2020年2月22日，济南中院一审公开开庭审理了中信银行原行长孙德顺案，孙被控敛财9.795亿余元。
01 孙德顺如何借影子公司层层掩盖利益输送
孙德顺利用“影子公司”借助金融手段来完成利益输送。
孙德顺设计了结构极为复杂的重重“防火墙”，多层影子公司层层嵌套。
·两家平台公司是核心团队，是第1层“影子”，安排两名老部下作为代理人；
·在平台公司之下又设立了十多家项目公司作为第2层“影子”；
·在项目公司之下又设立了空壳公司作为第3层“影子”，其中，项目公司和行贿企业不是直接交易，而是双方各自再成立空壳公司作为第三层“影子”，最终通过借助金融手段来完成利益输送。
·关联：孙德顺——中信银行——企业老板——（空壳公司）投资平台公司——孙德顺
孙德顺利用权力为企业批贷款；与此对应，企业老板们或以投资名义，或送上优质的投资项目、投资机会等方式，双方通过各自成立的空壳公司完成直接交易；或者企业老板将巨资注入孙德顺实控的投资平台公司，然后平台公司再用这些资金投到老板提供的项目内，共同获利分红，最终形成利益共同体。
此外，交易主体本身已让人难识真面目，资金往来还又被伪装成各种貌似合法的金融产品、股权投资协议等，利用“影子交易”及五花八门的“包装”，为利益输送遮盖上了层层掩体。
值得一提的是，有观点认为孙德顺当年被查，有可能是因中信信诚资产管理有限公司原董事长包学勤一案而牵出。
·关联：包学勤——陈许英——中信银行——孙德顺
包学勤被查后，原中信银行副行长兼深圳分行行长陈许英主动投案，坊间猜测，孙德顺是“藤上的大瓜之一”。目前，包案尚未有更多信息发布，但如果当时报道属实，借钱给员工成立“马甲”私募公司，为其子名下合伙企业输送巨额利润的做法倒与孙德顺设计“影子公司”的安排有相通之处。
此外，看下图显示，近年来中信银行已有多位行长和高管被调查，大都与“新型金融犯罪”有关。
·2019年11月21日，中信银行哈尔滨分行原党委书记、行长于成信被监察调查；
·2019年11月8日，中信银行厦门分行原党委委员、副行长、风险总监陈鹰被监察调查；
·2019年3月22日，中信银行肇庆分行原行长李先文被监察调查；
2019年3月22日，中信银行肇庆分行营业部原总经理梁庆华被监察调查。
从下图还可以明显看出，在孙德顺主政期间，中信银行向恒大集团、佳兆业、华夏幸福等房地产集团通过表内外多种渠道大量放款，当白衣骑士。而孙德顺退任行长后成为董事长的信银国际，也在2017年定增扩股时引入了包括新湖中宝、宁夏天元锰业、世茂地产、安信信托在内的小股东，其中新股中宝和世茂地产均为房地产企业，安信信托也以投资二三线城市的房地产项目为主。这些机构目前大多先后陷入困境。
在电视片《零容忍》中，专案人员称：为追求政绩，“他盲目追求眼前利益，年报数据很好看，但留下了后患。”中信银行由于房地产贷款占比过高，带来了诸多长期风险，后逐渐显现。
图:恒大被约谈后，媒体爆出的各家银行贷款，其中中信银行为94亿元（局部）
图：海航关系图谱（局部）
为什么孙德顺会如此大胆的“明修栈道”？纵观他的职业生涯就会发现，毕业于东北财经大学的他有着40多年的从业经历，曾先后在央行、交行、工行工作，是中国金融界唯一一名从银行网点最基层的柜面出纳员做起，一步步成长为全国性银行总行行长的干部。
02 传统风控系统为什么查不出问题
孙德顺利益兑现的方式做了层层掩盖、设了多道防火墙，并利用特有的金融手段和产品去进行利益交易。这种障眼法给调查工作带来了极大的难度，最终专案组只能从梳理孙德顺推动的贷款授信决策事项做切入口来发现其中的异常项目，再针对性地调查获取贷款企业和孙德顺的关联。
图：反洗钱是金融机构合规管理的一项重要内容
那么，反洗钱系统为什么没有及时监测到这种异常的洗钱行为？仅仅是因为孙德顺的手法高明吗？那在事后为什么也没有溯源出它的风险路径？从监管科技的角度来看，我国银行业操作风险案情日趋复杂，对传统风控防控系统提出了更高的技术挑战。
1.原有风控模型无法与时俱进。欺诈监测需要分析多元的海量数据，尤其是随着银行交易量和可疑交易宗数逐年增长，对传统的基于关系型数据库或非关系型数据库的欺诈监测和预警提出双重挑战。
2.追溯黑盒。诸如孙德顺此类的洗钱行为往往是多链路的，账户关系极其复杂，客户查询后，无法做到有效追溯和检测结果归因查询。
3.系统孤立难协作。金融机构通常使用多个孤立系统进行在线欺诈监测：一个或多个系统存储不同数据，另有系统进行模式识别和学习，另外的系统进行决策。
4.识别难度。关系型数据库并不适合在多个层级的账户中关联点和确定隐藏关系，查询可能需要数小时甚至数天，几乎无法对多方和多笔交易之间的联系进行有意义的分析。
5.非实时。在线监测必须是实时的，每多花一秒钟响应，就意味着用户体验下降和用户信任损失。传统数据库无法支持在大量可变数据环境下进行实时决策。
6.缺乏清晰性。没有足够的能力通过递归穿透商业数据的表层看到公司内幕并确定其最终拥有者。
03 图计算如何做到深图遍历、实时风控
面对层层错综的人与人、人与企业、企业与企业之间的复杂关系，以及纵横交错的资金网路节点……尤其在商业领域，许多持股股东、实际控制人选择隐藏自己的身份，以便能够通过精心设计的中间壳公司的架构，进行欺诈、洗钱，或是为了获得税收优惠。图计算（图数据库）技术可以对金融交易及客户、供应商等关系所形成的网络进行深度的高并发穿透、查询并锁定层层复杂关联背后的最终企业实控人，并且定位到资金的最终流向等等。
技术面面观：
（1）由点、边构成的简洁拓扑结构。图计算与图数据库是一种拓扑结构极为简洁，仅由点和边组成的、可以表达任意维度的数据间形成的高维、复杂的网络拓扑构造的体系架构。要了解业务实体的所有权结构，最直观的方法就是以图查询的方式显示其相关数据——每两个节点（孙德顺；某地产公司），能连接一条或一条以上条边（放贷；间接行贿），见下图小红框：
图：在嬴图高可视化平台前端界面可快速且直观地查找和定位企业最终实控人（局部）
在现实世界里，我们看到很多大型企业拥有上千位最终受益者（又名“最终企业所有者”或多数股权持有人、大股东或多位头部股东）与被检查的业务实体相距许多节点，这使得传统的关系型数据库或数据库文档（甚至大多数图数据库）都无法快速、及时地解决此类问题，他们形成了一张巨大的子图，这无疑阻碍了穿透性的快速锁定企业最终实控人到底是谁。如果没有正确的数据结构，算法和体系结构系统，将不可能解决这些挑战。嬴图数据库用其高效能和高并发数据结构和实时内存计算引擎让用户可以以实时找到最终实控人，甚至很多时候是以微秒为单位，而关系型数据库则完全不能处理这种问题。
（2）深度穿透。基于关系型数据库或非关系型数据库已无法满足面对银行海量且复杂的数据，更重要的是理清这些数据背后关联的信息、交错的信息……嬴图数据库可以构建客户/企业关系图谱，关注客户/企业各类信息之间的关联性，并对企业复杂股权层层穿透，识别影子集团、隐形集团，实际控制人，集团客户或单一法人客户统一授信，有效甄别高风险客户，防范多头授信、过度授信、给“僵尸企业”授信、给“空壳企业”授信、财务欺诈等风险。
.jpg)
图：贷款资金流向。嬴图实时图计算（图数据库）系统着重于从大型数据集里搜索隐藏于其中的有着特殊关联的关系，通过层层深挖，能深度穿透40层的下钻和分析，不仅能实时甄别出风险，同时还能预警出可能产生蝴蝶效应的潜在风险。
此外，还可以深度洞察到客群风险，计算待风险评估企业与之关联关系在N层以内的关系企业的风险传导概率；深度计算查找待风险评估企业和“已知暴雷企业”的所有风险传导路径等。
（3）超强算力，集群更小。算力是检验底层硬核科技性能的标准之一，嬴图数据库的特点之一是解决复杂查询、深度查询，其架构逻辑是通过精简、高效的硬件架构来实现最大规模并发与算力的图计算系统。以在某股份制银行零售实时风控系统实施为例，服务器只有几台，但比大量依赖开源框架或分布式关系型数据库系统动辄需要几十台上百台机器的计算效率要高得多。嬴图数据库最终的目的是为了让银行能更好地满足业务迭代、提升客户体验，降低运营成本，提升社会效益等。
（4）白盒化高可视溯源。嬴图高可视化平台以实时交互高可视化的方式，让银行业务人员一目了然地看到各个数据间的业务逻辑。此外，能实现白盒实时追溯、回溯到每笔交易，能精准定位全景呈现各数据指标和传导路径。
（6）极简嬴图GQL语言。嬴图GQL是嬴图官方的原生图语言，具备易学、易用、易理解的特点，在使用过程中，用户体验会非常好，不仅能大幅降低业务复杂度，同时还能带来效率的跃升。比如，搜索查询“孙德顺”“温暖”“投资平台公司1”之间的关联关系，在嬴图GQL中只需1句话即可完成：
spread().src(10).depth(5).limit(50).select(*)
嬴图图计算（图数据库）技术，可以带来以下成效：
1.以数据为出发点为银行极大程度上规避了银行坏账、烂账的风险，便于良性发展。
2.嬴图数据库实时智能平台的引入，赋能银行降低投入成本、效率及维护成本。
3.让银行极大限度的对已有数据充分利用，对数据进行深度挖掘、查询和分析。
4.以嬴图数据库为代表的图计算技术，可赋能银行机构实现技术快速迭代、适应场景快速更新、保障银行稳健经营的目标。
5.银行制定涵盖从贷前到贷后全流程的风控监测。
_1.png)
