20191223-20191227风险指标的学习总结

前言：接触风险3周了，今天总结一下现有学习到的常用风险指标及其含义，便于后续回顾、沉淀。本次主要是贷款领域的信用风险知识。贷款流程分为：引流(业务漏斗模型) – 评估授信 – 营销支用 – 还款记录 – 余额监控 – 逾期追踪 – 资产质量考核(风控漏斗模型)。

1.引流中的业务漏斗模型是归属于营销同学来设计策略和方案(曝光、上传资料、授信等流程监控的漏斗模型)

2.评估授信：目前授信日监控报表 + 授信利率日监控报表 + 授信月监控报表

3.营销支用：目前支用日监控报表 + 支用利率日监控报表 + 支用月监控报表

4.还款记录：目前ms还款日监控报表 + ms还款利率日监控报表 + ms还款月监控报表

5.余额监控：目前余额日监控报表 + 余额月监控报表

注：考虑业务漏斗和授信评分模型，还有拒绝原因日监控报表 + 饿了分分组日监控报表。由于存量的筛选规则，本次还引入了对mxjr手机存量客户的筛选情况分析。

6.逾期追踪：01.逾期-按放款日监控 + 02.逾期-按放款月监控 + 03.逾期-按报告日监控 + 04.逾期-按报告月监控 + 05.逾期-延滞率

7.资产质量考核：06.资产质量-Vintage Analysis + 07.资产质量-Flow Rate + 08.资产质量-首逾率-First Payment Delay

接下来是一些指标的理解，资料来源于网上，本人仅仅只是进行了一个大汇总：

 

来源一：

1.逾期指标率：分为静态池(按照放款日期口径进行统计)和动态池(按照报告日期口径进行统计)，逾期指标可以横向比较一下坏账的波动。

静态池：放款日期-报告日期-合同期数-放款笔数-结清笔数-在贷笔数-正常笔数-逾期笔数-逾期笔数率(逾期笔数/放款笔数)-(Mi逾期笔数/Mi逾期笔数率) – 放款金额-已还本金-在贷剩余本金-正常金额-逾期金额-逾期金额率(逾期金额/返款金额)-(Mi逾期金额/Mi逾期金额率)

动态池：报告日期-合同期限-在贷笔数-可观测笔数-正常笔数-逾期笔数-逾期笔数率(逾期笔数/在贷笔数)-(Mi逾期笔数-Mi逾期笔数率)-在贷剩余本金-可观测在贷剩余本金-正常本金-逾期金额-逾期金额率(逾期金额/在贷剩余本金)-(Mi逾期金额/Mi逾期金额率)

2.下迁率指标(Flow Rate)：贷款从某一个状态转移到下一状态的比例。例如从正常还款到M1期还款状态，M1还款到M2期还款状态。是在通账龄下的统计值。该指标能很好的提示放款账户整个生命周期中的演变情况，是一个横切概念。

3.账龄分析(Vintage analysis)图：不同放款时间在相同账龄(Month of Book,MOB)下的表。Vintage分析方法能够很好的解决时滞性问题，核心思想是对不同时期的放款资产分别进行跟踪，按照账龄的长短进行同步对比，从而了解不同时期放款的资产质量情况，是一个竖切概念。

4.首逾指数(疑似欺诈率)：放款后的第一期未还款占总放款的件数比例。

5.不良率指标：通常M3以上视为不良

6.净资产损失率：(成为坏账的金额-回收金额)/转坏账前应收

7.递延率指标：催收经常使用的绩效指标，指经催收后仍未缴款落入下一期的比例

8.进件相关指标：如进件数量、核准件数、黑名单命中率等

 

来源二：https://zhuanlan.zhihu.com/p/93029872  【账龄、迁徙率、滚动率、首逾率】

1.账龄分析(Vintage analysis)：在比较同一产品的放贷质量时，需要按照账龄(month of book)来区分，从而了解不同时期放款的资产质量。下图可以看出17年第一季度的资产质量是最差的，虽然没有走完一个周期，但是其斜率非常高，可推测：17年第一季度的风控有所放款或者营销比较激进。

2.迁徙率(Flow Rate Analysis)：

没有逾期是M0，逾期1-29是M1，逾期30-59是M2，依此类推，逾期150-179是M6，大于180天就是M7。迁徙率是从某一逾期阶段的客户转移到下一逾期阶段的比例，因此可以将迁徙率作为催收的绩效指标(越小表明催收效果越好)。一般而言，越早期的逾期贷款越容易催收，基本过了M6之后，催回的可能性就比较低了。迁徙率还可用作预测不同逾期阶段的未来坏账损失，其与Vintage结合可以实现精细化管理。

vintage的核心思想是对不同时期的同一层面的资产进行分别跟踪，是一个所谓竖切的概念；而迁移率能很好的提示客户整个生命周期中的衍变情况，是一个所谓横切的概念。

3．滚动率（Roll Rate Analysis）：

前面的Vintage是从时间维度上判断资产质量的好坏，而滚动率是从行为程度上判断客户质量的好坏。滚动率可以帮助我们判断逾期客户可抢救的比例，减少坏账损失。

第一行，代表m0用户，维持在m0的概率是90.81%，往m1变化的概率是9.19%；

第二行，代表m1用户，变好（m0-m1）的概率是30.59%+6.35%=36.94%，变坏(m2-m3)的概率是61.82%+1.23%=63.06%;

第三行，代表m2用户，变好（m0-m2）的概率是23.80%+1.12%+2.25%=27.17，变坏（m3-m4）的概率是72.11%+0.72%=72.83%；

......

最后一行，代表m7用户，变好（m0-m6）的概率是6.93%，变坏(m7）的概率是93.07%。

4.首逾率(First Payment Delay)：

指某一个还款日，仅第一期到期的客户中多少没有按时还款，一般用来作为反欺诈判断指标，因为欺诈用户第一期基本不会还款。下述C产品的首逾率要低于AB产品的首逾率。

来源三：https://zhuanlan.zhihu.com/p/81027037

资产质量分析中常用的几个指标：账龄分析+滚动率分析+迁徙率分析

账龄分析（Vintage Analysis）：用以分析账户成熟期、变化规律等。

滚动率分析（Roll Rate Analysis）：用以定义账户好坏程度。

迁移率分析（Flow Rate Analysis）：用以分析不同逾期状态之间的转化率。

**************

🌟定义一：账龄(Month of Book，MOB)

指资产放款月份。类似于婴孩一出生就有了年龄，一旦申贷订单被放款，也便拥有了账龄和生命周期。

MOB0：放款日至当月月底

MOB1：放款后第二个完整的月份

MOB2：放款后第三个完整的月份

MOB的最大值取决于信贷产品期限。如果是12期产品，那么该资产的生命周期是12期，MOB最大到MOB12。

例如，2019年11月13日放款的订单，2019年11月是MOB0，2019年12月是MOB1，以此类推。

🌟定义二：逾期天数(Days Past Due，DPD)

逾期天数 = 实际还款日 - 应还款日次日。

DPDN+表示逾期天数 >= N天，如DPD30+表逾期天数 >=30天的资产

例如，若还款日是每月8号，那么9号就是逾期第一天。如果客户在10号还款，那么逾期1天。

🌟定义三：逾期期数(M)

指实际还款日与应坏款日次日之间的逾期期数。M取自Month on Book的第一个单词。

M0：当前未逾期（或用C表示，取自Current）

M1：逾期1-30日

M2：逾期31-60日

M3：逾期61-90日

M4：逾期91-120日

M5：逾期121-150日

M6：逾期151-180日

M7：逾期180日以上

 

11.账龄分析(Vintage Analysis):账龄分析可以得到如下的以下结论：【确定合适的表现期】

确定资产质量：一般以逾期率来定义资产质量，也就是曲线平缓后对应的逾期率。

分析变化规律：资产质量（例如逾期率指标）的变化情况，如果前几期逾期率上升很快，那么说明短期风险没有捕捉住，欺诈风险较高；反之，如果曲线一直在上升，说明信用风险识别能力不佳。

确定账户成熟期：用来判断客户展现好坏的时间因素，从而帮助定义表现期。

分析影响因素：风控策略收紧或放松、客群变化、市场环境、政策法规等都会影响资产质量。分析影响因素，可以用来指导风控策略的调整。

例如下面的图可以分析出以下结论：

1)账龄最长为12个月，代表产品期限为12期。随着12期结束，账户的生命周期走到尽头。

2)根据2018年5月放贷的订单完全走完账龄生命周期，而2018年6月却没走完，说明数据统计时间为2019年6月初。

3)账龄MOB1、MOB2、MOB3的逾期率都为0，说明逾期指标为M4+（逾期超过90天）风险。

4)由放贷月份从2018年1月～12月的账户的最终逾期率都在降低，说明资产质量在不断提升，可能是因为风控水平在不断提升。

5)2018年5月相对于2018年1～4月的逾期率大幅度下降，说明该阶段风控策略提升明显。

不同月份放款的M4+在经过9个MOB后开始趋于稳定，说明账户成熟期是9个月。

绘制Vintage曲线时，就不得不提到纵坐标中逾期率的定义。通常有两种计算口径：

 

*第一种，订单口径，逾期率 = 逾期订单数 / 总放贷订单数

*第二种，金额口径，逾期率 = 逾期金额 / 总放贷金额

目前互联网金融各家机构的口径定义存在差异，因此仅仅根据各家发布的Vintage曲线，有时并不能客观分析资产质量和风控水平。

12.滚动率分析(Roll Rate Analysis):是从某个观察点之前的一段时间(观察期)的最坏的状态，向观察点之后的一段时间(表现期)的最坏的状态的发展变化情况。【定义客户的好坏程度】

如下例：

发现：

1)逾期状态为M0的客户，在未来6个月里，有96%会继续保持正常状态，4%会恶化为M1和M2；

2)逾期状态为M1的客户，未来有81%会回到正常状态，即从良率为81%，有7%会恶化，13%会保持M1状态；

3)逾期状态为M2的客户，从良率为23%，有39%会恶化为M3和M4+；

4)逾期状态为M3的客户，从良率为14.7%，有60.7%会恶化为M4+；

5)逾期状态为M4+的客户，从良率仅为4%，有80%会继续保持此状态。

因此，我们认为历史逾期状态为M4+的客户已经坏透了，几乎不会从良。为了让风控模型有更好的区分能力，需要将客户好坏界限尽可能清晰，可以定义：

坏用户（bad）= 逾期状态为M4+（逾期超过90天）

13.确定Y变量：结合账龄分析+滚动率分析，例如上面的分析中可以得出：

M4+未坏客户，账户的成熟期是9个月。

则Bad =账户经过9期表现期后，逾期状态为M4+，Y=1

  Good=账户经过9期表现期后，但未达到逾期状态，Y=0.

14. 迁移率分析（Flow Rate Analysis）

迁徙率分析能形象展示客户贷款账户在整个周期中的变化轨迹。迁徙率=前一期逾期金额到下一期逾期金额的转化率。一般缩写为M0-M1,M4-M5，例如：

M0-M1 = 当月进入M1的贷款余额 / 上月末M0的贷款余额

M2-M3 = 当月进入M3的贷款余额 / 上月末M2的贷款余额

迁移率分析的具体操作步骤为：

step 1. 定义逾期状态，如前文所述的M0、M1、M2等。

step 2. 计算各逾期状态之间的迁移率，如M0-M1、M2-M3等。

step 3. 计算不同月份（也可称为Vintage）的平均迁移率。目的是对本平台在不同时期的资产的迁移率有整体的认知。

step 4. 根据平均迁移率和不良资产回收率，计算净坏账损失率。如下图

另外：：：：

拨备率是用来预防不良资产的发生而准备的金额的比例。拨备率应该越低越好。拨备率越高说明风险越大，损失越大，利润越小。

15.入催率：指的是在某一个还款日，客户从M0变成M1的比例。例如，今天有N个客户到了还款日，其中M个客户按时还款了，则今天的入催率是(N-M)/N.

16.首逾率(First Payment Delay,FPD)。

 

 

来源四：https://zhuanlan.zhihu.com/p/69325410

金融行业的业务指标可分为四大指标：基本风险指标+运营指标+营销推广指标+推广指标。

       

       

基本风险指标：

逾期天数DPD(days past due):

逾期期数(Bucket): M0(当月)  M1  M2

逾期阶段(Stage): 前期 中期 后期 呆账期。一般而言1-29天M1为前期，M2-M3(30-89)列为中期，M4(90+)以上列为后期；如果已转为呆账者则列为呆账期。

即期指标(Coincidental):计算延滞率时常用的两种方法之一，以当前各bucket延滞金额/应收账款(AR)

递延指标(lagged):计算延滞率时常用的两种方法之一，延滞金额/上月应收账款。

区分即期指标和延期指标：如果仅仅想了解各月资产质量结构，可使用coincidental，如果想精准溯及预逾放源头，建议使用lagged.

不良贷款率：金融机构不良贷款占总贷款余额的比重。不良贷款是指在评估银行贷款质量时，把贷款按风险基础分为正常、关注、次级、可疑和损失五类，其中后三类合称为不良贷款。

转呆账率：一般是指三年以上既不增加也不减少的无法收回的往来账，并且不能确定将来是否能收回。

净损失率：定义为当期转呆账金额减去当期呆账回收，即为净损概念。分母与转呆账率一致

FPD（首次还款逾期）：用户授信通过后，首笔需要还款的账单，在最后还款日后7天内未还款且未办理延期的客户比例即为FPD 7，分子为观察周期里下单且已发生7日以上逾期的用户数，分母为当期所有首笔下单且满足还款日后7天，在观察周期里的用户数。

 

最近两天也接触到了ABS(Asset-backed Securities,资产证券化)这一金融领域的术语，其中涉及到贴现、循环购买和持续购买等知识，目前还没看懂，附上两个链接：

五分钟看懂资产证券化ABS是什么

干货|ABS循环购买研究分析