信贷风控中Vintage、滚动率、迁移率的理解(转)

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 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。

 

一、基础风控指标概念

为了更容易理解后续内容，我们先介绍一些基础的风控指标概念。

定义一：账龄(Month on Book，MOB)

指资产放款月份。类似于婴孩一出生就有了年龄，一旦申贷订单被放款，也便拥有了账龄和生命周期。

  • MOB0：放款日至当月月底

  • MOB1：放款后第二个完整的月份

  • MOB2：放款后第三个完整的月份

MOB的最大值取决于信贷产品期限。如果是12期产品，那么该资产的生命周期是12期，MOB最大到MOB12。

例如，2019年11月13日放款的订单，2019年11月是MOB0，2019年12月是MOB1，以此类推。

 

定义二：逾期天数(Days Past Due，DPD)

逾期天数 = 实际还款日 - 应还款日。

DPDN+表示逾期天数 >= N天，如DPD30+表逾期天数 >=30天的资产

例如，若还款日是每月8号，那么9号就是逾期第一天。如果客户在10号还款，那么逾期2天。

 

定义三：逾期期数(M)

指实际还款日与应还款日之间的逾期天数，并按区间划分后的逾期状态。M取自Month on Book的第一个单词。（注：不同机构所定义的区间划分可能存在差异）

  • M0：当前未逾期（或用C表示，取自Current）

  • M1：逾期1-30日

  • M2：逾期31-60日

  • M3：逾期61-90日

  • M4：逾期91-120日

  • M5：逾期121-150日

  • M6：逾期151-180日

  • M7：逾期180日以上。此时也被称为呆账（Bad Debts），会予以注销账户（write-off）

 

二、Vintage Analysis

Vintage一词最初来源于葡萄酒业 。由于每年采摘的葡萄会受到日照、气温、降水等因素的影响，最终酿造的葡萄酒品质会存在差异。在窖藏一定年份后，葡萄酒的品质将趋于稳定，也就是品质成熟，这段年份数被称为成熟期（maturity）。

简便起见，我们以酒精浓度作为衡量葡萄酒品质的标准，约定：浓度越高，品质越好。首先，记录入窖年份作为该批次葡萄酒的标签，这也被称为Vintage或者Cohort。之后，我们将每年定期抽样测量酒精浓度，保存记录数据，如图1所示。

经过几年的数据积累，我们就可以绘制出酒精浓度随时间变化的Vintage曲线。俗话说，酒越酿越醇，Vintage曲线通常是单调递增的，如图1所示。

 

我们可以利用Vintage曲线做什么呢？如图2所示，主要用途包括：

  1. 分析变化规律：评估不同年份的葡萄酒的品质随着窖藏时间推移的变化规律。某些年份的葡萄酒浓度在入窖第1年就能达到较高的水平，但上升缓慢；有些起点低，但上升快 。

  2. 确定最终品质：Vintage曲线最终稳定值，表明了这批葡萄酒的最终酒精浓度 。

  3. 确定成熟期：由图1可知，在入窖第6年后，酒精浓度稳定不变，可以确定成熟期是6年，我们最早在第6年就可以开桶品尝 。

  4. 分析影响因素：根据Vintage曲线特征，我们可以分析某个年份的葡萄所受到的环境影响因素，从而改善生产工艺。比如，由于某一年的光照不充分，糖分积累少，酒精浓度可能最终就比较低。我们就可以人工增加光照强度 。

 

在信贷领域中，我们也可以用Vintage曲线分析资产（portfolio）质量的成熟过程变化规律。为更容易理解，在此列举了Vintage分析过程中两个领域的对应关系，如图3所示。

遵循同样的分析思路，按账龄（MOB）长短对齐后比较，我们可以了解同一产品不同时期放款的资产质量。

  1. 确定资产质量：一般以逾期率来定义资产质量，也就是曲线平缓后对应的逾期率。

  2. 分析变化规律：资产质量（例如逾期率指标）的变化情况，如果前几期逾期率上升很快，那么说明短期风险没有捕捉住，欺诈风险较高；反之，如果曲线一直在上升，说明信用风险识别能力不佳。

  3. 确定账户成熟期：用来判断客户展现好坏的时间因素，从而帮助定义表现期。

  4. 分析影响因素：风控策略收紧或放松、客群变化、市场环境、政策法规等都会影响资产质量。分析影响因素，可以用来指导风控策略的调整。

求知的你肯定会疑惑，如果以逾期率来定义资产质量，那么逾期风险（目标变量Y）是如何定义的？如何确定M3，还是M6？稍安勿躁，后续将会结合滚动率分析来揭晓谜底。

首先，我们来分析为什么要确定账户的表现期？在《风控特征—时间滑窗统计特征体系》一文中曾提到过：

表现期越长，信用风险暴露将越彻底，但意味着观察期离当前越远，用以提取样本特征的历史数据将越陈旧，建模样本和未来样本的差异也越大。反之，表现期越短，风险还未暴露完全，但好处是能用到更近的样本。

例如，对于一个12期分期还款的信贷产品，理论上当用户在12期结束，并还清所有的钱后，我们才能定义为绝对的好客户；反之，我们只能说到目前为止是一个好客户，但并不能知道未来几期用户会不会逾期不还钱。

因此，我们需要确定一个合适的表现期能覆盖足够多的坏客户即可。

根据图5的信贷产品Vintage曲线，我们可以得到哪些信息呢？

  1. 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。

  2. 账龄MOB1、MOB2、MOB3的逾期率都为0，说明逾期指标为M4+（逾期超过90天）风险。

  3. 由放贷月份从2018年1月～12月的账户的最终逾期率都在降低，说明资产质量在不断提升，可能是因为风控水平在不断提升。

  4. 2018年5月相对于2018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。

  5. 不同月份放款的M4+在经过9个MOB后开始趋于稳定，说明账户成熟期是9个月。

绘制Vintage曲线时，就不得不提到纵坐标中逾期率的定义。通常有两种计算口径：

  • 第一种，订单口径，逾期率 = 逾期订单数 / 总放贷订单数

  • 第二种，金额口径，逾期率 = 逾期剩余本金 / 总放贷本金

目前互联网金融各家机构的口径定义存在差异，因此仅仅根据各家发布的Vintage曲线，有时并不能客观分析资产质量和风控水平。

 

三、Roll Rate Analysis

滚动率分析就是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，如图6所示。

⚠️注意：一般大家也习惯把vintage中的成熟期叫做表现期，因此出现一定的混淆。但意思是都是未来的一段时间窗。

滚动率分析的具体操作步骤为：

  • step 1. 确定数据源。一般利用客户还款计划表（repayment schedule）。

  • step 2. 选择观察点，以观察点为截止时间，统计客户在观察期（如过去6个月）的最长逾期期数，按最坏逾期状态将用户分为几个层次，如C、M1、M2、M3、M4+。

  • step 3. 以观察点为起始时间，统计客户在表现期（如未来6个月）的最长逾期期数，按最坏逾期状态将用户分为几个层次，如C、M1、M2、M3、M4+。

  • step 4. 交叉统计每个格子里的客户数，如图6中表1所示。

  • step 5. 统计每个格子里的客户占比，如图6中表2所示。

  • step 6. 为了排除观察点选择时的随机影响，一般会选择多个观察点。重复step1 ～5。

例如，选择观察点为2018年6月30日，我们取10,000个客户作为研究对象，统计该10,000个客户从观察期到表现期的最大逾期状态的变化情况，如图7所示。

观察图7，我们可以发现以下规律：

  1. 逾期状态为M0的客户，在未来6个月里，有96%会继续保持正常状态，4%会恶化为M1和M2；

  2. 逾期状态为M1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，13%会保持M1状态；

  3. 逾期状态为M2的客户，从良率为23%，有39%会恶化为M3和M4+；

  4. 逾期状态为M3的客户，从良率为14.7%，有60.7%会恶化为M4+；

  5. 逾期状态为M4+的客户，从良率仅为4%，有80%会继续保持此状态。

因此，我们认为历史逾期状态为M4+的客户已经坏透了，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，可以定义：

坏用户（bad）= 逾期状态为M4+（逾期超过90天）

 

四、如何确定目标变量Y

在风控建模中，由于是有监督学习，我们非常关心如何定义合适的目标变量Y？这就需要结合滚动率分析和Vintage分析，两者的分工在于：

  • 滚动率分析用于定义客户的好坏程度。

  • Vintage分析用于确定合适的表现期。

  • 定义目标变量Y的具体操作步骤为：

  • step 1. 利用滚动率分析定义坏客户，例如上文案例中定义：M4+为坏客户。

  • step 2. 以M4+作为资产质量指标，统计Vintage数据表，绘制Vintage曲线。目的是分析账户成熟期，例如上文案例确定：账户成熟期是9个月。

你可能还是会比较疑惑，为什么还需要通过Vintage分析来确定表现期？

这是因为：虽然滚动率分析确定了M4+作为坏的程度，但是对于12期的产品，有些账户是在前4期MOB（也就是MOB1 ~ MOB4，经过4个表现期）就达到M4+，有些是在后几期才达到M4+。

对于这个Vintage里所有的账户，我们的目的是抓住尽可能多的坏客户。

现在进一步补充Vintage曲线的绘制过程：如图8所示，对于这10,000个账户，以MOB1为起点，把前N个MOB作为一个窗口，滑窗统计坏客户率，得到图5-表1中的Vintage数据，并绘制Vintage曲线。我们可以发现：经过9期，我们几乎能够抓住所有的坏客户。

 

因此，我们将两者结合起来，定义：

Bad = 账户经过9期表现期后，逾期状态为M4+（逾期超过90天）。此时Y=1。
Good = 经过9期表现期，但未达到M4+逾期状态。此时Y=0。
Intermediate = 未进入9期表现期，账户还未成熟，无法定义好坏，也就是不定样本。

 

参考链接：
https://mp.weixin.qq.com/s/xJQlNOYEqdGyM6i61BAQUg

posted @ 2022-09-09 15:26  光彩照人  阅读(3029)  评论(0)  编辑  收藏  举报