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!