.3255579411.511939758速动比率0.7018799360.7306687211.0282730721.0904540860.570108082资产40738039058.4070889108573.14122370090763.09167835999425.01187775062711.27负债31087026114.6658374057829.63104309637307.74142942077244.72160279180673.97资产负债率76.31%82.35%85.24%85.17%85．36%经营现金净流量-1827396814.84-1049030497.565283431038.05-5678076058.67-11292171024.73现金流动负债比率-0.150523449-0.0338587440.106588263-0.104914829-0.125840876（资料来源：作者依据深交所网站公布信息整理）4.4.2.2资产负债率资产负债率是衡量企业负债水平和风险程度的主要指标，适当的资产负债率（40%-60%）可以体现出企业具有较强的筹资能力，经营安全稳定。获取A公司五个年度的资产负债表信息，并从中筛选出这五年的总资产、总负债并利用excel表格计算出这5年资产负债率，如表4-3所示，该企业的资产负债率在最近四年一直高于80%，证明近些年A公司一直过度依赖负债经营，资金缺口不容小觑，生产经营很有可能出现问题，W银行为其发放了大额贷款可能会出现收不回来或者逾期收回的风险。4.4.2.3产权比率产权比率一般维持在1：1比较合适，如表4-4所示，A公司的近5年的产权比率均远大于1：1，且处于上升趋势，2016-2018年变化不大，2018年已经超过5近似于6，如图4-4所示，A公司的自有资本占总资本的比重相当小，负债比重远大于权益比重，说明A公司长期过度依赖举债经营，资金结构极不合理，A公司的长期偿债能力不强，从而反映W银行的债权的保障程度低，资金收不回来或者逾期收回的风险较大。表4-4A公司近5年产权比率指标变动（单位：元）2014年2015年2016年2017年2018年负债31087026114.6658374057829.63104309637307.74142942077244.72160279180673.97所有者权益总额9651012943.7412515050743.5118060453455.3524893922180.2927495882037.30产权比率3.2211153684.6643085215.7755824115.7420472445.829206732（资料来源：作者依据深交所网站公布信息整理）图4-42018年A公司资产结构图4.4.2.4利息费用保障倍数要维持正常的付息能力，此指标必须大于1，由表4-5可知，A公司近5年的最低指标为2.11，满足大于1的条件，但是除了2015年这一明显突出的数值外，其余四年呈现逐年降低趋势，说明A公司的付息能力在逐年减弱，长期偿债能力在逐年降低，W银行作为债权人之一，保障程度也在逐年降低，承担的风险逐年升高。表4-5A公司近5年利息费用保障倍数指标变动（单位：元）2014年2015年2016年2017年2018年利润总额279371595.04405633365.471324528008.281490297954.161100771094.34利息费用76266514.5350309770.36430852428.711099396137.81987926645.31EBIT355638109.57455943135.831755380436.992589694091.972088697739.65利息费用保障倍数4.6630964039.0627155044.0742034162.3555604782.11422351（资料来源：作者依据深交所网站公布信息整理）4.4.2.5带息负债率此指标用来反映A公司所有的负债中带息负债的比例，是个结构指标，越低越好，如表4-6所示，A公司近5年的指标数值均介于0.5-1之间，说明带息负债占一半以上，A公司的付息债权人较多，面临的未来付息压力较大，举债经营能力不强，W银行作为A公司的债权人之一，而且贷出的是一笔大额贷款，其面临的信贷风险就比较高。表4-6A公司近5年带息负债率指标变动（单位：元）2014年2015年2016年2017年2018年短期借款1707980000.004316020932.894303326724.335414616117.779049650082.73一年内到期长期负债5362244469.018785180000.009748455013.756862163203.2033454358701.32长期借7524359970013.7537258663148.8357902685608.8739388905832.68应付债券02732689313.1817081698940.3130076958866.5930121211309.49应付利息85741034.47212404506.26664095483.731279654318.700带息负债总额26080564517.2340406264766.0869056239310.95101536078115.13112014125926.22负债总额31087026114.6658374057829.63104309637307.74142942077244.72160279180673.97带息负债率0.8389533440.6921955790.6620312470.7103302270.698868845（资料来源：作者依据深交所网站公布信息整理）4.4.2.6毛利率和净利润从五个年度的利润表中筛选出各个年度的总收入、总成本和净利润，分析净利润变化趋势，如表4-7和图4-5所示，可以看出5年间净利润的变化趋势，利用excel表格进行计算的出净利润同比增长41.56%，244.26%，-6.53%，1.04%，明显看出其中一个异常数据-6.53%，2017年净利润未增反降，到2018年才有微小的增加，说明该企业的收益情况近两年来并不稳定，需要提起重视，下一年度的生产经营情况还不得而知。另外，该公司目前处于迫切的转型中，各业务板块去年营收均不理想。分行业看，该公司房地产、信托、证券、保险业务板块中，只有保险业营收同比增加9.81%，其余营业收入皆成下降趋势。房地产、信托、证券营收分别同比下降41.21%、28.46%、23.82%。证券行业收不抵支，毛利率为-12.70%。表4-7A公司近5年收入、成本及相关指标变动（单位：元）2014年2015年2016年2017年2018年总收入1540721850.222125384638.954302789153.6911704500095.365336898196.68总成本1263895024.871726625793.193091016002.8410260042809.195403681423.51利润总额279371595.04405633365.471324528008.281490297954.161100771094.34净利润200104131.94283269250.42975192218.50911547369.34920984617.48主营业务收入1540721850.221447027372.512150443166.529335621491.162229534905.69主营业务成本648776502.83623309925.08903142168.865119481281.001360802655.95毛利891945347.39823717447.431247300997.664216140210.16868732249.74毛利率57.89%56.92%58%45.16%38.96%（资料来源：作者依据深交所网站公布信息整理）图4-5W银行贷款增长率统计示意图4.4.2.7现金流量还值得审计人员注意的是，2018年上半年，该公司经营活动产生的现金流量净额为41.73亿元，增幅为136.96%。但筹资活动、投资活动产生的现金流量净额皆为负数，投资活动产生的现金流量净额为-72.84亿元，相较于去年同期下滑351.69%；筹资活动产生的现金流量净额为-4.37亿元，相较于去年同期下滑120.01%。另外，为应对有息负债规模较高且部分债务集中到期的问题，2018年A公司境内募集资金69亿元、境外募集资金2.15亿美元，都可以看出其资金出现缺口，很可能影响W银行贷款的收回。4.4.2.8财务数据分析小结在对A公司大量财务数据进行采集、筛选和分析后，审计人员发现，A公司的绝大多数财务指标，无论是资产结构、盈利能力、还是现金流方面，都表明A公司的偿债能力下降，A公司借W银行的是一笔长期大额贷款，其中四个指标重点反映A公司的长期还债能力，为了能够使近5年的这四个指标指标的范围变化更加直观，如图4-6所示，笔者制作了这雷达图，从雷达图中，审计人员就可以清晰的观察到，A公司的长期还债能力在逐渐削弱，逾期归还贷款的可能性就会升高，W银行作为债权人，信贷资产风险也就升高。图4-6主要财务指标雷达图4.4.3A公司的非财务数据分析大数据一个显著特征就是不再只关注财务信息，非财务信息也必须被关注，尤其要关注非结构数据。在判断A公司的这笔大额贷款是否存在逾期风险时，审计人员不但要分析A公司的财务信息，还要分析网络公共系统的相关非财务信息，扩大数据维度。4.4.3.1法律诉讼A公司陷入到一起发行人涉及诉讼、仲裁案件，该案件涉及金额94000000元，但A公司为第三方，而且最终结果为与A公司存在债券债务关系的一方获胜，因此本次诉讼案件的进展预计不会对公司经营、财务状况及偿债能力造成重大不利影响。4.4.3.2行业政策A公司的主要经营业务为房地产和金融信托业务。但受房地产调控政策影响，A公司北京、上海项目实际入市时间严重晚于预期，房地产板块业绩不够理想。另外，A公司的信托业务也受到资产管理新规定、市场波动等因素影响，金融业务业绩也出现严重下滑。4.4.3.3子公司问题武汉中央商务区项目是A公司武汉子公司的核心项目，该项目已经开发了十多年，却一直没有很大的进展，不能够维持自己的日常经营，而且还需要A公司频繁为其提供资金支持和债务担保。2018年，A公司就为其的8亿多元的债务提供了担保。子公司自身的经营也存在很多问题，因金融借款合同纠纷就多次被起诉。根据“天眼查”公布的信息显示，对其自身风险警示信息有20多条，对其周边风险警示信息高达1000余条。4.4.3.4频繁股权质押融资仅是2018年7月，A公司就十一次质押股权，至7月28日，已办理质押登记的总股数占其所持有的股份总数为99%以上。虽然随后解除质押，但在八、九、十月份又被重新质押，到12月份又重新达到99%以上。由于A公司正处于转型之中，而且此时已经进入对资金要求大的深水区，所以即使其不断通过对外担保融资，大股东也反复质押融资，也均难救公司于水火。4.4.3.5公司信用等级2018年5月，标准普尔评级因担心A公司分别于7月、8月到期的两笔美元债券不能实现再融资，将A公司的评级从“B-”下调至“CCC”。但在7月、8月A公司完成共计8亿美元的境外优先债券偿付后，标准普尔评级认为，未来12个月内A公司再融资前景将会改善，因此，在2018年10月，标准普尔评级将A公司的长期主体信用评级由“CCC”上调至“CCC+”，信用状况有所改善。4.4.3.6慈善事业自企业创立以来，A公司累计向社会公益事业捐赠60多亿元，资助公益项目300多个，公益项目惠及数万个贫困村和数百万人次。2017年，A集团公司在扶贫项目、教育行业等领域进行多次捐赠。其中，在助学行动中就资助了十个省市的10万名新入学的贫困生，投入资金共计5亿元，集团还向国内某知名大学教育基金会捐赠人民币高达1亿元。此外，A公司还积极通过捐赠等方式助力精准扶贫行动。另外，根据2018年《福布斯》中文版发布的“2018中国慈善榜”显示，A公司董事长LZQ以7.3亿元的现金捐赠总额位列慈善榜第7位。慈善事业可以看出一个企业“得益于社会，回报于社会”的优秀企业文化，公司的主营业务和慈善事业均衡稳定发展可以给A公司树立一个良好的社会形象，从这点看来，A公司的信誉度是值得相信的。4.4.3.7管理层信用状况根据天眼查搜索结果显示，A公司的董事长LZQ周边风险644条，预警提示418条，其中包括一条曾因未按时履行法院义务而被予以处罚的信息。LZQ担任了15家公司的法定代表人，还是杭州阿里创业投资有限公司、高德软件有限公司和浙江淘宝网络有限公司等39家公司的股东，个人信用良好。4.4.3.8抵押物状况审计人员从新浪财经新闻了解到，用于抵押的全资子公司的合法土地使用权和其在建工程位于首都朝阳区的有利位置，在该项目一期工程北侧，地理位置优越，教育、医疗等配套基础设施非常成熟。该项目主要用于住宅、商业、写字楼及酒店的开发，截至公告日期项目刚启动建设，尚未开售。但有新闻报道称，B公司将要在下一年收购A公司北京项目的一期工程和上海项目的一个工程，抵押物作为北京项目二期工程是否会被B公司一起收购还不得而知。因此，W银行贷给A公司的这笔大额贷款的抵押物本身也存在风险，假如A公司真的因为经营问题无法归还这笔贷款的本息，抵押物能否抵偿W银行的本息还不能确定，也给W银行带来一定的信贷风险。4.4.3.9非财务数据分析小结如图4-7所示，非财务信息共八项，整理、总结这八项非财务信息，如图4-8，总共分为三个方面，分析结果为：（1）A公司的管理人员信用良好，A公司本身的信用等级也有所提升，A公司还致力于工程庞大的慈善事业；（2）但是也反映出了A公司的持续经营确实出现了严重问题，因此，不排除A公司会因为经营能力无法及时偿还W银行的这笔大额贷款的可能性；（3）从了解到的信息中发现，这笔贷款的抵押物本身都面临巨大的风险，都会给W银行的信贷资产带来风险。图4-7非财务信息影响因素图不影响法律诉讼不影响法律诉讼偿债能力弱经营能力降低偿债能力弱经营能力降低消极影响行业政策消极影响行业政策影响持续经营的因素影响持续经营的因素消极影响子公司问题消极影响子公司问题频繁股权质押进行融资频繁股权质押进行融资消极影响消极影响非非财务信息偿债意愿未见异常偿债意愿未见异常积极影响信用状况良好公司信用评级积极影响信用状况良好公司信用评级影响信用的因素影响信用的因素积极影响管理层信用积极影响管理层信用积极影响慈善事业积极影响慈善事业可能出现消极影响抵押物存在风险可能出现消极影响抵押物存在风险抵押物抵押物图4-8非财务信息影响因素分析图4.5案例总结综上所述，A公司的信用良好，但是经营状况却很不乐观，各种分析结果显示A公司的偿债能力弱，而且抵押物自身也存在风险，故即使A公司有还款意愿，但由于缺乏偿债能力，也可能会给W银行的这笔大额贷款带来收不回来或者逾期收回的风险，成为W银行的不良贷款，给W银行的信贷资产带来损失。审计人员应该及时做出相应对策，做好风险防控措施，对这笔贷款实时追踪，关注资金流向和使用状况，以避免或者降低损失，保护银行的信贷资产安全，保证银行的信贷业务稳健经营和银行的长期稳定发展。同时，W银行应该加强信贷管理，在大数据环境下，在贷前就先获取客户的各方面信息进行分析，严格把控大额贷款的审批流程，保证信贷业务内控有效执行。重点关注信贷大客户的经营情况和信用水平，若其中之一存在风险就应该保持谨慎心理，不能只顾大额收益，不管高风险。贷后应对贷款进行实时追踪，对其进行连续性审计，时刻关注信贷大客户的经营情况和信用状况，对其偿债能力和偿债意愿进行评价，若发现风险，及时采取应对措施。5大数据在信贷审计中应用时的风险大数据技术已经成为必然趋势，把大数据应用于银行信贷审计尽管有诸多好处，但我们也不可忽略在应用过程中可能面临的风险。5.1数据准备阶段的风险在数据准备阶段，数据的完整性和真实性很难保证，大量的无效数据甚至是错误数据会严重影响审计数据分析的质量甚至结果，可以说，经过采集、筛选和处理后的数据质量会直接影响后续的数据分析结果。例如，在网络媒体、社交网站等获取的数据其真实性就有待考证，从某种程度上说，大数据无形之中也增加了审计工作量和审计成本。5.2数据分析阶段的风险在数据分析阶段，审计人员在业务不熟悉、数据建模能力不强的情况下，在实际分析中容易出现逻辑错误，造成数据分析结果偏差。尤其需要注意的是，在不确定被分析的数据是否真实的情况下，分析结论只能供参考，而不能当成绝对的审计证据。数据分析阶段，需要审计人员的主观判断，若审计人员的专业素养达不到要求，分析出来的结果很可能不准确。5.3数据管理的风险大数据既然建立在大量数据的基础之上，对数据管理要求也就更高。数据在存储、传输过程中很容易出现丢失、泄密、销毁等情况，容易造成重大损失。就本文来看，笔者仅对W银行某个信贷大客户的一笔大额贷款进行研究，所涉及的信息量就非常大，可想而知，若运用大数据对W银行整体进行审计，那么一个审计项目所包含的信息将不可估量，对这些数据信息的安全、有序管理将成为一个难题。5.4人员素质带来的风险无论是数据准备阶段、数据分析阶段还是数据管理，大数据对于审计人员的要求都非常高，但是目前很多银行的审计人员都达不到大数据的要求，在大数据审计流程中，无论哪个环节的审计人员出现纰漏，都会直接影响审计结果。6对大数据在银行信贷审计中应用的建议6.1对数据准备阶段的建议审计人员在采集多方信息后，一定要先对其进行“清理”，去掉无用或者不实的信息。另外，大数据注重的是数据的完整性和多维性，审计人员需要采集的不再只是结构化数据，更包含图像、视频、音频等非结构化数据信息，要掌握将其作可视化分析的方法，让非结构化数据与传统审计数据相结合，为数据分析打下夯实的多维数据基础。6.2对数据分析阶段的建议加大数据分析在银行信贷审计各方面的应用，使大数据分析与内部审计充分结合，建立审计数据综合分析平台，从传统审计转变为大数据审计，使数据分析充分体现在内部审计中，让内部审计充分发挥作用，保证银行稳健经营。还值得注意的是，在大数据审计中，审计人员分析数据不能单单关注于数据之间的因果关系，更要关注数据之间的关联关系。6.3对数据管理的建议提高数据安全管理的意识，加强对逐渐积累的数据资源的管理，建立覆盖银行信贷业务流程的审计数据管理系统，并培养或聘请专业人员对获取的有用数据分门别类的加以储存、管理，保护这些信息不丢失、不被盗取，方便银行从数据系统中快速找到所需数据，让大数据真正发挥它的作用。6.4对内部审计人员的建议大数据对专业人才的要求非常高，故银行的内部审计人员需要不断加强自身专业素养，不断学习提升自己，不但要掌握审计专业知识和实操方法，还要熟练应用计算机技术，掌握前沿技术手段，成为综合性人才。内部审计人员要注意数据准备阶段、数据分析阶段和数据管理中的各种风险，不断在