近十年來，信用卡業務憑藉其較高的邊際收益率及較好的資產質量，成爲各家商業銀行零售業務主要獲客來源之一。下面是yjbys小編爲大家帶來的關於商業銀行信用卡審計實務技巧的知識，歡迎閱讀。
一、審計抽樣
信用卡業務抽樣不同於其他業務抽樣，鑑於信用卡髮卡量、交易量極大，單純採用統計抽樣或經驗抽樣無法滿足審計目標的要求，可考慮採取非現場審計抽樣結合經驗抽樣進行。在審計資源一定的情況下，採取這種抽樣方式，可以有的放矢，提升審計效率。
(一)經驗抽樣
商業銀行信貸業務抽樣一般都是採取以下原則：大額抽樣原則、產品覆蓋原則、不良資產優先抽樣等，一般都是基於風險發生的影響程度、頻率及逆向思維的思路，信用卡業務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，可選擇進件量、髮卡量、交易量、不良率或不良額高或者僞冒申請、疑似欺詐或疑似套現發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行重點抽樣。
此外，還可以採用逆向思維的方法，統計全行信用卡髮卡各發卡人羣、髮卡渠道、審批專案的不良率、不良額數據，對上述髮卡人羣、髮卡渠道、審批專案不良率及不良額高於平均水平的樣本應進行重點抽樣，以此來反推次髮卡人羣、髮卡渠道或審批專案設計或執行中存在的缺陷漏洞。
(二)非現場審計抽樣
鑑於國內股份制銀行普遍已建立非現場審計系統，有些是基於SAS平臺開發如工行、建行，有些是基於自身的數據倉庫開發如招商、中信等。而各家銀行信用卡業務的數據源可能會略有差異，本文只針對信用卡業務非現場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法應用。審計模型需求如下：
髮卡環節：
1.信用卡主卡申請人年齡不滿18週歲或大於65週歲。
模型思路：查找不符合髮卡條件的主卡持卡人賬戶信息。如提取2015年1月1日以來，(截取髮卡日期)髮卡年份-(截取出生日期)出生年份<18或髮卡年份-出生年份>65的數據。
2.信用卡申請人工作單位爲“擔保”、“典當”、“代理”、“小額貸款”等髮卡高行業人羣。
模型思路：提取2015年1月1日以來，信用卡主卡持卡人工作單位包含“擔保”、“典當”、“代理”、“小額貸款”等高風險領域企業名稱字樣的數據。
3.申請人工作單位爲我行黑名單客戶。
模型思路：提取2015年1月1日以來，持卡人工作單位爲銀聯或銀行黑名單客戶數據。利用銀聯風險管理平臺數據或各行黑名單客戶數據，與持卡人申請人工作單位進行匹配。
4.個人徵信記錄不符合我行信用卡申請客戶准入要求。
模型思路：查找徵信記錄不符合我行信用卡准入要求的持卡人賬戶信息。利用人民銀行徵信系統，提取2015年1月1日以來，持卡人在審批日期的前24個月內存在1次60天以上逾期、或2次30天以上逾期或審批前6個月內存在1次30天以上逾期的數據[2]。
5.信用卡客戶存在多個客戶編號的。
模型思路：查找風險集中度較高的客戶。設定身份證號碼爲分組變量，客戶編號記錄計數大於等於2條的信用卡髮卡記錄。
6.同一持卡人在同一POS商戶上刷卡次數超過5次，且累計刷卡金額超過5萬的。
模型思路：查找在持卡人在可疑商戶進行反覆套現的`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)、商戶代碼進行分組彙總，提取2015年1月1日以來，同一持卡人在同一商戶上刷卡次數超過5次、累計刷卡超過5萬的記錄(交易金額彙總大於等於5萬、交易記錄條數計數大於等於5次)。電商平臺在線交易的數據應予以剔除如話費充值、加油等如移動、聯通、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5筆、且金額累計超過5萬的。
模型思路：查找在持卡人在可疑商戶進行反覆套現的交易明細。使用持卡人身份證號碼(可能一人多卡)、交易日期進行分組彙總，提取2015年1月1日以來，同一持卡人單日刷卡筆數超過5筆、且金額累計超過5萬的記錄，按持卡人卡號、交易金額倒序排列。(交易金額彙總大於5萬且交易記錄條數計數大於5次);
8.同一持卡人單筆刷卡金額超過10萬的、且商戶類型爲商貿、小貸、擔保、典當類等高風險商戶。
模型思路：提取2015年1月1日以來，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爲，或收單商戶商戶代碼套用。單筆交易金額大於10萬，且商戶MCC代碼第8位至第11位不爲“7011”、“5811”、“5812”、“1520”、“5511”、“5094”等。
監測環節：
9.多個信用卡申請表上聯繫人爲同一人的。
模型思路：提取2015年1月1日以來，利用欺詐、僞冒手段辦卡的。利用分組彙總功能，將申請人聯繫人電話設定爲分組變量，賬戶信息記錄大於等於5條的記錄;
10.多個持卡人來自於同一工作單位(持卡人賬戶數≥20)且所屬行業爲影子銀行相關行業。
模型思路：提取2015年1月1日以來，持卡人爲同一單位的賬戶信息，使用工作單位進行分組彙總，篩選出同一單位持卡數量≥20，且工作單位名稱包含“擔保”、“典當”、“代理”、“小額貸”等字樣的。 11.同一公司或個人賬戶集中向5張以上非本人信用卡轉賬還款的。
模型思路：查找還款來源爲“一對多”的持卡人賬戶信息。利用分組彙總功能，提取信用卡還款記錄，且還款人和持卡人戶名不一致的轉賬還款交易明細記錄。設定付款人賬號、交易卡號爲分組變量，賬戶交易明細記錄計數大於等於5條的記錄。
12.當日信用卡現金櫃臺連續還款5筆以上、且操作櫃員爲同一櫃員的。
模型思路：提取2015年1月1日以來，還款來源爲“一對多”現金存入的持卡人賬戶信息。提取信用卡現金還款交易明細記錄，設定交易日期、交易櫃員號爲分組變量，櫃員交易號爲排序變量，排序順序爲從小到大;用下一條記錄的櫃員交易號-本條記錄的櫃員交易號=1的記錄全部列示出來，然後再次按照日期、交易櫃員號進行分組彙總，統計記錄數大於5筆以上的記錄。
13.多個持卡人在同一商戶申請分期業務的(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，可能存在辦理虛假分期業務可疑商戶。利用數據關聯功能，將信用卡系統交易明細數據關聯核心業務系統交易明細數據，篩選分期交易明細，分組彙總，設定商戶代碼、交易日期爲分組變量，分期金額、收單金額爲彙總變量，彙總當日分期金額大於收單交易額10%的交易。
14.收單交易額異常特約商戶;(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。提取商戶收單交易明細，按月彙總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;
15.信用卡刷卡套現監測模型。
模型思路：①刷卡後十日內與刷卡金額相近的交易，該交易滿足下列條件：第一，交易金額大於刷卡金額的80%，第二，從特約商戶企業或個人賬戶轉回至持卡人借記卡賬戶的交易條件;②刷卡後十日內與刷卡金額相近的交易，該交易滿足下列條件：第一，交易金額大於刷卡金額的80%，第二，現金存入持卡人借記卡賬戶的交易明細;③刷卡後十日內與刷卡金額相近的交易，該交易滿足下列條件：第一，交易金額大於刷卡金額的80%，第二，從特約商戶企業或個人賬戶轉入員工借記卡賬戶(需與各行人力資源系統數據進行覈對)。
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，高信用額度持卡人(信用額度5萬以上)的交易主要集中於第三方支付平臺(如淘寶、支付寶、財付通等)，交易時間集中在賬單日後的5天內，交易金額累計達到信用額度的90%以上，然後還款時間集中在最後還款日前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，分析套現之後具體的資金流向，重點關注信用卡套現資金①進入股市的、②歸還到期貸款的、③進入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務實際情況進行調整。由於部分商業銀行信用卡業務系統獨立開發，信用卡交易數據與各行核心系統數據無法實現數據關聯，部分審計模型思路可能無法實現。
二、現場審計技巧
小編憑藉自身的理論功底結合多年內部審計工作經驗，對信用卡業務的現場審計技巧給出幾點建議，拋磚引玉，不妥之處，請各位專家、學者給予諒解。
第一，與以往審計不同，信用卡業務由於風險的分散性，無法像一般信貸業務逐筆做穿行測試。爲突出審計重點，提升審計效率，反映全行信用卡業務整體經營狀況及風險狀況，審計人員因多采取以小見大、舉一反三的方法去，根據抽樣的結果取反推信用卡風險控制模型設計的健全性、合理性及有效性。
第二，採用“逆查法”從不良資產成因分析出發，評估內外部因素對資產質量造成的影響，重點關注內部流程管理與資產質量之間的關聯關係。如評估催收環節的催收效率及效果。催收效率調查催收流程中的“瓶頸環節”，催收效果方面調查瞭解卡中心與分行的協同配合程度及分行介入的深度及廣度，在客戶信息共享方面及資產保全方面有無進一步的合作空間，有針對性提出可行性建議。
第三，多蒐集同業相關產品信息、渠道信息、市場活動及業績指標，產品信息主要包括產品類型、產品定價、客戶權益等，渠道信息主要是瞭解渠道建設情況及業務合作情況，市場活動主要是瞭解特約商戶體系建設情況及市場活動開展情況等，業績指標則是瞭解同業的客羣、資源投入力度、盈利結構、資產質量及流動性管理等。評價與同業之間的差距及不足並擬定具體可行性改進建議。從指標上去尋找差距，通過差距深入分析內外部的存在的問題，這樣纔可以得到一個全面的市場競爭力分析結論。
