作者 | 美国注册管理会计师协会
IMA研究报告
聚焦智能财务背景下企业跨国结算业务风险管理
识别上图二维码
在线阅读,或下载完整PDF报告原文
报告简介
案例一:蒙牛集团通过智能司库全面管理跨国结算风险
集团企业资金管理难题
智能司库的应用
蒙牛集团采取了智能司库的模式来统一管理跨境资金,司库的主要职能包括现金管理、投融资管理以及资金风险管控(张超等,2021)。蒙牛希望司库一方面可以实现“资金的筹措、营运和增值”,另一方面“管理日益增加的各类风险,包括财务风险和经营风险”(李东明,2017)。蒙牛司库于 2017 年 1 月建设完毕,分为全球资金共享和资金统筹管理两大板块,分别负责资金的归集、统一结算和增值管理。具体运营模式是“结算中心 + 财务公司”,即首先将各子公司的资金归拢到集团总部,由总部统一调度,内部往来结算通过内部账户进行,然后在满足内部资金流动性的情况下,“充分发挥集团整体资金的规模优势,最终实现资金留存和运用的合理化”(刘勤 , 尚惠红等,2020)。
蒙牛集团在全球建设了五个资金池管理 600 多个银行账户,为成员公司境外报销、发放工资、采购、销售提供支持,也负责集团企业与海外客户、供应商的资金往来(刘勤 , 尚惠红等,2020)。在资金共享平台的基础之上,蒙牛集团司库还陆续搭建了供应链融资平台和保险服务链平台,并朝着综合金融服务平台迈进。蒙牛司库通过结合 RPA、图像识别(简称“OCR”)、电子票据、银企直联等技术将线下数据线上化、人工流程自动化,实现了线上跨境支付、跨境收款、国际信用证结算、自动报表生成等国际结算基础功能。
同时,通过汇集公司内部资金信息和外部市场信息,自动生成各类信息看板并相应配置了结售汇处理,理财产品审批、购买等外汇和理财功能。而且,蒙牛司库通过供应链金融业务和体系化的保险业务覆盖了上下游企业,实现了对整个业务生态的统筹管理。通过实施智能司库,蒙牛集团资金业务 99% 实现了自动化,提高结算效率的同时管理了国际结算中的人工操作风险、外汇风险、信用风险等,实现了风险管理和价值创造的统一。
案例二:派安盈应用 AI 技术管理跨国结算欺诈风险
识别欺诈交易的挑战
同时,派安盈的客户群体以中小企业为主,规范性差,用于评估信用水平的常规数据普遍缺失。所以派安盈风险管理的主要挑战之一是在每天庞大的交易规模中识别伪装成正常交易的欺诈行为和相关账户。派安盈的最初举措是设立全面的反洗钱、反恐怖主义融资(分别简称“AML”及“CTF”)以及制裁合规项目,通过 RPA 工具支持的“了解你的用户(简称“KYC”)”和“客户尽职调查(简称“CDD”)”流程对客户进行初筛和持续监测。然而,当前的合规程序和技术手段在迅速发展的交易规模面前效率低下、效果有限,派安盈迫切需要技术的更深程度赋能。
AI 技术在反欺诈中的应用
派安盈需要从庞大的正常交易记录中识别异常行为和相关异常账户,进而重点调查这些异常账户,但难点在于如何定义、确认“正常”的交易行为。派安盈曾使用事后追溯的方法,即当欺诈行为发生后封锁账户并追查过往交易,也曾根据离线数据训练机器学习模型预测欺诈账户,如图 5 所示(特征向量可理解为包含了对象一组特征的数据组)。但这些尝试都有着重大缺陷——无法从海量数据中实时预测欺诈行为,这意味着巨大的信用风险、合规风险敞口。
因此,派安盈与数据科技公司 Iguazio 合作,使用编程语言 Python 中的 Spark 框架和函数开发了预测式机器学习 AI 模型。派安盈在 Iguazio 平台上识别可疑洗钱账户的流程如图 6 所示。数据进入 Iguazio 平台后会被在线整合成以客户名称和具体交易为中心的结构化数据,然后预测器(Predictor)函数会读取该数据,并将 AI 模型处理后的结果写入执行队列(Queue)中;一旦一项交易被机器认定可疑,相关账户会被自动冻结。该 AI 模型可以对每笔交易中的 90 个参数做判断,以决定某项交易是否表现出欺诈特征,并将欺诈行为的识别时间从原来的 40 分钟提高到几乎实时(12 秒钟),大幅提高了风险管理效率,降低了风险敞口。
实践中,评价 AI 模型有两条重要的标准,一是投资回报率,二是模型将正常交易判定为可疑交易的概率(false positive)。Iguazio 称该 AI 模型四个月即达到了投资回报率目标,同时保持了接受范围内的极低误判率。
评论 (0)