分类
期权入门课

常见的金融分析方法

亚太政策中心

Jennifer Huang Bouey 是兰德公司的高级政策研究院和唐氏中国政策研究主任。作为一名受过临床医学和流行病学家,Bouey的研究主要集中在全球卫生战略规划以及人类健康的社会影响因素上。在加入兰德公司之前,她曾在乔治城大学教授定性和定量研究方法,并主导了多项健康研究课题, 包括弱势人群,移民及其他流动人口的健康风险和医疗保健障碍。在2015-18年期间,她组织起一个国际多学科研究工作组,针对美中两国的全球卫生安全利益都至关重要的问题,包括传染病应急准备、全球卫生管理、以及“南南”移民的健康风险问题, 进行合作研究。Bouey曾应邀参加在国家药物滥用研究所(NIDA)、国家精神卫生研究所(NIMH)和美国国家卫生研究院福格蒂中心的研究部门的审核工作。也曾在中国国家科学基金会、香港艾滋病顾问委员会和香港政府研究基金会任评审专家。Bouey曾在世界银行、克林顿HIV/艾滋病计划、拯救儿童同盟会和中国国家疾病预防控制中心担任专家顾问。

9种常用的数据分析方法

9种常用的数据分析方法

数据分析是产品经理必备技能之一,在产品需求阶段可以通过数据分析对用户的需求去伪存真,在产品上线运营阶段,又可以通过数据验证产品的可行性并且进行迭代。所以产品经理要掌握常见的数据分析的方法。
一、数据分析方法
1、信度分析
检查测量的可信度,例如调查问卷的真实性。
1)内在信度:每个量表是否测量到单一的概念,同时组成两表的内在体项一致性如何,常用方法分半信度;
2)外在信度:不同时间测量时量表的一致性程度,常用方法重测信度。
2、描述统计
描述性统计是指运用制表和分类,图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。
1)正态性检验:很多统计方法都要求数值服从或近似服从正态分布,所以之前需要进行正态性检验。常用方法:非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法;
2)缺失值填充:常用方法:剔除法、均值法、最小邻居法、比率回归法、决策树法。
3、相关分析
研究现象之间是否存在某种依存关系,对具体有依存关系的现象探讨相关方向及相关程度。
1)复相关:三个或三个以上因素的相关关系叫复相关,即研究时涉及两个或两个以上的自变量和因变量相关;
2)偏相关:在某一现象与多种现象相关的场合,当假定其他变量不变时,其中两个变量之间的相关关系称为偏相关;
3)单相关:两个因素之间的相关关系叫单相关,即研究时只涉及一个自变量和一个因变量。
4、列联表分析
用于分析离散变量或定型变量之间是否存在相关。对于二维表,可进行卡方检验,对于三维表,可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。
5、方差分析
使用条件:各样本必须是相互独立的随机样本;各样本来自正态分布总体;各总体方差相等。
1)单因素方差分析:一项试验只有一个影响因素,或者存在多个影响因素时,只分析一个因素与响应变量的关系;
2)多因素有交互方差分析:一项实验有多个影响因素,分析多个影响因素与响应变量的关系,同时考虑多个影响因素之间的关系;
3)多因素无交互方差分析:分析多个影响因素与响应变量的关系,但是影响因素之间没有影响关系或忽略影响关系;
4)协方差分祈:传统的方差分析存在明显的弊端,无法控制分析中存在的某些随机因素,使之影响了分祈结果的准确度。协方差分析主要是在排除了协变量的影响后再对修正后的主效应进行方差分析,是将线性回归与方差分析结合起来的一种分析方法。
6、聚类分析
样本个体或指标变量按其具有的特性进行分类,寻找合理的度量事物相似性的统计量。
R型聚类分析:对指标进行分类处理,又称指标聚类分析 使用相似系数作为统计量衡量相似度,相关系数、列联系数等;
Q型聚类分析:对样本进行分类处理,又称样本聚类分析使用距离系数作为统计量衡量相似度,如欧式距离、极端距离、绝对距离等。
7、因子分析
一种旨在寻找隐藏在多变量数据中、无法直接观察到却影响或支配可测变量的潜在因子、并估计潜在因子对可测变量的影响程度以及潜在因子之间的相关性的一种多元统计分析方法。
8、主成分分析
将彼此相关的一组指标变适转化为彼此独立的一组新的指标变量,并用其中较少的几个新指标变量就能综合反应原多个指标变量中所包含的主要信息。
9、时间序列分析
动态数据处理的统计方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题;时间序列通常由4种要素组成:趋势、季节变动、循环波动和不规则波动。

二、数据分析工具
一个优秀的数据分析师,必须会BI工具,必须懂数据仓库,甚至还得知道大数据平台建立的全过程。亿信ABI作为一款轻量级的数据分析工具,真正做到了解放IT,业务主导。
亿信ABI一站式数据分析平台,是亿信华辰历经十五年匠心打造的国产化BI工具,技术自主可控。它打通从数据接入、到数据建模与处理、再到数据分析与挖掘整个数据应用全链路,可满足企业经营中各类复杂的分析需求,帮助企业实现高效数字化转型。

常见的金融分析方法

【摘 要】 随着我国改革开放的不断深入和市场经济体制的形成与发展,金融已成为国民经济体系和社会经济生活的核心,然而在我国金融事业蓬勃发展的同时,各类金融犯罪现象也呈现出高发频发的态势。金融犯罪是存在于金融领域内的一种经济犯罪,严重危害我国的金融安全,必须给予严厉打击。分析审计所发现的大要案线索,可以总结出金融犯罪呈现出多元化、复合化、智能化和国际化的特点。从这些特点可以看出,金融犯罪的作案手段一般比较复杂且隐蔽性较强。审计要充分发挥国家治理中的“免疫系统”功能,就必须创新思路,找到有效的方法,不仅在“事后”而且在“事中”及时发现金融犯罪线索、制止违法犯罪行为。近几年的金融审计实践表明,充分运用特征发现方法进行数据分析是及时发现金融犯罪线索的一个行之有效的方法。

【关键字】 金融犯罪 审计特征发现

二、从审计视角看当前我国金融犯罪的特点

由于金融犯罪的危害性极大,近几年来我国金融审计始终把查处大要案线索作为首要任务,向国务院报告以及向公安、检察等其他机关移送的大要案线索也始终居于各行业审计的前列,这也从另一侧面说明了目前我国金融犯罪仍然处于多发、高发、频发的状态,还需要进一步加大打击力度。分析审计所发现的大要案线索,可以总结出金融犯罪呈现出多元化、复合化、智能化和国际化的特点。

(一)多元化。
多元化主要表现在犯罪类型和犯罪主体两个方面。
一是犯罪类型多元化。前几年审计所查处的大要案线索以骗贷案件为主,而近几年来不仅骗贷案件仍时有发生,而且“地下钱庄”、POS机套现、集资诈骗、内幕交易等案件也不断被发现和查处,犯罪类型呈现出明显的多元化趋势。随着我国商业银行内控制度的不断完善,直接骗取银行资金的难度不断加大,犯罪分子更多的是采取欺诈手段来骗取社会上其他组织和老百姓手中的资金,或是利用部分金融机构网络和职能以及自身掌握的内幕信息来谋取非法利益。金融犯罪已不仅仅局限于金融领域,而是遍及经济生活的方方面面。
二是犯罪主体多元化。传统的骗贷案件中,犯罪主体多为民营企业主,而随着犯罪类型的多元化,犯罪主体也呈现出多元化的趋势。近几年审计所查处的金融犯罪案件线索中,犯罪主体既有民营企业主,也有国有企业的高管;既有金融机构的工作人员,也有行使监管职能的国家机关工作人员;既有懂金融知识的专业人士,也有学历很低的社会闲散人员。

(二)复合化
复合化主要表现在金融机构内部工作人员与外部诈骗分子相互勾结共同作案、多名犯罪人员形成团伙进行作案、一起犯罪案件涉及多种犯罪行为三个方面。
1.勾结作案。目前我国一些大型金融机构都制定了较为完善的内部控制制度,来自金融机构外部的监管也比较严格,金融机构外部的犯罪分子实施的一些金融犯罪行为,特别是贷款诈骗,往往都是与金融机构内部工作人员的相互勾结,或者是由于金融机构内部工作人员的收受贿赂才能得逞。
2.团伙作案。随着金融市场的不断发展,金融业务活动的复杂化,专业化特点决定了金融犯罪成本和比例增大,单靠一人有时很难达到犯罪的目的。因此,金融犯罪中团伙作案的比例较高,团伙内部形成明确的分工。例如,审计发现的某团伙POS机刷卡套现案件中,团伙成员多达15人,有人专门负责招揽客户,有人专门负责转账提取现金。
3.多罪并发。一起犯罪案件由于各犯罪行为人的犯罪动机和危害结果不同,往往兼犯数罪,同时又侵犯多种社会经济关系。例如,审计发现的某市“地下钱庄”案件,其中不仅涉嫌非法经营罪,而且还涉嫌洗钱罪。

(三)智能化。
金融犯罪一般都是精心安排、周密部署的预谋犯罪,是一种带有明显智能型的犯罪。其智能化主要表现高知识水平和高科技手段两个方面。
1.高知识水平。与其它的犯罪类型相比,多数金融犯罪手段具有较强的复杂性,都是充分利用金融业务和监管漏洞实施犯罪行为。有的犯罪分子为了逃避打击,还利用国内联行、国际信贷结算业务等跨地域、跨银行作案。
2.高科技手段。随着知识经济的到来,犯罪分子除了利用金融方面的知识外,还利用计算机技术、网络技术等高科技手段进行作案,使得金融犯罪表现出极大的隐蔽性。例如,审计查处的某团伙POS机套现案件线索中,银行发放的都是固定POS机,但犯罪分子运用高科技手段将POS机解码,然后拿到异地进行刷卡套现,给监管和打击都带来了很大的难度。

(四)国际化。
金融犯罪的国际化趋势越来越明显,主要表现在境内外犯罪分子相互勾结以及犯罪所得资金转往境外两个方面。
1.境内外犯罪分子相互勾结。随着全球经济一体化进程的加快,导致国际金融业务自由化,多元化和全球化,同时也给国际金融犯罪提供了较多的方便。近年来的审计实践中也发现了诸如境内外犯罪分子相互勾结利用边境贸易进行热钱流动、在境内和境外分别设立机构非法进行外汇交易的“地下钱庄”等案件线索。
2.犯罪所得资金转往境外。一些金融犯罪分子为逃避司法机关的惩治,在作案前就精心策划,有的提前办好出国护照并在境外存款,有的甚至通过各种手段加入他国国籍,一旦犯罪得逞,犯罪所得资金便迅速转往境外,稍有风吹草动,犯罪分子就立即逃往境外。

三、运用特征发现方法发现金融犯罪线索

从上述金融犯罪的特点可以看出,金融犯罪的作案手段一般比较复杂且隐蔽性较强,即使是受害人也很难在短时间内发现和了解犯罪行为。审计要充分发挥国家治理中的“免疫系统”功能,就必须创新思路,找到有效的方法,不仅在“事后”而且在“事中”及时发现金融犯罪线索、制止违法犯罪行为,保护国家和人民财产,维护国家金融安全。近几年的金融审计实践表明,充分运用特征发现方法进行数据分析是及时发现金融犯罪线索的一个行之有效的方法。

(一)特征发现方法
1.特征及特征发现。
特征,是指可以作为事物特点的征象、标志等。任何金融犯罪行为都会有其不同于正常行为的行为方式和手段,这些区别不同行为的关键表现就是行为特征;同时,不同的行为方式和手段又会在金融系统的数据中产生不同的表现形式,比如表现为某些特定的数据,或者是一些数据的组合排列,或者是数据结构的改变等等,这些就是数据特征。行为特征决定了数据特征,数据特征反映了行为特征。
特征发现,在以计算机处理为基础的信息化环境下,可以定义为从大量的数值型和非数值型数据中提取有用的信息和知识的过程。对金融审计工作而言,如何准确定义各种金融犯罪行为的特征及其在金融系统数据中的表现,进而从海量数据中提取符合条件的数据并获取相关信息、还原事实真相,往往是发现审计线索的关键所在,这就是特征发现方法。
2.特征发现方法的一般步骤。
审计线索的特征发现可以归纳为三个步骤:特征枚举、特征捕捉、特征分析。特征枚举就是在审计线索特征发现过程中首先要尽量列举出可能的特征表现;特征捕捉就是通过运用计算机查询语言或多维分析方法等相应技术来寻找符合相关特征的数据,或验证数据的发展趋势是否与通常的规律相一致;特征分析就是根据线索分析取证。
根据在“特征枚举”步骤中所采用方法的不同,特征发现方法又可以分为“从数据到行为”和“从行为到数据”两种方法。“从数据到行为”是以数据分析为主、行为分析为辅的特征发现方法,其过程是通过数据分析来发现数据特征,然后在数据特征的基础上分析其对应的行为,继而用法律法规来判断其行为的合法性,最终形成审计线索。“从行为到数据”则是以行为分析为主、数据分析为辅的特征发现方法,其过程一般是先假设存在某种行为,然后通过行为分析列举出可能的行为特征,然后通过数据分析来验证这些行为特征在数据中是否有反映,如果发现了对应的数据特征,那么就说明最初假设的行为是存在的,从而形成审计线索。这两种方法在审计实践中均有广泛的应用,但就发现金融犯罪大要案线索而言,从行为到数据的特征发现方法更为直接和有效。

(二)以两种金融犯罪的特征发现为例。
为了更好地说明特征发现方法在查处金融犯罪方面的应用,这里列举两种常见金融犯罪行为的特征发现方法供参考。
1.结算型“地下钱庄”。
“地下钱庄”是一种特殊的非法金融组织,根据其非法从事的主要业务又可以划分为外汇型、借贷型、结算型等不同类型的“地下钱庄”。结算型“地下钱庄”非法从事的业务是资金支付结算。根据我国现行的金融法律法规规定,只有经中国人民银行批准的商业银行等金融机构才能够从事资金支付结算业务,并且具体的业务内容和操作程序都有严格的条件和限制。而结算型“地下钱庄”则逃避了严格的监管,通过注册空壳公司,协助他人进行非法资金支付结算业务,将单位和公司资金转变为个人资金和现金,从中赚取手续费。
从行为特征上来看,结算型“地下钱庄”有如下明显特征:(1)注册的公司多为空壳公司,既不在税务机关购买领用发票,也从不缴税或者只缴极少数额的税,有的甚至已被工商部门吊销了营业执照;(2)银行账户中的资金流水与营业执照中规定的业务经营范围、公司注册资金规模明显不符;(3)银行账户中存在大量的转账行为,且转账多通过网银转账;(4)公司账户中资金经层层划转,最终转入个人账户。
根据审计所掌握的银行系统的主要数据,将行为特征映射到数据,可以总结出符合以下全部数据特征的对公账户具有重大嫌疑:(1)对公账户的资金大量转入个人账户;(2)对公账户基本没有留存资金;(3)资金交易额巨大且与经营规模不相符。
2.以私募股权投资形式进行集资诈骗。
集资诈骗是以非法占有为目的,采取虚构集资用途,以虚假的证明文件和高回报率为诱饵,骗取集资款的行为。集资诈骗由来已久,具体的集资形式也多种多样。近年来,以私募股权投资形式进行集资诈骗的行为比较多发,并且由于私募股权投资在我国属于新生事物,一般投资者难以区别正规投资和集资诈骗,造成受骗上当群众众多,影响极其恶劣。
从行为特征上来看,以私募股权投资形式进行集资诈骗具有如下特征:(1)通过发布广告等形式向不特定对象吸收资金;(2)向投资者承诺固定收益率,且收益率明显高于同期银行利率;(3)投资门槛低于法律法规规定的标准;(4)集资资金存入个人账户,脱离了银行监管;(5)集资资金通过层层划转,最终主要用于支付以前投资者的收益、提取现金以及个人消费,而没有将资金全部用于承诺的投资项目。
这些行为特征映射到数据上,形成以下数据特征:(1)公司有私募股权投资业务,但对公账户的资金流水中并没有或只有少量的集资款流入;(2)个人账户(多为私募股权投资公司的法定代表人、总经理或财务负责人)中有大量的、来自不同地区的个人汇款;(3)这些汇入资金立即或者定期转至其他个人账户,经层层划转后,有些资金被提现,有些用于个人消费,有些划转给原来的汇款账户。

9种常用的数据分析方法

9种常用的数据分析方法

数据分析是产品经理必备技能之一,在产品需求阶段可以通过数据分析对用户的需求去伪存真,在产品上线运营阶段,又可以通过数据验证产品的可行性并且进行迭代。所以产品经理要掌握常见的数据分析的方法。
一、数据分析方法
1、信度分析
检查测量的可信度,例如调查问卷的真实性。
1)内在信度:每个量表是否测量到单一的概念,同时组成两表的内在体项一致性如何,常用方法分半信度;
2)外在信度:不同时间测量时量表的一致性程度,常用方法重测信度。
2、描述统计 常见的金融分析方法
描述性统计是指运用制表和分类,图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。
1)正态性检验:很多统计方法都要求数值服从或近似服从正态分布,所以之前需要进行正态性检验。常用方法:非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法;
2)缺失值填充:常用方法:剔除法、均值法、最小邻居法、比率回归法、决策树法。
3、相关分析
研究现象之间是否存在某种依存关系,对具体有依存关系的现象探讨相关方向及相关程度。
1)复相关:三个或三个以上因素的相关关系叫复相关,即研究时涉及两个或两个以上的自变量和因变量相关;
2)偏相关:在某一现象与多种现象相关的场合,当假定其他变量不变时,其中两个变量之间的相关关系称为偏相关;
3)单相关:两个因素之间的相关关系叫单相关,即研究时只涉及一个自变量和一个因变量。
4、列联表分析
用于分析离散变量或定型变量之间是否存在相关。对于二维表,可进行卡方检验,对于三维表,可作Mentel-Hanszel分层分析。列联表分析还包括配对计数资料的卡方检验、行列均为顺序变量的相关检验。
5、方差分析
使用条件:各样本必须是相互独立的随机样本;各样本来自正态分布总体;各总体方差相等。
1)单因素方差分析:一项试验只有一个影响因素,或者存在多个影响因素时,只分析一个因素与响应变量的关系;
2)多因素有交互方差分析:一项实验有多个影响因素,分析多个影响因素与响应变量的关系,同时考虑多个影响因素之间的关系;
3)多因素无交互方差分析:分析多个影响因素与响应变量的关系,但是影响因素之间没有影响关系或忽略影响关系;
4)协方差分祈:传统的方差分析存在明显的弊端,无法控制分析中存在的某些随机因素,使之影响了分祈结果的准确度。协方差分析主要是在排除了协变量的影响后再对修正后的主效应进行方差分析,是将线性回归与方差分析结合起来的一种分析方法。
6、聚类分析
样本个体或指标变量按其具有的特性进行分类,寻找合理的度量事物相似性的统计量。
R型聚类分析:对指标进行分类处理,又称指标聚类分析 使用相似系数作为统计量衡量相似度,相关系数、列联系数等;
Q型聚类分析:对样本进行分类处理,又称样本聚类分析使用距离系数作为统计量衡量相似度,如欧式距离、极端距离、绝对距离等。
7、因子分析
一种旨在寻找隐藏在多变量数据中、无法直接观察到却影响或支配可测变量的潜在因子、并估计潜在因子对可测变量的影响程度以及潜在因子之间的相关性的一种多元统计分析方法。
8、主成分分析
将彼此相关的一组指标变适转化为彼此独立的一组新的指标变量,并用其中较少的几个新指标变量就能综合反应原多个指标变量中所包含的主要信息。
9、时间序列分析
动态数据处理的统计方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题;时间序列通常由4种要素组成:趋势、季节变动、循环波动和不规则波动。

二、数据分析工具
一个优秀的数据分析师,必须会BI工具,必须懂数据仓库,甚至还得知道大数据平台建立的全过程。亿信ABI作为一款轻量级的数据分析工具,真正做到了解放IT,业务主导。
亿信ABI一站式数据分析平台,是亿信华辰历经十五年匠心打造的国产化BI工具,技术自主可控。它打通从数据接入、到数据建模与处理、再到数据分析与挖掘整个数据应用全链路,可满足企业经营中各类复杂的分析需求,帮助企业实现高效数字化转型。