基于數(shù)據(jù)挖掘的金融審計數(shù)據(jù)分析研究

趙瀏洋

摘 要：針對由于初始變量數(shù)據(jù)過多，導致金融審計數(shù)據(jù)挖掘精度不足的問題，進行基于數(shù)據(jù)挖掘的金融審計數(shù)據(jù)分析研究。本文首先從被審計的金融機構(gòu)信息系統(tǒng)中提取所需數(shù)據(jù)，并對其進行預(yù)處理，包括缺失值處理、重復(fù)數(shù)據(jù)處理、噪聲數(shù)據(jù)處理、數(shù)據(jù)變換等，其次利用主成分分析方法解決初始變量數(shù)據(jù)過多問題，降低數(shù)據(jù)維度，最后選取聚類算法作為挖掘方法，實現(xiàn)金融審計異常數(shù)據(jù)分析。結(jié)果表明：與神經(jīng)網(wǎng)絡(luò)算法、支持向量機、最近鄰算法相比，本方法精度更高，以期為后續(xù)研究提供參考。

關(guān)鍵詞：數(shù)據(jù)挖掘；金融審計數(shù)據(jù)；聚類算法；數(shù)據(jù)維度

中圖分類號：F239.65 文獻標識碼：A 文章編號：2096-0298（2020）10（b）-055-03

審計機關(guān)是推動完善公共治理的重要力量，它可以通過提供以證據(jù)為基礎(chǔ)的解決系統(tǒng)性問題的意見及建議，促進、完善政策和方案，發(fā)揮審計的監(jiān)督、洞察和前瞻功能，推動改善公共治理[1]。近年來，審計機關(guān)通過開展金融審計工作，有效地發(fā)揮了監(jiān)督、洞察與前瞻功能，在促進防范和化解金融風險，提高金融服務(wù)實體經(jīng)濟質(zhì)量和效益，完善金融監(jiān)管體制，推動金融體制改革和金融領(lǐng)域反腐倡廉等方面發(fā)揮了重要作用。然而，在審計機構(gòu)進行金融審計時，面臨海量的數(shù)據(jù)，僅僅依靠傳統(tǒng)的數(shù)據(jù)檢索機制和方法是遠遠不夠的，存在審計效率低下等問題。

在上述背景下，數(shù)據(jù)挖掘技術(shù)應(yīng)用成為審計領(lǐng)域研究的重點課題。利用數(shù)據(jù)挖掘技術(shù)尋找數(shù)據(jù)間潛在的關(guān)聯(lián)，關(guān)鍵在于挖掘算法的選擇上。常用的挖掘算法有很多，如Desaietal利用神經(jīng)網(wǎng)絡(luò)分類挖掘算法對3000個觀察數(shù)據(jù)進行分析；孫北伐、張高煜、徐倩蓉等在《大數(shù)據(jù)環(huán)境下數(shù)據(jù)挖掘在審計中的分析與應(yīng)用》中介紹決策樹算法和隨機森林算法的數(shù)據(jù)分析過程。此外，數(shù)據(jù)挖掘還包括聚類算法、神經(jīng)網(wǎng)絡(luò)算法、支持向量機、最近鄰算法等[2]。本文在已有研究經(jīng)驗的基礎(chǔ)上，以聚類算法為基礎(chǔ)，進行數(shù)據(jù)挖掘研究。研究過程如下：首先進行金融審計數(shù)據(jù)采集并進行預(yù)處理，提高數(shù)據(jù)質(zhì)量，然后選取聚類算法作為挖掘算法，設(shè)置挖掘條件，進行模式匹配，找尋可疑數(shù)據(jù)。通過這些可疑數(shù)據(jù)，審計機構(gòu)可以以此為依據(jù)進行追蹤，探尋企業(yè)違法犯罪行為，為金融領(lǐng)域反腐倡廉工作提供依據(jù)。

1 基于數(shù)據(jù)挖掘的金融審計數(shù)據(jù)分析方法

隨著計算機網(wǎng)絡(luò)以及信息技術(shù)的不斷發(fā)展，各行各業(yè)對信息系統(tǒng)的依賴程度越來越深，其中金融審計就是其中一個。金融審計就是在海量數(shù)據(jù)中尋找異常數(shù)據(jù)，從而發(fā)現(xiàn)問題，得出各種金融機構(gòu)的經(jīng)營狀況，以便避免出現(xiàn)金融風險，揭露隱藏的違法違規(guī)行為，推進反腐倡廉工作。現(xiàn)代金融審計人員面對的不再是簡單的紙質(zhì)賬目，而是存儲在計算機系統(tǒng)數(shù)據(jù)庫中的種類繁多的電子數(shù)據(jù)，要想通過人工完成數(shù)據(jù)分析是不現(xiàn)實的，因此本文通過數(shù)據(jù)挖掘技術(shù)進行金融審計數(shù)據(jù)分析。

1.1 金融審計數(shù)據(jù)采集

金融審計數(shù)據(jù)采集進行數(shù)據(jù)挖掘的第一步，也是后續(xù)進行數(shù)據(jù)分析的基礎(chǔ)和前提。金融審計數(shù)據(jù)采集是指審計人員在利用計算機審計時，需要根據(jù)審計要求從被審計的金融機構(gòu)信息系統(tǒng)中提取數(shù)據(jù)文件的過程[3]。目前，采集方式主要有三種，即直接讀取數(shù)據(jù)的方式、數(shù)據(jù)庫連接性的方式以及數(shù)據(jù)傳輸?shù)姆绞剑N方式特點比較如表1所示。

1.2 金融審計數(shù)據(jù)預(yù)處理

從各個金融機構(gòu)系統(tǒng)數(shù)據(jù)采集得到的數(shù)據(jù)受到人為因素、系統(tǒng)因素等的影響，數(shù)據(jù)質(zhì)量并不高，若直接用于后續(xù)數(shù)據(jù)挖掘，將會導致數(shù)據(jù)分析準確性降低。為此，需要對采集到的數(shù)據(jù)進行預(yù)處理，具體包括缺失值處理、重復(fù)數(shù)據(jù)處理、噪聲數(shù)據(jù)處理、數(shù)據(jù)變換等[4]。

1.2.1 缺失值處理

采集得到的原始數(shù)據(jù)極有可能存在缺失值，但是缺失值并不意味數(shù)據(jù)有錯誤。缺失值在整個數(shù)據(jù)集若是一個關(guān)鍵值，就需要進行填補。缺失值填補的方法有很多，如人工填寫、平均值填充、最鄰近方法填充、期望值最大化方法填充、貝葉斯Boostrap方法填充、回歸法填充等。

1.2.2 重復(fù)數(shù)據(jù)處理

在采集到的原始金融審計數(shù)據(jù)中還存在一些重復(fù)記錄的數(shù)據(jù)，這些數(shù)據(jù)也被稱為冗余數(shù)據(jù)。冗余數(shù)據(jù)的存在會增加后續(xù)數(shù)據(jù)挖掘和分析的計算量，降低數(shù)據(jù)分析效率。對于重復(fù)數(shù)據(jù)的處理，需要進行記錄排序，即根據(jù)關(guān)鍵字、詞等進行排序，然后識別重復(fù)記錄，將重復(fù)的數(shù)據(jù)進行合并。對于重復(fù)記錄識別，可以通過簡單的模糊匹配或各個角度的相似度計算來完成。

1.2.3 噪聲數(shù)據(jù)處理

由于各種原因?qū)е聦傩灾挡徽_或不一致的數(shù)據(jù)被稱為噪聲數(shù)據(jù)。對于噪聲數(shù)據(jù)，處理方法主要有三種：分箱、回歸以及聚類，如表2所示。

1.2.4 數(shù)據(jù)變換

采集到的原始金融審計數(shù)據(jù)可能來自被審計金融機構(gòu)的不同類型的數(shù)據(jù)庫，而不同類型的數(shù)據(jù)庫的數(shù)據(jù)是不同的，無法進行比較分析，因此需要將不同形式的金融審計數(shù)據(jù)轉(zhuǎn)換成適合的審計分析軟件處理所需要的形式，將數(shù)據(jù)規(guī)范成相對統(tǒng)計的形式，去除量綱，即數(shù)據(jù)規(guī)范化。數(shù)據(jù)規(guī)范化方法主要有以下三種。

（1）Min-Max標準化（Min-Max normalization）

Min-Max標準化，也稱為最小-最大規(guī)范化，基本原理是對原始金融審計數(shù)據(jù)進行線性變換，使變換后的結(jié)果落到[0，1]區(qū)間內(nèi)。Min-Max標準化表達式如下：

1.3 金融審計數(shù)據(jù)降維

以往利用數(shù)據(jù)挖掘算法進行直接金融審計數(shù)據(jù)分析時，往往存在計算量大、分析不準確的問題，而導致這一現(xiàn)象的主要原因是后續(xù)輸入到數(shù)據(jù)挖掘算法中初始變量數(shù)據(jù)過多。對于上述問題，將數(shù)據(jù)降維十分必要。

數(shù)據(jù)降維是指在保證原始數(shù)據(jù)損失量最小的前提下，優(yōu)化數(shù)據(jù)組成，降低數(shù)據(jù)維度，減少數(shù)據(jù)規(guī)模。

對于數(shù)據(jù)降維問題，解決方法有很多，大致分為線性映射和非線性映射方法兩大類。在本文中選擇主成分分析方法進行金融審計數(shù)據(jù)降維。具體過程如下：

步驟1：假設(shè)待分析原始金融審計數(shù)據(jù)的形式是一個X包含n個樣本的樣本集。

步驟2：對樣本集中的數(shù)據(jù)進行標準化處理，處理方法見1.2.4中數(shù)據(jù)變換處理方法，最后得到的標準化矩陣Z。

步驟3： 計算標準化矩陣Z的相關(guān)系數(shù)矩陣R。

步驟4：用雅克比方法解矩陣R的特征方程，得特征根和特征向量（主成分）。

步驟5：計算主成分累計貢獻率，一般選擇超過85%貢獻率的主成分作為重要主成分。

步驟6：重要主成分即為降維后數(shù)據(jù)。

1.4 金融審計數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘的概念是在20世紀80年代提出的，其定義是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際應(yīng)用數(shù)據(jù)中找尋價值信息和知識的過程，因此數(shù)據(jù)挖掘也被稱為“知識發(fā)現(xiàn)”，一般分為以下幾個過程，如圖1所示。

從圖1中可以看出，前文已經(jīng)介紹了數(shù)據(jù)挖掘的準備環(huán)節(jié)，現(xiàn)進行數(shù)據(jù)挖掘分析。在數(shù)據(jù)挖掘中，關(guān)鍵在于算法的選擇上。數(shù)據(jù)挖掘算法有很多，如聚類算法、神經(jīng)網(wǎng)絡(luò)算法、決策樹算法、遺傳算法等。選擇聚類算法進行數(shù)據(jù)挖掘，其理由是該算法具有可伸縮性，圖形數(shù)據(jù)集的劃分效果良好，并且十分高效。聚類算法是指按照某種數(shù)據(jù)特征進行分類，同一類的數(shù)據(jù)具有相同的特征，從而從中分辨出不同特征的數(shù)據(jù)，即異常數(shù)據(jù)。具體過程大致分為以下五個步驟。

步驟1：從金融審計數(shù)據(jù)中隨機選定K個樣本數(shù)據(jù)點作為初始聚類中心；

步驟2：計算這K個初始聚類中心到其他樣本數(shù)據(jù)點的距離，包括閔可夫斯基距離、歐式距離、曼哈頓距離等；

步驟3：根據(jù)距離計算結(jié)果對每一個樣本數(shù)據(jù)點進行分類；

步驟4：重新計算每個類的類中心；

步驟5：判斷得到的新聚類中心是否與原來的初始聚類中心相同。若相同，聚類結(jié)束，輸出聚類結(jié)果；否則回到步驟2，重新進行聚類，直到目標函數(shù)收斂。

2 實驗分析

本文為測試基于數(shù)據(jù)挖掘的金融審計數(shù)據(jù)分析方法的性能，以神經(jīng)網(wǎng)絡(luò)算法、支持向量機、最近鄰算法等數(shù)據(jù)挖掘方法作為對比項，進行實驗分析。

2.1 實驗數(shù)據(jù)

保險公司是我國重要的金融機構(gòu)之一，關(guān)系國計民生，關(guān)系社會生活中的每一分子，因此本文就選取某保險公司業(yè)務(wù)及管理費的核算數(shù)據(jù)作為仿真實驗數(shù)據(jù)。利用本文章節(jié)1.1數(shù)據(jù)采集方法，從該公司財務(wù)系統(tǒng)中獲取2008年與業(yè)務(wù)及管理費相關(guān)的全部憑證明細。

據(jù)統(tǒng)計，獲取的某保險公司2008年與業(yè)務(wù)及管理費相關(guān)的全部憑證明細數(shù)據(jù)共計1268825條，全部為正常數(shù)據(jù)，因此本實驗通過手動篡改其中1562條數(shù)據(jù)，作為異常數(shù)據(jù)，用于后續(xù)數(shù)據(jù)挖掘。

2.2 數(shù)據(jù)挖掘工具

本文數(shù)據(jù)預(yù)處理、降維以及挖掘分析都通過SPSS公司開發(fā)的Clementine12.0數(shù)據(jù)挖掘軟件來實現(xiàn)。通過Clementine12.0，可以將數(shù)據(jù)放到軟件上進行分析，從而利用內(nèi)置的強大算法以及圖形功能預(yù)測未來數(shù)據(jù)的走勢，提前定制公司項目計劃，定制未來開發(fā)的具體流程，并且可以將分析結(jié)果建立模型或流程圖，方便整個數(shù)據(jù)挖掘過程將數(shù)據(jù)部署到企業(yè)開發(fā)計劃上，從而完善企業(yè)后期決策計劃。

2.3 數(shù)據(jù)挖掘評價指標

數(shù)據(jù)挖掘目標是從正常數(shù)據(jù)中找出異常數(shù)據(jù)，因此數(shù)據(jù)有兩類，即為正例（positive）和負例（negtive），構(gòu)建混淆矩陣如表3所示。

根據(jù)混淆矩陣，計算數(shù)據(jù)挖掘精度，公式如下：

2.4 結(jié)果分析

利用Clementine12.0數(shù)據(jù)挖掘軟件進行數(shù)據(jù)挖掘，并統(tǒng)計挖掘結(jié)果，如表4所示。

從表4中可以看出，利用本文方法進行數(shù)據(jù)挖掘后，從1268825條正常數(shù)據(jù)中找尋1562條異常數(shù)據(jù)的精度達到96.38%，高于神經(jīng)網(wǎng)絡(luò)算法、支持向量機、最近鄰算法三種挖掘方法，證明了本研究的有效性。

3 結(jié)語

綜上所述，面對海量的金融審計數(shù)據(jù)，如何有效地從中挖掘出有價值的潛在信息對于審計部門來說至關(guān)重要，為此本文基于數(shù)據(jù)挖掘進行金融審計數(shù)據(jù)分析研究，并取得了一定的成果，但是由于個人能力有限，還存在不足之處，如在進行仿真研究時，樣本數(shù)量并不符合數(shù)據(jù)挖掘?qū)Υ罅繑?shù)據(jù)的要求，且財務(wù)指標不夠全面，因此得出的結(jié)果可能與實際結(jié)果存在一定的誤差，因此有待進一步的探討和研究。

參考文獻

[1] 趙圣偉，吳雨橫.基于金融審計大數(shù)據(jù)的證券市場異常交易模型探討[J].審計研究，2018，205（05）.

[2] 朱蕊，田晨，高岑.基于數(shù)據(jù)挖掘的熨法干預(yù)肩周炎藥物使用規(guī)律研究[J].時珍國醫(yī)國藥，2018，29（09）.

[3] 陳偉，勾東升，徐發(fā)亮.基于文本數(shù)據(jù)分析的大數(shù)據(jù)審計方法研究[J].中國注冊會計師，2018，234（11）.

[4] 鐘若武，王惠平.基于數(shù)據(jù)挖掘的高校云計算管理系統(tǒng)中特定數(shù)據(jù)查詢技術(shù)[J].現(xiàn)代電子技術(shù)，2018，41（02）.