陳懷東

摘要：本文依據(jù)我國(guó)商業(yè)銀行的實(shí)際操作風(fēng)險(xiǎn)案例數(shù)據(jù)構(gòu)建貝葉斯網(wǎng)絡(luò)模型，并利用Hugin Lite軟件實(shí)證分析表明：我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)中由交易管理引起操作風(fēng)險(xiǎn)損失的概率最高，其次是外部欺詐、內(nèi)部欺詐因素，從損失額來(lái)看大額損失多是由內(nèi)部欺詐造成，由此可知內(nèi)外勾結(jié)能造成更大的損失。隨后構(gòu)建防范員工實(shí)施內(nèi)部欺詐的貝葉斯網(wǎng)絡(luò)模型，實(shí)證分析表明：防范內(nèi)部欺詐操作風(fēng)險(xiǎn)的關(guān)鍵點(diǎn)在于采取恰當(dāng)而合適的反應(yīng)措施，通過(guò)加強(qiáng)核查并進(jìn)而對(duì)舉報(bào)及時(shí)、有效反饋及予以調(diào)整，才能降低損失。

關(guān)鍵詞：操作風(fēng)險(xiǎn)貝葉斯網(wǎng)絡(luò)內(nèi)部欺詐外部欺詐

目前，盡管我國(guó)商業(yè)銀行由操作風(fēng)險(xiǎn)巴塞爾新資本協(xié)議定義操作風(fēng)險(xiǎn)是指“由不完善或有問(wèn)題的內(nèi)部程序、人員及系統(tǒng)或外部事件所造成損失的風(fēng)險(xiǎn)”。引發(fā)的損失事件數(shù)量較大，但很少有定量分析的數(shù)據(jù)的積累，給操作風(fēng)險(xiǎn)的量化研究帶來(lái)很大的困難。此外，操作風(fēng)險(xiǎn)管理在度量、識(shí)別和控制等方面還沒有形成一套完善的體系，難于建模與度量。本文嘗試應(yīng)用貝葉斯網(wǎng)絡(luò)方法，利用Hugin Lite7.8軟件建立模型，對(duì)我國(guó)商業(yè)銀行的操作風(fēng)險(xiǎn)狀況定量分析。

一、文獻(xiàn)回顧

目前國(guó)外對(duì)操作風(fēng)險(xiǎn)管理還處于發(fā)展階段，但通過(guò)量化方式研究與管理已成為發(fā)展的方面。為解決數(shù)據(jù)問(wèn)題，一些大型國(guó)際銀行組織開始建立自己的損失數(shù)據(jù)庫(kù)，此外還出現(xiàn)了一些官方性質(zhì)或商業(yè)性質(zhì)的數(shù)據(jù)庫(kù)，如英國(guó)開始了一個(gè)由BBA推動(dòng)建立的機(jī)密的中央數(shù)據(jù)庫(kù)GOLD，巴塞爾銀行委員會(huì)已經(jīng)完成了第二次損失數(shù)據(jù)收集活動(dòng)。此外，還出現(xiàn)了其它如OpVar、ORX等商業(yè)性的損失事件數(shù)據(jù)庫(kù)。

國(guó)內(nèi)對(duì)于操作風(fēng)險(xiǎn)的模型化研究尚不成熟，研究主要仍停留在理論介紹、經(jīng)驗(yàn)判斷層面，對(duì)操作風(fēng)險(xiǎn)量化模型的研究仍停留在方法討論和理論假設(shè)上（如劉家鵬，2007），具體的模型構(gòu)建及數(shù)據(jù)分析基本處于空白階段。造成這一問(wèn)題的主要原因之一就是數(shù)據(jù)問(wèn)題，由于長(zhǎng)期以來(lái)我國(guó)商業(yè)銀行不大重視操作風(fēng)險(xiǎn)損失歷史數(shù)據(jù)的積累，再加上我國(guó)商業(yè)銀行信息披露制度不健全，銀行具有隱藏風(fēng)險(xiǎn)事件的動(dòng)機(jī)，使得我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)歷史數(shù)據(jù)較難收集（萬(wàn)杰，2005）；還有學(xué)者商業(yè)銀行操作風(fēng)險(xiǎn)外部數(shù)據(jù)的內(nèi)生偏差（高麗君，2011）。在國(guó)內(nèi)，有學(xué)者在研究中呼吁籌建我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)損失數(shù)據(jù)庫(kù)，并且嘗試在各種媒體中收集操作風(fēng)險(xiǎn)的損失數(shù)據(jù)，并在此基礎(chǔ)上進(jìn)行了描述統(tǒng)計(jì)分析（樊欣、楊曉光，2003）；有學(xué)者分析了貝葉斯網(wǎng)絡(luò)和網(wǎng)絡(luò)分析法應(yīng)用于商業(yè)銀行操作風(fēng)險(xiǎn)的基本思路及其建模步驟等（扈倩倩，2010）；有學(xué)者以我國(guó)銀行的一個(gè)典型業(yè)務(wù)——遠(yuǎn)期結(jié)售匯為例，研究了實(shí)踐中建立和運(yùn)用貝葉斯網(wǎng)絡(luò)來(lái)估計(jì)操作風(fēng)險(xiǎn)發(fā)生頻率的具體方法（劉睿、巴曙松、劉家鵬，2011）。

基于以上學(xué)者的研究和工作，本文依據(jù)北大法意數(shù)據(jù)庫(kù)中的中國(guó)司法案例數(shù)據(jù)庫(kù)2.0版中1990—2015年間的案例進(jìn)行了分析，按照操作風(fēng)險(xiǎn)分類，從3568個(gè)與銀行相關(guān)的案例中篩選出了310個(gè)與商業(yè)銀行操作風(fēng)險(xiǎn)相關(guān)的案例進(jìn)行分析。盡管數(shù)據(jù)不夠全面，但與以前的研究相比在數(shù)據(jù)的客觀性和追溯性上有所改進(jìn)。從公開性和可獲取性角度來(lái)看，這些數(shù)據(jù)基本上反映了我國(guó)商業(yè)操作風(fēng)險(xiǎn)的大致輪廓。以這些數(shù)據(jù)為基礎(chǔ)構(gòu)建我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型，對(duì)我國(guó)商業(yè)銀行的操作風(fēng)險(xiǎn)狀況做初步定量分析，以期能認(rèn)識(shí)我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)的各種屬性。

二、基于貝葉斯網(wǎng)絡(luò)的操作風(fēng)險(xiǎn)模型

（一）貝葉斯網(wǎng)絡(luò)概述

貝葉斯網(wǎng)絡(luò)（Bayesian Belief Network）為一個(gè)圖形模型，用一組條件概率函數(shù)以及有向無(wú)環(huán)圖對(duì)不確定性的因果推理關(guān)系建模，主要用于概率推理及決策，用它能有效的對(duì)風(fēng)險(xiǎn)進(jìn)行建模并能清楚的表達(dá)風(fēng)險(xiǎn)之間的關(guān)系。其實(shí)，貝葉斯網(wǎng)絡(luò)可以看做是Markov鏈的非線性擴(kuò)展。這條特性的重要意義在于明確了貝葉斯網(wǎng)絡(luò)可以方便計(jì)算聯(lián)合概率分布。多變量非獨(dú)立聯(lián)合條件概率分布有如下求取公式：

（二）應(yīng)用貝葉斯網(wǎng)絡(luò)模型構(gòu)建操作風(fēng)險(xiǎn)管理模型

運(yùn)用貝葉斯網(wǎng)絡(luò)管理操作風(fēng)險(xiǎn)，首先要識(shí)別導(dǎo)致風(fēng)險(xiǎn)發(fā)生的風(fēng)險(xiǎn)源，確定網(wǎng)絡(luò)的節(jié)點(diǎn)和相應(yīng)的因果關(guān)系，建立業(yè)務(wù)模型，并依據(jù)根據(jù)業(yè)務(wù)模型建立貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。然后利用已有的數(shù)據(jù)或模擬數(shù)據(jù)來(lái)訓(xùn)練模型，得到節(jié)點(diǎn)以及節(jié)點(diǎn)之間的條件概率分布。最后，根據(jù)風(fēng)險(xiǎn)控制、度量和管理的需要，進(jìn)行情景分析，風(fēng)險(xiǎn)評(píng)估以及采取相應(yīng)的風(fēng)險(xiǎn)控制措施等。

根據(jù)巴塞爾委員會(huì)對(duì)操作風(fēng)險(xiǎn)的分類，確定能反映風(fēng)險(xiǎn)程度的關(guān)鍵風(fēng)險(xiǎn)指標(biāo)（key risk indicators）和引起風(fēng)險(xiǎn)的因素一般稱作關(guān)鍵風(fēng)險(xiǎn)動(dòng)因（key risk drivers），按照發(fā)生的頻率和損失大小進(jìn)行分類，從而通過(guò)控制關(guān)鍵風(fēng)險(xiǎn)動(dòng)因來(lái)控制操作風(fēng)險(xiǎn)。見表1：

交易流程錯(cuò)誤貝葉斯網(wǎng)絡(luò)可以對(duì)關(guān)鍵風(fēng)險(xiǎn)指標(biāo)設(shè)定預(yù)警水平，一旦風(fēng)險(xiǎn)超過(guò)這個(gè)水平，就必須采取相應(yīng)的措施來(lái)對(duì)風(fēng)險(xiǎn)實(shí)施控制。由于所有節(jié)點(diǎn)都是隨機(jī)變量，當(dāng)把某個(gè)關(guān)鍵風(fēng)險(xiǎn)指標(biāo)作為目標(biāo)節(jié)點(diǎn)時(shí)，在給定情境下，運(yùn)用貝葉斯網(wǎng)絡(luò)可以估計(jì)出關(guān)鍵風(fēng)險(xiǎn)指標(biāo)的概率分布，并計(jì)算出方差、標(biāo)準(zhǔn)差和上限百分比等。例如，可以設(shè)定一個(gè)可接受的標(biāo)準(zhǔn)差數(shù)值，如果估算出的標(biāo)準(zhǔn)差超過(guò)這個(gè)數(shù)值，就要采取相應(yīng)的措施。在控制措施的選擇上，可以通過(guò)情景分析，對(duì)各風(fēng)險(xiǎn)關(guān)鍵動(dòng)因進(jìn)行評(píng)估比較。

對(duì)數(shù)據(jù)的分析發(fā)現(xiàn)，310個(gè)操作風(fēng)險(xiǎn)事件本文搜集了310個(gè)案例，由于大部分操作風(fēng)險(xiǎn)事件的影響因素都不是單一的，與以前的研究（樊欣，2003；張新楊，2004）相比，本文做了改進(jìn)，對(duì)各操作風(fēng)險(xiǎn)事件重點(diǎn)統(tǒng)計(jì)主要的兩種影響因素，統(tǒng)計(jì)結(jié)果顯示共有99個(gè)操作風(fēng)險(xiǎn)事件是由至少兩種因素造成的，因此在按事件類型劃分的操作風(fēng)險(xiǎn)案例總數(shù)為409個(gè)。共涉及5種類型操作風(fēng)險(xiǎn)，其中有99個(gè)事件涉及兩種類型操作風(fēng)險(xiǎn)，包括內(nèi)部欺詐因素與外部欺詐因素的結(jié)合，外部欺詐因素與系統(tǒng)出錯(cuò)因素結(jié)合，外部欺詐因素與執(zhí)行、交割及流程管理因素結(jié)合3種類型。從操作風(fēng)險(xiǎn)的來(lái)源看，內(nèi)部欺詐、產(chǎn)品風(fēng)險(xiǎn)、交易管理可看作由內(nèi)部因素引起的，外部欺詐、系統(tǒng)出錯(cuò)可看作是由外部因素引起的。從操作風(fēng)險(xiǎn)發(fā)生的類型來(lái)看，內(nèi)部欺詐、外部欺詐導(dǎo)致的操作風(fēng)險(xiǎn)所占的比重最大。無(wú)論從事件發(fā)生的數(shù)量，還是從所涉及的金額來(lái)看，內(nèi)部欺詐都排在第一位，其次是外部欺詐，交易管理居第三。從已經(jīng)收集到的案例顯示，141件內(nèi)部欺詐案例中有48件明顯地結(jié)合了外部欺詐因素，內(nèi)外勾結(jié)事件數(shù)量占全部事件的34%。操作風(fēng)險(xiǎn)損失案例中，一旦發(fā)生內(nèi)外勾結(jié)，往往損失數(shù)額比較大，上述34%的案例所涉及的金額卻占到85.9%。結(jié)合上述數(shù)據(jù)分析將操作風(fēng)險(xiǎn)損失分為3大類，即由內(nèi)部欺詐、外部欺詐因素作用形成的內(nèi)部損失，產(chǎn)品風(fēng)險(xiǎn)、交易管理、系統(tǒng)出錯(cuò)形成的其他損失，外部欺詐、交易管理、系統(tǒng)出錯(cuò)形成的外部損失，3類損失最終匯總為操作風(fēng)險(xiǎn)損失。5種類型操作風(fēng)險(xiǎn)分為發(fā)生和未發(fā)生兩種狀態(tài)，各種類型損失分為小于100萬(wàn)元（0<-<=100），100萬(wàn)至1000萬(wàn)元（100<-<=1000），大于1000萬(wàn)元（>1000）三種狀態(tài)?；谝陨戏治?，構(gòu)建我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型如圖1：

（三）模型實(shí)證和結(jié)果分析

對(duì)數(shù)據(jù)進(jìn)行運(yùn)算，結(jié)果如表2：

（四）情景分析

對(duì)貝葉斯網(wǎng)絡(luò)模型進(jìn)行情景分析，通過(guò)設(shè)定一個(gè)閥值并改變各個(gè)因素的參數(shù)（即人為設(shè)定各個(gè)事件的發(fā)生狀態(tài)，分析其對(duì)其它事件的影響進(jìn)而找到誘因排序，從而采取相應(yīng)手段排序中最重要的誘因來(lái)有效控制風(fēng)險(xiǎn)）。例如，理想狀態(tài)是操作風(fēng)險(xiǎn)導(dǎo)致的損失最小化，即小于100萬(wàn)元，可以把操作風(fēng)險(xiǎn)損失（operational risk loss）小于100萬(wàn)元的概率設(shè)定為100%，其他兩種狀態(tài)的概率為0；同樣也可以通過(guò)把大于1000萬(wàn)元的概率設(shè)定為100%來(lái)分析這些情景狀態(tài)對(duì)其他因素的影響，運(yùn)行結(jié)果結(jié)果如表3：

如果把操作風(fēng)險(xiǎn)損失控制在100萬(wàn)以下，則要求內(nèi)部欺詐發(fā)生的概率由34.55%下降至33.88%，外部欺詐的概率由37.39%降至34.22%。如果大于1000萬(wàn)元的操作風(fēng)險(xiǎn)發(fā)生，內(nèi)部欺詐發(fā)生的概率增至39.97%，外部風(fēng)險(xiǎn)發(fā)生的概率增至43.37%，這也進(jìn)一步說(shuō)明大額操作風(fēng)險(xiǎn)損失多是由銀行內(nèi)部人員和外部人員共同實(shí)施的，即防范我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)的重點(diǎn)在于建立有效內(nèi)部控制制度、防范內(nèi)外勾結(jié)。此外，比較發(fā)生小于100萬(wàn)元損失時(shí)交易管理風(fēng)險(xiǎn)發(fā)生概率和發(fā)生大于1000萬(wàn)元損失時(shí)交易管理風(fēng)險(xiǎn)發(fā)生的概率由52.04%變到19.5%，可以看出由交易管理風(fēng)險(xiǎn)造成的損失與內(nèi)外欺詐造成的損失相比較小，但其發(fā)生的可能性較大，交易管理風(fēng)險(xiǎn)也是我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)管理的重點(diǎn)。

三、應(yīng)用貝葉斯網(wǎng)絡(luò)模型構(gòu)建防范員工實(shí)施內(nèi)部欺詐模型

（一）構(gòu)建防范員工實(shí)施內(nèi)部欺詐的貝葉斯網(wǎng)絡(luò)模型

從上述涉及的關(guān)鍵風(fēng)險(xiǎn)點(diǎn)來(lái)看，內(nèi)外部欺詐占主要部分，內(nèi)部欺詐風(fēng)險(xiǎn)中人員因素居多。而內(nèi)部員工在欺詐活動(dòng)中有一定的優(yōu)勢(shì)，因其了解信息并熟識(shí)相關(guān)業(yè)務(wù)知識(shí)，知道如何規(guī)避系統(tǒng)監(jiān)測(cè)。因此，內(nèi)外勾結(jié)能造成更大的損失。然而，一些新的欺詐行為包括商業(yè)賄賂和收取回扣，更加復(fù)雜和隱蔽并難以發(fā)現(xiàn)和查處。與常見的欺詐不同，商業(yè)賄賂通常代價(jià)很大，涉及雇員和第三方之間的勾結(jié)，通常涉及接受回扣或傭金，以此作為簽訂合同的回報(bào)。其最大隱患在于違規(guī)貸款給存在極大信用風(fēng)險(xiǎn)的客戶。這種類型的欺詐，尤其難以發(fā)現(xiàn)，因?yàn)榛乜凼菑耐ㄟ^(guò)第三方中介機(jī)構(gòu)洗錢而間接支付給商業(yè)銀行員工，不在賬簿中體現(xiàn)。行賄者以支付咨詢費(fèi)名義將本應(yīng)由銀行收取的利差轉(zhuǎn)而支付給管理咨詢公司，然后再通過(guò)種種方式洗錢并支付到銀行客戶經(jīng)理家屬的賬戶，最后用于購(gòu)房、消費(fèi)等大額支出。這種洗錢行為往往不易被察覺，除非其他員工或第三方（如公安、檢察等外部反腐敗調(diào)查介入等）對(duì)此進(jìn)行曝光。正因如此，預(yù)防措施對(duì)控制內(nèi)外部欺詐風(fēng)險(xiǎn)至關(guān)重要。其基本模式如圖2：圖2內(nèi)外部欺詐基本模式欺詐三要素，即：動(dòng)機(jī)（壓力/誘因）；機(jī)會(huì)；借口（道德取向），三因素之間兩兩相互作用，形成舞弊三角形。動(dòng)機(jī)是由于員工自身經(jīng)濟(jì)壓力、生活方式改變或者感覺不公平，機(jī)會(huì)是員工的職位可以接觸資源，借口是員工給自己尋找合理的借口（實(shí)質(zhì)上是一種個(gè)人的道德價(jià)值判斷）。當(dāng)動(dòng)機(jī)、機(jī)會(huì)和借口三個(gè)重要因素同時(shí)出現(xiàn)時(shí)，進(jìn)行欺詐的傾向就會(huì)出現(xiàn)，缺少其中任何一項(xiàng)因素，都不會(huì)使一個(gè)人進(jìn)行欺詐。針對(duì)上述三要素，可以分別采取有效措施加以防范。問(wèn)題的關(guān)鍵就在于，如何建立合理的制度以防范員工實(shí)施內(nèi)部欺詐?；谝陨戏治?，構(gòu)建防范員工實(shí)施內(nèi)部欺詐的貝葉斯網(wǎng)絡(luò)模型如圖3：

動(dòng)機(jī)、機(jī)會(huì)和借口都是導(dǎo)致最終損失的直接原因，而且動(dòng)機(jī)和借口都屬于內(nèi)在因素，無(wú)法進(jìn)行直接監(jiān)管；而機(jī)會(huì)則是可以通過(guò)監(jiān)管（案件或者異常行為排查）加以防范，進(jìn)而通過(guò)對(duì)內(nèi)部舉報(bào)及時(shí)進(jìn)行核查和反饋，進(jìn)而進(jìn)行相應(yīng)措施調(diào)整，就像排雷一樣事先把引信拆掉，盡可能降低操作風(fēng)險(xiǎn)發(fā)生的概率。雖然排查不能完全阻止風(fēng)險(xiǎn)發(fā)生，但通過(guò)排查能及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)，提前堵漏補(bǔ)缺。此外，動(dòng)機(jī)和借口可以通過(guò)內(nèi)部舉報(bào)，由商業(yè)銀行采取恰當(dāng)而合適的反應(yīng)（比如談話或者心理干預(yù)等方式），將可能導(dǎo)致員工實(shí)施內(nèi)部欺詐的內(nèi)在因素及時(shí)化解。

（二）貝葉斯網(wǎng)絡(luò)模型運(yùn)算分析

本文采用對(duì)某商業(yè)銀行分支機(jī)構(gòu)1999年—2015年134起案件（包括及時(shí)進(jìn)行內(nèi)部處理未造成直接經(jīng)濟(jì)損失）情況的分析，并將各因素細(xì)化分解，模擬運(yùn)算結(jié)果如表4：

從表4可以看出，對(duì)于舉報(bào)及時(shí)、有效的反饋對(duì)于防范內(nèi)外部欺詐至關(guān)重要。計(jì)算結(jié)果表明：導(dǎo)致最終損失的三個(gè)直接原因—?jiǎng)訖C(jī)/誘因、機(jī)會(huì)和合理化的借口，其中動(dòng)機(jī)/誘因的決定因素中依此排名分別為經(jīng)濟(jì)壓力、生活方式改變和感覺不公（34.79%、17.72%和47.50%），其中感覺不公相較其它更容易導(dǎo)致?lián)p失；借口中自我合理化程度越高，也越容易造成損失（72.97%）；機(jī)會(huì)的決定因素中依此排名分別為員工職位、資源支配和受監(jiān)管程度（59.49%、24.27%和16.24%），則是商業(yè)銀行可以通過(guò)監(jiān)管加以防范，其決定因素中依此排名分別為加強(qiáng)管理、崗位改進(jìn)和強(qiáng)制換崗（54.88%、28.45%和16.68%），進(jìn)而通過(guò)核查及對(duì)于舉報(bào)的反饋進(jìn)行及時(shí)調(diào)整，最終避免損失。然而，通過(guò)數(shù)據(jù)分析可以發(fā)現(xiàn)，對(duì)于舉報(bào)是否反饋對(duì)于損失的形成至關(guān)重要，尤其是經(jīng)過(guò)內(nèi)部審計(jì)或者專項(xiàng)審計(jì)后只有17.87%形成結(jié)論報(bào)告，而45.75%未有結(jié)論，甚至于36.39%由于不能公正處理或者說(shuō)被舉報(bào)人員反過(guò)來(lái)打擊報(bào)復(fù)舉報(bào)人員。最終，如果不能采取恰當(dāng)而合適的作為（比如戒勉談話或者心理干預(yù)等方式），而其發(fā)生的概率高達(dá)73.80%，將可能導(dǎo)致員工實(shí)施內(nèi)部欺詐的內(nèi)在因素不能夠及時(shí)發(fā)現(xiàn)、核查、監(jiān)管并進(jìn)行化解，最終形成損失。

（三）相關(guān)性分析

通過(guò)對(duì)于內(nèi)部欺詐與采取恰當(dāng)而合適的反應(yīng)措施進(jìn)行相關(guān)性分析，結(jié)果如表5：

即：無(wú)論內(nèi)部欺詐是否嚴(yán)重，明明知道員工已經(jīng)實(shí)施內(nèi)部欺詐而不采取恰當(dāng)而合適的反應(yīng)去制止其不當(dāng)行為（不作為）要比有所作為都將加大內(nèi)部欺詐發(fā)生概率；反之，則可以減小內(nèi)部欺詐發(fā)生概率。嚴(yán)重后果極端情況下，完全不采取恰當(dāng)而合適的反應(yīng)將造成監(jiān)管完全失效，導(dǎo)致無(wú)法通過(guò)反饋并采取相應(yīng)措施進(jìn)行調(diào)整，將最終造成損失的嚴(yán)重后果。這是因?yàn)槿绻e報(bào)者認(rèn)為內(nèi)部舉報(bào)機(jī)制并不能很好的解決舉報(bào)的問(wèn)題，那么沒有人會(huì)愿意在這上面浪費(fèi)精力。舉報(bào)者積極性受打擊，甚至被打擊報(bào)復(fù)的后果就是或者不再內(nèi)部舉報(bào)，或者尋求外部渠道解決問(wèn)題。換言之，絕大多數(shù)欺詐或是違法行為，都是靠?jī)?nèi)部員工的舉報(bào)而被發(fā)現(xiàn)的。內(nèi)部舉報(bào)機(jī)制的真正作用在于當(dāng)員工還愿意反映其所發(fā)現(xiàn)的問(wèn)題時(shí)，意味著問(wèn)題還有機(jī)會(huì)在商業(yè)銀行內(nèi)部得到解決。如果內(nèi)部舉報(bào)機(jī)制無(wú)法讓舉報(bào)者信任，結(jié)果將使相關(guān)信息泄露給其他渠道，包括媒體和監(jiān)管機(jī)構(gòu)，屆時(shí)問(wèn)題就有可能發(fā)展成商業(yè)銀行無(wú)法控制的局面。

通過(guò)模擬運(yùn)算，還可以發(fā)現(xiàn)如果完全不采取恰當(dāng)而合適的反應(yīng)措施，將造成幾乎相當(dāng)于原來(lái)四倍的經(jīng)濟(jì)損失。由此可見，防范內(nèi)部欺詐操作風(fēng)險(xiǎn)的關(guān)鍵點(diǎn)在于通過(guò)加強(qiáng)核查并對(duì)舉報(bào)及時(shí)、有效反饋及予以調(diào)整，才能降低損失。

四、加強(qiáng)操作風(fēng)險(xiǎn)管理的對(duì)策建議

綜上所述，我國(guó)商業(yè)銀行操作風(fēng)險(xiǎn)主要來(lái)源于商業(yè)欺詐風(fēng)險(xiǎn)（內(nèi)部欺詐與外部欺詐兩方面結(jié)合）。因此，商業(yè)銀行必須從加強(qiáng)內(nèi)控建設(shè)、提高員工防范意識(shí)、職業(yè)素養(yǎng)以及加強(qiáng)內(nèi)部審計(jì)等方面入手，還可以采取購(gòu)買商業(yè)犯罪保險(xiǎn)等措施對(duì)于操作風(fēng)險(xiǎn)實(shí)施有效管理。

一是加強(qiáng)有效信息交流來(lái)防范內(nèi)外部欺詐。目前，我國(guó)既沒有收集金融機(jī)構(gòu)操作風(fēng)險(xiǎn)損失事件的公共數(shù)據(jù)庫(kù)，也沒有相關(guān)組織機(jī)構(gòu)推動(dòng)損失數(shù)據(jù)的交換。因而，建議由人民銀行、銀監(jiān)會(huì)或銀行業(yè)協(xié)會(huì)，負(fù)責(zé)收集我國(guó)銀行業(yè)操作風(fēng)險(xiǎn)損失事件并建立數(shù)據(jù)庫(kù)，推動(dòng)實(shí)現(xiàn)商業(yè)銀行間及行業(yè)內(nèi)的信息交流、損失數(shù)據(jù)交流和互換。欺詐行為實(shí)施者可能針對(duì)不同的商業(yè)銀行，同時(shí)或連續(xù)進(jìn)行欺詐活動(dòng)。因此，應(yīng)該共享彼此關(guān)于欺詐的信息，并借助中國(guó)人民銀行征信系統(tǒng)及時(shí)溝通信息來(lái)實(shí)現(xiàn)。其次，欺詐者也可能針對(duì)其他金融機(jī)構(gòu)進(jìn)行詐騙。因此，建議除了具體的欺詐信息交流，還應(yīng)分享關(guān)于欺詐風(fēng)險(xiǎn)、趨勢(shì)、制度方面、預(yù)防和識(shí)別等方面的認(rèn)識(shí)和經(jīng)驗(yàn)。

二是商業(yè)銀行應(yīng)建立預(yù)防制度、流程和控制機(jī)制。包括：分割可能會(huì)發(fā)生利益沖突的職能部門；采用雙人監(jiān)控原則；在資金管理、其他資產(chǎn)及交易和信息系統(tǒng)中，配備使用高效的程序屏障；現(xiàn)金流和資金管理要安排復(fù)核監(jiān)督；建立明晰的報(bào)告路線和溝通程序；建立管理層和員工進(jìn)行內(nèi)部舉報(bào)的投訴程序；制定一套公開透明并且具有延續(xù)性的反欺詐政策或制度，包括向相關(guān)執(zhí)法機(jī)關(guān)報(bào)告的制度；建立明確的內(nèi)部欺詐案件問(wèn)責(zé)制度，以警示其他潛在的犯罪者。

三是商業(yè)銀行應(yīng)強(qiáng)化欺詐風(fēng)險(xiǎn)管理。內(nèi)容包括：構(gòu)建一系列措施和流程，在發(fā)生緊急情況時(shí)，能夠?qū)ζ墼p案例作出迅速、正確的反應(yīng)；應(yīng)定期對(duì)反欺詐制度、流程和控制機(jī)制進(jìn)行梳理，并考慮到欺詐的動(dòng)態(tài)特征；當(dāng)遇到欺詐案件時(shí)，應(yīng)該將其作為“警示教育”的案例，對(duì)制度、流程和控制機(jī)制進(jìn)行調(diào)整，從而減少再次發(fā)生的類似欺詐的風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]Carol Alexander.This translation of Operational Risk：Regulation， Analysis and Management[M].First Edition is published by arrangement with Pearson Education Limited，2003.

[2]Carol Alexander.Bayesian Methods for Measuring Operational Risk， Derivatives， Use Trading and Regulation[M].Vol. 6， No. 2， pp. 166—186， 2000.

[3]Martin Neil， Norman Fenton and Manesh Tailor.Using Bayesian Networks to Model Expected and Unexpected Operational Losses[J].Risk Analysis， Vol. 25， No. 4， pp. 963—972， August 2005.

[4]藏玉衛(wèi)，王萍，吳育華.貝葉斯網(wǎng)絡(luò)在股指期貨風(fēng)險(xiǎn)預(yù)警中的應(yīng)用[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2003（10）.

[5]詹原瑞，謝秋平，李雪.貝葉斯網(wǎng)絡(luò)在因果圖中的應(yīng)用[J].管理工程學(xué)報(bào)，2003（2）.

[6]劉家鵬，詹原瑞，劉睿.基于貝葉斯網(wǎng)絡(luò)的操作風(fēng)險(xiǎn)建模[J].西安電子科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2007（4）.

[7]樊欣，楊曉光.從媒體報(bào)道看我國(guó)商業(yè)銀行業(yè)操作風(fēng)險(xiǎn)狀況[J].管理評(píng)論，2003（11）.

[8]萬(wàn)杰，苗文龍.國(guó)內(nèi)外商業(yè)銀行操作風(fēng)險(xiǎn)現(xiàn)狀比較及成因分析[J].國(guó)際金融研究，2005（7）.

[9]鄧超，黃波.貝葉斯網(wǎng)絡(luò)模型在商業(yè)銀行操作風(fēng)險(xiǎn)管理中的應(yīng)用[J].統(tǒng)計(jì)與決策，2007（4）.

[10]（美）韋爾斯著.公司舞弊手冊(cè)：防范與檢查[M].東北財(cái)經(jīng)大學(xué)出版社，2010.