互联网金融数据分析体系

互联网金融运营数据分析体系

一.指标分类

1、用户指标：包括用户信用评级、活跃度、留存率、转化率、客单价（平均投资额度）、用户分布（各等级占比）、互动指标等等。

2、产品指标：产品组合、投资人数、投资金额、满标时间、收益率、流标数、风险系数、热度（受欢迎度）等等。

3、营销渠道指标：渠道来源、渠道转化率、渠道成功率、渠道成本等等

4、营销活动指标：活动成本、活动渠道来源、活动转化率、传播数、新增粉丝数/用户数等等

5、合作方指标：合作带来的项目数、项目通过率、风险系数、成本等等

6、风控指标：项目审核通过率、风险备用金、项目流动性风险指标、合规相关指标等等

7、支付渠道指标：渠道转化率、渠道成功率、支付渠道来源、渠道成本等等

8、IT平台指标：用户体验指标（包括响应速度等）、可靠性指标、安全性指标等等。这块与互联网的指标类似。

9、客服指标：投诉分类、接通率、投诉渠道、响应速度、满意度等等

10、竞争性指标：竞争对手分析指标、互联网舆情监控指标等等

二.互联网金融中风控需要关注的贷款指标

（1）逾期天数DPDn--days past due：自应还日次日起到实还日期间的日期数，DPD30表示逾期30天；

（2）逾期期数：自应还日次日起到实还日期间的还款期数，正常资产用C表示，Mn表示逾期n期；

（3）贷款余额ENR：至某十点借款人尚未偿还的本金，即全部生于本金作为贷款余额；

（4）月均贷款余额

月均贷款余额=（月初贷款余额+月末贷款余额）/2，月初贷款余额即上月末贷款余额

（5）核销金额：贷款逾期M7后经审核进行销账，核销金额即在核销日期当天的贷款余额；

（6）回收金额：来自历史所有已核销合同的全部实收金额；

（7）净坏账=当月新增核销金额-当月回收金额；

（8）在账月份MOBn：放款后的月份，MOB0放款日至当月月底，MOB1：放款后第二个当月月底

（9）滚动率

c-m1：当月进入M1的贷款余额/上月末的贷款余额

m2-m3：当月进入M3的贷款余额/上月末M2的贷款余额

（10）逾期率

coin(c)%,coin(m1)%,

coin(m2)% 当月不同逾期期数的贷款余额/当月底总贷款余额

coin(c)%:当月c贷款余额/当月底贷款余额（c-m6）

coin(m1)%:当月m1贷款余额/当月底贷款余额（c-m6）

coin(m1+)%:当月(m1-m6)贷款余额/当月底贷款余额（c-m6）

（11）逾期率：Lagged(m1)%

当月不同逾期期数的贷款余额/往前推N个月的总贷款余额

Lagged(M1)%=当月M1的贷款余额/上个月底贷款余额

Lagged(M4)%=当月M4的贷款余额/往前推四期的总贷款余额

Lagged(M4+)%=当月M4的贷款余额/往前推四期的总贷款余额+当月M5的贷款余额/往前推五期的总贷款余额+当月M6的贷款余额/往前推六期的总贷款余额

-----------------------------------------P2P网贷平台风控指标：------------------------------------------------------

P2P网贷平台除了具有与互联网金融理财公司共同的关注指标外，P2P网贷平台其特有的核心业务指标还包括风控指标。P2P网贷平台运营的核心一方面是服务于投资人，通过获取新的投资人、留住老投资人，以此推动整个平台的发展。另一方面P2P网贷平台还需要对借款用户的借款需求进行挖掘，同时通过风控措施对借款用户的逾期风险进行把控。

风控指标：

贷款不良率：贷款不良率= 不良贷款本金余额(去除核销)/当前本金余额；--主要用于反应资产的机构组成，并不能完全反应真实的贷款坏账风险

按贷款风险程度可将贷款分为五级：正常、关注、次级、可疑、损失，后三种为不良贷款。一般商业银行通过用户当前还款能力来定义贷款的等级，根据贷款损失率30%来划分是否为不良贷款。而很多金融机构多以逾期天数来界定不良率，比较通用的定义是逾期超过90天以上的贷款，就会被划分为不良贷款。

不良贷款本金余额指的是逾期天数>90天的借款人所剩余的未还本金；当前本金余额指所有用户当前剩余未还的本金；

逾期天数DPD :已逾契约书约定缴款日的延滞天数，贷放型产品自缴款截止日(通常为次一关帐日)后第一天开始算。
逾期期数bucket : 也叫逾期月数，逾期30天内称为M1，30～60天为M2，60～90天为M3，以此类推；M3+则是指常说的不良。由于常见的贷款产品都是按月还款，因此一般而言，逾期了N期就是指客户在N个月的还款日没有还款。
逾期阶段 :分为前期、中期、后期和转呆账。般将M1 (1-29) 列为前期,M2~M3 (30~89) 列为中期、M4 (90+) 以上列为后期，若已转呆账者则列入转呆账
即期指标（coincidental ）/ 递延指标(lagged) : 假设以月底为统计时间点观测，“逾期客户数/在贷客户数”就是即期口径的逾期客户率。但实际上，我们在统计当月月末时点的逾期率时，当月放款的客户并没有到还款日，所以即期指标会对逾期率起到”稀释“的作用，且受放款量增速影响较大。引入递延指标后，可在分母里剔除未满足统计条件的客户，更客观的反映还款情况
月底结算(month end) : 月底结算报表主要在表达各月月底结算数据，适用于消费金融所有产品。
期未结算结算(cycle end) : 期未结算结算为信用卡特有的结算方式。账务及催收单位皆以cycle为作业周期。
转呆账率 :当月转呆账金额:逾期开始月的应收账款。经过年化之后，月转呆账率转换为年损失率。
净损失率(NCL) :当期转呆账金额减当期呆账回收,即为净损概念。
恶意延滞率(non-starter%) :原始定义为”贷后从未缴款客户”，主要目的为找出恶性欺诈的案件。
诈欺损失率:计算方式为:诈欺损失金额/签账金额；--功能为观察信用卡签账金额中，发生伪冒诈骗状况并造成损失的比率。

逾期率

1 ）短期逾期：逾期天数简短的客户，如逾期3天、7天、15天，可根据贷款产品形态和还款方式设置监控值。

2）中期指标：常见的M1、M2、M3以上逾期率等。可结合不同程度逾期情况设置贷后管理和催收策略。

3）长期指标：不良率（逾期M6以上的比例）、核销率等。

4）疑似欺诈指标：如首逾率、首3期还款逾期率和从未还款客户率（non-starter%），能够作为恶意贷款或欺诈客户的参考指标。

5）迁移指标：滚动率、迁移率等，用来分析客户的逾期状态的变化。

互联网金融数据分析体系相关推荐

互联网金融支付体系变革趋势
支付问题是互联网金融服务体系的基础和支撑,如果说金融是经济的血液,那么支付就是金融的血管,它关系到一国金融业的效率与稳定.互联网金融背景下的支付变革将朝着支付媒介去现钞化.支付终端去PC化.支付机构去 ...
互联网金融数据分析指标【汇总】
互联网金融是指借助于互联网技术.移动通信技术实现资金融通.支付和信息中介等业务的新兴金融模式,既不同于商业银行间接融资,也不同于资本市场直接融资的融资模式.互联网金融包括三种基本的企业组织形式:网络小 ...
互联网金融数据分析应用
转摘自:http://bbs.easysoo.cn/?p=476 互联网金融在国内发展也才2年多的时间,从货币基金到P2P到众筹到股票基金,从传统ATM和手机银行短信银行,感慨这个互联网金融的到来,让 ...
数据分析：互联网金融数据分析应用
互联网金融在国内发展也才2年多的时间,从货币基金到P2P到众筹到股票基金,从传统ATM和手机银行短信银行,感慨这个互联网金融的到来,让我们有更多的信息渠道可以来了解金额. 还有像越女读财介绍的高暴利的 ...
互联网金融数据分析-笔记
现金贷业务框架:授信-激活-用额-还款-贷后授信落地页,实名认证,征信补录授信的核心目的是验证你的身份和借款资质.授信的内容包括上传身份证照片,人脸识别,社保验证,信用卡验证,运营商验证,蚂蚁分 ...
基于python的爬虫系统金融数据_基于Python的互联网金融数据采集
基于Python的互联网金融数据采集 □文/王蕾1安英博1刘佳杰2 ［提要］互联网金融数据中潜藏着未知的知识价值,但也存在着巨量的数据冗余.通过Python可以进行互联网金融数据的获取.解析.提取 ...
Python互联网金融之用户增长的数据逻辑
怎样看待和应用我们互联网金融中的数据? 怎样进行数据分析? 互联网金融数据分析的三个层面: (1)指标层面建立指标体系,观察指标涨跌的情况 (2)行业框架不同的行业对于各个指标的权重不同复投率 ...
数据分析在互联网金融的应用
互联网金融在国内发展也才2年多的时间,从货币基金到P2P到众筹到股票基金,从传统ATM和手机银行短信银行,感慨这个互联网金融的到来,让我们有更多的信息渠道可以来了解金额. 还有像越女读财介绍的高暴利的 ...
从“增信”到“征信”：互联网金融时代的中国个人征信体系发展
黄卓北京大学国家发展研究院金融学副教授李冬 :我过去读过一些心理学的书,心理学上研究是说当人和人身体碰撞的时候,人会产生快乐的幸福感.接下来请大家先掌声欢迎一下刚才主讲的郭 ...

互联网金融数据分析体系

互联网金融数据分析体系相关推荐

最新文章

热门文章