[發明專利]一種基于規則引擎的銀行異常業務監控方法和系統

無效

• 申請號: 200910084860.7
• 申請日: 2009-05-26
• 公開（公告）號: CN101714273A
• 公開（公告）日: 2010-05-26
• 發明（設計）人: 胡佰慶;徐鶴;李治宇;賈皓立
• 申請（專利權）人: 北京銀豐新融科技開發有限公司
• 主分類號: G07F19/00
• 分類號: G07F19/00;G05B19/048;G06F17/00;G06Q40/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及金融領域，具體涉及一種基于規則引擎的銀行異常業務監控方法及系統。

背景技術

商業銀行是以信用為基礎、以經營貨幣借貸和結算業務為主的高負債高風險行業。商業銀行在一國國民經濟中所處的關鍵地位和作用以及其經營特點，導致了商業銀行經營風險在整個國民經濟中有著極大的影響力，一旦銀行經營風險轉化成現實損失，不僅可能導致銀行破產，而且將對整個國民經濟帶來嚴重后果。尤其在信貸快速增長的過程中，由于種種復雜原因導致大量的貸款無法收回，由此而導致的資產質量狀況和經營效益狀況的惡化。回顧九十年代到2008年爆發的金融危機，都無一例外地印證了一點：銀行內部控制的任何松懈，都可能招致滅頂之災。無論是國內現狀還是國外環境，都對商業銀行的有效內部風險控制提出了迫切要求。

隨著銀行數據大集中工程的實施，使得銀行原本基于后臺交易數據分析進行的內控機制需要發生改變。銀行業務開展的多樣，以及人民銀行對反洗錢的規定等等，需要銀行建設一套實時性，靈活性都非常強的分析監控系統，尤其是對異常業務的監控來完成對銀行業務風險的監控和預警。

實現上述目標的方法，在2000年以前國際上都是采用計算公式的方法靈活定義風險監控規則。這種定義方式的缺點是定義的公式很難理解，導致業務人員無法理解監控結果是否正確。對于普通的系統使用者來說，這種結果可理解性就更差了。為了克服這樣的缺點，2000年以后，國際上通常采用規則引擎技術來定義風險監控規則。對于規則類的風險監控，本發明也是采用這樣的技術來實現銀行異常業務監控。

發明內容

本發明提供一種基于規則引擎的銀行異常業務監控方法及系統，全面監測商業銀行操作風險，確保風險得到控制。

本發明提供的一種基于規則引擎的銀行異常業務監控方法，主要步驟包括：

對銀行業務流程，產品，業務單元的操作風險因素進行定義和描述；

確定損失數據和風險數據收集框架，對重要損失數據分析以確定損失事件和風險因素的因果關系；

確定關鍵風險指標(KPI)；

衡量可能的損失金金額和風險概率，包括：基于歷史數據的量化方法和專家評判法；

衡量現有的管控方法的有效性，建設更有效的管控方案；

決策和實施基于效率和相平衡的管控體系；

風險預警指標，針對高級管理層的風險報告，風險官孔方法的有效監控。

衡量流程的合規性和有效性。

所述方法通過對象與行為的關系關聯監督檢查資金流向的異常情況，從而發現各種欺詐行為。

所述方法包括一套基于KRI(關鍵風險指標)的風險量化指標體系。采用從下至上的分層設計，基于業務數據集市分為對象輪廓指標、基礎風險指標、規則風險指標、風險度量指標等。

所述方法還包括一種監控模型的建立方法，包括：

對象行為模式：將業務活動的對象、要素、行為統一成單一對象行為模式、多個對象行為模式；

監測模型：將監測模型主要分為實時控制模型、正常業務模型、異常業務監測模型、累計特征分析模型；這四類模型方法既是獨立的，也是相互依賴的。

模型構建方法：統一的一套建模方法論，指導監測系統從業務到模型的實施過程。

所述方法在建立監測模型的過程和方法，主要步驟包括：

行為分析：確定監測對象之后，針對對象行為進行組合分析，形成監測模型；

模型試驗：在一定數據范圍內，利用監測模型進行數據試驗；

模型確定：對試驗信息進行評估認定，從反饋結果中確立正確合適的監測模型。

所述方法通過預警規則庫將風險監測的業務范圍劃分為綜合管理、個金業務、公司業務、外匯業務、授信業務等；每類業務按照監測技術劃分，可以分為實時監測、事后監測、定期分析和事后監督四種類型。

所述方法根據設置的預警規則將每日自動對業務數據進行風險監測預警，并將系統的預警信息按照其重要程度，設定用戶級別。

本發明提供一種基于規則引擎的銀行異常業務監控系統，所述系統按邏輯層次劃分，包括：

業務數據層、數據采集層、數據存儲層、風險處理層、風險管理層和信息展現層。

所述業務數據層，主要指系統的原始業務數據來源。業務數據主要來自于現有的：核心業務系統(Tuxedo)、業務集中系統、數據倉庫和其他外部數據。

所述數據采集層，利用數據采集平臺從核心系統、數據倉庫及相關業務系統中采集原始業務數據，包括：實時與非實時兩種數據采集方式。