前言:最近在学习消费信贷的业务场景,也是被各种专业术语弄的很懵,下面是来自网上的一些关于分控中消费信贷的一些专业术语:
part one: 风控系统篇
1.1 A card
释义:Application score card 进件评分卡,对授信阶段提交的资料赋值的规则。
举例: “进件”是传统银行的说法,指申请单。评分卡是对一系列用户信息的综合判断。随着可以收集到的用户信息变多,授信决策者不再满足于简单的if、else逻辑,而是希望对各个资料赋予权重和分值,根据用户最后综合得分判断风险,通过划定分数线调整风险容忍度,评分卡应运而生。
1.2 B card
释义:Behavior score card 行为评分卡,对贷后可以收集到的用户信息进行评分的规则。
举例:与 A 卡类似,B卡也是一套评分规则,在贷款发放后,通过收集用户拿到钱后的行为数据,推测用户是否会逾期,是否可以继续给该用户借款。例如用户在某银行贷款后,又去其他多家银行申请了贷款,那可以认为此人资金短缺,可能还不上钱,如果再申请银行贷款,就要慎重放款。
1.3 C card
释义:Collection Score card 催收评分卡,对已逾期用户未来出催能力做判断的评分规则。
举例:催收评分卡是行为评分卡的衍生应用,其作用是预判对逾期用户的催收力度。对于信誉较好的用户,不催收或轻量催收即可回款。对于有长时间逾期倾向的用户,需要从逾期开始就重点催收。进件评分卡、行为评分卡和催收评分卡常合并称为“ABC卡”,应用在贷前、贷中和贷后管理。
1.4 MIS
释义:Management Information System 管理信息系统。
举例:MIS_weekly是MIS 系统出的周报,是从风控角度出发,涵盖当期重要数据和历史用户的风险表现,是授信模块需重点关注的报表。
1.5 Ser
释义:service的简写。“.ser” 是决策引擎工具SMG3的工程文件格式,故用 ser代指决策引擎规则版本。
举例:SMG3(Strategy Management Generation 3)是Experian提供的决策引擎工具,类 似的工具还有FICO的Blaze。决策引擎是一系列规则的集合,可处理大量的入参,最终输出结论。决策引擎规则是授信的核心构成之一,通常每个细分人群都会单独配置一个Ser,同一个授信流程也可执行多个Ser。
1.6 RBP
释义:Risk-based Pricing,风险定价。
举例:量化风险管理的一个核心就是风险定价,可以根据用户人群、模型决策风险、外部征信数据等条件,给用户授予额度和费率。
part two 风控指标篇
2.1 Aging Analysis
释义:账龄分析。显示各期至观察点为止的延滞率,其特点为结算终点一致,把分散于各个月的放贷合并到一个观察时间点合并计算逾期比率。
2.2 Vintage Analysis
释义:同样也是账龄分析。与aging analysis不同,vintage以贷款的账龄为基础,观察贷后N个月的逾期比率。也可用于分析各时期的放贷后续质量,观察进件规则调整对债权质量的影响。
举例:Deliquency Vintage 30+:表现月逾期30+剩余本金/对应账单生成月发放贷款金额。
2.3 C 、M
释义:C和M是描述逾期期数bucket的专有名词。M0为正常资产,Mx为逾期 x 期,Mx+为逾x期(含)以上。无逾期正常还款的bucket为M0,即C,M1即逾1期(1-29天) 。 M2+即逾2期及以上(30+) 。M2和M4是两个重要的观察节点,一般认为M1为前期,M2-M3为中期,M4以上为后期,大于M6的转呆账。
备注:现有的逾期计算方式有以下几种:
1) 直接按照具体的逾期天数计算
2) 拉到逾期状态计算:M1:[1,29] + M2:[30,59] + M3:[60,89] + M4:[90,119] + M5:[120,149] + M6:[150,179] 。
3) 拉到前期、中期、后期、转呆账率:前期:M1[1,29] + 中期:M2-M3[30,89] + 后期:M4以上[90,179] + 呆账:[180,]
4) 拉到贷款五级分类:正常:0 + 关注[1,29] + 次级[31,89] + 可疑[90, 179] + 损失[180, 360]; 其中逾期超过90天算作“不良”[可疑+损失]; 逾期超过180天算作“呆账”[损失]
即是:逾期超过90天:不良
逾期超过180天:呆账
逾期超过360天:需要进行核销
2.4 Delinquency
释义:逾期率/延滞率。评价资产质量的指标,可分为Coincident和Lagged两种观察方式。
2.5 Coincident
释义: 即期指标。用于分析当期所有应收账款的质量,计算延滞率。计算方式是以当期各bucket延滞金额除以本期应收账款(AR)总额。Coincident是在当前观察点总览整体,所以容易受到当期应收账款的高低导致波动,这适合业务总量波动不大的情况下观察资产质量。
举例:常看的一个指标Coincident DPD 30+
2.6 Lagged
释义: 递延指标。与coincident相同也是计算延滞率的一个指标,区别是lagged的分母为产生逾期金额的那一期的应收账款。Lagged观察的是放贷当期所产生的逾期比率,所以不受本期应收账款的起伏所影响。
举例:Lagged DPD 30+$(%)= Lagged M2+Lagged M3+Lagged M4+Lagged M5+Lagged M6
月末资产余额M1(1-29天): 统计月份月末资产中满足 1≤当前逾期天数≤29 的订单剩余本金总和,当前逾期天数为订单当前最大逾期天数,不包含坏账订单。
Lagged M1 =月末M1的贷款余额/上个月底的贷款余额(M0~M6)
2.7 DPD
释义:Days Past Due 逾期天数,自还款日次日起到实还日期间的天数。
举例:DPD7+/30+,大于7天和30天的历史逾期。业内比较严格的逾期率计算公式为:在给定时间点,当前已经逾期90天以上的借款账户的未还剩余本金总额除以可能产生90+逾期的累计合同总额。其分子的概念是,只要已经产生90天以上逾期,那么未还合同剩余本金总额都视为有逾期可能,而分母则将一些借款账龄时间很短的,绝对不可能产生90+逾期的合同金额剔除在外(比如只在2天前借款,无论如何都不可能产生90天以上逾期)。
2.8 FPD
释义:First Payment Deliquency,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。常用的FPD指标还有FPD 30。
举例:假设用户在10.1日授信通过,在10.5日通过分期借款产生了首笔分3期的借款,且设置每月8日为还款日。则11.08是第一笔账单的还款日,出账日后,还款日结束前还款则不算逾期。如11.16仍未还款,则算入10.1-10.30周期的FPD7的分子内。通常逾期几天的用户可能是忘了还款或一时手头紧张,但FPD 7 指标可以用户来评价授信人群的信用风险,对未来资产的健康度进行预估。
与FPD 7 类似,FPD 30也是对用户首笔待还账单逾期情况进行观察的指标。对于逾期30天内的用户,可以通过加大催收力度挽回一些损失,对于逾期30天以上的用户,催收回款的几率就大幅下降了,可能进行委外催收。如果一段时间内的用户FPD 7较高,且较少催收回款大多落入了FPD 30 内,则证明这批用户群的non-starter比例高,借款时压根就没想还,反之则说明用户群的信用风险更严重。
2.9 Flow Rate
释义:迁徙率。观察前期逾期金额经过催收后,仍未缴款而继续落入下一期的几率。
举例:M0-M1=M月月末资产余额M1 / 上月末M0的在贷余额
8月M0-M1 :8月进入M1的贷款余额 / 8月月初即7月月末M0的在贷余额
part three:
3.1 Benchmark
释义:基准。每个版本的新模型都要与一个线上的基准模型或规则集做效果比对。
3.2 IV
释义:information value 信息值,也称VOI,value of information,取值区间(0,1)。该值用来表示某个变量的预测能力,越大越好。通常IV值0.3以上的,预测能力较高。
3.3 K-S value
释义:K-S指klmogrov-smirnov,这是一个区隔力指标。所谓区隔力,是指模型对于好坏客户的辨识能力,区隔力越强,模型准确度越高,误判的几率越低。K-S值越大越好,一般0.6以上用户解释能力很高。
3.4 PSI
释义:population stability index,稳定度指标,越低越稳定。用于比较当前客群与模型开发样本客群差异程度,评价模型的效果是否符合预期。
3.5 Training Sample
释义:建模样本,用来训练模型的一组有表现的用户数据。配合该样本还有off-time sample(验证样本)[oot:out of time],两个样本都取同样的用户维度,通常要使用建模样本训练出的模型在验证样本上进行验证。
3.6 WOE
释义:weight of ecidence,迹象权数,取值区间(-1,1)。违约件占比高于正常件,WOE为负数。绝对值越高,表明该组因子区分好坏客户的能力越强。
3.7 Bad Capture Rate
释义:坏用户捕获率。这是评价模型效果的一个指标,比率越高越好。
举例:Top 10% Bad Capture Rate是指模型评估出的最坏用户中的前10%用户,在样本中为坏用户的比率。
3.8 Population
释义:All Population,全体样本用户,包含建模样本与验证样本。
3.9 Variable
释义:变量名。每个模型都依赖许多的基础变量和衍生变量作为入参。变量的命名需要符合规范,易于理解和扩充。
3.10 CORR
释义:相关系数。Corr的绝对值越接近1,则线性相关程度越高,越接近0,则相关程度越低。
part four:风控基础词汇篇
4.1 APR
释义:Annual percentage rate,年度百分率,一年一次复利计息的利率。nominal APR名义利率,effective APR实际利率。
4.2 AR
释义:accounts receivable,当期应收账款。
4.3 Application fraud
释义:伪冒申请
4.4 Transaction fraud
释义:欺诈交易
4.5 Balance Transfer
释义:余额代偿,即信用卡还款业务。
4.6 Collection
释义: 催收。根据用户入催时间由短到长,分为Early collection(早期催收)、Front end(前段催收)、Middle range(中段催收)、Hot core(后段催收)Recovery(呆账后催收/坏账收入)这几个阶段,对应不同的催收手段和频率。
4.7 DBR
释义:debit burden ratio,负债比。通常债务人的在各渠道的总体无担保负债不宜超过其月均收入的22倍。
4.8 Installment
释义:分期付款
4.9 IIP
释义: 计提的坏账准备
4.10 PIP
释义:资产减值损失
4.11 NCL
释义:net credit loss,净损失率。当期转呆账金额减去当期呆账回收即为净损失金额。
4.12 Loan Amount
释义:在贷总额
4.13 MOB
释义:month on book 账龄
举例:MOB0,放款日至当月月底。MOB1,放款后第二个完整月份
4.14 Non-starter
释义:恶意逾期客户
4.15 Payday Loan
释义:发薪日贷款。无抵押的信用贷款,放款速度快,额度低,期限短但利率高。额度低和高利率是该模式的必要条件。
4.16 Revolving
释义:循环信用。提钱乐信用钱包给用户的就是循环额度,相对应的还有医美、教育类的专项额度。
4.17 WO
释义:Write-off ,转呆账,通常逾期6期以上转呆账。
补充:
EL: Expected Loss. 预期损失。
PD: Probability of Default. 违约概率。
LGD: Loss Given Default. 违约损失率。
EAD: Exposure at Default. 违约风险敞口
HRC:High Risk Customer 高风险客户
DSR:Debt Service Ratio 还款能力
NPL:non-performing loan 不良贷款