1.评分卡模型监控主要可以分为前端分析(Front-End)和后端分析(Back-End)

2.后端分析包含账龄分析(Vintage)和组合分析(Portfolio)

3.Vintage有三个维度，行、列、对角线

4.Vinatge的行表明用户生命周期效应，体现了用户成熟过程中发生的变化

5.Vinatge的列表明了新账户效应，体现了拥有相同账龄用户随时间而发生的变化

6.Vinatge的对角线表明了组合效应，体现了相同时期拥有不同账龄用户的组合变化

7.Vintage分析可以找到用户风险释放期和分析风险变化的因素

8.组合分析包括逾期分布和转移矩阵

9.逾期分布提供总览的作用，反映了当前情况下的风险分布

10.转移矩阵是描述逾期分布在时间上发生变化具体的转移情况，包括滚动率(Roll Rate)和迁徙率(Flow Rate)

11.滚动率侧重于分析客户逾期程度的变化,迁移率侧重于分析客户状态的发展变化路径

12.滚动率分析是从某个观察点之前的一段时间(称为观察期)的最坏状态向观察点之后的一段时间(称为表现期)的最坏状态的发展变化情况

13.滚动率分析还可以定义客户好坏程度

14.从迁徙率可以估算资产损失

评分卡模型监控主要可以分为前端分析(Front-End)和后端分析(Back-End)，其中前端分析主要关注人群的稳定性，后端分析主要关注模型的影响和表现。本文介绍后端分析。

后端分析主要是对模型表现进行监控，观察资产的变化情况，主要包括账龄分析(Vintage)和组合分析(Portfolio)，这其中会介绍关联的两个重要指标迁徙率(Flowrate)和滚动率(Roll Rate)。

1.账龄分析(Vintage)

介绍Vintage前，需要对一些风控概念做介绍。

概念1：MOB(Month on Book)：在账月份

也叫做账龄，通常上，可以分两种定义。方法一是MOB0为放宽日至当月月底，MOB1是放款后第二完成的月份，以此类推；方法二是以放宽日开始的一个月（通常30天）作为一个周期。

例如放款日是20190506，按照方法一，MOB0就是20190506~20190531，MOB1是20190601~20190630,以此类推；按照方法二，MOB1是20190506~20190606.

方法一的统计方法关注的是固定时间节点的用户的具体表现，方法二的统计方法关注的是用户具有统一的表现期。

概念2：FPD(First Payment Deliquency)：首次还款逾期

用户放款通过后，首笔需要还款的账单的逾期情况。比如FPD7+表示用户首期还款日到期后逾期7天及以上。在反欺诈上，通常用FPD15+或FPD30+作为训练指标

概念3：DPD(Days Past Due)：逾期天数

自还款日次日起到实还日期间的天数。

这里需要注意的是，在统计逾期时，还细分为期中ever逾期和期末时间点逾期两种。期中ever逾期是指，如果用户在该周期内发生过M1（M2，M3等），不管到期末时间点是否结清，都认为该用户在该周期内逾期了。期末时间点逾期是指统计用户在期末这个时间点是否处于M1（M2，M3等）状态。

一句话总结，期中ever逾期表示周期动态过程的指标，期末时间点逾期表示周期期末静态的指标。

举个例子，某个8月10号放款的用户，在MOB1（9月）期间内逾期8天（应还9月10号，实还9月18号），那么ever逾期就是DPD8，期末观察DPD为0，即处于非逾期状态。

概念4：M0,M1,M2,...,Mn：逾期期数

MO表示当前未逾期（也用C表示），M1表示逾期1-30天，M2表示逾期31-60天，M3表示61-90天，M4+表示逾期90天以上。

概念5：逾期金额

统计口径也有两种：某期发生逾期时，一种是计提所有剩余未还本金作为逾期金额；另一种是只计提截止到该期的未还本金

基于这些概念，我们构造Vinage指标，一般以一张二维表和一张图展示，下面给出示例：

Vintage的三维度：

行：表明用户生命周期效应，体现了用户成熟过程中发生的变化

列：表明了新账户效应，体现了拥有相同账龄用户随着时间改变而发生的变化

对角线：表明了组合效应，体现了相同时期拥有不同账龄用户的组合变化

从Vintage解析风控：

找到用户风险释放期：从MOB8开始，大部分月份的逾期率趋于稳定，这说明8个月的表现期，用户的风险基本都暴露完全了。这对我们建模过程中确定样本表现期具有指导作用，也确定数据测试样本的周期选取跨度

分析风险变化的因素：201803月份的账龄曲线明显高于其他月份，可能是因为环境发生了变化，也可能是因为公司放松了政策或者遭受欺诈事件，导致风险升高；再观察5~7月份逾期指标降低，说明可能是因为政策收紧或风控水平提升导致的

一般会结合风控大事记寻根溯源，分析波动异常的原因，从而找到对策。

2.组合分析(Portfolio)

组合分析包括逾期分布（Delinquency Distribution）和转移矩阵（Transition Matrix）

逾期分布主要是用能体现风险的指标描述账户分布

注：数据属于捏造，如有雷同，纯属巧合

逾期分布主要提供总览的作用，反映了当前情况下的风险分布。是其他后端分析的基础，其内容可做滚动率分析(Roll Rate)。我们下面介绍一下。

滚动率分析是从某个观察点之前的一段时间(称为观察期)的最坏状态向观察点之后的一段时间(称为表现期)的最坏状态的发展变化情况

来源：Vintage、滚动率、迁移率的应用

举个例子：

从该表可以看出：

1、正常的客户，在未来6个月里，有94%会保持正常状态；

2、逾期1期的客户，未来有63%会回到正常状态，即从良率为63%，有22%会恶化；

3、逾期2期的客户，从良率为41%，有36%会恶化；

4、逾期3期的客户，从良率为13%，有39%会恶化；

5、逾期4期及以上的客户，从良率仅为1%，有95%会继续此状态。

由此，滚动率分析还可以对客户好坏程度进行定义.

因为M4+用户逾期程度减轻的概率非常低，只有4.8%，所以在建模的过程中，坏客户可以定义为M4+

转移矩阵是描述逾期分布在时间上发生变化具体的转移情况。

滚动率分析其实就是一种特殊的转移矩阵情况。滚动率分析就是在给定两个时间窗口（观察期和表现期）的情况下，观察用户违约程度的变化（保持、变好、变差）

迁徙率分析(Flowrate)和滚动率一样，也是一种转移矩阵情况。滚动率侧重于分析客户逾期程度的变化,迁移率侧重于分析客户状态的发展变化路径。

举一个例子说明：

来源：Vintage、滚动率、迁移率的应用

迁徙率计算公式：Mi~Mj:当期的Mj/上期的Mi

比如2018年7月M0~M1的迁移率=41110122/171325636=24%。

观察这张表可以发现，M3~M4的迁移率较高，应该是逾期超过90天，过了黄金催收期，所以逾期恶化程度较高，但M4~M5的迁移率突然降低了不少，有可能是委外催收起到了一定效果所致。

基于迁徙率，可以进一步算出损失率(假定M7将以10%的价格收回)：

其中0.61%=16.06%*29.27%*42.28%*81.71%*52.75%*82.51%*86.05%；

3.79%=29.27%*42.28%*81.71%*52.75%*82.51%*86.05%。其他以此类推。

根据资产损失率可以估计资产预计损失

比如2018年12月的预计损失(M0~M6资产和净损失率的加权求和）：

367162809*0.55%+47230430*3.41%+14848678*11.64%+6011499*27.54%+4614038*33.70%+2326454*63.89%+1586471*77.44%=11273470

故拨备率 = 11273470/443823814 = 2.54%

参考资料：

https://zhuanlan.zhihu.com/p/95800018

https://mp.weixin.qq.com/s/KefG_8krBBaFl0LCi2L2WA