- 相關(guān)推薦
商業(yè)銀行信用卡審計實(shí)務(wù)技巧
近十年來(lái)，信用卡業(yè)務(wù)憑借其較高的邊際收益率及較好的資產(chǎn)質(zhì)量，成為各家商業(yè)銀行零售業(yè)務(wù)主要獲客來(lái)源之一。下面是yjbys小編為大家帶來(lái)的關(guān)于商業(yè)銀行信用卡審計實(shí)務(wù)技巧的知識，歡迎閱讀。
一、審計抽樣
信用卡業(yè)務(wù)抽樣不同于其他業(yè)務(wù)抽樣，鑒于信用卡發(fā)卡量、交易量極大，單純采用統計抽樣或經(jīng)驗抽樣無(wú)法滿(mǎn)足審計目標的要求，可考慮采取非現場(chǎng)審計抽樣結合經(jīng)驗抽樣進(jìn)行。在審計資源一定的情況下，采取這種抽樣方式，可以有的放矢，提升審計效率。
(一)經(jīng)驗抽樣
商業(yè)銀行信貸業(yè)務(wù)抽樣一般都是采取以下原則：大額抽樣原則、產(chǎn)品覆蓋原則、不良資產(chǎn)優(yōu)先抽樣等，一般都是基于風(fēng)險發(fā)生的影響程度、頻率及逆向思維的思路，信用卡業(yè)務(wù)機構抽樣及樣本抽樣同樣也可以參照上述原則。如機構抽樣方面，可選擇進(jìn)件量、發(fā)卡量、交易量、不良率或不良額高或者偽冒申請、疑似欺詐或疑似套現發(fā)生率高的分中心或分行;樣本抽樣方面，對根據上述原則擬抽樣的機構樣本進(jìn)行重點(diǎn)抽樣。
此外，還可以采用逆向思維的方法，統計全行信用卡發(fā)卡各發(fā)卡人群、發(fā)卡渠道、審批專(zhuān)案的不良率、不良額數據，對上述發(fā)卡人群、發(fā)卡渠道、審批專(zhuān)案不良率及不良額高于平均水平的樣本應進(jìn)行重點(diǎn)抽樣，以此來(lái)反推次發(fā)卡人群、發(fā)卡渠道或審批專(zhuān)案設計或執行中存在的缺陷漏洞。
(二)非現場(chǎng)審計抽樣
鑒于國內股份制銀行普遍已建立非現場(chǎng)審計系統，有些是基于SAS平臺開(kāi)發(fā)如工行、建行，有些是基于自身的數據倉庫開(kāi)發(fā)如招商、中信等。而各家銀行信用卡業(yè)務(wù)的數據源可能會(huì )略有差異，本文只針對信用卡業(yè)務(wù)非現場(chǎng)審計抽樣給出模型思路，若缺省相應的數據字段則可能導致審計模型無(wú)法應用。審計模型需求如下：
發(fā)卡環(huán)節：
1.信用卡主卡申請人年齡不滿(mǎn)18周歲或大于65周歲。
模型思路：查找不符合發(fā)卡條件的主卡持卡人賬戶(hù)信息。如提取2015年1月1日以來(lái)，(截取發(fā)卡日期)發(fā)卡年份-(截取出生日期)出生年份<18或發(fā)卡年份-出生年份>65的數據。
2.信用卡申請人工作單位為“擔保”、“典當”、“代理”、“小額貸款”等發(fā)卡高行業(yè)人群。
模型思路：提取2015年1月1日以來(lái)，信用卡主卡持卡人工作單位包含“擔保”、“典當”、“代理”、“小額貸款”等高風(fēng)險領(lǐng)域企業(yè)名稱(chēng)字樣的數據。
3.申請人工作單位為我行黑名單客戶(hù)。
模型思路：提取2015年1月1日以來(lái)，持卡人工作單位為銀聯(lián)或銀行黑名單客戶(hù)數據。利用銀聯(lián)風(fēng)險管理平臺數據或各行黑名單客戶(hù)數據，與持卡人申請人工作單位進(jìn)行匹配。
4.個(gè)人征信記錄不符合我行信用卡申請客戶(hù)準入要求。
模型思路：查找征信記錄不符合我行信用卡準入要求的持卡人賬戶(hù)信息。利用人民銀行征信系統，提取2015年1月1日以來(lái)，持卡人在審批日期的前24個(gè)月內存在1次60天以上逾期、或2次30天以上逾期或審批前6個(gè)月內存在1次30天以上逾期的數據[2]。
5.信用卡客戶(hù)存在多個(gè)客戶(hù)編號的。
模型思路：查找風(fēng)險集中度較高的客戶(hù)。設定身份證號碼為分組變量，客戶(hù)編號記錄計數大于等于2條的信用卡發(fā)卡記錄。
6.同一持卡人在同一POS商戶(hù)上刷卡次數超過(guò)5次，且累計刷卡金額超過(guò)5萬(wàn)的。
模型思路：查找在持卡人在可疑商戶(hù)進(jìn)行反復套現的交易明細。使用持卡人身份證號碼(可能一人持有多張信用卡)、商戶(hù)代碼進(jìn)行分組匯總，提取2015年1月1日以來(lái)，同一持卡人在同一商戶(hù)上刷卡次數超過(guò)5次、累計刷卡超過(guò)5萬(wàn)的記錄(交易金額匯總大于等于5萬(wàn)、交易記錄條數計數大于等于5次)。電商平臺在線(xiàn)交易的數據應予以剔除如話(huà)費充值、加油等如移動(dòng)、聯(lián)通、電信、中石油、中石化等交易數據。
7.同一持卡人單日刷卡筆數超過(guò)5筆、且金額累計超過(guò)5萬(wàn)的。
模型思路：查找在持卡人在可疑商戶(hù)進(jìn)行反復套現的交易明細。使用持卡人身份證號碼(可能一人多卡)、交易日期進(jìn)行分組匯總，提取2015年1月1日以來(lái)，同一持卡人單日刷卡筆數超過(guò)5筆、且金額累計超過(guò)5萬(wàn)的記錄，按持卡人卡號、交易金額倒序排列。(交易金額匯總大于5萬(wàn)且交易記錄條數計數大于5次);
8.同一持卡人單筆刷卡金額超過(guò)10萬(wàn)的、且商戶(hù)類(lèi)型為商貿、小貸、擔保、典當類(lèi)等高風(fēng)險商戶(hù)。
模型思路：提取2015年1月1日以來(lái)，持卡人的異常交易明細記錄。以上交易可能存在信用卡資金套現的行為，或收單商戶(hù)商戶(hù)代碼套用。單筆交易金額大于10萬(wàn)，且商戶(hù)MCC代碼第8位至第11位不為“7011”、“5811”、“5812”、“1520”、“5511”、“5094”等。
監測環(huán)節：
9.多個(gè)信用卡申請表上聯(lián)系人為同一人的。
模型思路：提取2015年1月1日以來(lái)，利用欺詐、偽冒手段辦卡的。利用分組匯總功能，將申請人聯(lián)系人電話(huà)設定為分組變量，賬戶(hù)信息記錄大于等于5條的記錄;
10.多個(gè)持卡人來(lái)自于同一工作單位(持卡人賬戶(hù)數≥20)且所屬行業(yè)為影子銀行相關(guān)行業(yè)。
模型思路：提取2015年1月1日以來(lái)，持卡人為同一單位的賬戶(hù)信息，使用工作單位進(jìn)行分組匯總，篩選出同一單位持卡數量≥20，且工作單位名稱(chēng)包含“擔保”、“典當”、“代理”、“小額貸”等字樣的。 11.同一公司或個(gè)人賬戶(hù)集中向5張以上非本人信用卡轉賬還款的。
模型思路：查找還款來(lái)源為“一對多”的持卡人賬戶(hù)信息。利用分組匯總功能，提取信用卡還款記錄，且還款人和持卡人戶(hù)名不一致的轉賬還款交易明細記錄。設定付款人賬號、交易卡號為分組變量，賬戶(hù)交易明細記錄計數大于等于5條的記錄。
12.當日信用卡現金柜臺連續還款5筆以上、且操作柜員為同一柜員的。
模型思路：提取2015年1月1日以來(lái)，還款來(lái)源為“一對多”現金存入的持卡人賬戶(hù)信息。提取信用卡現金還款交易明細記錄，設定交易日期、交易柜員號為分組變量，柜員交易號為排序變量，排序順序為從小到大;用下一條記錄的柜員交易號-本條記錄的柜員交易號=1的記錄全部列示出來(lái)，然后再次按照日期、交易柜員號進(jìn)行分組匯總，統計記錄數大于5筆以上的記錄。
13.多個(gè)持卡人在同一商戶(hù)申請分期業(yè)務(wù)的(分期金額累計當日收單交易額的10%)。
模型思路：提取2015年1月1日以來(lái)，可能存在辦理虛假分期業(yè)務(wù)可疑商戶(hù)。利用數據關(guān)聯(lián)功能，將信用卡系統交易明細數據關(guān)聯(lián)核心業(yè)務(wù)系統交易明細數據，篩選分期交易明細，分組匯總，設定商戶(hù)代碼、交易日期為分組變量，分期金額、收單金額為匯總變量，匯總當日分期金額大于收單交易額10%的交易。
14.收單交易額異常特約商戶(hù);(當月收單交易額較月平均收單交易額增幅在100%以上)。
模型思路：查找收單交易額異常變化的特約商戶(hù)。提取商戶(hù)收單交易明細，按月匯總2015年1～12月月均收單交易額，篩選出當月收單交易額較月平均收單交易額增幅在100%以上的商戶(hù);
15.信用卡刷卡套現監測模型。
模型思路：①刷卡后十日內與刷卡金額相近的交易，該交易滿(mǎn)足下列條件：第一，交易金額大于刷卡金額的80%，第二，從特約商戶(hù)企業(yè)或個(gè)人賬戶(hù)轉回至持卡人借記卡賬戶(hù)的交易條件;②刷卡后十日內與刷卡金額相近的交易，該交易滿(mǎn)足下列條件：第一，交易金額大于刷卡金額的80%，第二，現金存入持卡人借記卡賬戶(hù)的交易明細;③刷卡后十日內與刷卡金額相近的交易，該交易滿(mǎn)足下列條件：第一，交易金額大于刷卡金額的80%，第二，從特約商戶(hù)企業(yè)或個(gè)人賬戶(hù)轉入員工借記卡賬戶(hù)(需與各行人力資源系統數據進(jìn)行核對)。
16.利用第三方支付平臺套現的。
模型思路：提取2015年1月1日以來(lái)，高信用額度持卡人(信用額度5萬(wàn)以上)的交易主要集中于第三方支付平臺(如淘寶、支付寶、財付通等)，交易時(shí)間集中在賬單日后的5天內，交易金額累計達到信用額度的90%以上，然后還款時(shí)間集中在最后還款日前5天的信用卡交易明細數據;
資金流向分析模型：
17.信用卡套現資金流向分析。
模型思路：在已有信用卡套現數據的基礎上，提取套現信用卡及持卡人本人名下借記卡的資金流水，分析套現之后具體的資金流向，重點(diǎn)關(guān)注信用卡套現資金①進(jìn)入股市的、②歸還到期貸款的、③進(jìn)入P2P平臺的、④涉嫌民間借貸的。
特別提示，上述模型參數都可以結合各行業(yè)務(wù)實(shí)際情況進(jìn)行調整。由于部分商業(yè)銀行信用卡業(yè)務(wù)系統獨立開(kāi)發(fā)，信用卡交易數據與各行核心系統數據無(wú)法實(shí)現數據關(guān)聯(lián)，部分審計模型思路可能無(wú)法實(shí)現。
二、現場(chǎng)審計技巧
小編憑借自身的理論功底結合多年內部審計工作經(jīng)驗，對信用卡業(yè)務(wù)的現場(chǎng)審計技巧給出幾點(diǎn)建議，拋磚引玉，不妥之處，請各位專(zhuān)家、學(xué)者給予諒解。
第一，與以往審計不同，信用卡業(yè)務(wù)由于風(fēng)險的分散性，無(wú)法像一般信貸業(yè)務(wù)逐筆做穿行測試。為突出審計重點(diǎn)，提升審計效率，反映全行信用卡業(yè)務(wù)整體經(jīng)營(yíng)狀況及風(fēng)險狀況，審計人員因多采取以小見(jiàn)大、舉一反三的方法去，根據抽樣的結果取反推信用卡風(fēng)險控制模型設計的健全性、合理性及有效性。
第二，采用“逆查法”從不良資產(chǎn)成因分析出發(fā)，評估內外部因素對資產(chǎn)質(zhì)量造成的影響，重點(diǎn)關(guān)注內部流程管理與資產(chǎn)質(zhì)量之間的關(guān)聯(lián)關(guān)系。如評估催收環(huán)節的催收效率及效果。催收效率調查催收流程中的“瓶頸環(huán)節”，催收效果方面調查了解卡中心與分行的協(xié)同配合程度及分行介入的深度及廣度，在客戶(hù)信息共享方面及資產(chǎn)保全方面有無(wú)進(jìn)一步的合作空間，有針對性提出可行性建議。
第三，多搜集同業(yè)相關(guān)產(chǎn)品信息、渠道信息、市場(chǎng)活動(dòng)及業(yè)績(jì)指標，產(chǎn)品信息主要包括產(chǎn)品類(lèi)型、產(chǎn)品定價(jià)、客戶(hù)權益等，渠道信息主要是了解渠道建設情況及業(yè)務(wù)合作情況，市場(chǎng)活動(dòng)主要是了解特約商戶(hù)體系建設情況及市場(chǎng)活動(dòng)開(kāi)展情況等，業(yè)績(jì)指標則是了解同業(yè)的客群、資源投入力度、盈利結構、資產(chǎn)質(zhì)量及流動(dòng)性管理等。評價(jià)與同業(yè)之間的差距及不足并擬定具體可行性改進(jìn)建議。從指標上去尋找差距，通過(guò)差距深入分析內外部的存在的問(wèn)題，這樣才可以得到一個(gè)全面的市場(chǎng)競爭力分析結論。
【商業(yè)銀行信用卡審計實(shí)務(wù)技巧】相關(guān)文章：
信用卡營(yíng)銷(xiāo)的技巧07-14
審計師技巧心得：審計技巧的應用08-14
審計實(shí)務(wù)常見(jiàn)錯誤（匯總）08-27
會(huì )計實(shí)務(wù)：賬外賬的審計方法和技巧06-25
審計查賬技巧07-18
審計師技巧心得之審計技巧的應用09-06
初級審計師《審計理論與實(shí)務(wù)》沖刺練習06-14
「審計技巧」大額票據審計方法10-03
商業(yè)銀行內部審計的增值功能06-13