[发明专利]一种基于规则引擎的银行异常业务监控方法和系统

说明书

技术领域

本发明涉及金融领域，具体涉及一种基于规则引擎的银行异常业务监控方法及系统。

背景技术

商业银行是以信用为基础、以经营货币借贷和结算业务为主的高负债高风险行业。商业银行在一国国民经济中所处的关键地位和作用以及其经营特点，导致了商业银行经营风险在整个国民经济中有着极大的影响力，一旦银行经营风险转化成现实损失，不仅可能导致银行破产，而且将对整个国民经济带来严重后果。尤其在信贷快速增长的过程中，由于种种复杂原因导致大量的贷款无法收回，由此而导致的资产质量状况和经营效益状况的恶化。回顾九十年代到2008年爆发的金融危机，都无一例外地印证了一点：银行内部控制的任何松懈，都可能招致灭顶之灾。无论是国内现状还是国外环境，都对商业银行的有效内部风险控制提出了迫切要求。

随着银行数据大集中工程的实施，使得银行原本基于后台交易数据分析进行的内控机制需要发生改变。银行业务开展的多样，以及人民银行对反洗钱的规定等等，需要银行建设一套实时性，灵活性都非常强的分析监控系统，尤其是对异常业务的监控来完成对银行业务风险的监控和预警。

实现上述目标的方法，在2000年以前国际上都是采用计算公式的方法灵活定义风险监控规则。这种定义方式的缺点是定义的公式很难理解，导致业务人员无法理解监控结果是否正确。对于普通的系统使用者来说，这种结果可理解性就更差了。为了克服这样的缺点，2000年以后，国际上通常采用规则引擎技术来定义风险监控规则。对于规则类的风险监控，本发明也是采用这样的技术来实现银行异常业务监控。

发明内容

本发明提供一种基于规则引擎的银行异常业务监控方法及系统，全面监测商业银行操作风险，确保风险得到控制。

本发明提供的一种基于规则引擎的银行异常业务监控方法，主要步骤包括：

对银行业务流程，产品，业务单元的操作风险因素进行定义和描述；

确定损失数据和风险数据收集框架，对重要损失数据分析以确定损失事件和风险因素的因果关系；

确定关键风险指标(KPI)；

衡量可能的损失金金额和风险概率，包括：基于历史数据的量化方法和专家评判法；

衡量现有的管控方法的有效性，建设更有效的管控方案；

决策和实施基于效率和相平衡的管控体系；

风险预警指标，针对高级管理层的风险报告，风险官孔方法的有效监控。

衡量流程的合规性和有效性。

所述方法通过对象与行为的关系关联监督检查资金流向的异常情况，从而发现各种欺诈行为。

所述方法包括一套基于KRI(关键风险指标)的风险量化指标体系。采用从下至上的分层设计，基于业务数据集市分为对象轮廓指标、基础风险指标、规则风险指标、风险度量指标等。

所述方法还包括一种监控模型的建立方法，包括：

对象行为模式：将业务活动的对象、要素、行为统一成单一对象行为模式、多个对象行为模式；

监测模型：将监测模型主要分为实时控制模型、正常业务模型、异常业务监测模型、累计特征分析模型；这四类模型方法既是独立的，也是相互依赖的。

模型构建方法：统一的一套建模方法论，指导监测系统从业务到模型的实施过程。

所述方法在建立监测模型的过程和方法，主要步骤包括：

行为分析：确定监测对象之后，针对对象行为进行组合分析，形成监测模型；

模型试验：在一定数据范围内，利用监测模型进行数据试验；

模型确定：对试验信息进行评估认定，从反馈结果中确立正确合适的监测模型。

所述方法通过预警规则库将风险监测的业务范围划分为综合管理、个金业务、公司业务、外汇业务、授信业务等；每类业务按照监测技术划分，可以分为实时监测、事后监测、定期分析和事后监督四种类型。

所述方法根据设置的预警规则将每日自动对业务数据进行风险监测预警，并将系统的预警信息按照其重要程度，设定用户级别。

本发明提供一种基于规则引擎的银行异常业务监控系统，所述系统按逻辑层次划分，包括：

业务数据层、数据采集层、数据存储层、风险处理层、风险管理层和信息展现层。

所述业务数据层，主要指系统的原始业务数据来源。业务数据主要来自于现有的：核心业务系统(Tuxedo)、业务集中系统、数据仓库和其他外部数据。

所述数据采集层，利用数据采集平台从核心系统、数据仓库及相关业务系统中采集原始业务数据，包括：实时与非实时两种数据采集方式。