基于移动平均ANR算法的各种资产指标

关注 “番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。  

一．从M0直接迁徙到M2的问题

最近，有位同学跟我交流过程中，提到这样一个问题：在处理风险场景的的时候,会遇到一个问题,在算m0到m1、m2、m3、m4的迁徙率，迁徙的时候如果存在跨月比如6月30号逾期一天，那么到7月31号统计数据，就直接m0到m2了，这种情况怎么解决？

答案:无解

目前这种情况是无解，需要在公司创立初期就考虑到，尽量不要把还款日设置在月初和月末。

在回顾历史资产的时候，确实会发现某些类别的资产负债会超过100%的情况（计算拨备时，小部分的数据迁徙率大于某些值），这时审计会要求单独拉下具体的明细来看。

补充：在计算迁徙率的时候，经常使用的计算场景如下:

二．在常规计算拨备的时候，我们会用到两个时间维度分别是MTD跟YTD

MTD—month till today，MTD是以该月月初到月末的为时间跨度来统计数据
YTD—year till today，YTD是以年初截止到统计节点为止为时间跨度来统计数据
FY—当一整年的资产走完，计算历史的资产情况，会用到这个统计指标

所以在计算拨备时，一般先计算MTD，再以MTD为基础即可得到YTD的数据

拨备LI=IIP+PIP，其中
PIP拨备计提
IIP贷款净损失

IIP=总坏账金额 －坏账回收金额
PIP=ENRPDLGD*系数 (此公式之前计算过多次，如果不理解可以翻阅之前的文章)

ENR与ANR
这两个指标在算资产质量的时候，也非常常用，当booking among放款变成相应的应收贷款余额时候，就成为ENR，而我们将ENR变成年均值就成为ANR。
其中：
ENR-应收贷款余额
ANR-平均贷款余额(过去十二个月)

综上，我们将这些指标结合在一起，为了引出最重要的指标：各个指标的年均情况

三．GCO%ANR年均坏账率的具体算法

坏账，我们会用GCO或者WO，这两者来代表坏账的缩写。

年均坏账怎么算，这里有两种计算方法：
3.1简单平均法：

简单平均法，较为简便，只需要将每个MOB的值列好，即可算出来整体的年均坏账

3.2移动平均ANR法：

移动平均的算法，稍微复杂一些，需要基于前两个月的坏账平均加总得到坏账，综合得到具体的每个月的坏账后再加总得到年均坏账。

此方法，个人觉得更科学点，能较好平衡某些数据波动较大月份的影响。

在计算以上指标的时候，各位读者还需要留意下，横坐标对于的值为坏账的放款月份(非自然月)，MOB(month on booking)。

因为我们最后是需要计算年均坏账率，所以在分子部分的GCO，还需要求出对应的坏账部分。

这里，需要跟各位读者强调，使用这个方法计算的资产情况，一般都是非短期产品。714，55以及一个月、三个月各种短期现金贷产品，非此类算法合适对象。

但在一些中长期产品中。比如在车贷中的24月、36月产品，我们会用到年均坏账率的概率。这时还会引进来GCO%ANR@MOB6 或者GCO%ANR@MOB12等概念。

顺带强调下在评分卡的计算逻辑中，除了需要算出来每个等级的bad rate之外，其实还应该加上计算每组的资产分析，比较每一组的资产质量是否也随着逾期率的下降而变差。这个时候，我们此篇文章所介绍的方法就能派上用场。各位做模型的同学不妨一试。

---------------------- --------------------- ------------------------------------- ----------------------
十年职场生涯，这个长期混迹在风控界和科技界，摸爬滚打的大叔，曾经就职于全国最大的固网运营商平台、国内最大的ERP软件公司和一家老牌的互金公司，如果你想了解他，欢迎关注 “番茄风控大数据”一起学习一起聊！