近十年来，信用卡业务凭借其较高的边际收益率及较好的资产质量，成为各家商业银行零售业务主要获客来源之一。下面是yjbys小编为大家带来的关于商业银行信用卡审计实务技巧的知识，欢迎阅读。
一、审计抽样
信用卡业务抽样不同于其他业务抽样，鉴于信用卡发卡量、交易量极大，单纯采用统计抽样或经验抽样无法满足审计目标的要求，可考虑采取非现场审计抽样结合经验抽样进行。在审计资源一定的情况下，采取这种抽样方式，可以有的放矢，提升审计效率。
(一)经验抽样
商业银行信贷业务抽样一般都是采取以下原则：大额抽样原则、产品覆盖原则、不良资产优先抽样等，一般都是基于风险发生的影响程度、频率及逆向思维的思路，信用卡业务机构抽样及样本抽样同样也可以参照上述原则。如机构抽样方面，可选择进件量、发卡量、交易量、不良率或不良额高或者伪冒申请、疑似欺诈或疑似套现发生率高的分中心或分行;样本抽样方面，对根据上述原则拟抽样的机构样本进行重点抽样。
此外，还可以采用逆向思维的方法，统计全行信用卡发卡各发卡人群、发卡渠道、审批专案的不良率、不良额数据，对上述发卡人群、发卡渠道、审批专案不良率及不良额高于平均水平的样本应进行重点抽样，以此来反推次发卡人群、发卡渠道或审批专案设计或执行中存在的缺陷漏洞。
(二)非现场审计抽样
鉴于国内股份制银行普遍已建立非现场审计系统，有些是基于SAS平台开发如工行、建行，有些是基于自身的数据仓库开发如招商、中信等。而各家银行信用卡业务的数据源可能会略有差异，本文只针对信用卡业务非现场审计抽样给出模型思路，若缺省相应的数据字段则可能导致审计模型无法应用。审计模型需求如下：
发卡环节：
1.信用卡主卡申请人年龄不满18周岁或大于65周岁。
模型思路：查找不符合发卡条件的主卡持卡人账户信息。如提取2015年1月1日以来，(截取发卡日期)发卡年份-(截取出生日期)出生年份<18或发卡年份-出生年份>65的数据。
2.信用卡申请人工作单位为“担保”、“典当”、“代理”、“小额贷款”等发卡高行业人群。
模型思路：提取2015年1月1日以来，信用卡主卡持卡人工作单位包含“担保”、“典当”、“代理”、“小额贷款”等高风险领域企业名称字样的数据。
3.申请人工作单位为我行黑名单客户。
模型思路：提取2015年1月1日以来，持卡人工作单位为银联或银行黑名单客户数据。利用银联风险管理平台数据或各行黑名单客户数据，与持卡人申请人工作单位进行匹配。
4.个人征信记录不符合我行信用卡申请客户准入要求。
模型思路：查找征信记录不符合我行信用卡准入要求的持卡人账户信息。利用人民银行征信系统，提取2015年1月1日以来，持卡人在审批日期的前24个月内存在1次60天以上逾期、或2次30天以上逾期或审批前6个月内存在1次30天以上逾期的数据[2]。
5.信用卡客户存在多个客户编号的。
模型思路：查找风险集中度较高的客户。设定身份证号码为分组变量，客户编号记录计数大于等于2条的信用卡发卡记录。
6.同一持卡人在同一POS商户上刷卡次数超过5次，且累计刷卡金额超过5万的。
模型思路：查找在持卡人在可疑商户进行反复套现的`交易明细。使用持卡人身份证号码(可能一人持有多张信用卡)、商户代码进行分组汇总，提取2015年1月1日以来，同一持卡人在同一商户上刷卡次数超过5次、累计刷卡超过5万的记录(交易金额汇总大于等于5万、交易记录条数计数大于等于5次)。电商平台在线交易的数据应予以剔除如话费充值、加油等如移动、联通、电信、中石油、中石化等交易数据。
7.同一持卡人单日刷卡笔数超过5笔、且金额累计超过5万的。
模型思路：查找在持卡人在可疑商户进行反复套现的交易明细。使用持卡人身份证号码(可能一人多卡)、交易日期进行分组汇总，提取2015年1月1日以来，同一持卡人单日刷卡笔数超过5笔、且金额累计超过5万的记录，按持卡人卡号、交易金额倒序排列。(交易金额汇总大于5万且交易记录条数计数大于5次);
8.同一持卡人单笔刷卡金额超过10万的、且商户类型为商贸、小贷、担保、典当类等高风险商户。
模型思路：提取2015年1月1日以来，持卡人的异常交易明细记录。以上交易可能存在信用卡资金套现的行为，或收单商户商户代码套用。单笔交易金额大于10万，且商户MCC代码第8位至第11位不为“7011”、“5811”、“5812”、“1520”、“5511”、“5094”等。
监测环节：
9.多个信用卡申请表上联系人为同一人的。
模型思路：提取2015年1月1日以来，利用欺诈、伪冒手段办卡的。利用分组汇总功能，将申请人联系人电话设定为分组变量，账户信息记录大于等于5条的记录;
10.多个持卡人来自于同一工作单位(持卡人账户数≥20)且所属行业为影子银行相关行业。
模型思路：提取2015年1月1日以来，持卡人为同一单位的账户信息，使用工作单位进行分组汇总，筛选出同一单位持卡数量≥20，且工作单位名称包含“担保”、“典当”、“代理”、“小额贷”等字样的。 11.同一公司或个人账户集中向5张以上非本人信用卡转账还款的。
模型思路：查找还款来源为“一对多”的持卡人账户信息。利用分组汇总功能，提取信用卡还款记录，且还款人和持卡人户名不一致的转账还款交易明细记录。设定付款人账号、交易卡号为分组变量，账户交易明细记录计数大于等于5条的记录。
12.当日信用卡现金柜台连续还款5笔以上、且操作柜员为同一柜员的。
模型思路：提取2015年1月1日以来，还款来源为“一对多”现金存入的持卡人账户信息。提取信用卡现金还款交易明细记录，设定交易日期、交易柜员号为分组变量，柜员交易号为排序变量，排序顺序为从小到大;用下一条记录的柜员交易号-本条记录的柜员交易号=1的记录全部列示出来，然后再次按照日期、交易柜员号进行分组汇总，统计记录数大于5笔以上的记录。
13.多个持卡人在同一商户申请分期业务的(分期金额累计当日收单交易额的10%)。
模型思路：提取2015年1月1日以来，可能存在办理虚假分期业务可疑商户。利用数据关联功能，将信用卡系统交易明细数据关联核心业务系统交易明细数据，筛选分期交易明细，分组汇总，设定商户代码、交易日期为分组变量，分期金额、收单金额为汇总变量，汇总当日分期金额大于收单交易额10%的交易。
14.收单交易额异常特约商户;(当月收单交易额较月平均收单交易额增幅在100%以上)。
模型思路：查找收单交易额异常变化的特约商户。提取商户收单交易明细，按月汇总2015年1～12月月均收单交易额，筛选出当月收单交易额较月平均收单交易额增幅在100%以上的商户;
15.信用卡刷卡套现监测模型。
模型思路：①刷卡后十日内与刷卡金额相近的交易，该交易满足下列条件：第一，交易金额大于刷卡金额的80%，第二，从特约商户企业或个人账户转回至持卡人借记卡账户的交易条件;②刷卡后十日内与刷卡金额相近的交易，该交易满足下列条件：第一，交易金额大于刷卡金额的80%，第二，现金存入持卡人借记卡账户的交易明细;③刷卡后十日内与刷卡金额相近的交易，该交易满足下列条件：第一，交易金额大于刷卡金额的80%，第二，从特约商户企业或个人账户转入员工借记卡账户(需与各行人力资源系统数据进行核对)。
16.利用第三方支付平台套现的。
模型思路：提取2015年1月1日以来，高信用额度持卡人(信用额度5万以上)的交易主要集中于第三方支付平台(如淘宝、支付宝、财付通等)，交易时间集中在账单日后的5天内，交易金额累计达到信用额度的90%以上，然后还款时间集中在最后还款日前5天的信用卡交易明细数据;
资金流向分析模型：
17.信用卡套现资金流向分析。
模型思路：在已有信用卡套现数据的基础上，提取套现信用卡及持卡人本人名下借记卡的资金流水，分析套现之后具体的资金流向，重点关注信用卡套现资金①进入股市的、②归还到期贷款的、③进入P2P平台的、④涉嫌民间借贷的。
特别提示，上述模型参数都可以结合各行业务实际情况进行调整。由于部分商业银行信用卡业务系统独立开发，信用卡交易数据与各行核心系统数据无法实现数据关联，部分审计模型思路可能无法实现。
二、现场审计技巧
小编凭借自身的理论功底结合多年内部审计工作经验，对信用卡业务的现场审计技巧给出几点建议，抛砖引玉，不妥之处，请各位专家、学者给予谅解。
第一，与以往审计不同，信用卡业务由于风险的分散性，无法像一般信贷业务逐笔做穿行测试。为突出审计重点，提升审计效率，反映全行信用卡业务整体经营状况及风险状况，审计人员因多采取以小见大、举一反三的方法去，根据抽样的结果取反推信用卡风险控制模型设计的健全性、合理性及有效性。
第二，采用“逆查法”从不良资产成因分析出发，评估内外部因素对资产质量造成的影响，重点关注内部流程管理与资产质量之间的关联关系。如评估催收环节的催收效率及效果。催收效率调查催收流程中的“瓶颈环节”，催收效果方面调查了解卡中心与分行的协同配合程度及分行介入的深度及广度，在客户信息共享方面及资产保全方面有无进一步的合作空间，有针对性提出可行性建议。
第三，多搜集同业相关产品信息、渠道信息、市场活动及业绩指标，产品信息主要包括产品类型、产品定价、客户权益等，渠道信息主要是了解渠道建设情况及业务合作情况，市场活动主要是了解特约商户体系建设情况及市场活动开展情况等，业绩指标则是了解同业的客群、资源投入力度、盈利结构、资产质量及流动性管理等。评价与同业之间的差距及不足并拟定具体可行性改进建议。从指标上去寻找差距，通过差距深入分析内外部的存在的问题，这样才可以得到一个全面的市场竞争力分析结论。
