随着网络技术的飞速发展，商业银行已认识到通过“大数据”提升自身竞争优势的重要性，纷纷转变传统的营销策略和模式，利用“大数据”拓展潜在客户，推出各类线上金融服务产品，以便更加快捷、精准地满足不同类别客户的个性化金融需求。同时，商业银行在开展线上金融产品营销时，也面临着不法分子外部欺诈等问题，本文在总结线上信贷产品外部欺诈的特征及表现形式基础上，提出利用大数据审计防范线上信贷产品外部欺诈的方法。
线上信贷产品外部欺诈行为特征
目前，市场上比较普及的银行线上信贷产品多为消费类贷款产品，借款人无须抵押，拥有良好的信用记录及稳定收入来源（如稳定的社保、公积金缴交记录），便可通过手机向银行申请贷款。针对这类线上信贷产品，不法分子通过收集获取社会闲散人员、偏远山区低收入农户等人员信息，协助其伪造虚假公积金缴存明细、工作证明、收入证明和他行账户交易流水等申贷材料，并控制借款人的手机卡、银行卡和银行卡密码转移贷款资金。
线上信贷产品外部欺诈数据特征
线上产品外部欺诈行为，一般是借他人名义申请贷款的，通过银行“白名单”审查并取得贷款后，通常直接提取或划经多手账户转移后，提现、消费。为避免不法行为过早暴露，欺诈行为会在多家银行持续进行，且会在一段时期内正常归还贷款利息。因此，外部欺诈行为的贷款通常表现如下数据特征。一是在获得银行自助循环授信后，当天或次日即全额用款；二是在贷款存续期间，并不发生贷款本金归还交易，不发生或仅发生少量贷款利息归还交易；三是多笔贷款发放后经过多手账户转移最终归集至同一账户；四是同一个账户在还款日前同时转出多笔资金，经过多手账户转移后，用于归还多笔贷款的利息。
利用大数据审计构建分析模型锁定外部欺诈问题线索
通过对欺诈行为的业务特征及数据特征分析，可构建审计模型，对欺诈行为进行监测。其中，模型1同时满足以下条件：贷款产品类型为“X线上信贷产品”，贷款余额大于零；授信审批通过后，当日或次日即全额放款；从发放日至今，贷款本金未发生变化，归还利息的期数小于3期；两户以上借款人的贷款发放后，经过向后追查5手交易后，实际归集至同一账户。模型2同时满足以下条件：贷款产品类型为“X线上信贷产品”，贷款余额大于零；授信审批通过后，当日或次日即全额放款；从发放日至今，贷款本金未发生变化，归还利息的期数小于3期；两户以上借款人的贷款在利息还款日前，经向前追查5手交易后，发现实际还款资金来源于同一账户。在上述两个模型编写过程中，追踪贷款资金实际流向和还款资金实际来源成为编写模型的重点；通过构建资金交易追踪模型，实现系统对可疑交易的自动筛选。下面，以贷款资金流向为例，具体说明贷款资金实际流向追踪模型的设计思路。
（一）提取贷款发放后5手以内的资金流向记录。一是提取跑批日前7天当日发放的，贷款金额大于等于一定金额的贷款发放数据，获取贷款账号、贷款金额、贷款发放日期等信息。二是根据第一步获取的贷款账号，提取贷款账号对应的放款账号，提取放款账号在贷款发放后的资金转出明细，如果有交易对手账号的单笔转账金额大于等于贷款金额的30%，且交易日期在贷款发放后两日内，则锁定为第一手交易对手账号。三是统计第一手交易对手账号在前一手资金到账后的资金转出明细，如果有交易对手账号的单笔转账金额大于等于贷款金额的30%，且交易日期在第一手交易对手将资金划入后的两日内，则锁定为第二手交易对手账号。四是如此循环地往后追踪贷款资金的流向直至追踪至第五手后退出。最终获取贷款发放后第一手到第五手的全部交易记录。
（二）筛选出多户贷款资金流向同一客户的记录。根据第一步的分析可以获取在一定时期内发放的所有贷款资金流向记录。将上述交易记录的账户信息进行关联分析，即可以获取两户以上贷款发放后，最终流向同一账户的可疑线索。
结束语通过对个案的剖析挖掘其行为特征和数据特征，再据此构建分析模型，并对全量数据进行快速分析，集中力量对疑点线索进行核实，体现了大数据审计“全面覆盖、精准核查”的优势。实践证明，针对线上产品外部欺诈的数据分析思路和方法取得了较好效果，也具有较强的通用性，可为商业银行在类似事项中高效组织、有机协同和充分利用大数据技术开展工作提供参考借鉴。
（作者单位：广东省农信联社）
