千里之堤溃于蚁穴：商业银行内部欺诈风险形成机理的随机实验研究

doi:10.16381/j.cnki.issn1003-207x.2022.0188

摘要/Abstract

摘要：

人因操作风险是由员工不当行为直接引发的操作风险，其中由内部员工参与骗取或盗用资产、违反法律法规或内部制度等行为所导致的内部欺诈风险，性质和影响则更为恶劣。本研究以某商业银行244名员工作为有效样本，在无监控的日常环境中开展了一项随机干预实验，通过将被试员工根据不同决策情境随机分组进行情境特征的干预，重点研究情境特征在内部欺诈行为决策中的作用机理。研究结果表明，情境特征对银行员工内部欺诈行为的决策结果与决策过程均有显著影响：员工在情境中感受到的压力越弱，内部欺诈意图越强；在道德压力较小的情境中，行为意图的形成主要受到个人直觉判断和情绪感受影响；伴随情境道德压力的增加，理性判断以及外部组织环境对行为意图的影响逐步增强。本研究在已有金融业内部欺诈行为研究的基础上，引入行为决策的情境特征，提出了一个描述性的商业银行内部欺诈风险形成机理框架，并为银行业操作风险“低危高频”的损失分布特征提供了行为金融解释。

关键词: 人因操作风险, 内部欺诈风险, 不当行为, 情境特征, 随机干预实验

Abstract:

Human-induced operational risk is the operational risk directly caused by employees' misbehavior. It is the type of operational risk with the highest frequency and loss intensity in commercial banks. According to the difference in the initiative of misbehavior， the human-induced operational risk can be subdivided into human error risk and internal fraud risk. The nature and impact of internal fraud risk caused by employees’willful misbehavior are more serious，such as defrauding and embezzling property， or violating laws， regulatory rules， or internal systems.Researches pointed out that the key to optimizing operational risk measurement models and improving risk management effectiveness lies in the mastery of risk drivers. Therefore， it focuses on the formation mechanism of internal fraud risk in this paper， in order to provide theoretical support and basis for operational risk management. At present， there are few studies on the formation mechanism of internal fraud risk in the banking industry， but experimental evidence and theoretical explanations have been provided from the perspectives of institutional culture and colleague behavior. In addition， numerous studies on unethical decision-making provide evidence on individual psychological characteristics. Based on integrating the above characteristic factors， the scenario characteristic factor of internal fraud is introduced， and a systematic framework of the formation mechanism of internal fraud risk among employees in the banking industry is constructed.In this research， a randomized controlled trial is used to test this theoretical framework. Taking 244 employees of a commercial bank as effective samples， a random experiment in a completely unsupervised daily environment is carried out. The participants were randomly divided into three groups according to different decision-making scenarios to intervene with scenario characteristic.On this basis， mature scale tools are used to measure the personal psychological characteristics of employees and situational characteristics in the decision-making process， and a coin toss game is used to observe theinstitutional ethical culture. In addition， the actual misbehavior data of the bank's employees before and after the experiment are obtained based on the research project in cooperation with the bank.The research shows that scenario characteristic has a significant impact on the decision-making results and decision-making process of bank employees' internal fraud： the weaker the pressure employees feel in the scenario， the stronger the fraud intention； in different moral intensity scenarios， the impact of personal psychological characteristics and organizational environmental characteristics is different. The positive impact of personal psychological characteristics is more significant in low-intensity scenarios， and the inhibitory effect of organizational environmental characteristics， especially department culture， and the same group infection of colleague misbehavior are more significant in high-intensity situations.This research further enriches the theoretical research on the formation mechanism of operational risk， especially human-induced operational risk and provides a behavioral motivation explanation for the loss distribution characteristics of "low risk and high frequency" of operational risk in banking industry. In addition， the research conclusions of this paper provide a theoretical and empirical basis for commercial banks to implement key risk indicator tools， which will help commercial banks optimize operational risk measurement models and improve dynamic control technology. Moreover， management inspiration is provided for commercial banks to optimize the dynamic prevention and control mechanism of human-induced operational risk.

Key words: human-induced operational risk, internal fraud risk, misbehavior, scenario characteristic, randomized controlled trial

中图分类号:

F832
C934

李昊骅,李心丹,肖斌卿. 千里之堤溃于蚁穴：商业银行内部欺诈风险形成机理的随机实验研究[J]. 中国管理科学, 2024, 32(11): 25-36.

Haohua Li,Xindan Li,Binqing Xiao. The Embankment of a Thousand Miles Collapses in the Ant's Nest:An Experimental Study on the Formation Mechanism of Internal Fraud Risk in the Banking Industry[J]. Chinese Journal of Management Science, 2024, 32(11): 25-36.

图/表 8

图1

表1

表2

表3

全样本下内部欺诈风险形成机理检验"

变量	被解释变量：IFB Index
变量	(1)	(2)	(3)	(4)
MI	-1.591^***	-1.575^***	-1.687^***	-4.710^*
MI	(-8.38)	(-5.73)	(-5.38)	(-1.72)
AFB		1.873^**	1.570^*	1.579^*
AFB		(2.08)	(1.65)	(1.69)
PBC		-0.038	0.032	-0.005
PBC		(-0.22)	(0.16)	(-0.03)
MO		-0.260	-0.236	-0.207
MO		(-1.50)	(-1.27)	(-1.07)
DC		-5.096^***	-6.037^***	-5.993^***
DC		(-4.60)	(-4.54)	(-4.44)
CFB		0.279^*	0.313	0.302
CFB		(1.68)	(1.61)	(1.53)
MD			-0.036^**	-0.091
MD			(-2.13)	(-0.87)
SIT			-0.106	-0.087
SIT			(-0.24)	(-0.19)
SEX			-0.943^**	-3.779
SEX			(-1.97)	(-1.27)
AGE			-0.055	-0.293
AGE			(-1.59)	(-1.42)
EDU			-2.145^***	-5.493
EDU			(-2.66)	(-1.22)
TEC			-0.286	-0.271
TEC			(-0.54)	(-0.48)
MD×MI				0.009
MD×MI				(0.50)
SEX×MI				0.456
SEX×MI				(0.95)
AGE×MI				0.038
AGE×MI				(1.16)
EDU×MI				0.554
EDU×MI				(0.76)
截距项	是	是	是	是
观测数	244	244	244	244
似然比检验	$X 2$ (1)=119.52 p=0.000	$X 2$ (6)=161.05 p=0.000	$X 2$ (12)=178.44 p=0.000	$X 2$ (16)=180.58 p=0.000
PseudoR²	0.387	0.522	0.578	0.585

表3

图2

表4

子样本下内部欺诈风险形成机理检验"

变量	被解释变量：IFB Index
变量	子样本1：情境一和情境二	子样本2：情境一和情境三
AFB	2.760^*	3.192^**
AFB	(1.76)	(2.22)
PBC	0.154	0.235
PBC	(0.51)	(0.78)
MO	-1.399^***	-1.444^***
MO	(-3.82)	(-3.91)
DC	-0.762	0.056
DC	(-0.30)	(0.02)
CFB	-0.195	-0.215
CFB	(-0.43)	(-0.46)
CASE₂×AFB	-1.724
CASE₂×AFB	(-0.73)
CASE₂×PBC	0.416
CASE₂×PBC	(1.01)
CASE₂×MO	0.522
CASE₂×MO	(1.16)
CASE₂×DC	-6.505^*
CASE₂×DC	(-1.84)
CASE₂×CFB	0.676
CASE₂×CFB	(1.22)
CASE₂	1.874
CASE₂	(0.40)
CASE₃×AFB		-0.438
CASE₃×AFB		(-0.21)
CASE₃×PBC		1.315**
CASE₃×PBC		(2.21)
CASE₃×MO		1.774^***
CASE₃×MO		(3.30)
CASE₃×DC		-9.494^**
CASE₃×DC		(-2.17)
CASE₃×CFB		1.493^**
CASE₃×CFB		(2.17)
CASE₃		-8.355
CASE₃		(-1.51)
控制变量	是	是
截距项	是	是
观测数	163	164
似然比检验	$X 2$ (17)=116.061 p=0.000	$X 2$ (17)=129.44 p=0.000
PseudoR²	0.561	0.619

表4

表5

分情境样本下内部欺诈风险形成机理检验"

变量	被解释变量：IFB Index
变量	情境一	情境二	情境三	Difference 1 vs 2	Difference 1 vs 3
AFB	4.006^**	1.566	2.546	-2.441	-1.461
AFB	(2.08)	(0.87)	(1.61)	-2.441	-1.461
PBC	0.334	0.515	1.657^***	0.181	1.323^**
PBC	(0.90)	(1.57)	(2.76)	0.181	1.323^**
MO	-1.785^***	-0.928^***	0.336	0.857	2.122^**
MO	(-3.40)	(-3.20)	(0.88)	0.857	2.122^**
DC	-0.195	-7.284^***	-10.516^**	-7.088^*	-10.320^**
DC	(-0.06)	(-2.87)	(-2.54)	-7.088^*	-10.320^**
CFB	-0.392	0.617	1.440^***	1.009^*	1.832^**
CFB	(-0.66)	(1.59)	(2.72)	1.009^*	1.832^**
控制变量	是	是	是
截距项	是	是	是
观测数	83	80	81
似然比检验	$X 2$ (11)=74.76 p=0.000	$X 2$ (11)=48.39 p=0.000	$X 2$ (11)=62.01 p=0.000
PseudoR²	0.696	0.487	0.610

表5

表6

内部欺诈行为意图与实际行为的关系检验"

变量	Logit回归		OLS回归
变量	FB_Yes	FB_High	FB
IFB Index	0.746^**	0.900^***	0.579^***
IFB Index	(2.29)	(2.98)	(3.03)
CFB	0.780^***	0.787^***	0.530^***
CFB	(3.44)	(3.01)	(4.39)
∆ Asset	0.226	0.402	0.111
∆ Asset	(0.38)	(0.85)	(0.36)
∆ EVA	-0.038	0.053	-0.021
∆ EVA	(-0.29)	(0.49)	(-0.29)
∆ GDP	-1.263	-12.895	-7.711
∆ GDP	(-0.06)	(-0.72)	(-0.68)
∆ Consume	0.332	-0.166	0.147
∆ Consume	(1.36)	(-0.72)	(0.97)
控制变量	是	是	是
截距项	是	是	是
观测数	244	244	244
似然比检验	$X 2$ (11)=31.56 p=0.001	$X 2$ (11)=28.55 p=0.003	$F$ =3.62 p=0.000
Pseudo/Adj. R²	0.113	0.085	0.106

表6

参考文献 48

1	李建平，丰吉闯，宋浩，等. 风险相关性下的信用风险、市场风险和操作风险集成度量［J］. 中国管理科学， 2010， 18（1）： 18-25.
	Li J P， Feng J C， Song H， et al. Integrating creditmarket and operational risk based on risk correlation［J］. Chinese Journal of Management Science， 2010， 18（1）： 18-25.
2	Tong B， Diao X D， Wu C F. Operational risk quantified with spectral risk measures： A refined closed-form approximation［J］. Quantitative Finance， 2019， 19（7）： 1221-1242.
3	Berg T， Burg V， Gombovii A， et al. On the rise of fintech-credit scoring using digital footprints［J］. Review of Financial Studies， 2019， 109（1）： 198-223．
4	莫建明，吕刚，高翔，等.Pareto分布下损失分布法度量误差变动规律［J］.中国管理科学，2017，25（11）：134-142.
	Mo J M， Lv G， Gao X， et al. Change rule of loss distribution approach’s measurement error under the pareto distribution［J］. Chinese Journal of Management Science，2017，25（11）：134-142.
5	陆静，唐小我.基于贝叶斯网络的操作风险预警机制研究［J］.管理工程学报，2008，22（4）：56-61.
	Lu J， Tang X W. Building up the pre-warning system of operational risk by means of Bayesian networks［J］. Journal of Industrial Engineering Management，2008，22（4）：56-61.
6	肖斌卿，李心丹，徐雨茜，等. 流程、合规与操作风险管理［J］. 管理科学学报， 2017， 20（12）： 117-123.
	Xiao B Q， Li X D， Xu Y Q， et al. Process，compliance and operational risk management［J］. Journal of Management Sciences in China， 2017， 20（12）： 117-123.
7	朱晓谦，李建平. 相关性下的银行风险集成研究综述［J］. 中国管理科学， 2020， 28（8）： 1-14.
	Zhu X Q， Li J P. A review of bank risk aggregation［J］. Chinese Journal of Management Science， 2020， 28（8）： 1-14.
8	汤凌霄，张艺霄. 基于网络分析法的我国商业银行操作风险影响因素实证分析［J］. 中国软科学， 2012（8）： 143-151.
	Tang L X， Zhang Y X. An empirical analysis of influencing factors of operational risks for commercial banks in China Based on ANP［J］. China Soft Science， 2012（8）： 143-151.
9	Xu Y Q， Pinedo M， Xue M. Operational risk in financial services： A review and new research opportunities［J］. Production & Operations Management， 2016， 26（3）： 426-445.
10	Reason J. Human error［M］. Cambridge， UK.： Cambridge University Press， 1990.
11	Thaler R H. Misbehaving： The making of behavioral economics［M］. New York： W.W.Norton & Company， 2015.
12	高丽君，丰吉闯.基于变位置参数贝叶斯预测银行内部欺诈研究［J］.中国管理科学，2012，20（2）：20-25.
	Gao L J， Feng J C. The Bayesian inference research on the internal fraud of Chinese commercial banks based on varying location parameter［J］. Chinese Journal of Management Science，2012，20（2）：20-25.
13	梁力军，李志祥. 我国商业银行操作风险管理能力影响因素及管理状况分析［J］. 管理评论， 2010， 22（5）： 11-19.
	Liang L J， Li Z X.Factors thataffect the operational risk management capacity of Chinese commercial banks and the management status of the banks［J］. Management Review， 2010， 22（5）： 11-19.
14	Cohn A， Fehr E， Maréchal M A. Business culture and dishonesty in the banking industry［J］. Nature， 2014， 516： 86-89.
15	Cohn A， Fehr E， Maréchal M A. Do professional norms in the banking industry favor risk-taking？［J］. The Review of Financial Studies， 2017， 30（11）： 3801-3823.
16	Sheedy E A， Zhang L， Tam K C H. Incentives and culture in risk compliance［J］. Journal of Banking & Finance， 2019， 107： 105611.
17	Buchan H F. Ethical decision making in the public accounting profession： An extension of Ajzen's theory of planned behavior［J］. Journal of Business Ethics， 2005， 61（2）： 165-181.
18	李心丹，宋素荣，卢斌，等. 证券市场内幕交易的行为动机研究［J］. 经济研究， 2008， 43（10）： 65-79+92.
	Li X D， Song S R， Lu B， et al. Research on the motivation of insider trading［J］. Economic Research Journal， 2008， 43（10）： 65-79+92.
19	Dimmock S G， William C G， Graham N P. Is fraud contagious？ Coworker influence on misconduct by financial advisors［J］. The Journal of Finance， 2018， 73（3）： 1417-1450.
20	Jones T M. Ethical Decision making by individuals in organizations： An issue-contingent model［J］. Academy of Management Review， 1991， 16（2）： 366-395.
21	Schwartz M. Ethical decision-making theory：An integrated approach［J］. Journal of Business Ethics， 2016， 139（4）：755–776.
22	Beck L， Ajzen I. Predicting dishonest actions using the theory of planned behavior［J］. Journal of Research in Personality， 1991， 25（3）： 285-301.
23	Adams P， Hunt S， Palmer C， et al. Testing the effectiveness of consumer financial disclosure： Experimental evidence from savings accounts［J］. Journal of Financial Economics， 2021， 141（1）： 122-147.
24	Kahneman D. Maps of bounded rationality： Psychology for behavioral economics［J］. American Economic Review， 2003， 93（5）： 1449-1475.
25	Bruner DM. Does decision error decrease with risk aversion？［J］.Experimental Economics，2017，20： 259-273.
26	Charness G， Gneezy U， Imas A. Experimental methods： Eliciting risk preferences［J］. Journal of Economic Behavior & Organization， 2013， 87（2）： 43-51.
27	Tan F Y， Netessine S. When does the devil make work？ An empirical study of the impact of workload on worker productivity［J］. Management Science， 2012， 60（6）：1574-1593.
28	陈仕华，李维安. 并购溢价决策中的锚定效应研究［J］. 经济研究， 2016， 51（6）： 114-127.
	Chen S H， Li W A. A study on anchoring effects of acquisition premiums decision［J］. Economic Research Journal， 2016， 51（6）： 114-127.
29	Lehnert K， Park Y H， Singh N. Research note and review of the empirical ethical decision-making literature： Boundary conditions and extensions［J］. Journal of Business Ethics， 2015， 129（1）： 195-219.
30	Rest J R. Moral development： Advances in research and theory［M］. New York： Praeger， 1986.
31	Ajzen I. The theory of planned behavior［J］. Organizational Behavior and Human Decision Processes， 1991， 50（2）： 179-211.
32	Lonsdale D. Intentions to cheat： Ajzen's planned behavior and goal-related personality facets［J］. The Journal of Psychology， 2017， 151（2）： 113-129.
33	Rousselet E， Brial B， Cadario R， et al. Moral Intensity， issue characteristics， and ethical issue recognition in sales situations［J］. Journal of Business Ethics， 2020， 163： 347-363.
34	Robin D P， Reidenbach R E， Forrest P J. The perceived importance of an ethical issue as an influence on the ethical decision-making of ad managers［J］. Journal of Business Research， 1996， 35（1）： 17-28.
35	Shneor R， Munim Z H. Reward crowdfunding contribution as planned behaviour： An extended framework［J］. Journal of Business Research， 2019， 103： 56-70.
36	Murphy P R. Attitude， Machiavellianism and the rationalization of misreporting［J］. Accounting Organizations and Society， 2012， 37（4）： 242-259.
37	Fichter R.Do the Right thing！ Developing ethical behavior in financial institutions［J］. Journal of Business Ethics， 2018， 151（1/2）：1-16.
38	Kohlberg L， Power C. Moral development， religious thinking， and the question of a seventh stage［J］. Zygon， 1981， 16（3）： 203-259.
39	Rest J， Narvaez D， Bebeau M， et al. A neo-Kohlbergian approach： The DIT and schema theory［J］. Educational Psychology Review， 1999， 11（4）： 291-324.
40	刘彧彧，张佳良，刘雨萌. 伦理气氛下道德强度对组织员工伦理决策行为的影响研究［J］. 管理学报， 2015， 12（8）： 1217-1223.
	Liu Y Y， Zhang J L， Liu Y M. An empirical study of moral intensity’s effects on organizational employees’ ethical decision-making behavior［J］. Chinese Journal of Management， 2015， 12（8）： 1217-1223.
41	Arthur Andersen & Co. Business ethics program［EB/OL］.（1992-09）［2024-10-09］.
42	Nelson A. Do small errors need to be reported？［EB/OL］.（2013-06-03）［2024-10-09］.
43	Banerjee D， Cronan T P， Jones T W. Modeling IT ethics： A study in situational ethics［J］. Mis Quarterly， 1998， 22（1）： 31-60.
44	Immerman D. Moral pickles， moral dilemmas， and the obligation preface paradox［J］. Philosophical Studies， 2019， 176： 2087-2101.
45	Gneezy U， Potters J. An experiment on risk taking and evaluation periods［J］. The Quarterly Journal of Economics， 1997， 112（2）： 631-645.
46	Kahneman D. Thinking， fast and slow［M］. New York： Farrar， Straus and Giroux， 2011.
47	Oechssler J， Roider A， Schmitz P W. Cognitive abilities and behavioral biases［J］. Journal of Economic Behavior & Organization， 2009， 72（1）： 147-152.
48	Mabwe K， Ring P J， Webb R. Operational risk and the three lines of defence in UK financial institutions： Is three really the magic number？［J］. Journal of Operational Risk， 2017， 12（1）： 53-69.

变量名称	变量符号	度量量表
道德强度	MI	李克特七分制双题量表^[34]
欺诈行为意图	IFB	李克特七分制单题量表^[31]
欺诈行为态度	AFB	二元单题量表^[31]
感知行为控制	PBC	李克特七分制多题量表^[31]
道德责任	MO	李克特七分制单题量表^[43]
道德发展阶段	MD	确定性问题测试(DIT)^[35]

分组	统计量	道德发展阶段 MD	岗位	性别	年龄	学历	职业技术资格	道德强度
分组	统计量	道德发展阶段 MD	SIT	SEX	AGE	EDU	TEC	MI
全样本 N=244	Mean	41.69	1.35	0.49	37.39	1.78	0.41	6.18
	Std.Dev.	14.43	0.63	0.50	9.96	0.46	0.49	1.15
	Min	13.33	1.00	0.00	0.00	1.00	0.00	3.00
	Max	53.33	3.00	1.00	59.00	3.00	1.00	7.00
情境一 N=83	Mean	42.33	1.36	0.49	35.99	1.86	0.33	5.90
	Std.Dev.	14.92	0.69	0.50	9.17	0.45	0.47	1.28
	Min	13.33	1.00	0.00	23.00	1.00	0.00	3.00
	Max	53.33	3.00	1.00	55.00	3.00	1.00	7.00
情境二 N=80	Mean	42.18	1.33	0.55	37.99	1.74	0.49	6.25
	Std.Dev.	13.09	0.59	0.50	9.79	0.47	0.50	1.11
	Min	13.33	1.00	0.00	23.00	2.00	0.00	3.50
	Max	53.33	2.00	1.00	59.00	2.00	1.00	7.00
情境三 N=81	Mean	40.57	1.37	0.43	38.25	1.74	0.42	6.40
	Std.Dev.	15.27	0.62	0.50	10.83	0.47	0.50	0.99
	Min	13.33	1.00	0.00	0.00	1.00	0.00	4.00
	Max	53.33	3.00	1.00	58.00	3.00	1.00	7.00
分布特征检验P值		0.425	0.837	0.328	0.166	0.191	0.107	0.024^**
均值检验P值		0.709	0.882	0.330	0.262	0.170	0.105	0.022^**

[1]	刘超, 许澜涛. 多层时序网络视角下的最优投资组合策略研究[J]. 中国管理科学, 2025, 33(9): 46-56.
[2]	朱建新, 刘可心, 曾能民, 吴雄. 竞争网络与公司财务绩效[J]. 中国管理科学, 2025, 33(8): 75-89.
[3]	徐龙炳, 吴文彬. 过度反应、跳跃收益与A股动量策略[J]. 中国管理科学, 2025, 33(6): 1-13.
[4]	赵立彬, 黄家澜, 赵妍, 傅祥斐. 并购重组报告书文本语调的信息传递效应研究[J]. 中国管理科学, 2025, 33(5): 150-162.
[5]	刘超, 高凤凤, 张梦婉, 谢启伟. 中国金融市场风险溢出效应、冲击效应与风险预警研究[J]. 中国管理科学, 2025, 33(5): 1-12.
[6]	刘维奇, 李建莹, 周洁, 原东良. 数字化转型是否提升了企业经济价值和社会价值？——理论推演及实证检验[J]. 中国管理科学, 2025, 33(5): 138-149.
[7]	万骁乐, 王坤燕, 张坤珵. 考虑不同权力结构的供应链知识产权质押融资决策研究[J]. 中国管理科学, 2025, 33(4): 108-119.
[8]	饶玉蕾, 欧阳红兵, 韩民春, 王子鸿. 宏观流动性收紧视角下银行流动性风险传染机制研究[J]. 中国管理科学, 2025, 33(4): 24-35.
[9]	陈苑榕, 宋海涛. 基于风险传导网络的投资组合自抗扰研究[J]. 中国管理科学, 2025, 33(4): 50-61.
[10]	黄志刚, 李永建, 林朝颖. 央行数字货币的负利率工具及其宏观调控效应研究[J]. 中国管理科学, 2025, 33(4): 71-81.
[11]	刘霞, 张云玥, 李梦琪, 许叶军. 面向交易型股票市场操纵行为的量子监督博弈模型与仿真分析[J]. 中国管理科学, 2025, 33(3): 24-33.
[12]	吕承超, 姜延杰, 何加豪. 绿色金融政策的碳减排效应[J]. 中国管理科学, 2025, 33(3): 360-368.
[13]	沈嘉贤, 陈浩智, 张卫国. 基于知识图谱网络特征的中国外汇市场系统性风险测度研究[J]. 中国管理科学, 2025, 33(3): 45-61.
[14]	周保环, 胡小丽, 王平凡, 邓光伟, 梁樑. 团队薪酬差距与员工合作行为倾向[J]. 中国管理科学, 2024, 32(12): 49-59.
[15]	郑嘉榆, 胡毅. 绿色信贷能带动金融系统“绿色化”和企业减排吗？[J]. 中国管理科学, 2024, 32(12): 288-299.