资料显示，博22转债信用级别为“AA-”，债券期限6年（第一年0.30%、第二年0.50%、第三年1.00%、第四年1.50%、第五年2.00%、第六年3.00%。到期赎回价为115元（含最后一期利息）。），对应正股名苏博特，正股最新价为6.42元，转股开始日为2023年1月9日，转股价为22.99元。
资料显示，禾丰转债信用级别为“AA”，债券期限6年（第一年0.30%、第二年0.50%、第三年1.00%、第四年1.50%、第五年1.80%、第六年2.00%。），对应正股名禾丰股份，正股最新价为6.57元，转股开始日为2022年10月28日，转股价为10.14元。
江海证券有限公司稽核审计部 王谦
中央审计委员会第一次会议提出“要坚持科技强审，加强审计信息化建设”。“智能审计”是证券公司数字化转型整体驱动工作模式的重要一环，也是证券公司积极落实“科技强审”和行业文化建设的生动实践。证券公司内审工作紧扣数字经济新形态，聚焦主责主业，依法全面履行审计监督职责，强化现代信息技术与审计工作的融合，向信息化要资源、向大数据要效率，在大数据审计基础上着力构建“智能审计”新模式，助力推进证券公司内审建设，打造崇尚合规、诚信、专业精神的证券公司内审团队，充分发挥内审工作在推进证券公司内控体系和文化建设方面的重要作用，促进证券公司长期、稳健发展。
一、引言
2020年9月，国资委《关于深化中央企业内部审计监督工作的实施意见》提出全面提升内部审计监督效能，积极推动内部审计监督无死角、全覆盖，坚持应审尽审、凡审必严。2024年1月，证券业协会《证券公司内部审计指引》在关于内部审计组织架构的表述中，要求证券公司应当建立集中统一、全面覆盖、权威高效的内部审计体系，且证券公司内部审计部门应当推进内部审计全覆盖。
证券公司内部审计面临着审计方式创新和工作质量提升的重要议题。即如何在内部审计人、财、物投入有限的现状下，把控证券公司关键合规风险，并采用现有能付诸实践的技术手段提高内审部门的工作效率，实现内审全覆盖。为解决此议题，通过不断提升证券公司数据治理工作规范化水平、加快推动证券公司内部审计工作与大数据分析技术的深度融合、创造性提出证券公司大数据环境下的内审工作模式、推进内审工作业务和风险的全覆盖具有很强的现实意义。加强信息技术投入，利用数据赋能推动证券公司数字化发展的脚步，强化复用高级审计分析方法，并在数据审计基础上实现并拓展智能审计，将以人工为主的审计模式转变为以智能程序为主，逐步发展为全新的证券公司内审工作方向。本文将从概念分析、现状描述、提升途径、业务框架设计等角度对以数据审计为基础的智能审计路径进行探讨。
二、数据审计概念和特点
数据审计体现了审计的最新发展趋势。随着数据审计的推广运用，学界正逐步认同数据审计作为一种新型的审计工作模式，而不仅仅是辅助审计的手段。数据审计服务审计全覆盖目标，其特点是数据先行、核查在后，颠覆了传统审计边收集资料、边抽样核查的工作模式。数据审计的具体内容涵盖信息系统审计、电子数据审计，数据审计是随着数据技术的发展、大数据时代的来临，从而产生的一种全新的计算机审计方式或模式。
数据审计有力驱动了审计工作创新，有效促进了证券公司内审发挥常态化“体检”作用，主要体现在以下两个方面：一是明显提升审计工作效率，显著扩大审计覆盖面。相较于传统审计工作模式，数据审计大大缩短现场审计时间的同时，提升了审计工作质量，推动审计全覆盖效能提升，助力实现无盲区、有深度、高质量的审计全覆盖。二是有效提升审计揭示问题的精准度。大数据分析技术使得多维度、多层次审计得以实现，促进审深审透。审计人员基于各行业数据，运用关联分析、模糊匹配、趋势分析等方法，通过对财务与业务数据、行业产业与公司数据，以及多领域、多行业数据的集中分析、关联对比，能够更快更精准地发现疑点问题，有效提升审计监督精准性。
从行业实践来看，现阶段数据审计应用的主要行业具有数据集中、数据规模庞大、业务对数据的依存度高等特点，应用的行业或领域主要有银行业、社保领域等。在大数据的审计工作环境下，审计方法逐渐从传统的创建审计中间表构建数据库以及审计分析模型过渡到数据挖掘算法技术。但实践中，数据审计的应用还是存在以下问题：一是缺乏自动化审计程序。例如，证券公司内审项目会产生大量重复、同类的审计程序执行，由于大数据审计缺乏自动化审计程序，工作开展中需要采取人工抽样进行样本选取，极大缩小了内部审计的覆盖面，而且，效率低下。二是大数据难以处理半结构化和非结构化数据。当前数据审计的对象以存储在关系型数据库中的结构化数据为主，对证券公司结构较灵活、未遵循严格的数据模型的XML文档和电子邮件等半结构化数据，以及回访录音、适当性视频、业务办理文本和图片等非结构化的数据均难以处理，需要选择特定的解析器或存储、分析方法有效利用此类数据；三是审计决策依赖经验判断，缺乏智能性。数据审计项目在分析阶段，不能实现智能分析，仍需要利用内审人员的工作经验构建一套查询标准对数据筛查、处理，重点分析中高风险及异常情形样本，数据审计分析方法是内审人员工作思路的具体实践，不能实现智能化审计决策。因此，现阶段的证券公司内部审计需要在现有数据审计基础上，依托大数据高级分析、AI等技术构建全新的智能审计路径。
三、以数据审计为基础的智能审计
智能审计可以理解为基于人工智能的审计，是一种智能化的审计工作模式，是以数据资源管理为基础，以专业人才队伍为保障，融合人工智能（AI）、5G、云计算、大数据等新一代信息技术的现代化智慧化工作体系。人工智能来源于数据、算力、算法。由此推导，智能审计是一种智能化审计模式，它具有数据分析模型丰富性、数据采集全覆盖性、运算能力强大等特性。如果以此为标准，目前的大数据审计已具备了人工智能的数据、算力、算法三要素，但是现有的数据采集和管理、现有设备所提供的算力、现有的数据分析模型均处于较低层次，目前的大数据审计至多可以称为智能审计的低配版。随着数据、算力、算法三方面的不断进步，大数据审计的深度广度不断拓展、智能化程度不断提升，未来大数据审计会迎来量变到质变的转变，逐步过渡到智能审计。智能内审程序能将内部审计人员从内审数据采集、内审数据清洗处理、内审数据模型分析、内审重要线索核实、内审报告完成等繁杂的事务性工作中解脱，实现审计工作效率的极大提高。
智能审计的作用主要体现在以下两个方面：一是及时预警和揭示证券公司运行中的风险隐患。利用大数据、云计算等技术手段，从海量信息中提取相关信息，在此基础上构建风险分析模型，实现主动发现风险、评估风险、判断趋势、及时干预等目标，并建立预警机制，更好发挥内审的防风险作用。二是更大程度地发挥内部审计的建设性作用。依据全方位的审计情况、各类数据资源和新一代信息技术手段，对证券公司运行中常见的违纪违法问题和苗头性、倾向性问题的发展趋势、产生原因等进行多维度分析，深度挖掘其背后蕴含的问题线索，从更高层面为公司决策层完善制度、加强管理提供依据，更好地服务证券公司内控建设。
四、证券公司从数据审计到智能审计的提升路径
（一）证券公司审计模式
证券公司普遍在审计项目管理、审计作业管理、非现场审计等方面引入数据审计模式，开展大数据审计。目前，证券公司通过大量探索和实践，依托大数据技术，开发出了众多数据分析系统，实现创新研发建模分析工具，为证券公司内审工作自身的转型提供了有力的方法论和信息技术支持工具，全面提升了大数据审计业务能力，提高了内审监督质量和效率，有效助推了内审工作数字化转型发展。
证券公司各大业务的运营与管理多数依赖于计算机管理系统，数字化程度较高，证券公司基于数据审计的内部审计系统已具备数据分析自动化，审计作业流程化、数据采集动态化、风险分析精准化、审计监督连续化等功能，实现审计数据集市、非现场审计、审计作业管理、审计项目管理等功能模块。
（二）数据审计提升到智能审计的途径
1.证券公司基础资源的积累。从数据审计到智能审计，需要的是不断积累。当前证券公司需要加强信息化建设，要为智慧审计提供算力（硬件设施）和算法（数据管理和分析模型或系统），数据采集也要同步跟上。在硬件准备方面，数据存储容量要更大，数据连接要更快捷，数据分析要提供更强算力；在软件准备方面，数据调用要更加方便，数据分析要有更多维度，现场核查反馈要更加高效。数据采集、数据分析模型构建是一个长期过程，算力提升是一个与时俱进的过程。
2.内审人员配置转变。随着大数据审计智能化水平的提升，证券公司内审人员配置也将会发生改变。传统的审前调查将增加更多数据需求调查和数据整理的工作，审计项目实施之外也增加了更多的数据采集和标准构建的工作。但这些工作是推进大数据审计工作的必由之路，数据的采集、标准化是开展大数据审计的基础，可以帮助我们利用基于标准化数据共享出来的大数据分析模型实现审计思路共享，节省数据分析方面的人力投入。证券公司内审人员配置将更多地向数据采集分析、审计现场核查前后两端倾斜。这对内审人员能力提出了复合型的要求，既要具备现场核查的能力比如证券业务基础、会计基础，又要掌握数据分析技能，能看懂和修改审计模型，具备很好的数据处理能力。
3.数据处理能力提升。在大数据审计向智能审计的演变过程中，证券公司数据处理支撑部门扮演了重要角色，对数据处理人员提出了更高要求。数据处理人员要为大数据审计提供支撑，要求证券公司数据处理人员不仅要能维护信息系统，还要能根据业务需求，对数据进行整理和标准化，并参与审计模型编写和数据分析工作。
五、智能审计业务架构设计
业务架构是证券公司智能审计平台开发的蓝图，同时也是证券公司智能审计未来发展的方向和路径，确立智能审计系统开发的范围和目标。以证券公司内部审计具体场景为出发点，结合内部审计智能化需求，规划形成证券公司智能审计业务架构。智能审计的业务框架主要分为四个层次，具有合理、可扩展等特性。四个层次具体内容见图1所示。
具体来看，智能审计业务架构需要实现对证券公司全部附属机构、全链条产品所涉及各类风险的持续审计覆盖，并形成内部审计对证券公司监管政策、业务规则、监管环境变化情况的快速响应。现有审计项目的作业模式和审计效果将得到极大改变。审计范围将由有限的样本抽样向全样本审计转变。工作方式将由非现场和现场结合向智能化的方式转变。立项依据将由风险导向到信息触发演变。审计视角将由单一条线风险识别向全面风险管理转变。
图1：证券公司智能审计业务架构
（一）内审数据集市
对证券公司业务数据、管理数据和审计作业过程中用到的外部数据进行多维度的管理，数据类型包括证券公司内外部结构化、半结构化数据，数据来源涵盖整改公司内部财务及业务系统、外部数据源。将数据分为贴源层、中间层、主题层。贴源层保证数据的真实性和完整性；中间层建设审计方法和审计思路常用信息，保证审计团队可以快速获取到目标数据；主题层在贴源层、中间层的基础上利用规则形成，保证日常审计工作可以直接定位到目标数据并可以追溯到中间层、贴源层数据。审计数据集市是非现场审计的基础也是审计作业审计管理的样本中心，是大数据审计的核心建设。
（二）功能模块
1.审计数据分析围绕证券公司各类业务的关键风险，以公司“数据仓库”为基础，提供数据挖掘工具、数据建模工具、指标预警分析工具、财务查证分析、数据可视化等审计工具，可实现海量数据交互式分析、查询，供内审人员开展探索式审计分析，实现数据的分析与挖掘，开放审计思路，扩大审计纵深度。
2.人工智能是通过AI技术应用，辅助证券公司内审人员进行审计决策。针对非结构化数据智能审计平台采用接口调用的方式进行访问、使用全文检索引擎、OCR引擎、NLP引擎、语音引擎等工具转化为结构化数据进行分析。
机器学习技术包括数据清洗和数据挖掘两个方面的应用，通过数据清洗，筛选出不重复、无缺失、无异常的数，优化数据分析的质量。通过数据挖掘可以发现证券公司业务数据中隐藏的模式和规则，相应进行处理后得出预测结果，构建一种新的数据建模方式。
文本挖掘技术是从文本数据中抽取有价值的信息和知识的计算机处理技术，文本数据挖掘是数据挖掘的一个分支。可以帮助内审人员自动地从原始文档中抓取所需要分析的内容片段，自动分析文本对象所包含信息情感取向。
3.机器人流程自动化（RPA）又称机器人软件，适用于证券公司内审完成复杂、重复、低效的工作。在证券公司内部审计中，利用RPA技术可以帮助内审人员完成数据采集与处理、审计资料收集和整理、审计程序执行等具体事务性工作，减轻工作压力和人工错误的风险。
（三）项目管理
智能审计平台通过构建审计计划、审计实施、整改落实、质量控制等审计业务流程和机制，提高审计管理的信息化和规范化水平。
智能审计业务架构对大数据技术赋能审计项目计划管理进行了有益探索。在编制证券公司审计项目计划时，运用大数据分析方法，对证券公司内审对象开展审计风险数据画像，将审计对象在一定期间内的人员、内设部门、单位级别、资金规模、接受内审审计情况、外审情况等要素进行动态关联分析，采用可视化技术将分析结果予以精准展示。对被审计对象的风险识别从审计实施前置到计划编制，对被审计单位风险预判从单项目核查转变为批处理，推进审计项目计划管理科学化、精细化。
更进一步，智能审计平台将全面推进证券公司审计管理全链条数字化，依托数字化审计平台提高统筹效率，推进跨部门、跨子公司、跨业务领域审计项目和审计资源的优化配置，推进科技与审计业务深度融合，在审计项目计划管理、审计质量控制、审计成果开发运用、审计整改、审计队伍管理等方面向科学化、精细化、智能化转型。
人工智能技术的蓬勃兴起为证券公司内审创新发展构筑了宽广的舞台，科技赋能工作的快速推进也为证券公司内审智能化转型注入了充沛活力。随着技术进步，智能审计应用范围将更加宽广。证券公司可以针对自身的业务类型、风险管理特点构建具备自身特色的智能审计平台。合规是证券公司的底线，诚信是价值取向，专业是发展之道，稳健是长效保障。在数据赋能的加持下，证券行业可以更高效地严守内控底线，落实行业文化建设的要求，筑牢发展基础，通过提升内审工作提高内控管理水平，打造智能化一站式全流程平台和合规、诚信、专业的内审队伍，助力证券公司高质量、稳健发展。
校对：冉燕青期货线上配资