18个互联网消费金融风控术语介绍及实例展示（18个互联网消费金融风控术语介绍及实例展示）

比如用户应还款日是3月20日，到3月21日仍未还款，那代表用户逾期天数1天，使用DPD1表示。DPD30代表逾期天数≥30天。目前行业内主要有两种方法来统计分析，分别是即期逾期率和递延逾期率。FPD10表示第一期首次逾期≥10天，SPD30第二期首次出现逾期≥30天。在不考虑核销的情况下，迁移率及回收率的和为100%。

本文介绍了18中互联网消费金融风控术语，并用一个具体案例展示计算过程。

要想深入了解消费金融业务，对于业务中常提到的风险常用指标，必须深刻地理解和准确地使用。行业内常用的指标及解释说明如下：

1. 五级分类

根据内在风险程度将商业贷款划分为正常、关注、次级、可疑、损失五类。这种分类方法是银行主要依据借款人的还款能力，确定贷款遭受损失的风险程度来划分的，后三种为不良贷款。

1. 正常：借款人能够履行合同，一直能正常还本付息，不存在任何影响贷款本息及时全额偿还的消极因素，贷款损失的概率为 0。
2. 关注：尽管借款人有能力偿还贷款本息，但可能存在对偿还产生不利影响的因素，贷款损失的概率不会超过 5%。
3. 次级：借款人的还款能力出现明显问题，需要通过处分资产或对外融资乃至执行抵押担保来还款付息。贷款损失的概率在 30%-50%。
4. 可疑：借款人无法足额偿还贷款本息，即使执行抵押或担保，肯定也要造成一部分损失。贷款损失的概率在 50%-75%之间。
5. 损失：借款人已无偿还本息的可能，无论采取何种措施和履行何种程序，贷款都注定要损失。其贷款损失的概率在 75%-100%。

2. 逾期天数（Days Past Due,DPD）

与合同中约定应还款日相比用户延滞天数，一般从应还款日后第一天开始计算逾期天数。比如用户应还款日是 3 月 20 日，到 3 月 21 日仍未还款，那代表用户逾期天数 1 天，使用 DPD1 表示。DPD30 代表逾期天数≥30天。

3. 逾期期数（Bucket）

也称为逾期月数，正常贷款用 C 表示，Mn代表逾期 N 期，Mn 表示逾期 N 期以上。

• M1 代表逾期 1 天-30 天
• M2 代表逾期 31 天-60 天
• M3 代表逾期 61 天-90 天
• M4 代表逾期 91 天-120 天
• M5 代表逾期 121 天-150 天
• M6 代表逾期 151 天-180 天
• M7 代表逾期 181 天以上。

根据逾期期数一般区分为前期，中期，后期，转呆账四个阶段。一般将 M1 列为前期，M2~M3 列为中期，M4 以上列为后期。

4. 期末贷款余额（Ending Net Receivable,ENR）

截止到该期期末剩余未还本金。

5. 期初贷款余额（Beginning Net Receivable,BNR）

截止到该期期初剩余未还本金。

6. 月均贷款余额（Average Net Receivable,ANR）

该期平均剩余未还本金，计算公式是：

月均贷款余额=（月初贷款余额 月末贷款余额）/ 2

7. 逾期率

指某一时刻逾期贷款余额占总体贷款余额的比例，是用来衡量贷款拖欠程度的一个指标。目前行业内主要有两种方法来统计分析，分别是即期逾期率和递延逾期率。

即期逾期率（coincident）计算公式是：

即期逾期率=当期各逾期期数的贷款本金余额/当期贷款总本金余额

用于分析当期的逾期情况。优点是：计算简单；缺点是：起伏较大，容易失真，特别是当期所有应收账款快速上升或萎缩时。

递延逾期率（lagged）计算公式是：

递延逾期率=当期各逾期期数的贷款本金余额/回溯到贷款发放时期对应的贷款本金余额

8. vintage 指标

核心思想是对不同时期的开户的资产进行分别跟踪，按照账龄的长短进行同步对比，从而了解不同时期开户用户的资产质量情况。

能够将纵向不同时期的信贷资产拉平到同一时期进行比较，进而评估不同时期某账龄的信贷资产管理。一般有两种计算口径：

Vintage 指标=当期各逾期期数的贷款本金余额/回溯到贷款发放时期数对应的贷款本金余额

Vintage 指标=当期各逾期期数的贷款本金余额/回溯到贷款发放期对应的放款本金

其中常用的是第二种口径。

9. 账龄（month of book,MOB）

代表从贷款发放至今经历了多少个月，MOB0 代表放款日至当月月底，MOB1 代表放款后第二个完整月份，MOB2 代表放款后第三个完整月份。

10. 截面不良率

不同的公司定义不良贷款有较大差距，有将逾期 M3 视为不良贷款，有将 M6 视为不良贷款。计算公式是：

截面不良率=不良贷款本金余额/当前贷款总本金余额

计算某一时点整体业务不良率。

11. 财务不良率

即年化不良率，是以余额为基础进行计算，精确的计算公式是：

年化不良率=年累计不良贷款金额/年日均余额

年日均余额=每日贷款余额之和/365

粗略的估计方法是使用 vintage 不良率来估算，计算公式是：

年化不良率=vintage 不良率*贷款资金年周转次数

贷款周转次数=360/加权平均借款天数

12. 转呆账率（Write-off%,WO%）

通常逾期 6 期以上（M7）转呆账。假设某产品转呆账时间点为逾期 M6 转入逾期 M7 时，则转呆账率计算公式是：

转呆账率=当期转呆账本金余额/7 个月前贷款本金余额

13. 净损失率（Net Credit Loss%,NCL%）

NCL%的计算方式与 WO%一样，只是分子部分由当期转呆账金额改为（当期转呆账金额-当期呆账回收金额），计算公式是：

净损失率=（当期转呆账本金余额-当期呆账回收金额）/7 个月前贷款本金余额

14. xPDy

表示客户第一次出现逾期 y 天的期数，x 指期数，y 指逾期天数。

x 为 F、S、T、Q 分别代表第一期、第二期、第三期、第四期，后面期数会用数字表示。

FPD10 表示第一期首次逾期≥10天，SPD30第二期首次出现逾期≥30天。如果一个客户身上有FPD30的标记，必然有FPD7等小于30的标记。

15. 负债比（debit burden ratio,DBR）

债务人在全体金融机构的无担保债务归户后的总余额（包括借记卡、贷记卡及信用贷款）除以平均月收入，不宜超过 22 倍。

16. 迁移率（flow rate）

观察前期逾期金额经过催收后，仍未缴款而继续落入下一期的几率。一般缩写为 C-M1、M2-M3 等形式，例如：C-M1=当月进入 M1 的贷款余额/上月末 C 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。

17. 回收率

反映的是逾期资产的回收情况，与迁移率一样都是统计逾期资产是否进一步逾期的指标。在不考虑核销的情况下，迁移率及回收率的和为100%。

18. 滚动率

从某个观察点之前的一段时间（观察期）的最坏的状态，向观察点之后的一段时间（表现期）的最坏的状态的发展变化情况。

介绍完上述风险管理中用到的术语后，我将通过综合实例介绍各项的计算过程，假设 2019 年 1 月业务刚开始放款，计算所用到数据如表 1：

表 1

1. 逾期率的计算（包括即期逾期率和递延逾期率）

举例如下:

• 2019 年 2 月 coin（M1）=2 月 M1 贷款本金余额/2 月 C~M7 贷款本金余额=230000/1530000=15.03%
• 2019 年 8 月 coin（M3 ）=3 月 M4~M7 贷款本金余额/8 月 C~M7 贷款本金余额=（20000 15000 8000 6500）/2701500=1.83%
• 2019 年 2 月 lagged（M1）=2 月 M1 贷款本金余额/1 月 C~M7 贷款本金余额=230000/1000000=23%
• 2019 年 4 月 lagged（M3）=4 月 M3 贷款本金余额/2 月 C~M7 贷款本金余额=25000/1530000=16.34%
• 2019 年 7 月 lagged（M3 ）=7 月 M4 贷款本金余额/3 月 C~M7 贷款本金余额 7 月 M5 贷款本金余额/2 月 C~M7 贷款本金余额 7 月 M6 贷款本金余额/1 月 C~M7 贷款本金余额=27000/1885000 14000/1530000 8500/1000000=3.20%

2. vintage 指标的计算

使用的计算口径是：

vintage 指标=当期各逾期期数的贷款本金余额/回溯到贷款发放期对应的放款本金

以 M3 的 vintage 指标举例，2019 年 1 月放款本金 3000000 元：

• 对应合同在 mob1 M3 逾期率 0%；
• 对应合同在 mob2 M3 逾期率 0%；
• 对应合同在 mob3 M3 逾期率 0%；
• 对应合同在 mob4 M3 逾期率=21000/3000000=0.70%；
• 对应合同在 mob5 M3 逾期率=（6 月 M4 逾期本金余额 6 月 M5 逾期本金余额）/1 月放款本金；
• 但是 6 月 M4 逾期本金会同时包含 1 月 M4 逾期合同本金与 2 月 M4 逾期合同本金，所以通过表 1 数据无法计算，M3 逾期率就以下表设定为准。

表 2

根据以上表数据所绘制 vintage 曲线图如图 1：

图 1

从图 1 可以分析得出：

• ⅰ账龄最长为12个月，代表产品期限为12期。随着12期结束，账户的生命周期走到尽头。
• ⅱ2019年5月放款的合同走完账龄生命周期，而2019年6月的却没有，说明数据统计时间为2020年6月。
• Ⅲ账龄mob1、mob2、mob3的逾期率都为0，说明逾期指标为M3 （逾期超过90天）风险。
• Ⅳ放款月份从2019年1月～12月的账户M3 逾期率都在降低，说明资产质量在不断提升，可能风控水平在不断提升。2019年5月相对于2019年1～4月的逾期率大幅度下降，说明该阶段风控策略提升明显。
• Ⅴ不同月份放款的M3 在经过9个MOB后开始趋于稳定，说明账户成熟期是9个月。

3. 财务不良率

假设逾期 M3 为不良贷款，则 2019 年 12 月时点不良率=（35000 22000 11000 9000）/3102000=2.48%；假定贷款资金年周转次数为 3 次，且参考 2019 年 1 月份的逾期情况，则粗略估计财务不良率=mob12 vintage（M3 ）*3=3.45%*3=10.35%，其中 vintage（M3 ）取mob12加权平均值。

4. 迁移率分析和滚动率

迁移率分析和滚动率分析比较像，都是分析客户从某个状态变为其他状态的发展变化情况。所不同的是，滚动率侧重于分析客户逾期程度的变化，所以在做滚动率分析时需要设置相对较长的观察期和变现期。而迁移率侧重于分析客户状态的发展变化路径，如 C-M1，M1-M2，M2-M3 等。

先进行滚动率分析，在观察点 2019 年 6 月 30 日，取 1 万个客户，统计该 1 万个客户从观察期到表现期最大逾期的变化情况，如表 3。

表 3

从中可以看出：

• 正常的客户，在未来 6 个月里，有 96%会保持正常状态；
• 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 6%会恶化到 M2、M3、M3 ；
• 逾期 2 期的客户，从良率为 23%，有 39%会恶化到 M3、M3 ；
• 逾期 3 期的客户，从良率为 14%，有 61%会恶化到 M3 ；
• 逾期 3 期及以上的客户，从良率仅为 4%，有 82%会继续此状态。

因此我们认为历史逾期状态为 M3 客户几乎不会从良，为了让风控模型有更好的区分能力，需要将客户好坏界限尽可能清晰，根据滚动率分析可以定义坏用户（bad）=逾期状态 M3 （逾期超过 90 天）。再进行迁移率分析，以表 1 里数据为例进行分析，其中橙色部分为恶化迁移路径。

其计算口径为：

• 截止 1 月末，正常资产 C 为 1000000 元，此为起点。
• 截止 2 月末，1 月末的正常资产 C 中有 230000/1000000=23%恶化为逾期资产 M1。
• 截止 3 月末，2 月末的逾期资产 M1 中有 55000/230000=23.91%恶化为逾期资产 M2。
• 截止 4 月末，3 月末的逾期资产 M2 中有 25000/55000=45.45%恶化为逾期资产 M3。
• 截止 5 月末，4 月末的逾期资产 M3 中有 21000/25000=84%恶化为逾期资产 M4。
• 截止 6 月末，5 月末的逾期资产 M4 中有 10000/21000=47.62%恶化为逾期资产 M5。可能采用了委外催收、司法手段等催收策略，催回效果显著。
• 截止 7 月末，6 月末的逾期资产 M5 中有 8500/10000=85%恶化为逾期 M6 资产。
• 截止 8 月末，7 月末的逾期资产 M6 中有 6500/8500=76.57%恶化为逾期 M7 资产。此时将视为不良资产，打包转卖给第三方公司，这样就能回收部分不良资产，减少损失。

通过迁移率，我们可以清晰观察到每个 Vintage 的资产在各逾期状态的演变规律。见表 4，我们从横向比较每个月的迁移率，发现不完全一样。这是因为随着时间推移、外在宏观经济环境、内部政策等变化而产生一定的波动。

表 4

5. 呆帐风险

呆帐风险是信贷机构必须面对的风险，主要来源于信用风险和欺诈风险等。

2019 年 8月正常资产 C 转呆账率可以使用迁移率计算，计算方法为（C-M1）*（M1-M2）*（M2-M3）*（M3-M4）*（M4-M5）*（M5-M6）*（M6-M7）=23%*23.91%*45.45%*84%*47.62%*85%*76.57%=0.65%，或者使用2019年8月M7贷款本金余额/2019年1月 C~M7贷款本金余额=6500/1000000=0.65%。

由于M7不良资产的平均回收率为10%，则可计算净损失率为：0.65%*（1-10%）=0.59%。同理可以计算不同状态的资产转呆账率和净损失率。

作者：芬太克，芬太克，帝都互联网金融产品经理，5年 互联网信贷领域产品设计经验。

本文由 @芬太克原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议