李鋒

[摘要]通過聚類分析法收集機(jī)構(gòu)所在區(qū)域金融風(fēng)險(xiǎn)、內(nèi)部控制、內(nèi)部審計(jì)等相關(guān)數(shù)據(jù)，使用Python語言將機(jī)構(gòu)分成群組，研究各群組內(nèi)部各機(jī)構(gòu)間的異同，從而分析全行經(jīng)營管理情況，較好地平衡審計(jì)對(duì)象抽樣數(shù)量和審計(jì)覆蓋的有效性，降低審計(jì)風(fēng)險(xiǎn)。

[關(guān)鍵詞]聚類分析 審計(jì)對(duì)象 內(nèi)部審計(jì) Python

編制審計(jì)計(jì)劃時(shí)，有必要對(duì)審計(jì)對(duì)象進(jìn)行合理

分類，再基于分類配置審計(jì)資源，在保證審計(jì)覆蓋率的基礎(chǔ)上，提高審計(jì)投入產(chǎn)出效率，有效降低審計(jì)風(fēng)險(xiǎn)。在審計(jì)對(duì)象特征值的維度為個(gè)位數(shù)時(shí)，分類相對(duì)比較簡單，人工處理也比較直觀。但當(dāng)審計(jì)對(duì)象的特征維度增多，特征的量綱差異變大時(shí)，簡單的分類方法就難以奏效，需要借助數(shù)據(jù)挖掘中的聚類分析方法進(jìn)行分類。

一、聚類分析概述

聚類分析是把數(shù)據(jù)分類成子集或簇的過程，每個(gè)簇中的對(duì)象相似而與其他簇中的對(duì)象相異，這些子集或簇的集合叫聚類。聚類分析是一種無監(jiān)督學(xué)習(xí)，又稱自動(dòng)分類，具有鮮明的數(shù)據(jù)挖掘功能，即事先并不需要知道聚類分析后形成的簇群個(gè)數(shù)或?qū)哟谓Y(jié)構(gòu)，而是自動(dòng)根據(jù)不同維度特征值之間的距離，通過無監(jiān)督學(xué)習(xí)和自動(dòng)收斂，發(fā)現(xiàn)事先不能預(yù)見的聚類，從而較大程度地避免主觀判斷對(duì)分類的影響。

基本的聚類算法包括劃分方法、層次方法、基于密度和基于網(wǎng)格的方法等。不論采用哪種方法，對(duì)聚類的可行性和聚類結(jié)果的質(zhì)量進(jìn)行評(píng)估至關(guān)重要。評(píng)估包括三個(gè)方面：一是估計(jì)聚類的趨勢(shì)。即評(píng)估數(shù)據(jù)集均勻分布的概率，因?yàn)閿?shù)據(jù)如果均勻分布，聚類沒有任何意義，換句話說，數(shù)據(jù)應(yīng)該具有非隨機(jī)結(jié)構(gòu)，一般可以用霍普金斯統(tǒng)計(jì)量來檢驗(yàn)變量的空間隨機(jī)性。二是選擇最優(yōu)的分類簇?cái)?shù)。假設(shè)數(shù)據(jù)集有n個(gè)樣本，那么簇?cái)?shù)應(yīng)該在1和n之間，決定聚類后的簇?cái)?shù)實(shí)際上就是一個(gè)顆粒度大小的問題，最適宜的簇?cái)?shù)依賴于數(shù)據(jù)集分布的形狀和尺度。三是評(píng)估聚類結(jié)果的質(zhì)量。在有基準(zhǔn)可用的情況下，可以采用外在方法（監(jiān)督方法）將聚類與基準(zhǔn)比較；若沒有基準(zhǔn)可用，可以用輪廓系數(shù)等工具來衡量簇的分離情況和緊湊情況。

二、聚類分析在審計(jì)對(duì)象分類與抽樣中的應(yīng)用

商業(yè)銀行內(nèi)部審計(jì)部門在年初制訂審計(jì)計(jì)劃時(shí)，需要考慮審計(jì)時(shí)間、人力等資源的限制，需要平衡審計(jì)對(duì)象的抽樣數(shù)量和審計(jì)覆蓋面，既保證審計(jì)評(píng)價(jià)的有效性，又要降低審計(jì)風(fēng)險(xiǎn)。比如，在規(guī)劃確定信用風(fēng)險(xiǎn)重點(diǎn)檢查機(jī)構(gòu)時(shí)，首先需要根據(jù)機(jī)構(gòu)所處的區(qū)域環(huán)境、資產(chǎn)規(guī)模、資產(chǎn)質(zhì)量、風(fēng)險(xiǎn)隱患程度、主管部門的考核排名、上一年度審計(jì)報(bào)告揭示的重大問題數(shù)量等維度，對(duì)機(jī)構(gòu)進(jìn)行全方位的風(fēng)險(xiǎn)評(píng)估和分級(jí)分類，然后基于風(fēng)險(xiǎn)導(dǎo)向原則確定審計(jì)對(duì)象。由于描述機(jī)構(gòu)的特征值維度較多，每個(gè)維度指標(biāo)僅能刻畫審計(jì)對(duì)象的某個(gè)方面，所有指標(biāo)相互配合共同刻畫審計(jì)對(duì)象的特征。指標(biāo)變量選擇越準(zhǔn)確、測(cè)量越可靠，得到的分類結(jié)果就越能準(zhǔn)確地描述審計(jì)對(duì)象間的本質(zhì)區(qū)別，簡單的篩選和分類無法進(jìn)行全面完整的處理，而機(jī)器學(xué)習(xí)算法中的聚類分析可以根據(jù)多維空間距離對(duì)審計(jì)對(duì)象進(jìn)行分組。

（一）聚類分析指標(biāo)設(shè)計(jì)和數(shù)據(jù)處理

1.指標(biāo)體系設(shè)計(jì)。對(duì)信用風(fēng)險(xiǎn)審計(jì)對(duì)象的選擇，不僅要考慮機(jī)構(gòu)發(fā)展與風(fēng)險(xiǎn)的平衡能力、內(nèi)部控制情況，還要考慮第三方監(jiān)督、所在區(qū)域的總體風(fēng)險(xiǎn)狀況。綜合考量，選取5個(gè)維度9類指標(biāo)，如表1所示。

2.數(shù)據(jù)分析工具。Python是一種解釋型、面向?qū)ο?、?dòng)態(tài)數(shù)據(jù)類型的高級(jí)程序設(shè)計(jì)語言，具有豐富強(qiáng)大的庫，功能全面。其中Pandas庫可用于Excel文件的讀寫，Matplotlib庫可以可視化展現(xiàn)數(shù)據(jù)分析結(jié)果，Sklearn和Scipy庫包含大量機(jī)器學(xué)習(xí)的算法，包括各類聚類分析算法。本文基于Python環(huán)境引入Pandas、Matplotlib、Sklearn和Scipy庫，對(duì)機(jī)構(gòu)的多維度數(shù)據(jù)進(jìn)行聚類分析，在此基礎(chǔ)上進(jìn)行審計(jì)對(duì)象抽樣。

3.數(shù)據(jù)處理和檢驗(yàn)。

（1）對(duì)數(shù)據(jù)進(jìn)行歸一化處理。從上述9類指標(biāo)的數(shù)據(jù)類型看，有的是余額，有的是百分比，有的是排名，量綱差異比較大，需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，減少量綱差異對(duì)結(jié)果的影響。采用常見的Z-Score方法對(duì)數(shù)據(jù)進(jìn)行歸一化處理，代碼如下：

#讀取數(shù)據(jù)

import pandas as pd

df0=pd.read_excel（u'機(jī)構(gòu)多維度數(shù)據(jù).xlsx'）

#對(duì)數(shù)據(jù)進(jìn)行歸一化處理

df_zscore=（df0-df0.mean（ ））/df0.std（ ）

處理后的指標(biāo)數(shù)據(jù)前5條記錄如圖1所示。

（2）分析指標(biāo)的相關(guān)程度。由于涉及的數(shù)據(jù)類別較多，還需分析指標(biāo)之間的相關(guān)程度，避免過擬合。用Pandas庫自帶的相關(guān)系數(shù)計(jì)算函數(shù)指標(biāo)間的皮爾遜相關(guān)系數(shù)（Pearson Correlation Coefficient）。代碼如下：

#計(jì)算指標(biāo)間的相關(guān)系數(shù)

df_zscore.corr（）

指標(biāo)間的相關(guān)系數(shù)如圖2所示。

從數(shù)據(jù)看，除了不良率與綜合競(jìng)爭力呈現(xiàn)較高的負(fù)相關(guān)（-0.858859），其他指標(biāo)間的相關(guān)程度較弱?？紤]到不良率與綜合競(jìng)爭力相關(guān)有其業(yè)務(wù)合理性，故所有指標(biāo)都參與最后的分析。

（3）選擇最優(yōu)的分類簇?cái)?shù)。聚類分類是一種無監(jiān)督的分類方法，但在不同的分類簇?cái)?shù)情況下，簇之間的特征差異不同，分類的區(qū)分度也不同。一般選用輪廓系數(shù)法來評(píng)估不同簇?cái)?shù)分類的區(qū)分度，在合理分組的情況下，平均輪廓系數(shù)最大的就是最優(yōu)的分類簇?cái)?shù)。

#通過輪廓系數(shù)法計(jì)算最優(yōu)簇?cái)?shù)k

from sklearn.metrics import silhouette_score

Scores=[ ]#存放輪廓系數(shù)

for k in range（2，18）：

estimator=Agglomerative Clustering（n_clusters=k，affinity='euclidean'，linkage='ward'）

estimator.fit（df_zscore）

Scores.append（silhouette_score（df_zscore，

estimator.labels_，metric='euclidean'））

plt.xlabel（u'簇?cái)?shù)k'）

plt.ylabel（u'輪廓系數(shù)'）

plt.plot（range（2，18），Scores，'o-'）

plt.axvline（Scores.index（max（Scores））+2，color='red'，linestyle='--'）

plt.annotate（u'最優(yōu)簇6'，xy=（6.3，0.23），xytext=（9.3，0.19），arrowprops=dict（facecolor='red'，shrink=0.01））

plt.title（u'輪廓系數(shù)計(jì)算＼n'）

plt.xlim（2，18）

plt.show（ ）

從結(jié)果看，采取層次聚類法，將機(jī)構(gòu)分成2到18簇的情況下，最優(yōu)簇?cái)?shù)為6，輪廓系數(shù)法計(jì)算結(jié)果如圖3所示。

（二）聚類分析結(jié)果及評(píng)價(jià)

根據(jù)上述對(duì)數(shù)據(jù)集簇?cái)?shù)的計(jì)算，確定將聚類分成6個(gè)簇（群組）進(jìn)行分析較為合適，每一簇內(nèi)的機(jī)構(gòu)在內(nèi)外部風(fēng)險(xiǎn)形勢(shì)、內(nèi)控水平和綜合競(jìng)爭力等方面的特征相似。分層聚類并可視化展現(xiàn)的代碼如下：

from sklearn import metrics

fig，ax=plt.subplots（figsize=（10，8））

Z=hierarchy.linkage（df_zscore，method='ward'，metric='euclidean'）

P=hierarchy.dendrogram（Z，orientation="left"，labels=df_zscore.index）

plt.axvline（4.8，color='yellow'，label='66'）

plt.title（u"機(jī)構(gòu)分層聚類分析結(jié)果＼n"，{'fontname'：'SimHei'，'fontsize'：18}）

plt.show（ ）

運(yùn)行后得到的聚類分析譜系圖如圖4所示。垂直黃線為最優(yōu)分組閾值，黃線右側(cè)莖葉及其子葉為同一簇（群組）的機(jī)構(gòu)。

依據(jù)聚類分析譜系圖，將20家機(jī)構(gòu)分類進(jìn)一步整理成表格，如表2所示。

第一簇包括機(jī)構(gòu)04、機(jī)構(gòu)03、機(jī)構(gòu)17和機(jī)構(gòu)16，都處于經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，區(qū)域金融風(fēng)險(xiǎn)等級(jí)為低，綜合競(jìng)爭力和內(nèi)控水平較低，業(yè)務(wù)規(guī)模較小，審計(jì)發(fā)現(xiàn)問題較多。其中，機(jī)構(gòu)04和機(jī)構(gòu)03所在的兩省地域相連、資源稟賦相近，分在一起具有合理性。

第二簇包括機(jī)構(gòu)09、機(jī)構(gòu)08、機(jī)構(gòu)15和機(jī)構(gòu)10。其中機(jī)構(gòu)08和機(jī)構(gòu)09位于同一地區(qū)，所在區(qū)域經(jīng)濟(jì)處于上行階段、償債率指標(biāo)低、區(qū)域金融風(fēng)險(xiǎn)處于中低程度，兩家機(jī)構(gòu)的綜合競(jìng)爭力和內(nèi)控排名靠前，審計(jì)發(fā)現(xiàn)的重要問題也比較多。機(jī)構(gòu)15和機(jī)構(gòu)10分在一起出乎意料，機(jī)構(gòu)15業(yè)務(wù)發(fā)展和內(nèi)控水平都處于中游；機(jī)構(gòu)10綜合競(jìng)爭力排名靠前，但內(nèi)控排名相對(duì)落后。

第三簇包括機(jī)構(gòu)14和機(jī)構(gòu)13，都是資產(chǎn)規(guī)模較大、內(nèi)控評(píng)級(jí)靠前、資產(chǎn)質(zhì)量優(yōu)質(zhì)的大型機(jī)構(gòu)，區(qū)域經(jīng)濟(jì)發(fā)達(dá)、金融風(fēng)險(xiǎn)等級(jí)為中，但兩家機(jī)構(gòu)的綜合競(jìng)爭力近年來出現(xiàn)下滑趨勢(shì)。

第四簇包括機(jī)構(gòu)07、機(jī)構(gòu)06和機(jī)構(gòu)12，三家機(jī)構(gòu)這幾年經(jīng)營比較困難，資產(chǎn)質(zhì)量較差，綜合競(jìng)爭力和內(nèi)控排名靠后，審計(jì)發(fā)現(xiàn)的問題數(shù)量處于平均水平。

第五簇包括機(jī)構(gòu)11、機(jī)構(gòu)01、機(jī)構(gòu)02和機(jī)構(gòu)05，四家機(jī)構(gòu)位于同一地區(qū)，其中機(jī)構(gòu)11和機(jī)構(gòu)01規(guī)模相近，管理基礎(chǔ)較薄弱，內(nèi)控水平較差；機(jī)構(gòu)02的規(guī)模明顯小于其他三家，審計(jì)發(fā)現(xiàn)問題較少，綜合競(jìng)爭力和內(nèi)控排名不是很靠前；機(jī)構(gòu)05所在區(qū)域經(jīng)濟(jì)發(fā)達(dá)、金融風(fēng)險(xiǎn)程度為中，前幾年不良貸款暴露較多，但經(jīng)過前期清收和處置后，不良率已降到較低水平。

第六簇包括機(jī)構(gòu)19、機(jī)構(gòu)18和機(jī)構(gòu)20，三家機(jī)構(gòu)地域相鄰，面臨相同的區(qū)域風(fēng)險(xiǎn)形勢(shì)和金融生態(tài)，金融風(fēng)險(xiǎn)等級(jí)為高，尤其是信貸缺口高，表明金融系統(tǒng)對(duì)損失的化解能力差；三家機(jī)構(gòu)存量資產(chǎn)的質(zhì)量差，內(nèi)部綜合競(jìng)爭力和內(nèi)控排名靠后。

三、研究結(jié)論和應(yīng)用建議

（一）研究結(jié)論

1.從聚類分簇看，20家機(jī)構(gòu)具有明顯的聚集特征，機(jī)構(gòu)之間具有簇內(nèi)相似性和簇間相異性，結(jié)合持續(xù)審計(jì)掌握的情況，聚類結(jié)果具有較強(qiáng)的準(zhǔn)確性。

2.聚類結(jié)果顛覆了對(duì)一些機(jī)構(gòu)的傳統(tǒng)認(rèn)識(shí)，一些機(jī)構(gòu)情況已經(jīng)發(fā)生了實(shí)質(zhì)性變化，需要調(diào)整審計(jì)策略，有效降低審計(jì)風(fēng)險(xiǎn)。

3.聚類結(jié)果有助于預(yù)估各家機(jī)構(gòu)的審計(jì)風(fēng)險(xiǎn)、審計(jì)開展的難易程度及審計(jì)工作量，可以根據(jù)各級(jí)審計(jì)機(jī)構(gòu)的能力范圍和業(yè)務(wù)專長，合理搭配和安排審計(jì)項(xiàng)目。

（二）應(yīng)用建議

聚類分析應(yīng)盡可能選擇有代表性的指標(biāo)，如果指標(biāo)變量過多、關(guān)聯(lián)度高，容易導(dǎo)致分類不精確。在一些研究中采用因子分析降低維數(shù)，選取重點(diǎn)的有代表性的指標(biāo)作聚類分析，以保證分類結(jié)果的精確性。還有一些研究采用主成分分析和因子分析的多元統(tǒng)計(jì)方法，計(jì)算提取主成分和公共因子，然后再進(jìn)行聚類分析。

（作者單位：交通銀行總行審計(jì)監(jiān)督局，郵政編碼：200120，電子郵箱：158845434@qq.com）

主要參考文獻(xiàn)

曹曉俊.對(duì)我國上市銀行經(jīng)營業(yè)績的分析：基于主成分分析、因子分析和聚類分析的方法[J].宿州學(xué)院學(xué)報(bào)， 2016（7）：25-29

丁紅艷，陳建，張敏.基于因子分析和聚類分析的新疆各地區(qū)經(jīng)濟(jì)發(fā)展水平綜合評(píng)價(jià)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2016（4）：36-43

彭振江，楊李娟.金融周期視角下區(qū)域金融風(fēng)險(xiǎn)差異化防控研究[J].金融監(jiān)管研究， 2017（5）：50-67

Jiawei Han， Micheline Kamber， Jian Pei.范明，孟小峰譯.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社， 2012