20191223-20191227风险指标的学习总结
前言:接触风险3周了,今天总结一下现有学习到的常用风险指标及其含义,便于后续回顾、沉淀。本次主要是贷款领域的信用风险知识。贷款流程分为:引流(业务漏斗模型) – 评估授信 – 营销支用 – 还款记录 – 余额监控 – 逾期追踪 – 资产质量考核(风控漏斗模型)。
1.引流中的业务漏斗模型是归属于营销同学来设计策略和方案(曝光、上传资料、授信等流程监控的漏斗模型)
2.评估授信:目前授信日监控报表 + 授信利率日监控报表 + 授信月监控报表
3.营销支用:目前支用日监控报表 + 支用利率日监控报表 + 支用月监控报表
4.还款记录:目前ms还款日监控报表 + ms还款利率日监控报表 + ms还款月监控报表
5.余额监控:目前余额日监控报表 + 余额月监控报表
注:考虑业务漏斗和授信评分模型,还有拒绝原因日监控报表 + 饿了分分组日监控报表。由于存量的筛选规则,本次还引入了对mxjr手机存量客户的筛选情况分析。
6.逾期追踪:01.逾期-按放款日监控 + 02.逾期-按放款月监控 + 03.逾期-按报告日监控 + 04.逾期-按报告月监控 + 05.逾期-延滞率
7.资产质量考核:06.资产质量-Vintage Analysis + 07.资产质量-Flow Rate + 08.资产质量-首逾率-First Payment Delay
接下来是一些指标的理解,资料来源于网上,本人仅仅只是进行了一个大汇总:
来源一:
1.逾期指标率:分为静态池(按照放款日期口径进行统计)和动态池(按照报告日期口径进行统计),逾期指标可以横向比较一下坏账的波动。
静态池:放款日期-报告日期-合同期数-放款笔数-结清笔数-在贷笔数-正常笔数-逾期笔数-逾期笔数率(逾期笔数/放款笔数)-(Mi逾期笔数/Mi逾期笔数率) – 放款金额-已还本金-在贷剩余本金-正常金额-逾期金额-逾期金额率(逾期金额/返款金额)-(Mi逾期金额/Mi逾期金额率)
动态池:报告日期-合同期限-在贷笔数-可观测笔数-正常笔数-逾期笔数-逾期笔数率(逾期笔数/在贷笔数)-(Mi逾期笔数-Mi逾期笔数率)-在贷剩余本金-可观测在贷剩余本金-正常本金-逾期金额-逾期金额率(逾期金额/在贷剩余本金)-(Mi逾期金额/Mi逾期金额率)
2.下迁率指标(Flow Rate):贷款从某一个状态转移到下一状态的比例。例如从正常还款到M1期还款状态,M1还款到M2期还款状态。是在通账龄下的统计值。该指标能很好的提示放款账户整个生命周期中的演变情况,是一个横切概念。
3.账龄分析(Vintage analysis)图:不同放款时间在相同账龄(Month of Book,MOB)下的表。Vintage分析方法能够很好的解决时滞性问题,核心思想是对不同时期的放款资产分别进行跟踪,按照账龄的长短进行同步对比,从而了解不同时期放款的资产质量情况,是一个竖切概念。
4.首逾指数(疑似欺诈率):放款后的第一期未还款占总放款的件数比例。
5.不良率指标:通常M3以上视为不良
6.净资产损失率:(成为坏账的金额-回收金额)/转坏账前应收
7.递延率指标:催收经常使用的绩效指标,指经催收后仍未缴款落入下一期的比例
8.进件相关指标:如进件数量、核准件数、黑名单命中率等
来源二:https://zhuanlan.zhihu.com/p/93029872 【账龄、迁徙率、滚动率、首逾率】
1.账龄分析(Vintage analysis):在比较同一产品的放贷质量时,需要按照账龄(month of book)来区分,从而了解不同时期放款的资产质量。下图可以看出17年第一季度的资产质量是最差的,虽然没有走完一个周期,但是其斜率非常高,可推测:17年第一季度的风控有所放款或者营销比较激进。
2.迁徙率(Flow Rate Analysis):
没有逾期是M0,逾期1-29是M1,逾期30-59是M2,依此类推,逾期150-179是M6,大于180天就是M7。迁徙率是从某一逾期阶段的客户转移到下一逾期阶段的比例,因此可以将迁徙率作为催收的绩效指标(越小表明催收效果越好)。一般而言,越早期的逾期贷款越容易催收,基本过了M6之后,催回的可能性就比较低了。迁徙率还可用作预测不同逾期阶段的未来坏账损失,其与Vintage结合可以实现精细化管理。
vintage的核心思想是对不同时期的同一层面的资产进行分别跟踪,是一个所谓竖切的概念;而迁移率能很好的提示客户整个生命周期中的衍变情况,是一个所谓横切的概念。
3.滚动率(Roll Rate Analysis):
前面的Vintage是从时间维度上判断资产质量的好坏,而滚动率是从行为程度上判断客户质量的好坏。滚动率可以帮助我们判断逾期客户可抢救的比例,减少坏账损失。
第一行,代表m0用户,维持在m0的概率是90.81%,往m1变化的概率是9.19%;
第二行,代表m1用户,变好(m0-m1)的概率是30.59%+6.35%=36.94%,变坏(m2-m3)的概率是61.82%+1.23%=63.06%;
第三行,代表m2用户,变好(m0-m2)的概率是23.80%+1.12%+2.25%=27.17,变坏(m3-m4)的概率是72.11%+0.72%=72.83%;
......
最后一行,代表m7用户,变好(m0-m6)的概率是6.93%,变坏(m7)的概率是93.07%。
4.首逾率(First Payment Delay):
指某一个还款日,仅第一期到期的客户中多少没有按时还款,一般用来作为反欺诈判断指标,因为欺诈用户第一期基本不会还款。下述C产品的首逾率要低于AB产品的首逾率。
来源三:https://zhuanlan.zhihu.com/p/81027037
资产质量分析中常用的几个指标:账龄分析+滚动率分析+迁徙率分析
账龄分析(Vintage Analysis):用以分析账户成熟期、变化规律等。
滚动率分析(Roll Rate Analysis):用以定义账户好坏程度。
迁移率分析(Flow Rate Analysis):用以分析不同逾期状态之间的转化率。
**************
20191223-20191227风险指标的学习总结相关推荐
- 《强化学习周刊》第25期:DeepMind提出无模型风险敏感强化学习、谷歌发布 RLDS数据集生态系统...
No.25 智源社区 强化学习组 强 化 学 习 研究 观点 资源 活动 关于周刊 强化学习作为人工智能领域研究热点之一,其研究进展与成果也引发了众多关注.为帮助研究与工程人员了解该领域的相关进展和 ...
- python获取时间周数_【手把手教你】Python量化策略风险指标
如何衡量一个量化策略的好坏?一是比较稳定的收益,二是有严谨的回测,三是有清晰的逻辑.--刘富兵 引言 引言尽管过去不能代表未来,通过历史回测来评估量化策略仍然是量化投资非常重要的一环.量化回测过程中常 ...
- python金融量化风险_【手把手教你】Python量化策略风险指标
如何衡量一个量化策略的好坏?一是比较稳定的收益,二是有严谨的回测,三是有清晰的逻辑.--刘富兵 引言 尽管过去不能代表未来,通过历史回测来评估量化策略仍然是量化投资非常重要的一环.量化回测过程中常用到 ...
- 计算风险指标:最大回撤、计算风险收益指标:夏普比率、利用最大回撤和夏普比筛选基金、比较3只股票的夏普指数
接着上一次获取股票数据[实时更新股票数据.创建你的股票数据].计算交易指标[买入.卖出信号.计算持仓收益.计算累计收益率] - cexo - 博客园的量化交易往下学习. 计算风险指标:最大回撤 什么是 ...
- 财务指标初步学习笔记
财务:投资.筹资.成果分配(资金问题) 会计:账,表(信息问题) 资产:能够用货币表现的资源.(有的资源无法用货币表现,比如人力资源.组织文化.品牌形象.上下游关系的商业网络.股东资源等).美国已将人 ...
- 信贷业务:常用风险指标
1.基本名词概念 逾期天数DPD(days past due):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,逾期一期 ...
- 重磅----股票风险指标计算,附程序,百度网盘链接
今天我们放假,回贵阳,准备实习,我也可以专心的去研究自己感兴趣的方向,我们计算股票指标包括beta,alpha,最大回撤,在险价值等,指标很多,我就不仔细介绍了,今天挺累的,我们直接看效果,弄成了图形 ...
- 企业表格技术与风险指标补录系统
由华融科技推出的风险指标补录系统,很好的解决了传统方式中数据收集填报的诸多痛点.系统统一了管理模板的设计和制定,将 SpreadJS 的在线表格编辑器嵌入系统,构建了填报模板的设计模块,允许用户在线设 ...
- 量化投资之风险指标分析(alpha、beta、sharpe等)
很多风险指标虽然经常在各种回测平台中见到,但是它们背后的一些计算方法以及应用背景并没有认真研究过,所以打算整理下. 整理的几种风险指标摘自聚宽的回测平台:https://www.joinquant.c ...
最新文章
- R语言绘图-常用参数
- java解析页面table表格内容导出为excel
- 清华大学参赛计算机集群,清华学生超算团队获得国际大学生超级计算机竞赛(SC18)总冠军...
- 基础算法之Dijkstra最短路径
- C#取整函数Math.Round、Math.Ceiling和Math.Floor 【非原创,用来收藏,分享】
- 学信网:研究生云复试平台快速搭建上线
- mysql 使用储存过程_为什么使用mysql储存过程?mysql储存过程简介
- 原生JS、jQuery 遍历方法总结
- python 旅游_Python带你来一次说走就走的环球旅行
- 谈谈struts2的工作原理
- 关于php的一些小知识!
- Groovy模板引擎
- 兼容多种浏览器“复制到剪贴板”的解决方案
- 手机上做c语言作业的软件下载,手机c语言编程软件
- PHP生成条形码 之一 条形码介绍
- obj模型 vue_Vue各种各样的模型库 Cornucopia 3D for Vue
- SEO和SEM的区别是什么
- 带动画的自定义view——做一个移动的箭头
- 请求接口报502错误
- Step3:获得单应矩阵(每张图片需要m个棋盘格角点,m≥4)
热门文章
- ACC算法学习笔记(一):ACC法规
- 嵌入式2.4内核上驱动USB无线网卡
- 陕西省ti杯竞赛题目_2017年全国大学生电子设计竞赛和陕西省(TI杯)校际联赛暨西安电子科技大学校内选拔赛...
- java 图片 白边_java 去除图片白边 两种方法的比较
- 算法2.4.24:查找链表二叉树节点
- 1秒消失 alert jquery_jquery 弹窗信息显示几秒后自动消失
- 非师范专业不能教高中吗 高中教师资格证怎么考
- BHQ-2胺是一种暗猝灭剂,BHQ-2 amine,1241962-11-7可与目标底物或含有羧酸盐部分的生物分子结合
- 一些句子【未完待续】
- 人力资源管理计算机基础,人力资源管理-专-李佑强-计算机应用基础实践报告