2023年10月,国务院国资委发布《关于规范中央企业贸易管理严禁各类虚假贸易的通知》,严禁各类虚假贸易业务的开展,国资委继续紧盯屡禁不止的“牛皮癣”问题,对融资性贸易、“空转”“走单”虚假业务问题“零容忍”。
虚假贸易管控的规范要求与具体措施
在针对虚假贸易的规范性要求上,明确了各类虚假贸易风险监控的具体指标内容。如针对大额预付款项、应收款项、库存、不良逾期率等指标的实时监测,针对货权管控的可视化、数字化、持续沉淀业务数据和外部信息的采集,合理运用金融衍生工具等。这些措施充分表明在加快推进企业高质量发展过程中,需要更好地发挥科技创新、激活数据要素、赋能虚假贸易的实时精准化的风险防控。
用友BIP全球司库在改善和提高虚假贸易风险监控的管理水平方面建议从以下几方面的具体工作来开展:
加强内部审查和监管:建立内部审查机制,确保交易和贸易活动的真实性和合规性。加强对关键岗位人员的培训和监督,提高识别虚假贸易的能力。
实行严格的供应商审核制度:对所有与国资委有业务往来的供应商进行审查,确保其合法经营和真实性,避免与不正当交易对象进行业务往来。
建立风险预警机制:建立风险评估和监测机制,及时识别和预警潜在的虚假贸易风险,采取相应的控制和应对措施。
加强合同管理:强化对贸易合同的管理和执行,确保合同内容真实有效,建立健全的合同履行和违约处理机制,防范虚假交易行为。
清理整顿不良交易记录:对过去的不良交易记录进行清理整顿,防止对正常业务造成影响,完善相关记录和归档工作。
利用数据分析工具进行风险评估:运用数据分析工具对贸易数据进行深入分析,评估虚假贸易风险。
建立智能化风控平台:利用人工智能技术建立智能化风控平台,整合内外部数据资源,实现风险信息的实时监测、分析、预警和管理,识别虚假贸易行为。
用友BIP全球司库智慧风控服务平台,构建智慧风险模型,提高虚假贸易排查水平
随着新一轮数字技术与AI的迅猛发展,传统管理理念和管理手段已经无法支撑数字化转型企业在应对企业可持续化风险防范的发展要求,推进风控数字化的转型势在必行。
数字化的转型使企业实现业务线上化的全覆盖,伴随着资金、核算等财务大数据的持续积累,大数据、大模型等新技术手段的迭代发展,推进各类创新应用在数字化基础上,更向着智慧化、智能化方向发展,而激活数据价值,构建统一的智慧风控服务通过大数据挖掘建立虚假贸易监控模型是提升虚假贸易决策分析和识别能力创新手段。
通过持续积累风险管理经验,将风险前置嵌入贸易全链条环节中,切实提升虚假贸易监控的智慧化能力,深化历史经验数据的经验沉淀与积累,引入外部社会化数据,结合内部历史数据,构建大数据规则和智慧模型算法,定义各类虚假贸易识别指标和监控规则,将数智化能力的应用嵌入到企业贸易全链条业务系统的各个平台功能中发挥智慧风控的作用。
虚假贸易监控模型,智慧识别排查风险
用友BIP全球司库智慧风控平台,引入大模型和智慧算法,构建虚假贸易监控模型,将虚假贸易监控结果应用于贸易交易全流程实现对全业务、全客商、全流程的覆盖。
关键设计1:基于交易过程全链路的融资性贸易的风险管控
通过对贸易业务全链条全要素数据的充分挖掘,积累虚假贸易识别所需的风险数据资产,依托专家识别和智慧算法,构建虚假贸易监控模型,持续提升贸易全过程中的风险识别。
关键设计2:利用智慧算法提高对虚假贸易上下游关系的有效识别
引入深度优先搜索(Depth-First Search)DFS,以特定约束对象(特定交易主体)为事件的起点,以与之有交易关系的客户结点为汇点,溯源查询在选定时段内具有极大交易权值的可疑交易路径,从中发现异常交易情况。
关键设计3:通过数据建模方法构建虚假贸易监控模型精细化识别虚假贸易
在专家经验的基础上构建虚假贸易评分模型,通过层次分析法明确模型指标的区分度情况,并依托分箱法划分出不同的模型评分对虚假贸易的识别精确度,依托科学数据建模的方法完善评分模型的识别区分度和识别能力。
领先企业进入到数据服务与智能化并举的数智化新阶段,将以数字化为基础,智能化产生新价值的理念持续进阶,用友BIP全球司库秉承数智化新价值理念构建的智慧风控服务平台,将切实提高企业在虚假贸易识别与排查的风险管理能力,改善决策的一致性,减少贸易过程中的主观性,助力风控审批决策科学化,实现智慧化的风险管理。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。