破局:滚动率知识在信贷风控中的系统总结

在信贷风控场景下，信用评分卡模型是最常见的风控手段之一，而根据模型的使用场景（如A、B、C卡），明确模型的目标变量，是模型开发流程的一个重要前置工作。目标变量的确定，即如何定义“好”与“坏”样本，在实际业务中经常采用的方法是滚动率分析。
滚动率分析（RollRateAnalysis），是信贷风险管理资产质量分析中的重要概念，是指从某个观察点之前的一段时间（观察期）的最坏状态，向观察点之后一段时间（表现期）的最坏状态的发展变化情况。

滚动率分析的具体过程如下：
1、明确数据来源，“客户还款计划表（CustomerRepaymentSchedule）”较为常见（具体表名不同业务方可能有区别）；
2、选定观察时点，观察点往前推m个月定义为观察期，观察点往后推n个月定义为表现期（观察期与表现期时长根据产品特征定义）；
3、提取分析样本，对于选定的样本用户，需要限定其放款日期在观察期前，最后一期还款日期在表现期后（这样保证样本用户的分析时间周期一致）；
4、统计观察期逾期状态，以观察点为截止时点，统计客户在观察期（观察点前m 个月）的最长逾期期数，以对应最坏逾期状态，如C、M1、M2、M3+等（C表示当前未逾期，M1表示逾期1-30天，M2表示逾期31-60天，M3+表示逾期61天及以上）；
5、统计表现期逾期状态，以观察点为起始时点，统计客户在表现期（观察点后n个月）的最长逾期期数，以对应最坏逾期状态，如C、M1、M2、M3+等；
6、构建逾期情况矩阵，以观察期的逾期情况和表现期的逾期情况进行交叉统计，依次形成样本数量矩阵表、样本占比矩阵表（即滚动率分析表）；
7、分析滚动率数据表，根据不同状态的变化率情况大小，定义目标变量的逾期状态阈值；
8、对比多个观察时点，为了排除某个观察点选择时的随机影响，一般会选择多个观察点数据，重复前述过程，形成多个滚动率分析表进行对比，得出最终目标定义。

假设有一场景示例：某网贷小额分期产品，一次性放款，分12期按月等本等息还款，现结合以上滚动率分析步骤，简述滚动率分析过程与结果。
我们选取20200630为观察时点，前推3个月为观察期（20200101-20200630），后推3个月为表现期（20200701-20201230），统计用户的逾期状态分为C、DPD7+、 DPD15+、DPD30+、DPD60+共6种情况，其中C表示未逾期，
DPD7+表示逾期8~15天，
DPD15+表示逾期16~30天，
DPD30+表示逾期31~60天，
DPD60+表示逾期61及以上。
从数据库提取样本10000个用户，贷款周期均满足观察期与表现期的数据表现，现分别统计样本用户在观察期和表现期的最高逾期状态，其样本数量分布与样本占比，分布如下表所示：
（表1逾期状态样本数量）

（表2逾期状态样本占比）

从表2滚动率分析表可以分析得出：
（1）在观察期状态为正常（C）的用户，在表现期有86.21%仍保持正常状态，有13.79%转变为逾期状态（DPD7+、DPD15+、DPD30+、DPD60+）；
（2）在观察期最高逾期状态为DPD7+的用户，在表现期有61.37%转变为正常状态，有20.93%仍保持DPD7+状态，有17.70%转变为更高逾期状态（DPD15+、 DPD30+、DPD60+）；
（3）在观察期最高逾期状态为DPD60+的用户，在表现期仅有0.82%转变为正常状态，有4.86%转变为较低逾期状态（DPD7+、DPD15+、DPD30+），而有94.32% 仍保持DPD60+逾期状态；
（4）在观察期最高逾期状态为DPD15+、DPD30+的用户，在表现期变化状态的分析思路同上；
（5）表中的“回滚率”表示用户从观察期到表现期的逾期状态降低的样本占比，如从DPD7+转变为C，从DPD15+转变为C或DPD7+，从DPD30+转变为C或 DPD7+或DPD15+，从DPD60+转变为C或DPD7+或DPD15+或DPD30+。由表中回滚率统计结果可知，在观察期随着逾期状态的升高，对应表现期的回滚率逐渐降低，在观察期逾期状态DPD7+的用户，在表现期有61.3%转变为正常，说明观察期逾期为DPD7+的用户较多仍为“好”用户；在观察期逾期状态为DPD30+的用户，在表现期有32.49%转变为较低逾期状态，说明观察期逾期为DPD30+的用户仍存在
部分用户后期向“好”的方向变化；但在观察期逾期状态为DPD60+的用户，在表现期仅有5.68%转变为较低逾期状态，说明观察期逾期为DPD60+的用户大多数已成为“坏”用户；
（6）根据以上分析，认定逾期状态为DPD60+的用户，在后期降低逾期程度的概率很低，故可以将DPD60作为目标变量Y的定义范围，即逾期61天及以上的用户定义为“坏”用户，其余为“好”用户。

以上为风控中的滚动率的知识点，更系统性的内容可关注：

简介：这是一门体系化的课程。覆盖风控全流程：贷前、贷中、贷后，细则上一共横跨了七大课程细节，细节包括政策定价、产品设计、额度调节、策略冷启动、策略调优、模型开放、模型特征工程、贷中监控、贷后催收等全模块的内容。课程的大纲细节可查看：

~原创文章
…
end

破局:滚动率知识在信贷风控中的系统总结相关推荐

电商支付数据在信贷风控中的应用
笔者在之前的工作经历中,曾做过针对电商/支付数据开发信用资质分的一个项目,下面我会介绍这两类数据是如何应用在信贷风控中的,内容包括电商支付数据的使用场景,做风险特征衍生的思路,以及在策略及模型上的应用 ...
第九章组合模型在信贷风控中的应用
组合模型在信贷风控中的应用简介:在包括违约预测在内的诸多场景中,越来越多的建模人员将模型集成的方式应用在实际工作中,并且取得了不错的成效.本节课将介绍三种基本的集成方式:Bagging,boosti ...
二代征信报告解读及信贷风控中的应用
今年一月中旬起,征信中心面向社会公众和金融机构提供二代格式信用报告查询服务,相比一代征信系统,二代征信系统又做了哪些升级?提供的信用报告又有哪些变化?相对于一代征信报告,大家更加急切地想知道二代征信报 ...
信贷风控中Vintage、滚动率、迁移率
风控业务背景信贷风险管理是一门艺术,更是一门科学.资产质量分析中常会涉及到三个理论: 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 ...
信贷风控中Vintage、滚动率、迁移率的理解
风控业务背景信贷风险管理是一门艺术,更是一门科学.资产质量分析中常会涉及到三个理论: 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 ...
基础篇|信贷风控中的外部数据(百行)
序言: 外部数据源作为金融机构判客群风险最重要的征信维度,其作用不需多言,在信贷行业最风控的时候,某家机构公司数据成本占比居高不下,甚至是成本中较重的支出,比如在某集团公司里就会接入以下这些数据源: ...
手把手实操系列|信贷风控中的额度管理和额度模型设计
序言: 如今的个人信贷行业步入合规发展阶段后,额度管理和差异化定价成为金融机构是否能最大化盈利的核心竞争力,其中额度管理包括贷前阶段的授信额度,贷中阶段的提额,降额等,本文将着重讲解这两个阶段的额度设 ...
企业级征信市场破局：阿里、借贷宝大数据“奠基”
数据显示,2015年末我国中小企业已经接近7000万家,中小企业信贷虽然是一个万亿级的蓝海,但限于成本.风控等因素,银行始终缺乏可靠的外部标准和方法去拓展这个市场. 金融机构面对着复杂的经济环境,亟待 ...
概述：机器学习和大数据技术在信贷风控场景中的应用
来源:知乎本文约5400字,建议阅读10分钟本文简要概述在当前大数据和机器学习技术如何在信贷风控场景下的常见应用. 似乎一夜之间,所有的互联网公司在对外的宣传稿中都会提及自己使用机器学习和大数据技 ...

破局:滚动率知识在信贷风控中的系统总结

破局:滚动率知识在信贷风控中的系统总结相关推荐

最新文章

热门文章