大数据风控---Vintage在金融信贷领域的运用实践
前言
vintage这个词源于葡萄酒业，意思是葡萄酒的酿造年份，主要用来分析和管理葡萄酒年份对于酒的品质影响问题研究。在现代金融领域，同理，在比较放贷质量的时候，按账龄（month of book，MOB ）的长短同步对比，从而了解同一产品不同时期放款的资产质量情况。vintage是用来监控、预测和分析资产质量好坏的重要手段和依据，是风险量化和精细化管理的重要指标。
1.vintage
Vintage分析方法能很好的解决时滞性问题，可以理解为从时间横切维度上判断客户群体的好坏或某个月份、季度或者年度的资产质量问题，逆向推到、调整和优化风控政策和策略；其核心思想是对不同时期的授信的资产进行风控跟踪，按照账龄的长短进行同步对比，从而了解不同时期贷款的风险情况，是一个所谓的竖切的概念。而迁徙率模型能够很好的反映贷款整个周期的演变情况，是一个所谓衡切的概念。
上表是对M2用户的Vintage分析（M2表示历史逾期大于60天），行为放款时间，列为到期还款期的表现（M2的表现时间需要3个月，故3月份放款从6月看），比如4.25%就是2018年3月授信放款的用户在2018年6月份M2逾期的情况（2018年3月授信的用户在6月的M2逾期的总额/2018年3月份用户总的放款金额）；从表中可以看出2018-03月的授信的用户M2逾期率明显偏高，这就需要去分析逾期较高的原因，授信策略是否有漏洞还是模型cut—off较低。
备注L:另外一种计算逻辑是6月的M的逾期户数/3月放款的总户数 （按照放款件均计算）
2.迁徙率
迁徙率是催收常使用的绩效指标，常与vintage结合使用来实现风险的精细化管理。迁徙率就是处于某一逾期阶段的客户转到其他逾期阶段的变化情况，通常可以用来预测不同逾期阶段的未来坏账损失，反映客户整个生命周期中的衍变情况；比如，M2-M3，说的是从逾期阶段M2转到逾期阶段M3的比例，需要注意的是，我们应该选还款日为同一天的M2来做分子。逾期就是说你到了该还款的日子而没有还款，那你就进入了逾期。根据逾期天数，又分为M0-M7+等八个阶段。没有逾期的是M0，逾期1~29天的是为M1，逾期30~59的定义为M2，以此类推，逾期超过180天的定义为M7+。
2、滚动率
滚动率，简单地说就是以某一时间点为观察节点，观察客户在该点前一段时间内（比如半年）最坏逾期阶段，并追踪其在观察点之后的一段时间向其他逾期阶段发展的情况，特别是向更坏程度发展的情况。
举个栗子，观察点是2018年6月30日，取这一天的1万个客户，统计他们在过去半年里的最大逾期阶段。然后追踪他们后半年的表现。
从该表可以看出：
1、正常的客户，在未来6个月里，有96%会保持正常状态；
2、逾期1期的客户，未来有81%会回到正常状态，即从良率为81%，有7%会恶化；
3、逾期2期的客户，从良率为23%，有39%会恶化；
4、逾期3期的客户，从良率为14%，有61%会恶化；
5、逾期4期及以上的客户，从良率仅为4%，有82%会继续此状态。
在对坏客户进行定义时，应将坏客户定义得尽可能坏，以与好客户尽可能的区分开来，因此可以将逾期4期及以上的定义为坏，而逾期2期和3期定义为中度坏，逾期1期为轻度坏。当然，在开发模型或规则时，还要结合样本量，如果M1占比较高，可以将M1划为好客户，M4+为坏客户，M2和M3为灰度客户，从样本中剔除；如果M1占比很低，也可以将M1和M2、M3一起归为灰度客户，从样本中剔除。这些特征将来可以放到风控建模的样本特征中来，定义Y。
3、Y变量的定义
Y变量即为客户好坏标签变量，Y变量要结合滚动率分析和Vintage分析来定义，滚动率分析用于对客户好坏程度进行定义，Vintage分析用于设置合适的表现期。定义Y变量可以分为以下几步：
1、进行滚动率分析，定义坏客户，如上面所说的M4+为坏客户，通常定义M3+,需要根据不同的消费场景来定义；
2、然后统计出M4+的Vintage数据表及Vintage图，找出成熟期；
3、表现期大于成熟期的样本可以用于建模，表现期小于成熟期的样本无法准确定义Y变量，暂时舍弃。
当然，在实际应用中，根据业务需要，Y变量的定义可以灵活变通。比如在业务刚开展不久，表现期较短，此时无法根据上述方法定义Y变量，可以暂将逾期大于10天、15天或30天的客户定义为坏等等，然后随着时间的推移不断修正Y变量及模型。
4、入催率
它指的是在某一个还款日，客户从M0变成M1的比例。比如今天有N个M0客户到了还款日，里面有M个客户按时还款了，那么今天的入催率就是（N-M）/N。
5、FPD、SPD、TPD
FPD是指首期逾期率，是说在某一个还款日，仅第一期到期的客户中有多少没有按时还款；SPD是第二期到期未还，TPD是第三期到期未还。与入催率的差别在于，入催率包含了第一期、第二期、第三期等等所有到期的M0。FPD一般用来做反欺诈监测，因为欺诈用户他第一期是根本不会还款的。通常在等额本息的消费贷或者现金贷产品模式中，关键性指标就是FPD、SPD和TPD，主要用来识别欺诈客群和调整风控策略；当然根据不同场景需要具体问题具体分析，比如在汽车金融领域信用风险曝发完全一般在8-12期左右。
参考文章1：vintage、滚动率等相关指标介绍
参考文章2：<风控必备>关键数据Vintage、滚动率、迁移率的讲解应用
大数据风控---Vintage在金融信贷领域的运用实践相关推荐
- 大数据风控---消费金融业务全流程风险解析
前言 在消金企业里,最核心的运作部门主要是营销.风控以及产品.营销和风控:两者既对立又互相依赖,若没有足够的客户,风控便无法发挥作用,而有了坚实的风控后盾,才能可持续的拓展业务并维护下去.而产品部门则 ...
- 个人金融借贷场景下，大数据风控的行业分析及应用分析
一.大数据风控是什么? 大数据风控按照通俗的概念解析:通过运用大数据构建模型的方法对借款人进行风险控制和风险提示. 这句话涵盖大数据风控必要的4个要素: 1. 原材料:大数据 2. 实现方式:技术模型 ...
- 银行大数据风控平台的建设要点与应用
金融行业是经营风险的行业,风险控制能力是金融机构的核心竞争力.通常而言,金融机构一般是通过给客户的信用状况评分来计量贷款违约的可能性,并通过客户的风险水平进行利率定价. 而传统的信用测算主要是利用历史 ...
- 互联网金融学习总结（4）——大数据风控的九种维度
前言 在互联网金融迅猛发展的背景下,风险控制问题已然成为行业焦点,基于大数据的风控模型正在成为互联网金融领域的热门战场.那么,大数据风控到底是怎么一回事呢?与传统风控相比,它又是怎样来进行风险识别的呢 ...
- 【采用】大数据风控---风险量化和风险定价
前言 金融的本质从宏观上讲,第一:为有钱人理财,为缺钱人融资:第二:信用,杠杆.风险:第三:为实体经济服务,不然就是泡沫,微观上讲就是经营风险.在经营风险的过程中,风险定价是核心,指对风险资产价格的确 ...
- 揭秘互联网金融的大数据风控
转载地址:http://blog.csdn.net/kobejayandy 大数据能够进行数据变现的商业模式目前就是两个,一个是精准营销,典型的场景是商品推荐和精准广告投放,另外一个是大数据风控,典型 ...
- 大数据风控系统主要功能分析
风控乃金融领域的"生命线",随着我国金融科技产业的发展,传统的风控工具和手段如资料审核评分卡.面审.电审等已无法满足当前要求,需要借助新的科技创新手段来实现风控.那么大数据风控系统 ...
- 做大数据风控，需要做哪些准备？
不定期更新信贷大数据风控的相关内容(命名为#大数据风控手册#),一是对工作的沉淀和总结,二是为对大数据风控感兴趣的大家提供参考.今天来看看做大数据风控,需要哪些基本条件. 欢迎加微"huai ...
- 海关外贸企业大数据风控平台产品应用
海关外贸企业大数据风控平台根据获取实时数据,实现对外贸企业实时动态分析,通过迁移学习.机器深度学习方法,对客户360度画像,分析客户行为习惯,从而实现客户精准营销应用,智能推送优质客户资源,严格控制风 ...
最新文章
- SystemProperities
- qt creator创建cmake构建的程序，无法启动调试（点左下角运行不出结果 No executable specified.）
- 使用 Boost.MPI 的 all_reduce() 计算最小值的示例
- 全套Python数据分析常用命令速查表！PDF文档限时分享
- 6个座位办公室最佳位置_四人办公室座次的首选最佳座位在哪儿
- mysql导入sql文件过大或连接超时的解决办法
- Java多线程（全）学习笔记（上）
- tensorflow机器学习实战指南 源代码_小小白TensorFlow机器学习实战基础
- php h5视频录制上传,基于koa的h5视频录制异步上传
- Ambari server:无法显示内存，CPU等使用率
- BZOJ1233: [Usaco2009Open]干草堆tower
- 我转行程序员的那一年（四）
- APP定制开发之前，这6条铁律要牢记
- LSTM 08：超详细LSTM调参指南
- 文件快速定位神器(C++小项目实战)
- 《数学之美》-吴军 读书笔记
- java swing小程序：手动绘制美国队长盾牌
- Zookeeper之基础知识
- 为OpenStack量身打造 OVS推出全新OVN项目
- shell的几个重要命令，主要参数，循环语句以及变量处理