[摘要]隨著人民銀行業(yè)務(wù)領(lǐng)域信息水平的不斷提高，人民銀行內(nèi)部審計(jì)高質(zhì)量發(fā)展面臨諸多挑戰(zhàn)。本文通過全面梳理人民銀行現(xiàn)有業(yè)務(wù)系統(tǒng)和臺(tái)賬報(bào)表類數(shù)據(jù)，探討了人民銀行內(nèi)部審計(jì)數(shù)據(jù)采集范圍以及異常檢測(cè)算法在風(fēng)險(xiǎn)探偵審計(jì)模型中的運(yùn)用；并結(jié)合2022年開展的結(jié)構(gòu)性貨幣政策工具審計(jì)調(diào)查，以貸款臺(tái)賬利率為例，探索構(gòu)建了結(jié)構(gòu)性貨幣政策工具風(fēng)險(xiǎn)探偵審計(jì)模型，通過無監(jiān)督聚類分析，從樣本中篩查出問題線索，為風(fēng)險(xiǎn)探偵方法在人民銀行各業(yè)務(wù)領(lǐng)域的內(nèi)部審計(jì)應(yīng)用提供實(shí)踐參考。

[關(guān)鍵詞]數(shù)據(jù)采集 " 風(fēng)險(xiǎn)探偵 " 內(nèi)部審計(jì) " 人民銀行 " 模型構(gòu)建

一、引言

（一）研究背景

黨的二十大報(bào)告提出要“建設(shè)現(xiàn)代中央銀行制度”，對(duì)新時(shí)代中央銀行進(jìn)一步增強(qiáng)工作的政治性、人民性和專業(yè)性提出更高要求。習(xí)近平總書記在中央審計(jì)委員會(huì)第一次會(huì)議上強(qiáng)調(diào)“要堅(jiān)持科技強(qiáng)審，加強(qiáng)審計(jì)信息化建設(shè)”。上述要求為新時(shí)期人民銀行內(nèi)部審計(jì)工作轉(zhuǎn)型發(fā)展提供了根本遵循。

當(dāng)前，隨著人民銀行業(yè)務(wù)領(lǐng)域信息化水平不斷提高，內(nèi)部審計(jì)面對(duì)的各類業(yè)務(wù)數(shù)據(jù)呈現(xiàn)大規(guī)模量級(jí)、多樣化類型、低價(jià)值密度、高處理速度等大數(shù)據(jù)特性，而內(nèi)部審計(jì)信息化程度遠(yuǎn)落后于業(yè)務(wù)工作信息化程度，審計(jì)方法手段亟待改進(jìn)。在大數(shù)據(jù)環(huán)境下，人民銀行內(nèi)部審計(jì)工作應(yīng)以人民銀行深化機(jī)構(gòu)改革為契機(jī)，強(qiáng)化科技強(qiáng)審支撐，積極探索搭建立體化數(shù)據(jù)采集和風(fēng)險(xiǎn)探偵體系，通過數(shù)據(jù)賦能推動(dòng)審計(jì)質(zhì)量和效率提升。

（二）研究意義

1.重視和加強(qiáng)內(nèi)部審計(jì)信息化建設(shè)是人民銀行的優(yōu)良傳統(tǒng)。人民銀行非常重視審計(jì)信息化建設(shè)，在1998年成立內(nèi)審司時(shí)，專設(shè)信息技術(shù)審計(jì)處，并于2001年制定了《中國人民銀行計(jì)算機(jī)信息系統(tǒng)內(nèi)審監(jiān)督檢查工作暫行規(guī)定》。自2010年起人民銀行加大信息技術(shù)審計(jì)探索力度，先后制定了《中國人民銀行關(guān)于加強(qiáng)計(jì)算機(jī)信息系統(tǒng)內(nèi)部審計(jì)工作的指導(dǎo)意見》（2010年）、《人民銀行計(jì)算機(jī)輔助審計(jì)系統(tǒng)管理辦法》（2013年）、《中國人民銀行信息技術(shù)審計(jì)規(guī)范》（2014年）、《信息技術(shù)審計(jì)操作手冊(cè)（V1.0）》（2020年）等制度文件；2012年上線計(jì)算機(jī)輔助審計(jì)系統(tǒng)（CAAS），正式開啟與業(yè)務(wù)系統(tǒng)的數(shù)據(jù)對(duì)接和在線審計(jì)，為推進(jìn)人民銀行內(nèi)部審計(jì)信息化進(jìn)程奠定了扎實(shí)基礎(chǔ)。經(jīng)過20多年的實(shí)踐與探索，形成了“總行系統(tǒng)推進(jìn)+分支行自主開發(fā)”的內(nèi)部審計(jì)信息化發(fā)展模式，尤其是運(yùn)用于國庫領(lǐng)域的輔助審計(jì)系統(tǒng)已經(jīng)相對(duì)成熟，在提取數(shù)據(jù)、分析數(shù)據(jù)等方面積累了有益經(jīng)驗(yàn)和成功做法。

2.加強(qiáng)審計(jì)數(shù)據(jù)采集及風(fēng)險(xiǎn)探偵是適應(yīng)國家機(jī)構(gòu)改革，推動(dòng)人民銀行信息化審計(jì)能力不斷提升的必然要求。人民銀行內(nèi)部審計(jì)自成立以來，審計(jì)覆蓋面不斷拓寬，審計(jì)方法由手工審計(jì)更多向運(yùn)用計(jì)算機(jī)輔助審計(jì)轉(zhuǎn)變，但針對(duì)貨幣信貸、金融穩(wěn)定、支付結(jié)算、征信等人民銀行重要業(yè)務(wù)領(lǐng)域的數(shù)據(jù)采集、處理、分析能力還存在不足，目前多由各分支行自行開發(fā)探索，處于零散狀態(tài)，在全系統(tǒng)可固化、可持續(xù)的信息化審計(jì)技術(shù)較為匱乏。2023年3月，黨的二十屆二中全會(huì)審議通過《黨和國家機(jī)構(gòu)改革方案》，改革后人民銀行分支機(jī)構(gòu)的職能更加聚焦、機(jī)構(gòu)更加精簡(jiǎn)，內(nèi)審監(jiān)督人力資源大大縮減。面對(duì)審計(jì)面更廣、專業(yè)性更強(qiáng)、人力資源更少的情況，人民銀行內(nèi)部審計(jì)亟須從審計(jì)技術(shù)手段上尋找突破口，充分研究人民銀行在線運(yùn)行的主要業(yè)務(wù)系統(tǒng)的信息數(shù)據(jù)情況，準(zhǔn)確把握金融業(yè)務(wù)數(shù)據(jù)及會(huì)計(jì)財(cái)務(wù)信息的采集范圍、內(nèi)容和重點(diǎn)，探索建立連續(xù)監(jiān)督與聯(lián)網(wǎng)核查相結(jié)合的審計(jì)工作新模式，進(jìn)一步提升審計(jì)監(jiān)督的質(zhì)量和效果。

3.加強(qiáng)審計(jì)數(shù)據(jù)采集及風(fēng)險(xiǎn)探偵是深入貫徹中央審計(jì)委員會(huì)文件精神，提高審計(jì)威懾力的重要保障。二十屆中央審計(jì)委員會(huì)第一次會(huì)議針對(duì)推進(jìn)新時(shí)代審計(jì)工作高質(zhì)量發(fā)展，提出了“如臂使指、如影隨形、如雷貫耳”的更高要求。從人民銀行看，業(yè)務(wù)領(lǐng)域技術(shù)環(huán)境的變化使審計(jì)對(duì)象、審計(jì)范圍、審計(jì)線索等基本審計(jì)要素發(fā)生了很大變化，特別是涉及貨幣政策操作、金融風(fēng)險(xiǎn)防范、金融管理與服務(wù)等宏觀領(lǐng)域的審計(jì)數(shù)據(jù)更為復(fù)雜繁瑣，風(fēng)險(xiǎn)隱蔽性更高。加強(qiáng)信息化建設(shè)是推進(jìn)人民銀行內(nèi)部審計(jì)工作創(chuàng)新發(fā)展的必然途徑，需要改進(jìn)審計(jì)技術(shù)方法，提高審計(jì)數(shù)據(jù)采集的針對(duì)性以及風(fēng)險(xiǎn)探偵的精準(zhǔn)性，推動(dòng)事后審計(jì)向事前、事中審計(jì)轉(zhuǎn)變，增強(qiáng)內(nèi)部審計(jì)的及時(shí)性、有效性和效益性，以高度信息化的審計(jì)監(jiān)督保障人民銀行履職和服務(wù)經(jīng)濟(jì)金融發(fā)展大局。

二、審計(jì)數(shù)據(jù)采集原則、標(biāo)準(zhǔn)和范圍

（一）數(shù)據(jù)采集原則

為實(shí)現(xiàn)對(duì)審計(jì)數(shù)據(jù)保護(hù)的“最小侵害”或“負(fù)面影響最小”，同時(shí)又符合審計(jì)數(shù)據(jù)分析對(duì)樣本數(shù)據(jù)容量的要求，審計(jì)數(shù)據(jù)的采集應(yīng)符合相關(guān)、適當(dāng)且合比例性原則，主要包括以下三方面的考量。

1.相關(guān)性。審計(jì)數(shù)據(jù)采集應(yīng)當(dāng)與風(fēng)險(xiǎn)識(shí)別的應(yīng)用具有相關(guān)性，能夠有助于審計(jì)目標(biāo)的實(shí)現(xiàn)，這種相關(guān)性必須是直接相關(guān)性，即通過模型實(shí)現(xiàn)審計(jì)目的與采集的數(shù)據(jù)之間具有必然的、緊密的聯(lián)系。比如，在人民幣銀行結(jié)算賬戶管理相關(guān)系統(tǒng)審計(jì)中，為了解商業(yè)銀行賬戶開立、變更、撤銷等業(yè)務(wù)操作的合規(guī)性，商業(yè)銀行核心系統(tǒng)中的客戶名稱、賬號(hào)、證件號(hào)碼、開戶日期、銷戶日期、地址、開戶銀行機(jī)構(gòu)代碼等7個(gè)字段均屬于有直接相關(guān)性的業(yè)務(wù)數(shù)據(jù)，而操作員名稱、操作員代碼、業(yè)務(wù)處理時(shí)間、業(yè)務(wù)處理種類、操作內(nèi)容等字段屬于沒有直接相關(guān)性的數(shù)據(jù)，可不必采集。

2.適當(dāng)性。審計(jì)數(shù)據(jù)采集應(yīng)限制在為實(shí)現(xiàn)審計(jì)目標(biāo)的適當(dāng)范圍內(nèi)，以此得到科學(xué)合理的審計(jì)結(jié)論。審計(jì)人員在采集數(shù)據(jù)時(shí)應(yīng)當(dāng)合理選擇審計(jì)數(shù)據(jù)采集的范圍，基于適當(dāng)且必要的原則考慮數(shù)據(jù)的數(shù)量、類型、存儲(chǔ)時(shí)間、共享范圍、處理頻率等。比如，在金融風(fēng)險(xiǎn)防控審計(jì)調(diào)查中，為評(píng)價(jià)了解業(yè)務(wù)部門對(duì)商業(yè)銀行資產(chǎn)質(zhì)量真實(shí)性評(píng)估的有效性，審計(jì)人員可重點(diǎn)對(duì)商業(yè)銀行的逾期貸款臺(tái)賬，而不是全部貸款臺(tái)賬進(jìn)行分析，同時(shí)對(duì)采集的臺(tái)賬數(shù)據(jù)按照接觸范圍最小化原則進(jìn)行管理。

3.合比例性。合比例性即數(shù)據(jù)采集所帶來的風(fēng)險(xiǎn)與實(shí)現(xiàn)審計(jì)目標(biāo)所帶來的收益相比，須符合一定比例。如果采集的數(shù)據(jù)屬于高度敏感性的密級(jí)數(shù)據(jù)，一旦泄露或者被不當(dāng)利用而又沒有辦法對(duì)數(shù)據(jù)保護(hù)做到萬無一失時(shí)，便可能給審計(jì)對(duì)象帶來巨大風(fēng)險(xiǎn)或嚴(yán)重?fù)p害。因此，審計(jì)人員應(yīng)當(dāng)保持謹(jǐn)慎，不能為達(dá)成審計(jì)目的而無限度地采集，應(yīng)當(dāng)對(duì)數(shù)據(jù)采集的內(nèi)容和范圍進(jìn)行具體界定，避免造成不必要的數(shù)據(jù)管理風(fēng)險(xiǎn)。比如，人民銀行發(fā)行庫現(xiàn)金調(diào)撥數(shù)據(jù)，既有一定的機(jī)密性，對(duì)業(yè)務(wù)部門的履職評(píng)價(jià)也影響不大，在開展發(fā)行庫審計(jì)時(shí)應(yīng)謹(jǐn)慎收集。

（二）數(shù)據(jù)采集標(biāo)準(zhǔn)

1.可利用性。對(duì)于審計(jì)數(shù)據(jù)可用性的定義在學(xué)術(shù)界尚未形成統(tǒng)一觀點(diǎn)，可參照科學(xué)數(shù)據(jù)可用性（邢文明、鄧孝慶和秦順，2024），將其定義為業(yè)務(wù)數(shù)據(jù)在被用于審計(jì)時(shí)的易于獲取和可以利用的屬性。在面對(duì)海量的系統(tǒng)報(bào)表數(shù)據(jù)時(shí)，審計(jì)人員要從數(shù)據(jù)的可獲得性和可用性兩個(gè)方面，對(duì)采集數(shù)據(jù)的可利用性進(jìn)行判斷，其中，可獲得性主要考慮審計(jì)數(shù)據(jù)是否能夠按照采集原則進(jìn)行采集或采集到的數(shù)據(jù)是否足夠充分用于風(fēng)險(xiǎn)探偵分析；可用性主要考慮采集的數(shù)據(jù)是否與審計(jì)要求相關(guān)，符合審計(jì)方案的需要。

2.規(guī)范性。審計(jì)數(shù)據(jù)的采集必須建立統(tǒng)一的規(guī)范標(biāo)準(zhǔn)，目前，人民銀行各級(jí)業(yè)務(wù)系統(tǒng)大都由不同的業(yè)務(wù)部門獨(dú)立開發(fā)使用，數(shù)據(jù)格式標(biāo)準(zhǔn)未能統(tǒng)一，特別是來源于不同金融機(jī)構(gòu)的報(bào)表數(shù)據(jù)，內(nèi)容格式更加復(fù)雜，即便同為貸款數(shù)據(jù)，所包含的變量名稱和變量格式也各不相同，審計(jì)人員必須對(duì)采集的數(shù)據(jù)按統(tǒng)一標(biāo)準(zhǔn)進(jìn)行清洗，方便開展全量分析。

3.重要性。審計(jì)人員要根據(jù)審計(jì)數(shù)據(jù)與審計(jì)目的的關(guān)聯(lián)性程度，按照指標(biāo)數(shù)據(jù)對(duì)審計(jì)的重要性程度，對(duì)審計(jì)數(shù)據(jù)采集的指標(biāo)、范圍、時(shí)間進(jìn)行區(qū)分，對(duì)審計(jì)方案中所列出的風(fēng)險(xiǎn)較大的重要領(lǐng)域、重點(diǎn)內(nèi)容，應(yīng)作為數(shù)據(jù)重點(diǎn)采集對(duì)象進(jìn)行全面深度采集，從而提升審計(jì)數(shù)據(jù)分析的針對(duì)性和有效性。

（三）數(shù)據(jù)采集范圍

1.業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集。作為國家宏觀經(jīng)濟(jì)調(diào)控部門，人民銀行對(duì)內(nèi)對(duì)外業(yè)務(wù)系統(tǒng)眾多，而業(yè)務(wù)系統(tǒng)數(shù)據(jù)的格式標(biāo)準(zhǔn)統(tǒng)一，采集便利，能夠全時(shí)段實(shí)時(shí)采集，是風(fēng)險(xiǎn)探偵審計(jì)數(shù)據(jù)采集的主要來源。主要業(yè)務(wù)系統(tǒng)具體包括兩大類別：一是對(duì)外履職的重要業(yè)務(wù)信息類系統(tǒng)，這類系統(tǒng)是針對(duì)人民銀行重要業(yè)務(wù)或者落實(shí)重大政策而開發(fā)運(yùn)行的，包括貨幣信貸、金融穩(wěn)定、國庫管理、反洗錢、支付結(jié)算、征信管理等人民銀行業(yè)務(wù)系統(tǒng)。二是對(duì)內(nèi)履職的重要綜合管理類系統(tǒng)，包括會(huì)計(jì)核算、固定資產(chǎn)管理、組織人事、后勤服務(wù)等與人民銀行內(nèi)部管理主要工作相關(guān)，也是內(nèi)部審計(jì)重點(diǎn)關(guān)注的風(fēng)險(xiǎn)領(lǐng)域。審計(jì)人員通過將審計(jì)模型嵌入業(yè)務(wù)系統(tǒng)，可對(duì)人民銀行業(yè)務(wù)數(shù)據(jù)進(jìn)行非現(xiàn)場(chǎng)實(shí)時(shí)跟蹤，及時(shí)發(fā)現(xiàn)異常問題數(shù)據(jù)，為項(xiàng)目審計(jì)提供風(fēng)險(xiǎn)線索。主要業(yè)務(wù)系統(tǒng)風(fēng)險(xiǎn)探偵審計(jì)數(shù)據(jù)采集范圍如表1所示。

2.臺(tái)賬報(bào)表數(shù)據(jù)采集。臺(tái)賬報(bào)表數(shù)據(jù)雖然沒有業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集便捷，但卻是審計(jì)中接觸最多的數(shù)據(jù)來源，是風(fēng)險(xiǎn)探偵審計(jì)的重要對(duì)象。由于人民銀行業(yè)務(wù)類型豐富、數(shù)據(jù)種類繁多，每條業(yè)務(wù)條線的審計(jì)都可能面對(duì)數(shù)十種甚至上百種報(bào)表臺(tái)賬。因此，在運(yùn)用數(shù)據(jù)分析時(shí)，首先要全面了解掌握審計(jì)業(yè)務(wù)的臺(tái)賬數(shù)據(jù)情況，并按照可利用性標(biāo)準(zhǔn)，結(jié)合審計(jì)方案，對(duì)各類臺(tái)賬報(bào)表進(jìn)行篩選，挑選出適合運(yùn)行探偵模型的臺(tái)賬報(bào)表。其次，按照相關(guān)、適當(dāng)且合比例性原則，根據(jù)主要審計(jì)風(fēng)險(xiǎn)點(diǎn)分布，從報(bào)表中采集可能存在風(fēng)險(xiǎn)的主要指標(biāo)數(shù)據(jù)，通過風(fēng)險(xiǎn)探偵模型運(yùn)算，從中發(fā)現(xiàn)可能存在的風(fēng)險(xiǎn)線索。本文通過梳理近三年來人民銀行江西省分行開展的9類審計(jì)項(xiàng)目的審計(jì)方案、調(diào)閱清單，計(jì)算得出各類審計(jì)業(yè)務(wù)涉及的臺(tái)賬報(bào)表類別、主要風(fēng)險(xiǎn)類型、可用于探偵分析的報(bào)表種類及指標(biāo)數(shù)量情況，如圖1所示。其中，以結(jié)構(gòu)性貨幣政策工具審計(jì)為例，涉及臺(tái)賬報(bào)表類型13種，適合運(yùn)用探偵工具的有7種，涉及風(fēng)險(xiǎn)探偵指標(biāo)72個(gè)，涉及的風(fēng)險(xiǎn)類型有13條。

三、異常檢測(cè)算法在風(fēng)險(xiǎn)探偵審計(jì)模型中的運(yùn)用

面對(duì)人民銀行開展各項(xiàng)業(yè)務(wù)產(chǎn)生的海量數(shù)據(jù)，快速挖掘到有價(jià)值的審計(jì)線索離不開數(shù)據(jù)分析技術(shù)。一般來說，審計(jì)線索是指審計(jì)數(shù)據(jù)中不同于一般或常理的數(shù)據(jù)。風(fēng)險(xiǎn)探偵就是基于風(fēng)險(xiǎn)導(dǎo)向的審計(jì)視角，通過將審計(jì)程序模塊植入被審計(jì)的業(yè)務(wù)系統(tǒng)中，對(duì)數(shù)據(jù)庫中的內(nèi)容進(jìn)行動(dòng)態(tài)監(jiān)管，運(yùn)用異常檢測(cè)算法篩選出偏離樣本平均水平的離群點(diǎn)，自動(dòng)為審計(jì)人員提示可疑線索，再進(jìn)一步確認(rèn)背后原因，排除誤報(bào)，形成最終的審計(jì)判定，從而發(fā)揮提前識(shí)別或預(yù)警風(fēng)險(xiǎn)的正向作用。

（一）異常檢測(cè)的概念

異常檢測(cè)是指檢測(cè)與大多數(shù)數(shù)據(jù)實(shí)例顯著不同的數(shù)據(jù)的過程（蔚燾，2023）。通常，審計(jì)人員基于既定的法律規(guī)章、業(yè)務(wù)規(guī)范、技術(shù)標(biāo)準(zhǔn)開展審計(jì)，但有時(shí)因?yàn)榈赜颉r(shí)效以及審計(jì)對(duì)象的差異性，其適用的審計(jì)依據(jù)可能有所不同。而且，審計(jì)人員在面對(duì)新的業(yè)務(wù)開展數(shù)據(jù)篩查時(shí)，往往事先不知道數(shù)據(jù)應(yīng)該符合某種規(guī)則，運(yùn)用異常檢測(cè)算法，可以較好地規(guī)避必須事先有統(tǒng)一清晰的審計(jì)依據(jù)的問題。異常檢測(cè)需要滿足兩個(gè)基本的假設(shè)：一是異常情況在整個(gè)數(shù)據(jù)集群中發(fā)生的頻率是很小的；二是異常數(shù)據(jù)的特征顯著區(qū)別于正常數(shù)據(jù)。

（二）異常檢測(cè)算法分類

1.基于統(tǒng)計(jì)學(xué)的異常檢測(cè)算法。統(tǒng)計(jì)學(xué)方法對(duì)數(shù)據(jù)正常性作出假定，假定正常的數(shù)據(jù)由一個(gè)統(tǒng)計(jì)模型產(chǎn)生，而不遵守該模型的數(shù)據(jù)是異常點(diǎn)，常見的統(tǒng)計(jì)模型有高斯（正態(tài)）分布。該方法一般針對(duì)單個(gè)屬性或低維數(shù)據(jù)，且方法的有效性依賴于給定數(shù)據(jù)所做的統(tǒng)計(jì)模型假定是否成立。

2.基于鄰近度的異常檢測(cè)算法。鄰近度方法的思路是如果一個(gè)對(duì)象遠(yuǎn)離大部分點(diǎn)，那它就是異常點(diǎn)。常見的基于鄰近度的異常檢測(cè)算法是k-NN（k近鄰）算法，思路是對(duì)于每一個(gè)點(diǎn)，計(jì)算其與最近k個(gè)相鄰點(diǎn)的距離作為離群點(diǎn)得分，得分高的作為異常點(diǎn)。

3.基于密度的異常檢測(cè)算法。密度方法的思路是如果一個(gè)對(duì)象出現(xiàn)在低密度區(qū)域，那它就是異常點(diǎn)。與鄰近度方法類似，一個(gè)對(duì)象的離群點(diǎn)得分是該對(duì)象周圍密度的逆，通常密度為到k個(gè)最近鄰的平均距離的倒數(shù)，平均距離越小，則密度越高。

4.基于聚類技術(shù)的異常檢測(cè)算法。該方法利用聚類算法（如K-Means等）對(duì)待檢測(cè)數(shù)據(jù)進(jìn)行聚類，通過聚類結(jié)果來分辨正常與異常的數(shù)據(jù)，遠(yuǎn)離其他簇（一組對(duì)象的集合）的小簇則是異常點(diǎn)。

（三）風(fēng)險(xiǎn)探偵審計(jì)模型的算法選擇

結(jié)合人民銀行履職特點(diǎn)，本文在風(fēng)險(xiǎn)探偵模型構(gòu)建過程中，選用無監(jiān)督學(xué)習(xí)的基于聚類技術(shù)的異常檢測(cè)算法，其主要優(yōu)勢(shì)在于以下三方面。一是沒有標(biāo)記樣本的限制。人民銀行審計(jì)數(shù)據(jù)包括信貸、金融穩(wěn)定、國庫管理、反洗錢、支付結(jié)算、征信管理等業(yè)務(wù)部門的生產(chǎn)數(shù)據(jù)，受制于政策的時(shí)效性，這些數(shù)據(jù)通常沒有特定的規(guī)律。采用無監(jiān)督學(xué)習(xí)可以使用未標(biāo)記的數(shù)據(jù)進(jìn)行訓(xùn)練，從數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式、結(jié)構(gòu)和關(guān)聯(lián)關(guān)系，為問題解決和決策提供有益的信息，相對(duì)有監(jiān)督學(xué)習(xí)而言更加靈活。二是算法相對(duì)簡(jiǎn)潔。作為最常見的無監(jiān)督學(xué)習(xí)，聚類分析可以在事先不知道樣本類別標(biāo)簽的情況下，通過對(duì)相關(guān)屬性的分析，將具有類似屬性的樣本聚成一類。在開展模型訓(xùn)練時(shí)，審計(jì)人員只需要提供所有數(shù)據(jù)樣本，無需進(jìn)行訓(xùn)練樣本和測(cè)試樣本劃分，也不用對(duì)訓(xùn)練樣本進(jìn)行耗時(shí)的打標(biāo)簽（分類）操作。三是對(duì)數(shù)據(jù)基本條件的要求較為友好。鑒于人民銀行各業(yè)務(wù)系統(tǒng)采集的數(shù)據(jù)標(biāo)準(zhǔn)和格式不一，且多是沒有打標(biāo)簽（分類）的數(shù)據(jù)，聚類分析具備同時(shí)處理數(shù)據(jù)中的分類變量和連續(xù)變量的能力，可以適應(yīng)更多的業(yè)務(wù)數(shù)據(jù)分析場(chǎng)景。

四、風(fēng)險(xiǎn)探偵審計(jì)數(shù)據(jù)采集及模型構(gòu)建——以結(jié)構(gòu)性貨幣政策工具審計(jì)為例

結(jié)構(gòu)性貨幣政策工具的使用由于涉及中央銀行貨幣政策的有效傳導(dǎo)以及人民銀行政策性資金的合理使用，因而一直以來是人民銀行內(nèi)部審計(jì)的關(guān)注重點(diǎn)。從以往審計(jì)實(shí)踐來看，結(jié)構(gòu)性貨幣政策工具審計(jì)內(nèi)容主要包括各類貨幣政策工具業(yè)務(wù)辦理、資金監(jiān)管以及效果評(píng)價(jià)三部分。其中，各類工具業(yè)務(wù)辦理是屬于要求明確，標(biāo)準(zhǔn)化程度較高的一項(xiàng)內(nèi)容，同時(shí)也是審計(jì)發(fā)現(xiàn)問題集中的領(lǐng)域。因此，本文以結(jié)構(gòu)性貨幣政策工具審計(jì)為例，重點(diǎn)分析各類工具業(yè)務(wù)辦理的主要風(fēng)險(xiǎn)，以及通過現(xiàn)有數(shù)據(jù)和風(fēng)險(xiǎn)探偵模型進(jìn)行連續(xù)審計(jì)的可能。

（一）結(jié)構(gòu)性貨幣政策工具審計(jì)數(shù)據(jù)類型

根據(jù)2022年人民銀行結(jié)構(gòu)性貨幣政策工具管理審計(jì)調(diào)查資料調(diào)閱清單以及貨幣信貸部門業(yè)務(wù)資料檔案，可將結(jié)構(gòu)性貨幣政策工具業(yè)務(wù)資料分為三大類，詳見表2，分別是再貸款類、再貼現(xiàn)、階段性貨幣政策工具類業(yè)務(wù)資料。

（二）現(xiàn)有業(yè)務(wù)數(shù)據(jù)情況

從前文可知，各類工具業(yè)務(wù)辦理中所產(chǎn)生的資料主要包含文檔和表格兩大類，其中文檔類包括申請(qǐng)報(bào)告、業(yè)務(wù)審批表、合同文本、核查檔案等；表格類包括報(bào)賬臺(tái)賬、質(zhì)押清單、報(bào)審清單、再貸款發(fā)放收回臺(tái)賬等。

1.申請(qǐng)報(bào)告。即為業(yè)務(wù)申請(qǐng)機(jī)構(gòu)（以下稱申請(qǐng)人）向所在地人民銀行提交的書面申請(qǐng)，為加蓋公章的紙質(zhì)件。申請(qǐng)報(bào)告通常包括申請(qǐng)人本次申請(qǐng)辦理的業(yè)務(wù)類型和報(bào)賬金額、相關(guān)業(yè)務(wù)開展情況及相關(guān)制度和管理情況、近期資產(chǎn)負(fù)債及財(cái)務(wù)狀況、已借入政策工具的使用情況等數(shù)據(jù)要素。

2.業(yè)務(wù)審批表。為加強(qiáng)內(nèi)部控制，需對(duì)各類結(jié)構(gòu)性貨幣政策工具的使用建立審批程序。以江西省人民銀行系統(tǒng)為例，貨幣信貸管理部門辦理再貸款業(yè)務(wù)時(shí)，收到金融機(jī)構(gòu)的申請(qǐng)報(bào)告和報(bào)賬臺(tái)賬后，需至少經(jīng)過經(jīng)辦人、部門負(fù)責(zé)人和分管行領(lǐng)導(dǎo)三層審批，金額特別巨大的，還需提交主要負(fù)責(zé)人審定，由此形成的業(yè)務(wù)審批表上應(yīng)包括借款人、申請(qǐng)工具類型、申請(qǐng)金額以及經(jīng)辦人、部門負(fù)責(zé)人和行領(lǐng)導(dǎo)審批意見、審批時(shí)間等數(shù)據(jù)要素。

3.合同文本、質(zhì)押清單。為加強(qiáng)政策工具的管理，切實(shí)維護(hù)人民銀行資金安全，人民銀行在辦理各類結(jié)構(gòu)性貨幣政策工具時(shí)，應(yīng)與金融機(jī)構(gòu)簽訂合同或協(xié)議，如在辦理支小再貸款時(shí)，雙方需簽訂質(zhì)押品合同和再貸款借款合同，嚴(yán)格按規(guī)定的質(zhì)押品要求和質(zhì)押率開展操作，合同文本中所包含的約定金額、期限、簽訂日期、簽訂人等要素，以及存質(zhì)押品清單均為重要數(shù)據(jù)要素。

4.核查檔案。人民銀行每出臺(tái)一項(xiàng)結(jié)構(gòu)性貨幣政策工具都有明確指向，如支農(nóng)再貸款主要支持涉農(nóng)領(lǐng)域的貸款，支小再貸款主要支持小微企業(yè)貸款。為加強(qiáng)精準(zhǔn)滴灌政策效果，防止政策資金跑冒滴漏，每一筆支農(nóng)支小再貸款在存續(xù)期間都要進(jìn)行核查，從而形成包含核查通知書、事實(shí)確認(rèn)書、核查報(bào)告等文書在內(nèi)的核查檔案。上述文書中所提及的核查中調(diào)閱的臺(tái)賬、發(fā)現(xiàn)的問題、作出的決定等均為重要數(shù)據(jù)要素。

5.報(bào)賬臺(tái)賬、報(bào)審清單、票據(jù)清單。根據(jù)政策文件要求，申請(qǐng)人須將符合借用政策工具條件的貸款（貼現(xiàn)）整理成臺(tái)賬（清單）作為借款依據(jù)向所在地人民銀行申請(qǐng)政策工具。臺(tái)賬（清單）要素因工具類型略有不同，具體詳見表3。比如，支小再貸款報(bào)賬臺(tái)賬應(yīng)包括貸款主體、金額、期限、利率、用途等要素，報(bào)賬臺(tái)賬紙質(zhì)件需加蓋公章，同時(shí)附帶電子版臺(tái)賬以便審核。

6.再貸款發(fā)放收回臺(tái)賬。為規(guī)范再貸款的管理，人民銀行需建立再貸款發(fā)放收回臺(tái)賬，及時(shí)逐筆登記貸款發(fā)放情況，保證臺(tái)賬登記信息真實(shí)準(zhǔn)確。臺(tái)賬要素包括但不限于再貸款對(duì)象的機(jī)構(gòu)名稱；再貸款發(fā)放的金額、利率、用途；再貸款的發(fā)放日、到期日等。審計(jì)人員通常關(guān)注是否突破再貸款限額發(fā)放，整體質(zhì)押率是否符合最低要求。

（三）審計(jì)所需最小數(shù)據(jù)

根據(jù)以往審計(jì)情況來看，針對(duì)結(jié)構(gòu)性貨幣政策工具三大類業(yè)務(wù)，本文從結(jié)構(gòu)性貨幣政策工具的業(yè)務(wù)辦理過程入手，結(jié)合2022年開展的結(jié)構(gòu)性貨幣政策工具審計(jì)調(diào)查情況，對(duì)主要風(fēng)險(xiǎn)點(diǎn)進(jìn)行了梳理，包括逆流程辦理、貸前資質(zhì)審查不到位、再貸款分級(jí)審批制度執(zhí)行不到位、先簽訂貸款合同后簽訂質(zhì)押合同、要素填寫不完整、業(yè)務(wù)適用利率錯(cuò)誤、投向領(lǐng)域不合規(guī)（包括貸款主體不合規(guī)和貸款用途不合規(guī)）、重復(fù)報(bào)賬、報(bào)賬臺(tái)賬利率過高、超限額發(fā)放政策資金等。具體情況見表4。

（四）風(fēng)險(xiǎn)探偵模型構(gòu)建要素

1.模型目標(biāo)。根據(jù)異常檢測(cè)探偵模型的構(gòu)建思路，假定目前尚不知曉貨幣政策工具業(yè)務(wù)的具體辦理要求，即系統(tǒng)不內(nèi)嵌關(guān)于利率水平、單戶金額等既定規(guī)則，而是通過偵查異常值來發(fā)現(xiàn)業(yè)務(wù)辦理中可能存在的風(fēng)險(xiǎn)。本文以表格類數(shù)據(jù)為例，對(duì)再貸款報(bào)賬臺(tái)賬合規(guī)性進(jìn)行分析。

2.所需底層數(shù)據(jù)。在此項(xiàng)模型構(gòu)建中，審計(jì)數(shù)據(jù)主要來源為金融機(jī)構(gòu)辦理再貸款工具報(bào)送的貸款臺(tái)賬。由前文可知，再貸款報(bào)賬臺(tái)賬目前共包含業(yè)務(wù)類型、貸款金額等14個(gè)字段。在判斷相關(guān)指標(biāo)是否異常時(shí)，可分析相應(yīng)字段值偏離正常區(qū)域的頻率。

3.數(shù)據(jù)挖掘工具的選擇。本文數(shù)據(jù)預(yù)處理、挖掘分析均通過IBM SPSS Modeler 18.0軟件實(shí)現(xiàn)，通過SPSS Modeler內(nèi)置的強(qiáng)大數(shù)據(jù)挖掘算法以及圖形可視化功能，實(shí)現(xiàn)風(fēng)險(xiǎn)探偵模型的構(gòu)建、驗(yàn)證，幫助審計(jì)人員從審計(jì)數(shù)據(jù)中快速找到所需的審計(jì)線索。

4.聚類算法的確定。SPSS Modeler內(nèi)置了K-Means、Kohonen和兩步（TwoStep）3種常見的聚類算法。本文根據(jù)結(jié)構(gòu)性貨幣政策工具審計(jì)調(diào)查的目標(biāo)及數(shù)據(jù)指標(biāo)性質(zhì)，采用兩步聚類算法作為模型算法。該算法具備同時(shí)處理分類（標(biāo)記）變量和連續(xù)變量的能力，且能夠自動(dòng)選擇聚類數(shù)。兩步聚類分成兩個(gè)步驟完成聚類：第一步預(yù)聚類，對(duì)樣本進(jìn)行初始的聚類，由用戶自定義最大類別數(shù)，聚類過程通過構(gòu)建和修改聚類特征樹來實(shí)現(xiàn)；第二步正式聚類，對(duì)第一步完成的初步聚類進(jìn)行再聚類并確定最終的聚類方案，算法通過一定的統(tǒng)計(jì)標(biāo)準(zhǔn)確定聚類的類別數(shù)目，由于經(jīng)過預(yù)聚類后，需要處理的類別較少，可以通過傳統(tǒng)的聚類算法進(jìn)行聚類，SPSS Modeler采用的是合并型層次聚類算法。

（五）風(fēng)險(xiǎn)探偵模型構(gòu)建示例

支農(nóng)再貸款是人民銀行向各類農(nóng)村金融機(jī)構(gòu)發(fā)放的再貸款，是支持農(nóng)村金融發(fā)展的重要工具，旨在加大對(duì)包括農(nóng)戶、小微企業(yè)主、個(gè)體工商戶在內(nèi)貸款主體的支持，從而有效促進(jìn)“三農(nóng)”發(fā)展。為切實(shí)有效降低上述貸款主體的融資成本，人民銀行明確要求地方法人金融機(jī)構(gòu)運(yùn)用支農(nóng)再貸款發(fā)放貸款的利率應(yīng)該在5.5%左右，也即金融機(jī)構(gòu)用于獲取支農(nóng)再貸款的報(bào)賬臺(tái)賬利率應(yīng)符合前述標(biāo)準(zhǔn)。因此，本文選取利率這個(gè)數(shù)量型指標(biāo)作為支農(nóng)再貸款審計(jì)建模的變量。

本文以2021年人民銀行江西省某市分行辦理支農(nóng)再貸款的1774條報(bào)賬臺(tái)賬為數(shù)據(jù)庫樣本，選用基于聚類技術(shù)的異常檢測(cè)算法來構(gòu)建風(fēng)險(xiǎn)探偵模型，在SPSS Modeler工具中，按照?qǐng)D2所示流程構(gòu)建模型。

模型具體構(gòu)建步驟：

1.數(shù)據(jù)預(yù)處理。直接抽取金融機(jī)構(gòu)再貸款報(bào)賬臺(tái)賬的貸款利率字段，并對(duì)所有1774條樣本添加序號(hào)字段，用于后續(xù)圖形可視化分析。

2.特征抽取。將貸款利率字段設(shè)置為模型的（連續(xù)型）輸入變量。

3.聚類。選用建模模塊中的自動(dòng)聚類器（包含K-Means、Kohonen和兩步3種聚類算法）功能進(jìn)行聚類，其會(huì)自動(dòng)選擇聚類效果最優(yōu)的兩階聚類模型作為聚類算法，并形成2個(gè)簇（聚類），分別為包含1027條樣本的聚類-1和742條樣本的聚類-2，其中的聚類-1樣本的利率均在6%以下，聚類-2樣本的利率均在6%以上，最高達(dá)7.352%。自動(dòng)聚類模型結(jié)果散點(diǎn)圖如圖3所示。

4.異常檢測(cè)。將聚類的結(jié)果用于異常檢測(cè)，異常檢測(cè)模型對(duì)樣本的異常性測(cè)度指標(biāo)進(jìn)行計(jì)算，得出每個(gè)樣本的異常指標(biāo)AI（Anomaly Index，即離群點(diǎn)得分），離群點(diǎn)得分越高，越有可能是異常樣本。

5.獲取異常點(diǎn)。根據(jù)每個(gè)樣本的離群點(diǎn)得分和設(shè)置的異常點(diǎn)數(shù)量參數(shù)，得到需要的異常樣本數(shù)據(jù)。異常點(diǎn)數(shù)量參數(shù)包括設(shè)置離群點(diǎn)得分最小閾值、占總樣本數(shù)的百分比和指定數(shù)量3種方式。審計(jì)人員可以根據(jù)需要對(duì)異常點(diǎn)數(shù)量參數(shù)進(jìn)行設(shè)置，最終將得到的異常點(diǎn)樣本作為審計(jì)線索。結(jié)合金融機(jī)構(gòu)再貸款報(bào)賬臺(tái)賬中貸款利率數(shù)據(jù)特性，本文選用占總樣本數(shù)的10%為參數(shù)，得到179個(gè)異常樣本，其中，聚類-1有57個(gè)，利率均在4.51%以下；聚類-2有122個(gè)，利率在7.125%至7.395%以下，模型結(jié)果散點(diǎn)圖如圖4所示。

6.結(jié)果分析。從聚類結(jié)果及異常點(diǎn)檢查情況來看，利率越高，樣本離群點(diǎn)得分越高，越有可能是異常點(diǎn)，也即審計(jì)關(guān)注點(diǎn)。結(jié)合結(jié)構(gòu)性貨幣政策工具審計(jì)實(shí)際，再貸款報(bào)賬臺(tái)賬貸款利率指標(biāo)主要用于判斷再貸款在引導(dǎo)“價(jià)降”方面的效果，因此可不關(guān)注聚類-1中57個(gè)利率均在4.51%以下的異常樣本，審計(jì)人員僅需將聚類-2中的122個(gè)異常樣本作為審計(jì)線索，進(jìn)行進(jìn)一步核實(shí)。

五、結(jié)論及建議

（一）結(jié)論

隨著大數(shù)據(jù)時(shí)代的興起與發(fā)展，未來審計(jì)工作必將從目前的人工查找問題為主逐漸發(fā)展為系統(tǒng)自動(dòng)查找為主、人工核驗(yàn)為輔的信息化審計(jì)。本文選取人民銀行結(jié)構(gòu)性貨幣政策工具審計(jì)數(shù)據(jù)，通過建立風(fēng)險(xiǎn)探偵模型，探索了人民銀行審計(jì)在業(yè)務(wù)系統(tǒng)前端提前預(yù)警問題、識(shí)別風(fēng)險(xiǎn)的可能性，對(duì)智能技術(shù)賦能傳統(tǒng)審計(jì)有一定參考價(jià)值。根據(jù)上述理論與實(shí)證分析，可以得出以下結(jié)論。

1.相關(guān)、適當(dāng)且合比例性的數(shù)據(jù)采集原則是風(fēng)險(xiǎn)探偵模型應(yīng)用的前置條件。對(duì)于風(fēng)險(xiǎn)探偵模型來說，數(shù)據(jù)采集是模型應(yīng)用的前提條件。本文提出了模型數(shù)據(jù)采集的原則和標(biāo)準(zhǔn)，對(duì)人民銀行重要業(yè)務(wù)系統(tǒng)的具體審計(jì)事項(xiàng)、探偵指標(biāo)數(shù)據(jù)和主要風(fēng)險(xiǎn)線索進(jìn)行了系統(tǒng)梳理，并以結(jié)構(gòu)性貨幣政策工具審計(jì)為例，分析得出13個(gè)主要審計(jì)風(fēng)險(xiǎn)類型在風(fēng)險(xiǎn)探偵模型中所需數(shù)據(jù)，為其他業(yè)務(wù)系統(tǒng)的數(shù)據(jù)采集提供了范例參考。

2.風(fēng)險(xiǎn)探偵模型在人民銀行內(nèi)部審計(jì)中具有廣闊前景。本文詳細(xì)介紹了風(fēng)險(xiǎn)探偵模型構(gòu)建的理念和方法，以結(jié)構(gòu)性貨幣政策工具審計(jì)為例，運(yùn)用風(fēng)險(xiǎn)探偵模型對(duì)其中的利率指標(biāo)進(jìn)行了無監(jiān)督的智能運(yùn)算，從1744個(gè)樣本數(shù)據(jù)中篩查出了122條問題線索。而通過人工篩查這些海量數(shù)據(jù)不僅需要耗費(fèi)大量精力，而且準(zhǔn)確度難以得到保證。實(shí)踐證明，基于數(shù)據(jù)挖掘算法的風(fēng)險(xiǎn)探偵模型具有快速、高效、準(zhǔn)確查找問題線索的功能，其在結(jié)構(gòu)性貨幣政策工具審計(jì)中的探索運(yùn)用也為其他業(yè)務(wù)系統(tǒng)的審計(jì)提供了方法指導(dǎo)，具有較好的應(yīng)用價(jià)值。

3.風(fēng)險(xiǎn)探偵模型的應(yīng)用還面臨諸多障礙。目前，風(fēng)險(xiǎn)探偵模型還處在初步探索階段，尤其是將模型嵌入各業(yè)務(wù)系統(tǒng)進(jìn)行實(shí)時(shí)審計(jì)，還存在諸多障礙。一方面，模型與業(yè)務(wù)系統(tǒng)的數(shù)據(jù)對(duì)接不夠順暢，對(duì)表格數(shù)據(jù)進(jìn)行清洗整理需要耗費(fèi)大量的時(shí)間精力，影響了審計(jì)人員的使用熱情。另一方面，對(duì)模型的使用需要掌握一定的數(shù)據(jù)挖掘理論知識(shí)，對(duì)審計(jì)人員的數(shù)據(jù)分析技術(shù)要求較高?？傊?，審計(jì)模型的應(yīng)用是一個(gè)系統(tǒng)工程，既需要對(duì)模型進(jìn)行修正，在審計(jì)實(shí)踐中不斷完善，更需要業(yè)務(wù)部門配合，為模型的應(yīng)用創(chuàng)造運(yùn)行條件，在這些方面，我們還有很多的工作要做。

（二）建議

1.加強(qiáng)金融業(yè)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)化建設(shè)。因人民銀行業(yè)務(wù)豐富，系統(tǒng)類別多，且使用的數(shù)據(jù)庫標(biāo)準(zhǔn)各異，包含DB2、MySQL和Excel等類型，從而不可避免地帶來了信息的異構(gòu)性。這種異構(gòu)性對(duì)獲取和處理審計(jì)信息帶來了障礙，通常審計(jì)人員不得不依靠投入大量人力資源整合異構(gòu)信息，但面對(duì)海量數(shù)據(jù)和繁雜系統(tǒng)只能望洋興嘆。因此，標(biāo)準(zhǔn)化是新時(shí)代審計(jì)數(shù)據(jù)采集的必經(jīng)之路，也是建立完善風(fēng)險(xiǎn)探偵模型的重中之重。建議相關(guān)單位在積極推進(jìn)聯(lián)網(wǎng)審計(jì)、構(gòu)建數(shù)字化審計(jì)分析平臺(tái)的基礎(chǔ)上，著力開展審計(jì)數(shù)據(jù)標(biāo)準(zhǔn)的建設(shè)工作，建立審計(jì)數(shù)據(jù)標(biāo)準(zhǔn)化發(fā)展體系，有效整合各業(yè)務(wù)系統(tǒng)，統(tǒng)一數(shù)據(jù)采集標(biāo)準(zhǔn)，助力風(fēng)險(xiǎn)探偵模型嵌入各業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)大數(shù)據(jù)時(shí)代科技強(qiáng)審的新要求。

2.繼續(xù)完善探偵模型。由于研究時(shí)間較短，本文提出的風(fēng)險(xiǎn)探偵模型仍存在幾個(gè)方面有待完善，如因設(shè)計(jì)不合理、訓(xùn)練樣本不充足等原因，模型存在誤判、漏判風(fēng)險(xiǎn)，對(duì)模型的應(yīng)用還需要進(jìn)一步完善。一是應(yīng)加強(qiáng)對(duì)業(yè)務(wù)場(chǎng)景的理解。業(yè)務(wù)場(chǎng)景決定模型的構(gòu)建和應(yīng)用，數(shù)據(jù)是業(yè)務(wù)的衍生物，必須結(jié)合業(yè)務(wù)場(chǎng)景的分析才能確定風(fēng)險(xiǎn)探偵模型關(guān)注的重點(diǎn)、檢查延伸的方向，厘清數(shù)據(jù)和業(yè)務(wù)的關(guān)系、業(yè)務(wù)系統(tǒng)產(chǎn)生數(shù)據(jù)的邏輯尤為重要。二是應(yīng)注重模型樣本數(shù)據(jù)的選擇。聚類分析所應(yīng)用的數(shù)據(jù)類型主要為多維度、連續(xù)或分類變量，且要求數(shù)據(jù)量夠大，較適合應(yīng)用于已擁有海量、多維度數(shù)據(jù)的場(chǎng)景，審計(jì)人員應(yīng)合理選擇用于聚類的數(shù)據(jù)樣本。三是對(duì)模型進(jìn)行定期評(píng)估和審閱。模型是對(duì)業(yè)務(wù)數(shù)據(jù)再加工的產(chǎn)物，業(yè)務(wù)的改變隨之改變的是業(yè)務(wù)數(shù)據(jù)和業(yè)務(wù)邏輯，審計(jì)人員應(yīng)定期更新模型的參數(shù)配置，及時(shí)匹配最新的業(yè)務(wù)流程。

3.加強(qiáng)人才儲(chǔ)備。傳統(tǒng)的審計(jì)工作模式下，經(jīng)驗(yàn)豐富的審計(jì)人員掌握了豐富的審計(jì)理論和實(shí)踐經(jīng)驗(yàn)，但是了解數(shù)據(jù)庫技術(shù)、數(shù)據(jù)挖掘、數(shù)據(jù)分析的復(fù)合型人才鳳毛麟角，顯然無法滿足當(dāng)下大數(shù)據(jù)審計(jì)工作的需要，若要完善和發(fā)展本文提出的風(fēng)險(xiǎn)探偵模型，短時(shí)間內(nèi)還缺少相應(yīng)的人才儲(chǔ)備。因此，審計(jì)部門應(yīng)轉(zhuǎn)變?nèi)瞬排囵B(yǎng)模式，組建符合大數(shù)據(jù)時(shí)代發(fā)展需求的專業(yè)化高素質(zhì)審計(jì)隊(duì)伍。一是選拔具有IT背景的專業(yè)人才，堅(jiān)持以審促學(xué)、以干促學(xué)，培養(yǎng)結(jié)合審計(jì)業(yè)務(wù)與IT技術(shù)的復(fù)合型審計(jì)人員。二是搭建數(shù)據(jù)分析與信息化平臺(tái)，邀請(qǐng)相關(guān)專家向?qū)徲?jì)人員講解信息化優(yōu)秀案例，傳授大數(shù)據(jù)技術(shù)學(xué)習(xí)方法，培養(yǎng)“需要什么學(xué)什么”的工作理念，以此靈活應(yīng)對(duì)信息化審計(jì)形勢(shì)。

（作者單位：中國人民銀行江西省分行，郵政編碼：330008，電子郵箱：15665425529@163.com）

主要參考文獻(xiàn)

[1]毛玲玥.審計(jì)信息系統(tǒng)的異常數(shù)據(jù)挖掘算法和應(yīng)用[J].全國流通經(jīng)濟(jì)， 2020（19）：183-184

[2]蔚燾.基于自編碼器的異常檢測(cè)算法研究[D].南京郵電大學(xué)， 2023（2）

[3]邢文明，鄧孝慶，秦順.科學(xué)數(shù)據(jù)開放共享中的數(shù)據(jù)可用性影響因素研究[J/OL].圖書情報(bào)知識(shí)， 2024（4）

[4]楊蘊(yùn)毅，呂天陽.標(biāo)準(zhǔn)化是審計(jì)數(shù)據(jù)采集的必由之路[J].審計(jì)觀察， 2018（5）：42-45

[5]趙瀏洋.基于數(shù)據(jù)挖掘的金融審計(jì)數(shù)據(jù)分析研究[J].中國商論， 2020（20）：55-57

[6]Tan P N，Steinbach M， Kumar V，et al.數(shù)據(jù)挖掘?qū)д揫M].北京：人民郵電出版社， 2006