掌孝政

[摘要]兩項(xiàng)直達(dá)延期政策審計(jì)需將審計(jì)期間商業(yè)銀行全部的貸款臺(tái)賬、商業(yè)銀行上報(bào)人民銀行領(lǐng)取補(bǔ)貼的臺(tái)賬進(jìn)行比對(duì)分析，由于審計(jì)數(shù)據(jù)量非常龐大、審計(jì)模型非常復(fù)雜，傳統(tǒng)的手工抽樣方式難以實(shí)現(xiàn)審計(jì)全覆蓋，存在審計(jì)風(fēng)險(xiǎn)。引入Python可以更好地解決兩項(xiàng)直達(dá)延期政策審計(jì)的問題。本文針對(duì)兩項(xiàng)直達(dá)延期政策審計(jì)的算法進(jìn)行了深入研究。延期政策包括展期、無還本續(xù)貸、借新還舊、三個(gè)工作日還舊借新等多種模型，在編寫代碼的時(shí)候要綜合考慮每種模型的特點(diǎn)。

[關(guān)鍵詞]兩項(xiàng)直達(dá)貨幣政策工具? ?Python

了加大金融對(duì)實(shí)體經(jīng)濟(jì)的支持、幫助小微企

業(yè)渡過難關(guān)，2020年6月1日，中國(guó)人民銀行推出了兩項(xiàng)直達(dá)貨幣政策。如何監(jiān)督商業(yè)銀行在兩項(xiàng)直達(dá)延期政策中的執(zhí)行情況成為新的審計(jì)難點(diǎn)。本文以人民銀行對(duì)***商業(yè)銀行兩項(xiàng)直達(dá)政策審計(jì)項(xiàng)目的實(shí)例，從數(shù)據(jù)準(zhǔn)備、代碼解析、輸出結(jié)果分析三個(gè)方面詳細(xì)闡述延期政策的審計(jì)方法。人民銀行審計(jì)部門可以通過數(shù)據(jù)比對(duì)分析監(jiān)督商業(yè)銀行在兩項(xiàng)直達(dá)政策中的執(zhí)行情況，商業(yè)銀行也可以通過代碼篩選出貸款臺(tái)賬中符合延期政策的貸款，具有較高的實(shí)用價(jià)值。

一、數(shù)據(jù)準(zhǔn)備

（一）被審計(jì)商業(yè)銀行的貸款臺(tái)賬

兩項(xiàng)直達(dá)延期政策要求貸款的到期日期要大于等于2020年6月1日，而一般的銀行貸款年限為1—2年。所以，在審計(jì)中需要調(diào)取商業(yè)銀行貸款發(fā)放日期為2018年6月1日至審計(jì)日的所有貸款臺(tái)賬（以下簡(jiǎn)稱大臺(tái)賬）。調(diào)取大臺(tái)賬的要素主要包括個(gè)人（企業(yè)）的“證件號(hào)碼”“客戶名稱”“貸款金額”“貸款發(fā)放日期”“貸款到期日期”“貸款結(jié)清日期”“利率”“自助循環(huán)貸款標(biāo)識(shí)”“貸款產(chǎn)品名稱”“貸款用途”“逾期貸款標(biāo)識(shí)”“展期貸款標(biāo)識(shí)”等。大臺(tái)賬的格式如表1所示。

（二）商業(yè)銀行上報(bào)人民銀行的臺(tái)賬

商業(yè)銀行上報(bào)人民銀行的臺(tái)賬（以下簡(jiǎn)稱小臺(tái)賬）是商業(yè)銀行領(lǐng)取延期政策獎(jiǎng)勵(lì)的主要依據(jù)，其格式如表2所示。

二、代碼解析

（一）數(shù)據(jù)預(yù)處理

引入需要使用的Python庫(kù)函數(shù)，代碼如下：

import os

import pandas as pd

import numpy as np

import datetime

from datetime import datetime

from chinese_calendar import is_holiday

1.大臺(tái)賬數(shù)據(jù)預(yù)處理。首先，導(dǎo)入大臺(tái)賬，以變量df_nsls_yq進(jìn)行存儲(chǔ)。代碼如下：

df_nsls_yq = pd.read_excel（r'201901-202106臺(tái)賬.xlsx'）

其次，通過strptime（）函數(shù)將“貸款發(fā)放日期”“貸款到期日期”“貸款結(jié)清日期”轉(zhuǎn)換成可以計(jì)算的日期格式。這里要用到Python的datetime函數(shù)，代碼如下：

list1 = []

for i in df_nsls_yq['貸款發(fā)放日期']：

a = datetime.strptime（str（i），'%Y%m%d'）

list1.append（a）

df_nsls_yq['貸款發(fā)放日期'] = list1

list1 = []

for i in df_nsls_yq['貸款到期日期']：

a = datetime.strptime（str（i），'%Y%m%d'）

list1.append（a）

df_nsls_yq['貸款到期日期'] = list1

其中%Y%m%d是大臺(tái)賬中日期（如20190806）的原始格式（見表1），如果日期格式是2019-08-06，則需要改為%Y-%m-%d，格式要保持一致。這里的Y代表年，m代表月，d代表日。

而“貸款結(jié)清日期”由于存在未結(jié)清貸款的數(shù)據(jù)是空白的情況，將需要空白的地方進(jìn)行填充，以方便后續(xù)進(jìn)行計(jì)算。代碼如下：

dt2030 = datetime（2030， 1， 1， 0， 0）

list1 = []

for i in df_nsls_yq['貸款結(jié)清日期']：

if len（str（i）） < 5：

a = dt2030

list1.append（a）

else：

b = datetime.strptime（str（i），'%Y%m%d'）

list1.append（b）

df_nsls_yq['貸款結(jié)清日期'] = list1

最后，檢查一下“貸款金額”是否為浮點(diǎn)型（float）數(shù)據(jù)，如果是字符型（str）數(shù)據(jù)則需要轉(zhuǎn)換為浮點(diǎn)型數(shù)據(jù)。經(jīng)過處理后的大臺(tái)賬格式如表3所示。

2.小臺(tái)賬的數(shù)據(jù)預(yù)處理。因?yàn)樯虡I(yè)銀行一般是按月進(jìn)行統(tǒng)計(jì)，而小臺(tái)賬的數(shù)據(jù)格式是一致的，這里可以通過代碼將所有的小臺(tái)賬數(shù)據(jù)表格進(jìn)行合并，代碼如下所示：

path = r'D：＼小臺(tái)賬'

files = os.listdir（path）

list1 = []

for i in files：

df1 = pd.read_excel（i）

list1.append（df1）

df_yq = pd.concat（list1）

將所有的小臺(tái)賬數(shù)據(jù)存放于D盤“小臺(tái)賬”這個(gè)文件夾中，方便進(jìn)行提取合并。

最后檢查一下“延期本金”是否為浮點(diǎn)型（float）數(shù)據(jù)，如果是字符型（str）數(shù)據(jù)則需要轉(zhuǎn)換為浮點(diǎn)型數(shù)據(jù)。

（二）數(shù)據(jù)比對(duì)及存儲(chǔ)

數(shù)據(jù)預(yù)處理完成以后，就可以進(jìn)行比對(duì)了。這里以許*的貸款臺(tái)賬為例，分為5個(gè)步驟進(jìn)行詳細(xì)說明。

1.通過小臺(tái)賬中的“客戶名稱”，查找大臺(tái)賬中對(duì)應(yīng)名稱的所有貸款臺(tái)賬，代碼如下：

dt202006 = datetime（2020， 6， 1， 0， 0）

list_name = list（df_yq['企業(yè)名稱']）

list_name = list（set（list_name））

for k in list_name：

df1 = df_nsls_yq[df_nsls_yq['客戶名稱'] == k]

當(dāng)客戶名稱為許*時(shí)，變量df1的數(shù)據(jù)如表4所示。

通過臺(tái)賬中的“證件號(hào)碼”可以看出，“客戶名稱”為“許*”共有四個(gè)重名，證件號(hào)碼的尾號(hào)分別為14、31、32、36。

2.計(jì)算許*貸款臺(tái)賬中符合展期條件的貸款金額，代碼如下：

df33 = df1[df1['是否展期'] == '展期']

df44 = df33[df33['自助'] ！= '自助放款']

df55 = df44[df44['貸款到期日期'] >= dt202006]

m_zq = sum（df55['貸款金額']）

通過表4的臺(tái)賬可以看出，許*沒有展期貸款，所以變量m_zq等于初始值0。

3.根據(jù)表4中的“證件號(hào)碼”對(duì)許*貸款臺(tái)賬進(jìn)行分類提取，代碼如下：

df1 = df1[（df1['是否展期'] == '展期'） | （df1['貸款到期日期'] >= dt202006）]

df2 = df_yq[df_yq['企業(yè)名稱'] == k]

a = sum（df2['延期本金']）*10000

if len（df1） == 0：

listn.append（df2）

else：

listzj = list（df1['證件號(hào)碼']）

listzj = list（set（listzj））

for x in listzj：

dfx = df1[df1['證件號(hào)碼'] == x]

dfx = dfx.reset_index（drop = True）

4.分別計(jì)算每個(gè)證件號(hào)碼對(duì)應(yīng)的貸款臺(tái)賬中符合借新還舊、三個(gè)工作日還舊借新條件的金額，并將金額進(jìn)行相加，代碼如下：

for i in range（0，len（dfx））：

s = dfx['貸款發(fā)放日期'][i]

z = dfx['自助'][i]

for j in range（0，len（dfx））：

e = dfx['貸款結(jié)清日期'][j]

e1 = e + datetime.timedelta（days=1）

e2 = e + datetime.timedelta（days=2）

e3 = e + datetime.timedelta（days=3）

e_0 = False

e_1 = False

e_2 = False

e_3 = False

if e ！= dt2030：

e_0 = is_holiday（e）

e_1 = is_holiday（e1）

e_2 = is_holiday（e2）

e_3 = is_holiday（e3）

w = dfx['貸款結(jié)清日期'][j].weekday（）

c = （s -e）.days

if i ！= j：

if e_0 == True or e_1 == True or e_2 == True or e_3 == True：

if e_0 == True：

h = 1

bool_h =1

while bool_h：

bool_h = is_holiday（e + datetime.timedelta（days=h））

h = h+1

h = h - 1

else：

if e_1 == True：

h = 1

bool_h =1

while bool_h：

bool_h = is_holiday（e1 + datetime.timedelta（days=h））

h = h+1

else：

if e_2 == True：

h = 1

bool_h =1

while bool_h：

bool_h = is_holiday（e2 + datetime.timedelta（days=h））

h = h+1

else：

if e_3 == True：

h = 1

bool_h =1

while bool_h：

bool_h = is_holiday（e3 + datetime.timedelta（days=h））

h = h+1

if c <= （3+h） and c >= 0 and z ！= '自助放款'：

list1.append（i）

list1.append（j）

list2.append（e）

list3.append（i）

list4.append（j）

else：

if w == 6 or w == 0 or w == 1：

if c <= 3 and c >= 0 and z ！= '自助放款'：

list1.append（i）

list1.append（j）

list2.append（e）

list3.append（i）

list4.append（j）

elif w == 2 or w == 3 or w == 4：

if c <= 5 and c >= 0 and z ！= '自助放款'：

list1.append（i）

list1.append（j）

list2.append（e）

list3.append（i）

list4.append（j）

elif w == 5：

if c <= 4 and c >= 0 and z ！= '自助放款'：

list1.append（i）

list1.append（j）

list2.append（e）

list3.append（i）

list4.append（j）

same = [x for x in list3 if x in list4]

same = list（set（same））

if len（same） > 0：

dfs = dfx.loc[same]

same_m = sum（dfs['貸款金額']）

list1 = list（set（list1））

df11 = dfx.loc[list1]

if len（df11） > 0：

df11 = df11.reset_index（drop = True）

for i in range（0，len（df11））：

if df11['貸款結(jié)清日期'][i] in list2：

list11.append（df11['貸款金額'][i]）

else：

list22.append（df11['貸款金額'][i]）

m1 = sum（list11）

m2 = sum（list22）+same_m

mm = min（m1，m2）

m = m + mm

m = m + m_zq

這里的核心代碼主要是三個(gè)工作日還舊借新，在計(jì)算三個(gè)工作日時(shí)，要考慮到星期六、星期日和公共節(jié)假日等情況。首先，通過chinese_calendar庫(kù)中的is_holiday（）函數(shù)，判斷貸款結(jié)清日期與貸款發(fā)放日期之間是否存在公共節(jié)假日，若存在，則需要在“貸款發(fā)放日期”減去“貸款結(jié)清日期”差值的基礎(chǔ)上剔除公共節(jié)假日的天數(shù);其次，通過weekday（）函數(shù)判斷貸款結(jié)清日期與貸款發(fā)放日期之間是否存在星期六、星期日，若存在，則需要在“貸款發(fā)放日期”減去“貸款結(jié)清日期”差值的基礎(chǔ)上剔除星期六、星期日的天數(shù)。

5.將變量m的值與表2上報(bào)人民銀行許*的總金額96萬元進(jìn)行比對(duì)，查看金額是否一致。若上報(bào)人民銀行的金額小于或等于符合延期政策的金額，則提取出對(duì)應(yīng)“客戶名稱”的大臺(tái)賬;若上報(bào)人民銀行的金額大于符合延期政策的金額，則提取出對(duì)應(yīng)“客戶名稱”的小臺(tái)賬，代碼如下：

if m >= a：

listy.append（df11）

listy.append（df33）

else：

listn.append（df2）

if len （listy） > 0：

dfy = pd.concat（listy）

dfy.to_excel（'比中臺(tái)賬.xls'）

if len（listn） > 0：

dfn = pd.concat（listn）

dfn.to_excel（'未比中臺(tái)賬.xls'）

證件號(hào)碼的尾號(hào)為14、31的兩個(gè)貸款臺(tái)賬符合延期政策，經(jīng)過程序計(jì)算，變量m的值為960，000。與表2上報(bào)人民銀行許*的總金額96萬元進(jìn)行比對(duì)，發(fā)現(xiàn)完全一致。存儲(chǔ)為大臺(tái)賬格式，如表5所示。

三、輸出結(jié)果分析

通過上述代碼對(duì)***商業(yè)銀行的37萬余條大臺(tái)賬數(shù)據(jù)、4000余條小臺(tái)賬數(shù)據(jù)進(jìn)行比對(duì)篩選，最終導(dǎo)出比中臺(tái)賬與未比中臺(tái)賬，并對(duì)輸出的結(jié)果進(jìn)行分析。

（一）比中臺(tái)賬分析

比中臺(tái)賬為大臺(tái)賬格式，通過Excel的篩選功能查看比中的臺(tái)賬是否存在逾期（不良）貸款、消費(fèi)類貸款。

根據(jù)兩項(xiàng)直達(dá)政策的規(guī)定，逾期（不良）貸款、消費(fèi)類貸款不能領(lǐng)取補(bǔ)貼。通過篩選，發(fā)現(xiàn)所有比中的臺(tái)賬不存在逾期貸款、消費(fèi)類貸款。

（二）未比中臺(tái)賬分析

未比中臺(tái)賬為小臺(tái)賬格式，將未比中臺(tái)賬中的客戶名稱逐一代入大臺(tái)賬，分析未比中原因。

共有兩個(gè)客戶的臺(tái)賬未比中，分別是董**，王**。結(jié)合董**與王**的大小臺(tái)賬數(shù)據(jù)進(jìn)行分析，未比中的原因如下。

1.多報(bào)金額。從董**的大臺(tái)賬可以看出，董**符合延期政策的貸款金額為308萬元（如表6所示），而上報(bào)人民銀行的臺(tái)賬為520萬元，多報(bào)了212萬元（如表7所示）。

2.結(jié)清與發(fā)放日期不符合三個(gè)工作日換舊借新。從王**的大臺(tái)賬可以看出（如表8所示），王**的貸款結(jié)清日期與貸款發(fā)放日期不符合三個(gè)工作日換舊借新，沒有符合延期政策的貸款，而上報(bào)人民銀行的臺(tái)賬為60萬元，多報(bào)了60萬元（如表9所示）。

四、總結(jié)

兩項(xiàng)直達(dá)延期政策審計(jì)涉及的審計(jì)數(shù)據(jù)量龐大、審計(jì)模型復(fù)雜，以文中***商業(yè)銀行的審計(jì)項(xiàng)目為例，傳統(tǒng)的審計(jì)方法只能通過人工方式對(duì)小臺(tái)賬進(jìn)行逐一核實(shí)。經(jīng)過測(cè)算，核實(shí)一條臺(tái)賬的平均時(shí)間大約為2分鐘，假設(shè)審計(jì)人員每天工作8小時(shí)，需要16天的時(shí)間才能完成。在實(shí)際的審計(jì)項(xiàng)目中，往往只能通過抽查的方式進(jìn)行審計(jì)。而通過Python進(jìn)行處理，可以實(shí)現(xiàn)審計(jì)的全覆蓋，1個(gè)小時(shí)以內(nèi)即可完成核實(shí)工作，極大地縮減了審計(jì)時(shí)間，提升了審計(jì)結(jié)果的準(zhǔn)確性。

兩項(xiàng)直達(dá)延期政策的原始數(shù)據(jù)是商業(yè)銀行的貸款臺(tái)賬，其數(shù)據(jù)比較規(guī)整、格式基本一致，非常適合運(yùn)用Python進(jìn)行數(shù)據(jù)分析。在本次審計(jì)分析完成后，可以將代碼進(jìn)行保存，在下一次兩項(xiàng)直達(dá)延期政策審計(jì)中稍加修改就可以直接使用，有著極高的可延續(xù)性和可重復(fù)性。

（作者單位：中國(guó)人民銀行連云港市中心支行，郵政編碼：222000，電子郵箱：271769150@qq.com）