vintage的一点深入思考

vintage是资产质量分析中常用的指标，网上也有很多介绍vintage的含义、计算方法以及用法的文章。最近结合业务中的一个实际问题，对vintage曲线有了一些新的思考，所以写下来记录一下。

1.业务问题

2.原因分析

3.总结

一、业务问题

业务的发展过程中遇到一个问题，今年的资产整体质量变好，也就是vintage水平降低，但是vintage一直没有走平，所以无法预知最终的vintage坏账是否变好。反应到vintage上大概是这种形状：

数据纯属虚构，但是问题的本质如上图。这时候领导就会有一个问题：为什么新资产早期逾期指标变好了，vintage一直没有拐平，最终的坏账会下降吗。下面就一步步地来解答领导的这个疑惑。

首先，排除几种常见的答案：

1.贷中做了调整，比如提额过度，导致一些用户逾期。因为是消费金额产品，非循环额度，基本无贷中。所以不存在这个问题。

2.由于是偏线下的产品，可能前几期因为销售背着风险指标，因此引导客户只需要还前几期，后面不用还。这种情况确实会出现vintage后期上翘的情况，但是这种情况也只是理论可能，实际上催收反馈中并没有出现用户说只需要还前几期的情况。

3.风控策略作了调整。比如新资产以FSTPD1等短期指标作为Y来调整策略，导致早期的风险指标较好，而一些长期逾期的特征没有被捕捉到。这种情况也不合理，因为一般新资产的策略会逐步使用长期的逾期指标作为Y，与这里相反。且实际情况中风控策略并没有发生重大调整。

4.催收发生重大调整。比如催收团队人员调整较大导致回收率下降。由于回收率的下降导致的vintage上升应该是针对所有资产包的，而早期资产由于余额较小可能受到的影响较小所以没有明显波动。这种情况也可以作为一种解释，但实际情况也并不是这个原因。

二、原因分析

排除了上面四种常见的可能导致vintage不拐平的原因，其实还有两个个问题值得思考：

1.vintage拐平的原因是什么？

2.不同形态的vintage背后的原因以及结果有什么不同？

第一个问题，在之前的文章中已经有所提及。vintage拐平的原因是后端回收的资产与新产生的逾期余额相抵消。

以M1+ vintage为例，随着账龄增加，该逾期的客户已经表现完全，新产生的M1越来越少(个数和余额都在减少)，新增加的M1的余额比M1+案件回收所减少的余额少，M1+vintage出现下降。

新增M1的减少逐渐反应到M2上，因此M2+ vintage会晚一点拐平，M3+ vintage次之。最终都会收敛于同一条水平线。

第二个问题，假设vintage曲线出现一种极端情况如下：

两种vintage最终的坏账是一样的，红色线的vintage拐平早，说明逾期在早期就完全暴露；绿色线一直没有拐平，说明逾期是逐渐暴露。从结果上看坏账是相同的，对催收成本也没有影响，只不过绿色线早期指标的改善会影响最终坏账的预估，导致对风险的误判。一般而言，同一产品在不发生重大变化的情况下，vintage的形态，也就是拐平的时间点，大致应该是一样的。不同产品的vintage形态会不一样。所以对某产品最终坏账预估的核心是准确预估出vintage的形态。

解答了上面两个问题，再回答一开始的业务问题，为什么在各类环境没有重大变化的情况下，资产vintage的形态发生了变化。

分析的思路可以拆分为以下两步：

1.M4+vintage拐平肯定是晚于M1+vintage拐平(或降低)，因此先观察M1+ vintage的情况。

2.M1+ vintag拐平的原因是新产生的M1个数和余额在减少。因此观察M1 vintage的情况。

第一步，观察M1+ vintage的情况。这里已经确定了不受催收的影响。否则可能出现M1+ vintage形态一样，M2+ vintage形状发生改变。

从M1+ vintage可以看出，早期资产的M1+ vintage前几期会比较高，然后已经开始下降；而新资产的vintage比较平稳，且没有下降的趋势。

早期资产M1+下降，说明新产生的M1余额已经小于M1+回收的金额。新资产M1+比较平稳说明新产生M1余额等于M1+回收的金额。由于已经确定不是回收率的影响，因此M1+回收率是相同的，回收的速率是相同的，也就是差异的原因是新产生M1余额减少的速率不同。因此接下来看M1 vintage。

从上图得到核实，新产生M1余额减少的速率确实慢于老资产。且随着账龄增加，新老资产的M1余额已逐渐趋于相同。那么，为什么新资产M1余额减少的速率会慢呢？其实，到这里已经基本可以得出结论，新老资产的主要差异在于前几期的逾期情况。老资产前几期逾期很高，表现较早；新资产逾期一直较为平稳。两者后期逾期指标相差不大，也就是信用风险差异不大，主要差异在于早期资产的欺诈风险。

为了佐证这一猜想，可以将各资产包每一期的迁徙率作一下对比：

新资产的M0-M1迁徙率低于老资产，因为M0-M1迁徙率是本期M1余额除以上期M0余额，因此逾期暴露较早的资产包M0-M1迁徙率会较大。

老资产M1-M2迁徙率早期较高，后期有较大降低；而新资产M1-M2一直较为平稳，略高于老资产。从此也可以得出，早期资产中存在欺诈较多的结论。也可以理解为，老资产因为存在欺诈，所以逾期表现地相对较早；新资产由于欺诈较少逾期较为平稳，所以逾期较为平稳地暴露。

最终经沟通，原因是业务前端对门店加强了管控，因此虚假营销数量少了很多，资产质量得到了改善。

三、总结

不同产品往往有着不同的vintage形状，背后是迁徙率的不同，而迁徙率背后可能是逾期情况或者回收情况的不同，需要拆解分析。对于业务中任何一个有疑惑的问题，一定要深入去思考背后的原因，多问问是否能够说服自己，这样才能真正有所收获。以上为本人对vintage的一些深入思考，如有不妥当之处，欢迎交流。

关于vintage介绍的一些文章，可以参考知乎求是汪的几篇文章。

1.信贷风控中Vintage、滚动率、迁移率的理解

https://zhuanlan.zhihu.com/p/81027037

2.vintage计算过程详解

https://zhuanlan.zhihu.com/p/163206686

【作者】：Labryant

【原创公众号】：风控猎人

【简介】：做一个有规划的长期主义者。

【转载说明】：转载请说明出处，谢谢合作！~

vintage的一点深入思考相关推荐

函数的傅立叶展开掐死我吧_关于文章《傅里叶分析之掐死教程》的再一点小思考...
封火星:关于文章<傅里叶分析之掐死教程>的一点小思考zhuanlan.zhihu.com 以前的文章,从原理上更好的理解了原文中的一点,不过因为公式不是完全一样,从而有一个新问题不能解决 ...
《ODAY安全:软件漏洞分析技术》学习心得-----shellcode的一点小小的思考
I will Make Impossible To I'm possible -----------LittleHann 看了2个多星期.终于把0DAY这本书给看完了,自己动手将书上的实验一个一个实现 ...
关于增量学习的一点总结思考
联合概率分布,熵与增量学习最近几年,学术界开始兴起了一些持续学习,增量学习,终生学习的研究,这个概念本身也是想模仿人的学习过程,人类的学习能力是可以持续的,我们的知识也是一个逐渐积累的过程,但是反观 ...
技术选型的一点个人思考
1 前言这个题目有点大.工作也有些年头,从开始入行的被动接受,什么流行就学什么:到有一些想法,会去思考为什么使用这种技术:再到主动去学习一些前沿框架. 从开始的不理解,事不关已高高挂起,不在其位不谋 ...
关于数据运营的一点小思考
随着互联网行业的快速发展,其所带来的行业红利和流量红利基本上告别野蛮生长阶段,现代人越来越依赖互联网,看似市场大,但用户选择多,互联网产品淘汰得比刚开始更快.野蛮生长虽然发展快,但是伴随的弊端也随之浮 ...
每天一点产品思考(3)：“稍后阅读”功能真的能有效解决碎片信息处理问题吗？...
一.问题来源有些产品上线了"稍后阅读"功能,用户把一段内容标记"稍后阅读",可实现碎片信息的收集,是成为处理信息的开始.但由于人们普遍的惰性,很多用户却抱着& ...
关于二进制的一点小思考
1. 背景在这次的公众号项目中,需要一个用户的小程序二维码,一开始想的是实时生成小程序二维码,后台问我行不行,隐约记得微信好像确实提供了这个功能,就答应下来了.一开始以为只需要access_toje ...
周志华教授：关于深度学习的一点思考！
周志华,毕业于南京大学,欧洲科学院外籍院士,国家杰出青年基金获得者,现任南京大学人工智能学院院长.南京大学计算机软件新技术国家重点实验室常务副主任.机器学习与数据挖掘研究所 (LAMDA)所长.人工智 ...
周志华教授：关于深度学习的一点思考
视学算法报道来源:专知 [新智元导读]什么是深度学习?深度神经网络为什么要「深」?它成功背后的关键因素是什么?深度学习只能是深度神经网络吗?南京大学人工智能学院院长.计算机系主任周志华教授对 ...

vintage的一点深入思考

vintage的一点深入思考相关推荐

最新文章

热门文章