2022-08-11

智能风控学习笔记(一)

1.1 信用与管理

        信贷业务(信贷资产或贷款业务)

        What : 是商业银行和互联网金融公司最重要的资产业务和赢利手段。赢利方式:通过放款收回本金和利息,扣除成本后获得盈利。

        How:对有贷款需求的用户,平台首先需要对其未来还款能力进行预测,然后将本金借给还款概率大的用户。其中一个很重要的点就是对用户的信用衡量与管理。

        信用管理包含两个概念——信用和管理。信用:先买后付,即使用信用值来预支金钱。管理是通过用户信息对用户的信用度进行评估,并根据信用情况定制风险规避策略。所谓风险控制(风控)就是对用户风险进行管理和规避的过程。

1.2 风控的常见专业术语

1.2.1 信贷基础指标

        年度百分率(Annual Percentage Rate,APR):复利计息,通常是按一年一次来计算的利率。借款人借款1000元,借期一年,利率为8%。如果在一年期满后,该借款人支付了1080,其中1000为本金,80为利息,那么APR与利率是一样的:80/1000 = 8%。但是,如果贷款人此前收取了25元的服务费,借款人实际只借到了975元,而不是1000元,支付105而不是80元,那么APR计算如下:105/975 = 10.77%.

        应收账款(Accounts Receivable, AR):截至观察时间点,用户当前所在账期的应收账款。

        账龄(Month of Book,MOB):资产放款月份。MOB0表示放款日至当月月底;MOB1表示放款后第一个完整的月份,MOB2类似定义。其最大值取决于当前铲平的周期,如12期最多存在MOB12.

        逾期天数(Days past Due,DPD):已逾契约书约定缴款日的延滞天数。贷放型产品自到期当天开始计算,如DPD0为到期日,DPD1为逾期一日。

        逾期期数(Bucket):逾期的月份数。逾期1个月为M1,逾期3个月以上可以记作M3 +.

        逾期阶段(Stage):分为前期、中期、后期和转呆账。一般将M1(1~29)列为前期,M2~M3(30~89)列为中期,M4(90+)以上列为后期,已转呆账者则列入转呆账。

        即期指标(Coincidental):计算延滞率时常用的两种方法之一,以当期各逾期期数对应的 延滞金额 / 营长账款(AR).

        递延指标(Lagged):计算延滞率时常用的两种方法之一,为 延滞金额 / 上月应收账款。若单纯想了解各月资产质量结构,可使用Lagged ,但若想精准追溯到逾放源头,建议采用Coincidental 指标。

        留存率(Retained Rate):实际分为人头留存率(用户复贷占比)和 余额留存率 (复贷金额占比).

        提现率(Withdrawal Rate):使用提现功能的客户占比。

        额度使用率(Credit Utilization Rate):用户使用额度占总额度的百分比。

        复借率(Reloan Rate):用户还款后再次贷款的概率。主要用于循环贷产品。

1.2.2 信贷风险指标

        除信贷基础指标外,还需要掌握风险相关的指标。资产质量通常用来指代金融平台的逾期情况和总收益情况。

        延滞率(Delinquent Rate):计算可分为即期和延递两种方式,除了各逾期期数,也会观察特定Bucket 以上的Delinquent Rate. 如M2 + 的Lagged 和M4 + 的Lagged 等指标,如M2 + 的Lagged ,分母为两个月前应收账款,分子为本月M2 (含以上)尚未转呆账的逾期金额。M1 落入 M2 以上可确认为无意还款或是蓄意拖欠。        

        不良率(Bad Rate ):当月 不良资产数 / 总资产数 。用于描述平台。定义除了逾期户外,可能还包含各式债务协议及高风险控管户等。

        转呆账率(Write-Off ,WO):当月 转呆账金额 / 逾期开始月的AR. 经过年化换算之后,月转呆账率转换为年损失率。

        净损失率(Net Credit Loss,NCL):当期转呆账金额 - 当期呆账回收即为净损。通常NCL 与 WO 一并列示。NCL 的计算方式为净损金额 / 逾期开始月的AR ,通常也已年化形态为主。

        累计转呆账率 : 主要目的是观察期满客户的累计损失率,计算样本为已届满总期数后的 N 期客户,计算公式为:分母案件第1~(K+N) 期的转呆账金额 / 已满 (K+N)期案件的初贷总金额。K表示总期数, N表示转呆账所需期数。最后1期应缴金额若延滞,经过N个月后才会转为呆账。转换为年化后才较容易解读,可精确计算该产品整个生命周期结束后的实际损失率,但在中长期贷放产品中较少使用。

        负债比(Debit Burden Ratio):测试客户还款压力的常用指标,计算公式为:总无担保债务归户后的总余额(包括信用卡、现金卡及信用贷款) / 月收入。不宜超过22 倍。

        月负比:另一种衡量还款压力的指标,计算公式为:(推估每月各项贷款月付额 + 最低生活费)/ 月收入。

        平均额度:主要用于观察不同产品及群组间额度的差异。

        风险等级(Risk Grade):用来进行客户分群的方法。越来越多的银行采用信用评分来进行划分。

        命中率(Hit Rate):指控管后一定时间内客户发生延滞的几率,用于信用卡的中途授信及早期预警报表。命中率过低可能表示风险判断方向有误。

        可用余额(open To Buy, OTB):常与命中率指标一同出现,计算方式为先找出证实控管命中的客户,再汇总这些客户遭控管时的信用余额。该数字可视为银行因控管而减少的损失。

        首次还款逾期(First Payment Deliquency ):其描述的是一种客户占比。用户授信通过后,首笔需要还款的账单,在最后还款日后7天内为还款且未办理延期的客户比例即为FPD7 , 分子为观察周期里下单且发生7日以上逾期的客户数,分母为当期所有首笔下单且满足还款日后7天,在观察周期里的用户数。常用的FPD指标还有FPD30.

        预期损失(Expected Loss,EL):根据历史数据,预估策略或模型变动后的损失。

        收入负载(Debit To Income,DTI):每月应偿还债务与每月税前收入的比例。

1.3 企业信贷风险架构

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,914评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,935评论 2 383
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,531评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,309评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,381评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,730评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,882评论 3 404
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,643评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,095评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,448评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,566评论 1 339
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,253评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,829评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,715评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,945评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,248评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,440评论 2 348

推荐阅读更多精彩内容