金融风控数据分析主要关注指标：vintage、roll rate 和 迁移率

Vintage

Vintage 分析通过将不同时期放款的资产按照账龄进行分组，并跟踪其在每个账龄阶段的表现，为评估资产质量和风控策略效果提供了有力的工具。

• 原理：以放款月份为维度，观察相同账龄下不同批次放款的资产质量表现。
• 计算方法：首先确定账龄的计算起点（通常是放款日），然后按照每个月进行划分。例如，对于 1 月份放款的资产，在 2 月份时账龄为 1 个月，3 月份时账龄为 2 个月，以此类推。分别计算每个账龄阶段的逾期率、不良率等指标。
• 作用：
  • 评估风控策略的稳定性：如果不同批次放款的资产在相同账龄下表现相似，说明风控策略在不同时间点的效果较为稳定。
  • 预测未来资产质量：通过观察历史 vintage 曲线的趋势，可以对新放款资产在未来的质量表现进行一定的预测。
  • 优化风控策略：如果发现某些批次的资产在特定账龄表现异常，可以深入分析原因，进而优化风控策略。

在报表体系中，Vintage 报表通常会呈现不同放款月份的资产在各个账龄阶段的详细指标，如逾期金额、逾期率、不良金额、不良率等。通过图表的形式，直观展示资产质量的变化趋势。
以下是一些可能的 Vintage 报表示例：

---

Vintage 报表 - 消费贷款

放款月份	账龄（月）	逾期 30 天以上贷款金额	逾期 30 天以上贷款占比	不良贷款金额	不良贷款占比
2024 年 1 月	1	100,000	2.0%	50,000	1.0%
2	120,000	2.4%	60,000	1.2%
3	150,000	3.0%	80,000	1.6%
4	180,000	3.6%	100,000	2.0%
5	200,000	4.0%	120,000	2.4%

2024 年 2 月 | 1 | 80,000 | 1.6% | 40,000 | 0.8%
| 2 | 100,000 | 2.0% | 50,000 | 1.0%
| 3 | 120,000 | 2.4% | 60,000 | 1.2%
| 4 | 140,000 | 2.8% | 70,000 | 1.4%

2024 年 3 月 | 1 | 90,000 | 1.8% | 45,000 | 0.9%
| 2 | 110,000 | 2.2% | 55,000 | 1.1%
| 3 | 130,000 | 2.6% | 65,000 | 1.3%

---

Vintage 报表 - 信用卡贷款

放款月份	账龄（月）	逾期 60 天以上贷款金额	逾期 60 天以上贷款占比	核销贷款金额	核销贷款占比
2023 年 9 月	1	500,000	1.5%	200,000	0.6%
2	600,000	1.8%	250,000	0.75%
3	700,000	2.1%	300,000	0.9%
4	800,000	2.4%	350,000	1.05%
5	900,000	2.7%	400,000	1.2%

2023 年 10 月 | 1 | 450,000 | 1.35% | 180,000 | 0.54%
| 2 | 550,000 | 1.65% | 220,000 | 0.66%
| 3 | 650,000 | 1.95% | 270,000 | 0.81%

2023 年 11 月 | 1 | 480,000 | 1.44% | 190,000 | 0.57%
| 2 | 580,000 | 1.74% | 240,000 | 0.72%

---

Roll Rate（滚动率）

Roll Rate 主要用于观察客户在不同逾期状态之间的转移情况。

• 原理：计算在一个特定时间段内，客户从一个逾期状态转移到另一个逾期状态的比例。
• 计算方法：假设我们关注从逾期 1 个月（M1）到逾期 2 个月（M2）的滚动率。在某个月期末处于 M1 的客户数量为 A，在下个月末这些客户中转移到 M2 的数量为 B，那么从 M1 到 M2 的滚动率就是 B / A * 100%。
• 作用：
  • 监测逾期恶化趋势：通过连续观察滚动率，可以及时发现逾期情况是否在恶化。
  • 预测坏账损失：根据滚动率的变化，结合逾期金额，可以对未来可能的坏账损失进行预测。
  • 调整催收策略：如果发现从某个逾期阶段到更严重逾期阶段的滚动率较高，可能需要加强相应的催收措施。

在报表体系中，Roll Rate 报表通常会以矩阵的形式呈现不同逾期状态之间的转移比例，同时可能会附上趋势图表，展示滚动率的变化情况。
以下是一些可能的 Roll Rate 报表示例：

---

Roll Rate 报表 - 个人贷款

起始逾期阶段	结束逾期阶段	Roll Rate（%）
M1	M2	25.0
M1	M3	10.0
M2	M3	40.0
M2	已结清	20.0
M3	已结清	15.0

---

Roll Rate 报表 - 信用卡

起始逾期阶段	结束逾期阶段	Roll Rate（%）
1-30 天	31-60 天	18.0
1-30 天	61-90 天	8.0
31-60 天	61-90 天	30.0
31-60 天	已结清	12.0
61-90 天	已结清	5.0

---

Roll Rate 报表 - 企业贷款

起始逾期阶段	结束逾期阶段	Roll Rate（%）
轻度逾期	中度逾期	22.0
轻度逾期	重度逾期	5.0
中度逾期	重度逾期	35.0
中度逾期	已结清	10.0
重度逾期	已结清	3.0

---

迁移率

迁移率与 Roll Rate 相似，也是用于衡量客户在不同风险等级或逾期状态之间的变化。

• 原理：类似于 Roll Rate，但更侧重于风险等级的变化。
• 计算方法：例如，从正常类客户迁移到关注类客户的数量为 C，期初正常类客户数量为 D，那么从正常到关注的迁移率就是 C / D * 100%。
• 作用：
  • 提前预警风险：能够在客户风险等级恶化的早期阶段进行识别和预警。
  • 优化风险管理：根据迁移率的情况，调整风险管理策略，如调整授信额度、加强监控等。
  • 资源分配决策：帮助决定在不同风险等级的客户上分配催收、管理等资源的优先级。

在报表体系中，迁移率报表会清晰地展示各个风险等级之间的迁移比例，以及相应的趋势分析，为管理层提供决策支持。

例如，一家金融机构通过 Vintage 分析发现，最近几个月放款的资产在账龄 3 个月时的逾期率明显高于以往同期水平，这可能提示风控策略在近期有所放松或者市场环境发生了变化。通过 Roll Rate 分析发现，从 M1 到 M2 的滚动率连续几个月上升，说明逾期情况在加速恶化，需要加大催收力度。而迁移率分析显示，从关注类迁移到次级类的比例有所增加，提示需要对关注类客户加强管理和监控。

以下是为您提供的迁移率报表示例：

---

迁移率报表 - 消费信贷

起始风险等级	结束风险等级	迁移率（%）
正常	关注	5.0
正常	次级	1.0
正常	可疑	0.5
正常	损失	0.1
关注	次级	15.0
关注	可疑	5.0
关注	损失	1.0
次级	可疑	30.0
次级	损失	10.0
可疑	损失	50.0

---

迁移率报表 - 小微企业贷款

起始风险等级	结束风险等级	迁移率（%）
低风险	中风险	3.0
低风险	高风险	0.5
中风险	高风险	10.0
中风险	违约	2.0
高风险	违约	20.0

---

迁移率报表 - 信用卡业务

起始逾期阶段	结束逾期阶段	迁移率（%）
未逾期	逾期 1-30 天	2.0
未逾期	逾期 31-60 天	0.5
逾期 1-30 天	逾期 31-60 天	10.0
逾期 1-30 天	逾期 61-90 天	2.0
逾期 31-60 天	逾期 61-90 天	20.0
逾期 31-60 天	坏账	5.0
逾期 61-90 天	坏账	30.0

---