本文介紹了18中互聯網消費金融風控術語，并用一個具體案例展示計算過程。

一、風險管理中常用術語

要想深入了解消費金融業務，對于業務中常提到的風險常用指標，必須深刻地理解和準確地使用。行業內常用的指標及解釋說明如下：

1. 五級分類

根據內在風險程度將商業貸款劃分為正常、關注、次級、可疑、損失五類。這種分類方法是銀行主要依據借款人的還款能力，確定貸款遭受損失的風險程度來劃分的，后三種為不良貸款。

1. 正常：借款人能夠履行合同，一直能正常還本付息，不存在任何影響貸款本息及時全額償還的消極因素，貸款損失的概率為 0。
2. 關注：盡管借款人有能力償還貸款本息，但可能存在對償還產生不利影響的因素，貸款損失的概率不會超過 5%。
3. 次級：借款人的還款能力出現明顯問題，需要通過處分資產或對外融資乃至執行抵押擔保來還款付息。貸款損失的概率在 30%-50%。
4. 可疑：借款人無法足額償還貸款本息，即使執行抵押或擔保，肯定也要造成一部分損失。貸款損失的概率在 50%-75%之間。
5. 損失：借款人已無償還本息的可能，無論采取何種措施和履行何種程序，貸款都注定要損失。其貸款損失的概率在 75%-100%。

2. 逾期天數（Days Past Due,DPD）

與合同中約定應還款日相比用戶延滯天數，一般從應還款日后第一天開始計算逾期天數。比如用戶應還款日是 3 月 20 日，到 3 月 21 日仍未還款，那代表用戶逾期天數 1 天，使用 DPD1 表示。DPD30+代表逾期天數≥30天。

3. 逾期期數（Bucket）

也稱為逾期月數，正常貸款用 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。

根據逾期期數一般區分為前期，中期，后期，轉呆賬四個階段。一般將 M1 列為前期，M2~M3 列為中期，M4 以上列為后期。

4. 期末貸款余額（Ending Net Receivable,ENR）

截止到該期期末剩余未還本金。

5. 期初貸款余額（Beginning Net Receivable,BNR）

截止到該期期初剩余未還本金。

6. 月均貸款余額（Average Net Receivable,ANR）

該期平均剩余未還本金，計算公式是：

月均貸款余額=（月初貸款余額+月末貸款余額）/ 2

7. 逾期率

指某一時刻逾期貸款余額占總體貸款余額的比例，是用來衡量貸款拖欠程度的一個指標。目前行業內主要有兩種方法來統計分析，分別是即期逾期率和遞延逾期率。

即期逾期率（coincident）計算公式是：

即期逾期率=當期各逾期期數的貸款本金余額/當期貸款總本金余額

用于分析當期的逾期情況。優點是：計算簡單；缺點是：起伏較大，容易失真，特別是當期所有應收賬款快速上升或萎縮時。

遞延逾期率（lagged）計算公式是：

遞延逾期率=當期各逾期期數的貸款本金余額/回溯到貸款發放時期對應的貸款本金余額

8. Vintage 指標

核心思想是對不同時期的開戶的資產進行分別跟蹤，按照賬齡的長短進行同步對比，從而了解不同時期開戶用戶的資產質量情況。

能夠將縱向不同時期的信貸資產拉平到同一時期進行比較，進而評估不同時期某賬齡的信貸資產管理。一般有兩種計算口徑：

Vintage 指標=當期各逾期期數的貸款本金余額/回溯到貸款發放時期數對應的貸款本金余額

Vintage 指標=當期各逾期期數的貸款本金余額/回溯到貸款發放期對應的放款本金

其中常用的是第二種口徑。

9. 賬齡（month of book,MOB）

代表從貸款發放至今經歷了多少個月，MOB0 代表放款日至當月月底，MOB1 代表放款后第二個完整月份，MOB2 代表放款后第三個完整月份。

10. 截面不良率

不同的公司定義不良貸款有較大差距，有將逾期 M3+視為不良貸款，有將 M6+視為不良貸款。計算公式是：

截面不良率=不良貸款本金余額/當前貸款總本金余額

計算某一時點整體業務不良率。

11. 財務不良率

即年化不良率，是以余額為基礎進行計算，精確的計算公式是：

年化不良率=年累計不良貸款金額/年日均余額

年日均余額=每日貸款余額之和/365

粗略的估計方法是使用 vintage 不良率來估算，計算公式是：

年化不良率=vintage 不良率*貸款資金年周轉次數

貸款周轉次數=360/加權平均借款天數

12. 轉呆賬率（Write-off%,WO%）

通常逾期 6 期以上（M7）轉呆賬。假設某產品轉呆賬時間點為逾期 M6 轉入逾期 M7 時，則轉呆賬率計算公式是：

轉呆賬率=當期轉呆賬本金余額/7 個月前貸款本金余額

13. 凈損失率（Net Credit Loss%,NCL%）

NCL%的計算方式與 WO%一樣，只是分子部分由當期轉呆賬金額改為（當期轉呆賬金額-當期呆賬回收金額），計算公式是：

?凈損失率=（當期轉呆賬本金余額-當期呆賬回收金額）/7 個月前貸款本金余額

14. xPDy

表示客戶第一次出現逾期 y 天的期數，x 指期數，y 指逾期天數。

x 為 F、S、T、Q 分別代表第一期、第二期、第三期、第四期，后面期數會用數字表示。

FPD10 表示第一期首次逾期≥10天，SPD30第二期首次出現逾期≥30天。如果一個客戶身上有FPD30的標記，必然有FPD7等小于30的標記。

15. 負債比（debit burden ratio,DBR）

債務人在全體金融機構的無擔保債務歸戶后的總余額（包括借記卡、貸記卡及信用貸款）除以平均月收入，不宜超過 22 倍。

16. 遷移率（flow rate）

觀察前期逾期金額經過催收后，仍未繳款而繼續落入下一期的幾率。一般縮寫為 C-M1、M2-M3 等形式，例如：C-M1=當月進入 M1 的貸款余額/上月末 C 的貸款余額，M2-M3 = 當月進入 M3 的貸款余額 / 上月末 M2 的貸款余額。

17. 回收率

反映的是逾期資產的回收情況，與遷移率一樣都是統計逾期資產是否進一步逾期的指標。在不考慮核銷的情況下，遷移率及回收率的和為100%。

18. 滾動率

從某個觀察點之前的一段時間（觀察期）的最壞的狀態，向觀察點之后的一段時間（表現期）的最壞的狀態的發展變化情況。

二、實例講解計算過程

介紹完上述風險管理中用到的術語后，我將通過綜合實例介紹各項的計算過程，假設 2019 年 1 月業務剛開始放款，計算所用到數據如表 1：

表 1

1. 逾期率的計算（包括即期逾期率和遞延逾期率）

舉例如下:

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

2. vintage 指標的計算

使用的計算口徑是：

?vintage 指標=當期各逾期期數的貸款本金余額/回溯到貸款發放期對應的放款本金

以 M3+的 vintage 指標舉例，2019 年 1 月放款本金 3000000 元：

• 對應合同在 mob1 M3+逾期率 0%；
• 對應合同在 mob2 M3+逾期率 0%；
• 對應合同在 mob3 M3+逾期率 0%；
• 對應合同在 mob4 M3+逾期率=21000/3000000=0.70%；
• 對應合同在 mob5 M3+逾期率=（6 月 M4 逾期本金余額+6 月 M5 逾期本金余額）/1 月放款本金；
• 但是 6 月 M4 逾期本金會同時包含 1 月 M4 逾期合同本金與 2 月 M4 逾期合同本金，所以通過表 1 數據無法計算，M3+逾期率就以下表設定為準。

表 2

根據以上表數據所繪制 vintage 曲線圖如圖 1：

圖 1

從圖 1 可以分析得出：

• ⅰ賬齡最長為12個月，代表產品期限為12期。隨著12期結束，賬戶的生命周期走到盡頭。
• ⅱ2019年5月放款的合同走完賬齡生命周期，而2019年6月的卻沒有，說明數據統計時間為2020年6月。
• Ⅲ賬齡mob1、mob2、mob3的逾期率都為0，說明逾期指標為M3+（逾期超過90天）風險。
• Ⅳ放款月份從2019年1月～12月的賬戶M3+逾期率都在降低，說明資產質量在不斷提升，可能風控水平在不斷提升。2019年5月相對于2019年1～4月的逾期率大幅度下降，說明該階段風控策略提升明顯。
• Ⅴ不同月份放款的M3+在經過9個MOB后開始趨于穩定，說明賬戶成熟期是9個月。

3. 財務不良率

假設逾期 M3+為不良貸款，則 2019 年 12 月時點不良率=（35000+22000+11000+9000）/3102000=2.48%；假定貸款資金年周轉次數為 3 次，且參考 2019 年 1 月份的逾期情況，則粗略估計財務不良率=mob12 vintage（M3+）*3=3.45%*3=10.35%，其中 vintage（M3+）取mob12加權平均值。

4. 遷移率分析和滾動率

遷移率分析和滾動率分析比較像，都是分析客戶從某個狀態變為其他狀態的發展變化情況。所不同的是，滾動率側重于分析客戶逾期程度的變化，所以在做滾動率分析時需要設置相對較長的觀察期和變現期。而遷移率側重于分析客戶狀態的發展變化路徑，如 C-M1，M1-M2，M2-M3 等。

先進行滾動率分析，在觀察點 2019 年 6 月 30 日，取 1 萬個客戶，統計該 1 萬個客戶從觀察期到表現期最大逾期的變化情況，如表 3。

表 3

從中可以看出：

• 正常的客戶，在未來 6 個月里，有 96%會保持正常狀態；
• 逾期 1 期的客戶，未來有 81%會回到正常狀態，即從良率為 81%，有 6%會惡化到 M2、M3、M3+；
• 逾期 2 期的客戶，從良率為 23%，有 39%會惡化到 M3、M3+；
• 逾期 3 期的客戶，從良率為 14%，有 61%會惡化到 M3+；
• 逾期 3 期及以上的客戶，從良率僅為 4%，有 82%會繼續此狀態。

因此我們認為歷史逾期狀態為 M3+客戶幾乎不會從良，為了讓風控模型有更好的區分能力，需要將客戶好壞界限盡可能清晰，根據滾動率分析可以定義壞用戶（bad）=逾期狀態 M3+（逾期超過 90 天）。再進行遷移率分析，以表 1 里數據為例進行分析，其中橙色部分為惡化遷移路徑。

其計算口徑為：

• 截止 1 月末，正常資產 C 為 1000000 元，此為起點。
• 截止 2 月末，1 月末的正常資產 C 中有 230000/1000000=23%惡化為逾期資產 M1。
• 截止 3 月末，2 月末的逾期資產 M1 中有 55000/230000=23.91%惡化為逾期資產 M2。
• 截止 4 月末，3 月末的逾期資產 M2 中有 25000/55000=45.45%惡化為逾期資產 M3。
• 截止 5 月末，4 月末的逾期資產 M3 中有 21000/25000=84%惡化為逾期資產 M4。
• 截止 6 月末，5 月末的逾期資產 M4 中有 10000/21000=47.62%惡化為逾期資產 M5?？赡懿捎昧宋獯呤?、司法手段等催收策略，催回效果顯著。
• 截止 7 月末，6 月末的逾期資產 M5 中有 8500/10000=85%惡化為逾期 M6 資產。
• 截止 8 月末，7 月末的逾期資產 M6 中有 6500/8500=76.57%惡化為逾期 M7 資產。此時將視為不良資產，打包轉賣給第三方公司，這樣就能回收部分不良資產，減少損失。

通過遷移率，我們可以清晰觀察到每個 Vintage 的資產在各逾期狀態的演變規律。見表 4，我們從橫向比較每個月的遷移率，發現不完全一樣。這是因為隨著時間推移、外在宏觀經濟環境、內部政策等變化而產生一定的波動。

表 4

5. 呆帳風險

呆帳風險是信貸機構必須面對的風險，主要來源于信用風險和欺詐風險等。

2019 年 8月正常資產 C 轉呆賬率可以使用遷移率計算，計算方法為（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貸款本金余額/2019年1月 C~M7貸款本金余額=6500/1000000=0.65%。

由于M7不良資產的平均回收率為10%，則可計算凈損失率為：0.65%*（1-10%）=0.59%。同理可以計算不同狀態的資產轉呆賬率和凈損失率。

作者：芬太克，微信公眾號：芬太克，帝都互聯網金融產品經理，5年+互聯網信貸領域產品設計經驗。

本文由 @芬太克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