詳解一個反欺詐常用的量化指標——首逾

0 評論 3424 瀏覽 10 收藏 6 分鐘

在量化欺詐風險時,“首逾”是一個常用的指標,但其衍生性很強,業內有很多統計方法,令人眼花繚亂。本文試從場景出發,解讀“首逾”的計算邏輯,希望對你有所啟發。

在量化欺詐風險時,如果說一個最常用指標,無疑是“首逾”。相比其他風險核心指標,首逾的可衍生性很強,目前已組成一個龐大的家族。業內有很多種多樣的統計方式,不免讓人混淆不清。但無論采用何種統計方式,歸根結底都是從場景出發,更好的量化風險。今天,咱們追本溯源,找到最源頭的那個口徑,了解它的計算邏輯。以便后續遇到首逾家族里的其它成員,也能觸類旁通。

首先,欺詐是客戶行為,首逾既然是為了量化欺詐風險,那么首逾的計算指標也應該是客戶維度,而不是某一筆訂單的維度;比如信貸授信是針對客戶授信,那么我們計算首逾的統計項是客戶數。

一、觀測數據獲取

一個客戶的首逾只有一次,因此一個客戶只能計算一次,不能重復計算。有幾種情況大家可以探討下:

(1)一個客戶經常發生多筆借款,這種情況下該選取那一筆來代表客戶行為呢?

——選取第一筆。而且是觀測第一筆的第一期的還款情況。

注:這里判斷第一筆的時間維度精確到天就可以了。

(2)再把場景再細化一下,一個客戶在授信后,第一次借款的同一天借了多筆的情況。那么該選取第一筆訂單呢?

——選取客戶第一筆借款當天所有的訂單。

二、客戶首逾判定

上一步選好了訂單范圍,接下來就該做首逾判定了,類似的,也分為兩種情況:

1. 對于只有一筆訂單代表客戶行為的客戶

很簡單,直接觀測這筆訂單首期到期后是否逾期即可。若首期逾期則可定義為首逾客戶。

2. 對于有多筆訂單代表客戶行為的客戶

這個相對復雜些,需要所有選中的訂單首期到期之后出現逾期才可定義為首逾客戶。只要有任一一筆訂單正常還款,都不應將該客戶判定為首逾客戶。

(從欺詐的動機出發,也容易理解,好不容易得逞了,必然卷款跑路,一筆都不會還的)

三、首逾計算(到期占比率、整體首逾率)

定義好了客戶,下一步就是指標的計算了。首先我們先計算整體首逾率,這里還有一個“到期占比”的概念。

假設統計時間點是T1,那我們可以統計出截止到T1以前完成借款的總客戶數,定義為C1;

這C1個客戶中,可以進行首逾判斷的客戶數(過了首期還款日),定義為C2;

在C2個客戶中,判定為首逾客戶數,定義為C3。

到期占比率= C2 / C1

(是對應首逾率的可信度,越大越可信)

整體的首逾率= C3 / C2

(即整體客戶中首逾客戶的比例)

舉例如下:

四、監控報表

單一的指標很難看出問題,監控要有維度,常用維度有時間、產品類型,渠道、期數,客戶等級等。維度又要切分,拿最常用的時間舉例,通常有兩種劃分方式:

1. 按借款時間切分

可以觀測到不同時間段內首次借款的客戶的首逾率的差異。

2. 按首還時間切分

可以觀測到首還時間的變化對當前新增逾期的影響。

五、進階—— FSTQPD

話不多說,直接列舉:

  • FSTQ:首逾發生在前四期
  • FPDX:首逾發生在第一期且逾期X天客戶
  • SPDX:首逾發生在第二期且逾期X天客戶
  • TPDX:首逾發生在第三期且逾期X天客戶
  • QPDX:首逾發生在第四期且逾期X天客戶

FSTQPD指標之間有互斥性,需要特別注意的就是這個【首】字,計算首二逾的時候,要將首逾客戶排除。

至此,以上是我對首逾以及衍生的一系列指標的理解和認識,不當之處,還請斧正。

作者:王小賓;微信公眾號:一起侃產品

本文由@并不跳步交叉步 原創發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自 Unsplash,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!