風(fēng)控中英文術(shù)語手冊(銀行_消費金融信貸業(yè)務(wù))_v6
在公眾號「python風(fēng)控模型」里回復(fù)關(guān)鍵字：學(xué)習(xí)資料?
QQ學(xué)習(xí)群：1026993837 領(lǐng)學(xué)習(xí)資料? ? ? ? ? ??
1、風(fēng)控系統(tǒng)部分
1.Blaze
blaze是FICO公司產(chǎn)品，用于規(guī)則管理，是模型ABC卡開發(fā)的前身。信貸公司開始放貸時，數(shù)據(jù)量少，申請用戶少，難以建立模型。因此前期一般會用到專家經(jīng)驗判斷好壞客戶，然后通過風(fēng)控決策管理系統(tǒng)進行高效作業(yè)，其中blaze就是一款應(yīng)用多年，效率較高風(fēng)控決策管理系統(tǒng)。但blaze屬于商業(yè)產(chǎn)品，一般多應(yīng)用于大銀行，捷信等大型消費金融公司，收費可高于100萬RMB每年，如果需要更多定制業(yè)務(wù)，收費更高。
1.1 A card
釋義：Application scorecard 申請評分卡，對授信階段提交的資料賦值的規(guī)則。
舉例：“進件”是傳統(tǒng)銀行的說法，指申請單。評分卡是對一系列用戶信息的綜合判斷。隨著可以收集到的用戶信息變多，授信決策者不再滿足于簡單的if、else邏輯，而是希望對各個資料賦予權(quán)重和分值，根據(jù)用戶最后綜合得分判斷風(fēng)險，通過劃定分數(shù)線調(diào)整風(fēng)險容忍度，評分卡應(yīng)運而生。評分卡是邏輯回歸算法的一種衍生。
1.2 B card
釋義：Behavior scorecard 行為評分卡，對貸后可以收集到的用戶信息進行評分的規(guī)則。
舉例：與 A 卡類似，B卡也是一套評分規(guī)則，在貸款發(fā)放后，通過收集用戶拿到錢后的行為數(shù)據(jù)，推測用戶是否會逾期，是否可以繼續(xù)給該用戶借款。例如用戶在某銀行貸款后，又去其他多家銀行申請了貸款，那可以認為此人資金短缺，可能還不上錢，如果再申請銀行貸款，就要慎重放款。B卡模型中，有很多存量管理的子模型，包括激活沉默客戶模型，找出價值較高客戶，增加貸款額度模型等等。
1.3 C card
釋義：Collection Scorecard 催收評分卡，對已逾期用戶未來出催能力做判斷的評分規(guī)則。
舉例：催收評分卡是行為評分卡的衍生應(yīng)用，其作用是預(yù)判對逾期用戶的催收力度。對于信譽較好的用戶，不催收或輕量催收即可回款。對于有長時間逾期傾向的用戶，需要從逾期開始就重點催收。逾期天數(shù)越多，催收難度越大。
催收一般分為多個坐席，M1，M2，M3等不同坐席員工經(jīng)驗和業(yè)務(wù)能力相差甚大。AI人工智能常用于前期自動化催收。
申請評分卡、行為評分卡和催收評分卡常合并稱為“ABC卡”，應(yīng)用在貸前、貸中和貸后管理。
。。。。。。。
2、風(fēng)控指標部分
1 Aging Analysis
釋義：賬齡分析。顯示各期至觀察點為止的延滯率，其特點為結(jié)算終點一致，把分散于各個月的放貸合并到一個觀察時間點合并計算逾期比率。
2 Vintage Analysis
釋義：統(tǒng)計每個月新增放款在之后各月的逾期情況,同樣也是賬齡分析。與aging Analysis不同，vintage以貸款的賬齡為基礎(chǔ)，觀察貸后N個月的逾期比率。也可用于分析各時期的放貸后續(xù)質(zhì)量，觀察進件規(guī)則調(diào)整對債權(quán)質(zhì)量的影響。舉例：Deliquency Vintage 30+:表現(xiàn)月逾期30+剩余本金/對應(yīng)賬單生成月發(fā)放貸款金額。風(fēng)控中英文術(shù)語手冊(銀行_消費金融信貸業(yè)務(wù))_v4_術(shù)語手冊
3 C 、M
釋義：C和M是描述逾期期數(shù)bucket的專有名詞。M0為正常資產(chǎn)，Mx為逾期 x 期，Mx+為逾x期（含）以上。無逾期正常還款的bucket為M0，即C，M1即逾1期（1-29天） 。M2+即逾2期及以上（30+） 。M2和M4是兩個重要的觀察節(jié)點，一般認為M1為前期，M2-M3為中期，M4以上為后期，大于M6的轉(zhuǎn)呆賬。
4 Delinquency
釋義：逾期率/延滯率。評價資產(chǎn)質(zhì)量的指標，可分為Coincident和Lagged兩種觀察方式。
5 Coincident
釋義：即期指標。用于分析當(dāng)期所有應(yīng)收賬款的質(zhì)量，計算延滯率。計算方式是以當(dāng)期各bucket延滯金額除以本期應(yīng)收賬款（AR）總額。Coincident是在當(dāng)前觀察點總覽整體，所以容易受到當(dāng)期應(yīng)收賬款的高低導(dǎo)致波動，這適合業(yè)務(wù)總量波動不大的情況下觀察資產(chǎn)質(zhì)量。舉例：常看的一個指標Coincident DPD 30+
6 Lagged
釋義：遞延指標。與coincident相同也是計算延滯率的一個指標，區(qū)別是lagged的分母為產(chǎn)生逾期金額的那一期的應(yīng)收賬款。Lagged觀察的是放貸當(dāng)期所產(chǎn)生的逾期比率，所以不受本期應(yīng)收賬款的起伏所影響。舉例：Lagged DPD 30+$(%)= Lagged M2+Lagged M3+Lagged M4+Lagged M5+Lagged M6 月末資產(chǎn)余額M1(1-29天): 統(tǒng)計月份月末資產(chǎn)中滿足 1≤當(dāng)前逾期天數(shù)≤29 的訂單剩余本金總和，當(dāng)前逾期天數(shù)為訂單當(dāng)前最大逾期天數(shù)，不包含壞賬訂單。Lagged M1 =月末M1的貸款余額/上個月底的貸款余額(M0~M6) 風(fēng)控中英文術(shù)語手冊(銀行_消費金融信貸業(yè)務(wù))_v4_風(fēng)控_02
7.0 PD（Past Due）
例如FPD1，SPD7，TPD30...前面的字母，F(xiàn)：first，表示第一期逾期，同理 S，T，Q分別表示二 三 四， 后面會用數(shù)字表示。如5PD30。后面的數(shù)字， 指逾期天數(shù)，如果一個客戶身上有FPD30的標記，那必然有FPD1 FPD7等小于30的標記。dpd（days past due）逾期天數(shù)，貸放型產(chǎn)品自繳款截止日（通常為次一關(guān)賬日）后一天算起。4期中，任意一期逾期天數(shù)超過30天就算壞客戶 需注意的一點，PD類指標通?；コ?，也就是說一個人如果有了FPD標志就不會有SPD標志，SPD表示第一期正常還款但是第二期才出現(xiàn)逾期的客戶。
7 DPD
釋義：Days Past Due 逾期天數(shù)，自還款日次日起到實還日期間的天數(shù)。舉例：DPD7+/30+，大于7天和30天的歷史逾期。業(yè)內(nèi)比較嚴格的逾期率計算公式為：在給定時間點，當(dāng)前已經(jīng)逾期90天以上的借款賬戶的未還剩余本金總額除以可能產(chǎn)生90+逾期的累計合同總額。其分子的概念是，只要已經(jīng)產(chǎn)生90天以上逾期，那么未還合同剩余本金總額都視為有逾期可能，而分母則將一些借款賬齡時間很短的，絕對不可能產(chǎn)生90+逾期的合同金額剔除在外（比如只在2天前借款，無論如何都不可能產(chǎn)生90天以上逾期）。
8 FPD
釋義：First Payment Deliquency，首次還款逾期。用戶授信通過后，首筆需要還款的賬單，在最后還款日后7天內(nèi)未還款且未辦理延期的客戶比例即為FPD 7，分子為觀察周期里下單且已發(fā)生7日以上逾期的用戶數(shù)，分母為當(dāng)期所有首筆下單且滿足還款日后7天，在觀察周期里的用戶數(shù)。常用的FPD指標還有FPD 30。舉例：假設(shè)用戶在10.1日授信通過，在10.5日通過分期借款產(chǎn)生了首筆分3期的借款，且設(shè)置每月8日為還款日。則11.08是第一筆賬單的還款日，出賬日后，還款日結(jié)束前還款則不算逾期。如11.16仍未還款，則算入10.1-10.30周期的 風(fēng)控中英文術(shù)語手冊(銀行_消費金融信貸業(yè)務(wù))_v4_銀行_03 FPD7的分子內(nèi)。通常逾期幾天的用戶可能是忘了還款或一時手頭緊張，但FPD 7 指標可以用戶來評價授信人群的信用風(fēng)險，對未來資產(chǎn)的健康度進行預(yù)估。與FPD 7 類似，F(xiàn)PD 30也是對用戶首筆待還賬單逾期情況進行觀察的指標。對于逾期30天內(nèi)的用戶，可以通過加大催收力度挽回一些損失，對于逾期30天以上的用戶，催收回款的幾率就大幅下降了，可能進行委外催收。如果一段時間內(nèi)的用戶FPD 7較高，且較少催收回款大多落入了FPD 30 內(nèi)，則證明這批用戶群的non-starter比例高，借款時壓根就沒想還，反之則說明用戶群的信用風(fēng)險更嚴重。
9 Cpd30mob4
cpd用于催收模型，是催收指標，還款表現(xiàn)第四個月月末時點逾期是否超過30天，不包括歷史
0 maxdpd30_mob4
四個觀察期（月）內(nèi)，逾期是否超過30天，包括歷史
1 MOB在賬月份
放款后的月份舉例：MOB0,放款日至當(dāng)月月底 MOB1,放款后第二個完整月份 MOB2,放款后第三個完整月份 mob3-3個月為短觀察期，mob6-6個月為長觀察期
2 Flow Rate
釋義：遷徙率。觀察前期逾期金額經(jīng)過催收后，仍未繳款而繼續(xù)落入下一期的幾率。舉例：M0-M1=M月月末資產(chǎn)余額M1 / 上月末M0的在貸余額 8月M0-M1 ：8月進入M1的貸款余額 / 8月月初即7月月末M0的在貸余額 補充信息：宏觀經(jīng)濟中 短期風(fēng)險可以使用FDP,SPD,TPD進行衡量；中期風(fēng)險可以使用30+@MOB4；長期風(fēng)險使用90+@MOB6等 To measure the short-term risk, FPD,SPD,TPD could be used; To measure the middle-term risk, 30+@MOB4 could be used; To measure the long-term risk, 90+@MOB6 could be used; 不同產(chǎn)品應(yīng)用不同指標 Fpd30(現(xiàn)金貸產(chǎn)品) maxdpd30_mob4 （存量客戶） Cpd30mob4（催收客戶） 汽車貸壞客戶定義（僅做參考） 風(fēng)控中英文術(shù)語手冊(銀行_消費金融信貸業(yè)務(wù))_v4_銀行_04 說明：由于場景細分，不同場景差異化較大，以上指標說明僅做參考。?
? ?3.3 RPC：Right Public Concact，能有效的聯(lián)系人，通過電話催收可以找到的客戶本人或直屬親屬。
? ?3.4 PDP: Promise To Pay，承諾在某個前線內(nèi)歸還一定金額的欠款。
? ?3.5 inptp :是否在承諾還款期限內(nèi)，以最新一次覆蓋為準。?
? ?3.6 ?入催：特指進入待催任務(wù)列表，不一定與逾期天數(shù)逾期金額相關(guān)，如寬限隊列，強制入催。
? ?3.7 出催：特征退出待催任務(wù)列表，退出條件與入催原因相關(guān)。
? ?3.8 降期：指歸還部分逾期欠款，滿足逾期天數(shù)最高的賬單或合同金額，降至下一級逾期階段，如M3降至M2，在多賬單多產(chǎn)品合同產(chǎn)品中常見。
? ?3.9 隊列：催收分案專用名詞，比如內(nèi)催隊列、委外隊列、寬限隊列、外訪隊列，對應(yīng)相應(yīng)的催收手段。
4.0貸后員工效能指標
4.0.1運營指標
? ? 覆蓋率：檔期完成跟進客戶數(shù)/當(dāng)日需跟進客戶數(shù)
? ? 投訴率：定性為有效投訴的客戶數(shù)/在催客戶數(shù)
? ? PTP率（下P率）：獲得承諾還款客戶數(shù)/在催客戶數(shù)
? ? 跟P率：P期結(jié)束當(dāng)天有跟進記錄客戶數(shù)/承諾應(yīng)還款客戶數(shù)（也可選擇統(tǒng)計P期期間有跟進記錄的為分子）
? ? KPTP率：兌現(xiàn)承諾次數(shù)/承諾諾還款次數(shù)
? ? 人均在案：待催客戶數(shù)/催收員數(shù)量?
4.0.2呼叫指標
? ? 外呼電話通數(shù)/外呼電話時長
? ? 工時利用率：外呼電話時長/在線時長（工作時長）
? ? 接通率：外呼接聽次數(shù)/ 外呼次數(shù)
? ? 有效通話時長：外呼通常接聽動作后時長
? ? 平均通話時長：總通話時長/出勤日數(shù)量
? ? 呼損率：呼通但接聽失敗的通數(shù)/外呼電話通數(shù)
5.貸后監(jiān)控指標
? ? 失聯(lián)率：三種定義方向，外呼結(jié)果、催收表示、規(guī)則定義
? ? 短信成功率：短信發(fā)送成功數(shù)量/短信發(fā)送數(shù)量
? ? 批扣成功率：批扣成功數(shù)量/批扣客戶數(shù)
? ? 新增逾期率：逾期客戶數(shù)/到期客戶數(shù)（剔除已提前結(jié)清）
? ? 留存率：T+N日仍在催客戶數(shù)（金額）/T日入催客戶數(shù)（金額）
? ? 惡意拖欠率：放款后90天以上無任何還款記錄人數(shù)/放款人數(shù)（金額）
3、風(fēng)控模型部分
3.1 Benchmark
釋義：基準。每個版本的新模型都要與一個線上的基準模型或規(guī)則集做效果比對。
3.2 IV
釋義：information value 信息值，也稱VOI，value of information，取值區(qū)間(0,1)。該值用來表示某個變量的預(yù)測能力，越大越好。金融風(fēng)控篩選變量閾值為0.02。如果變量的iv低于0.02，那么變量就會被踢除。我作為模型專家提醒大家，iv值不能死記硬背，需要根據(jù)自己場景數(shù)據(jù)分布特點來定制閾值。不同場景變量iv值分布差異可能較大，例如放貸，車貸和現(xiàn)金貸。
3.3 K-S value
釋義：K-S指klmogrov-smirnov，這是一個區(qū)隔力指標。所謂區(qū)隔力，是指模型對于好壞客戶的區(qū)分能力。K-S值從0-1，越大越好，越小越差。真實場景中風(fēng)控領(lǐng)域的模型ks能超過0.4的很少。
3.4 PSI
釋義：population stability index，穩(wěn)定度指標，越低越穩(wěn)定。用于比較當(dāng)前客群與模型開發(fā)樣本客群差異程度，評價模型的效果是否符合預(yù)期。PSI越接近0，模型穩(wěn)定性越好。當(dāng)PSI小于0.1時表示模型比較穩(wěn)定，當(dāng)psi在0.1和0.25之間時模型穩(wěn)定性出現(xiàn)波動，需要檢查模型，如果必要，需要重新開發(fā)模型。
3.6 Logloss
釋義：對數(shù)損失函數(shù)
當(dāng)預(yù)測概率接近1時，對數(shù)損失緩慢下降。但隨著預(yù)測概率的降低，對數(shù)損失迅速增加。對數(shù)損失值越大時，模型精確度越差，反之亦然。
3.7 Training Sample
釋義：建模樣本，用來訓(xùn)練模型的一組有表現(xiàn)的用戶數(shù)據(jù)。配合該樣本還有off-time sample（驗證樣本），兩個樣本都取同樣的用戶維度，通常要使用建模樣本訓(xùn)練出的模型在驗證樣本上進行驗證。
3.8 WOE
釋義：weight of ecidence，證據(jù)權(quán)重，取值區(qū)間(-1,1)。違約件占比高于正常件，WOE為負數(shù)。絕對值越高，表明該組因子區(qū)分好壞客戶的能力越強。評分卡模型的數(shù)據(jù)需要把原始數(shù)據(jù)轉(zhuǎn)換為woe數(shù)據(jù)，從而減少變量的方差，使其平滑。IV值也是由woe值轉(zhuǎn)換而來。由于woe在評估變量時有一定缺陷，因此一般用iv值評估變量重要性。
3.9 Bad Capture Rate
釋義：壞用戶捕獲率。這是評價模型效果的一個指標，比率越高越好。
舉例：Top 10% Bad Capture Rate是指模型評估出的最壞用戶中的前10%用戶，在樣本中為壞用戶的比率。
3.10 Population
釋義：All Population，全體樣本用戶，包含建模樣本與驗證樣本。
3.11 Variable
釋義：變量名。每個模型都依賴許多的基礎(chǔ)變量和衍生變量作為入?yún)?。變量的命名需要符合?guī)范，易于理解和擴充。建模前變量是需要篩選的。大數(shù)據(jù)模型中，百分之90%以上變量是噪音變量。真正有用變量是其中極少部分。
3.12 CORR
釋義：相關(guān)系數(shù)。Corr的絕對值越接近1，則線性相關(guān)程度越高，越接近0，則相關(guān)程度越低。相關(guān)系數(shù)計算要看數(shù)據(jù)分布，如果數(shù)據(jù)呈現(xiàn)正太分布，用皮爾森方法準確率較高；反之用斯皮爾曼方法更合適。
3.13 混淆矩陣confusion matrix
sensitivity：真陽性條件下，測試也是陽性
specificity:真陰性條件下，測試也是陰性
FALSE positive:真陰性條件下，測試卻是陽性
FALSE negative：真陽性條件下，測試卻是陰性
3.14 模型算法
邏輯回歸（logistic regression）
logistic回歸是一種廣義線性回歸（generalized linear model），因此與多重線性回歸分析有很多相同之處。它們的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求參數(shù)，其區(qū)別在于他們的因變量不同，多重線性回歸直接將w‘x+b作為因變量，即y =w‘x+b，而logistic回歸則通過函數(shù)L將w‘x+b對應(yīng)一個隱狀態(tài)p，p =L(w‘x+b),然后根據(jù)p 與1-p的大小決定因變量的值。如果L是logistic函數(shù)，就是logistic回歸，如果L是多項式函數(shù)就是多項式回歸。
logistic回歸的因變量可以是二分類的，也可以是多分類的，但是二分類的更為常用，也更加容易解釋，多類可以使用softmax方法進行處理。實際中最為常用的就是二分類的logistic回歸。
評分卡相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063615?tuin=dcbf0ba
評分卡相關(guān)教程入口2
https://study.163.com/course/courseMain.htm?courseId=1005214003&share=2&shareId=400000000398149
支持向量機（Support Vector Machine, SVM）
支持向量機（Support Vector Machine, SVM）是一類按監(jiān)督學(xué)習(xí)（supervised learning）方式對數(shù)據(jù)進行二元分類的廣義線性分類器（generalized linear classifier），其決策邊界是對學(xué)習(xí)樣本求解的最大邊距超平面（maximum-margin hyperplane）。SVM被提出于1964年，在二十世紀90年代后得到快速發(fā)展并衍生出一系列改進和擴展算法，在人像識別、文本分類等模式識別（pattern recognition）問題中有得到應(yīng)用。支持向量機算法在小樣本數(shù)據(jù)效果較好，訓(xùn)練大數(shù)據(jù)時耗時較長。
神經(jīng)網(wǎng)絡(luò)（ Neural network ）
邏輯性的思維是指根據(jù)邏輯規(guī)則進行推理的過程；它先將信息化成概念，并用符號表示，然后，根據(jù)符號運算按串行模式進行邏輯推理；這一過程可以寫成串行的指令，讓計算機執(zhí)行。然而，直觀性的思維是將分布式存儲的信息綜合起來，結(jié)果是忽然間產(chǎn)生的想法或解決問題的辦法。這種思維方式的根本之點在于以下兩點：1.信息是通過神經(jīng)元上的興奮模式分布存儲在網(wǎng)絡(luò)上；2.信息處理是通過神經(jīng)元之間同時相互作用的動態(tài)過程來完成的。
注意：計算機神經(jīng)網(wǎng)絡(luò)和人腦生物神經(jīng)網(wǎng)絡(luò)運作原理是不同的。
有點：處理大數(shù)據(jù)高效，可處理復(fù)雜和多維數(shù)據(jù)，靈活快速
缺點：數(shù)據(jù)需要預(yù)處理
xgboost
XGBoost是一個優(yōu)化的分布式梯度增強庫，旨在實現(xiàn)高效，靈活和便攜。它在 Gradient Boosting 框架下實現(xiàn)機器學(xué)習(xí)算法。XGBoost提供并行樹提升（也稱為GBDT，GBM），可以快速準確地解決許多數(shù)據(jù)科學(xué)問題。相同的代碼在主要的分布式環(huán)境（Hadoop，SGE，MPI）上運行，并且可以解決數(shù)十億個示例之外的問題。xgboost是集成樹算法，由陳天奇發(fā)明，該算法在kaggle競賽多次奪冠
lightgbm
?Light Gradient Boosted Machine，簡稱LightGBM，是一個開源庫，提供了梯度提升算法的高效實現(xiàn)，微軟公司開發(fā)算法，綜合性能優(yōu)于xgboost。
LightGBM 通過添加一種自動特征選擇以及專注于具有更大梯度的提升示例來擴展梯度提升算法。這可以顯著加快訓(xùn)練速度并提高預(yù)測性能。
與其他 boosting 相關(guān)框架相比，它具有以下優(yōu)勢——
在不影響效率的情況下更快地訓(xùn)練速度。
內(nèi)存使用率也很低。
它提供了更好的準確性。
它支持并行和GPU兩種學(xué)習(xí)方式。
它具有處理大規(guī)模數(shù)據(jù)的能力。
catboost
俄羅斯搜索巨頭Yandex宣布，將向開源社區(qū)提交一款梯度提升機器學(xué)習(xí)庫CatBoost。它能夠在數(shù)據(jù)疏的情況下“教”機器學(xué)習(xí)。特別是在沒有像視頻、文本、圖像這類感官型數(shù)據(jù)的時候，CatBoost也能根據(jù)事務(wù)型數(shù)據(jù)或歷史數(shù)據(jù)進行操作。
catboost特點：
少量或無需調(diào)參，默認參數(shù)效果非常好
支持分類變量
支持GPU
Ngboost
斯坦福 ML Group最近在他們的論文 Duan et al., 2019 中發(fā)表了一種新算法，其實現(xiàn)稱為 NGBoost。該算法通過使用自然梯度將不確定性估計包括在梯度提升中。
NGBoost 是一種新的提升算法，它使用自然梯度提升，一種用于概率預(yù)測的模塊化提升算法。該算法由基學(xué)習(xí)器、參數(shù)概率分布和評分規(guī)則組成。
xgboost，catboost，lightgbm，ngboost相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063950
入口2
https://study.163.com/course/courseMain.htm?courseId=1005988013&share=2&shareId=400000000398149
4、風(fēng)控基礎(chǔ)詞匯部分
4.1 APR
釋義：Annual percentage rate，年度百分率，一年一次復(fù)利計息的利率。nominal APR名義利率，effective APR實際利率。
4.2 AR
釋義：accounts receivable，當(dāng)期應(yīng)收賬款。
4.3 Application fraud
釋義：偽冒申請
4.4 Transaction fraud
釋義：欺詐交易
4.5 Balance Transfer
釋義：余額代償，即信用卡還款業(yè)務(wù)。
4.6 Collection
釋義：?催收。根據(jù)用戶入催時間由短到長，分為Early collection（早期催收）、Front end（前段催收）、Middle ? range（中段催收）、Hot core（后段催收）Recovery（呆賬后催收/壞賬收入）這幾個階段，對應(yīng)不同的催收手段和頻率。
4.7 DBR
釋義：debit burden ratio，負債比。通常債務(wù)人的在各渠道的總體無擔(dān)保負債不宜超過其月均收入的22倍。
4.8 Installment
釋義：分期付款
4.9 IIP
釋義: 計提的壞賬準備
4.10 PIP
釋義：資產(chǎn)減值損失
4.11 NCL
釋義：net credit loss，凈損失率。當(dāng)期轉(zhuǎn)呆賬金額減去當(dāng)期呆賬回收即為凈損失金額。
4.12 Loan Amount
釋義：在貸總額
4.13 MOB
釋義：month on book 賬齡
舉例：MOB0,放款日至當(dāng)月月底。MOB1,放款后第二個完整月份
4.14 Non-starter
釋義：惡意逾期客戶
4.15 Payday Loan
釋義：發(fā)薪日貸款。無抵押的信用貸款，放款速度快，額度低，期限短但利率高。額度低和高利率是該模式的必要條件。
4.16 Revolving
釋義：循環(huán)信用。提錢樂信用錢包給用戶的就是循環(huán)額度，相對應(yīng)的還有醫(yī)美、教育類的專項額度。
4.17 WO
釋義：Write-off ，轉(zhuǎn)呆賬，通常逾期6期以上轉(zhuǎn)呆賬。
4.18 AR
AR授信通過率=SUM(貸款申請通過賬戶)/SUM(申請賬戶)
4.19 DR
DR違約率=SUM(發(fā)生違約賬戶)/SUM(使用授信賬戶)
4.20 EAD
EAD授信敞口=SUM(C0+M1+M2+...+M6+)
4.21授信轉(zhuǎn)化率
授信轉(zhuǎn)化率=SUM(使用授信賬戶)/SUM(申請賬戶)
4.22延滯率/遞延率（flow through%）
計算可分為coincidental及l(fā)agged兩種方式，除了各bucket延滯率之外，也會觀察特定bucket以上的延滯率。如M2+lagged%及M4+lagged%等指標，以M2+lagged%為例，分母為兩個月前應(yīng)收賬款，分子為本月M2（含）以上尚未轉(zhuǎn)呆賬的逾期金額。在消費金融風(fēng)險管理上，M2及M4是兩個重要的觀測點，原因是客戶可能因為太忙或者忘記造成的賬款逾期，但是經(jīng)過M1催收后依舊落入M2以上，可確認為無力繳款或蓄意拖欠。
4.23不良率（bad%）
bad的應(yīng)用除了一般的風(fēng)險分析外，信用評分模型的建置也需要實現(xiàn)確定bad定義。
一般bad的定義除了逾期戶、高風(fēng)險賬戶等，當(dāng)前以逾期戶為主。
4.24轉(zhuǎn)呆賬率（write-off%）
簡寫為wo%，當(dāng)月轉(zhuǎn)呆賬金額/逾期開始月的應(yīng)收賬款。經(jīng)過年化之后，月轉(zhuǎn)呆賬率轉(zhuǎn)換為年損失率。
4.25凈損失率（NCL）
其定義為：當(dāng)期轉(zhuǎn)呆賬金額-當(dāng)期呆賬回收，亦即為凈損概念。就整體風(fēng)險管理績效觀點來看，呆賬后回收亦為以重要一環(huán)，所以NCL%與WO%常常一并顯示。
4.26撥貸率
又稱撥貸比，是指撥備占總貸款的比例，撥貸率越高，說明該銀行的防御壞帳風(fēng)險能力越強。計算公式為：撥備余額/貸款總額=撥備覆蓋率*不良貸款率。
4.27撥備覆蓋率
也稱撥備充足率，實際上是銀行貸款可能發(fā)生的呆、壞帳準備金的使用比例，撥備覆蓋率是實際計提貸款損失準備對不良貸款的比率，該比率最佳為100%。計算公式為：貸款損失準備金/不良貸款余額。
4.28不良貸款率
指金融機構(gòu)不良貸款占總額貸款余額的比重。不良貸款指在預(yù)估隱含貸款質(zhì)量時，把貸款按風(fēng)險基礎(chǔ)分為正常、關(guān)注、次級、可疑和損失5類，其中后3類合稱為不良貸款。計算公式：不良貸款率=（次級類貸款+可疑類貸款+損失類貸款）/各項貸款*100%=貸款撥備率/撥備覆蓋率*100%。貸款撥備率和不良貸款率、撥備覆蓋率是商業(yè)銀行業(yè)資產(chǎn)質(zhì)量的三個基本指標。
4.29負債比（DBR）
負債比(debit burden ratio,DBR)是銀行關(guān)注的主要指標衡。量借款人還款壓力的常用指標，總無擔(dān)保債務(wù)歸戶后的總余額（信用卡、現(xiàn)金卡、信用貸款）/平均月收入。
4.30 惡意延滯率（non-starter%）
原始定義為“貸后從未繳款客戶”,主要目的為找出惡性欺詐的案件。
4.31命中率（hit%）
用于信用卡的中途授信及早期預(yù)警報表，所謂命中率意指控管后一定期間內(nèi)客戶發(fā)生延滯的幾率。命中率過低可能表示浮濫或風(fēng)險判斷方向有誤。
4.32 可用余額（OTB）
常與命中率指標一同出現(xiàn)，計算方式為先找出證實控管命中的客戶，再會整這些客戶遭控管時的信用卡可用余額，此數(shù)字可視為銀行因控管而減少的損失。
4.33呆賬回收率
本期呆賬回收率=本期呆賬回收/本期轉(zhuǎn)呆賬金額
本期總呆賬回收率=本期呆賬回收/前期呆賬總余額
本年呆賬回收率=本年度呆賬總回收金額/本年度平均呆賬余額
近12期呆賬回收率=近12期呆賬回收總金額/近12期平均呆賬余額
轉(zhuǎn)呆賬后12期回收率=轉(zhuǎn)呆賬后12期總回收金額/轉(zhuǎn)呆賬后12期平均呆賬
余額
5.數(shù)據(jù)字典
client_no：客戶賬戶
Apply_time：申請時間
gender：性別
age：年齡
income_range：收入范圍
education：教育程度；
carreer：工作；
credit_score：信用分數(shù)；
credit_score_range：信用分數(shù)范圍；
if_Approved：是否通過；
prob_df：可能違約概率；
if_due：是否逾期；
used_time：貸款使用次數(shù)；
credit_Approved：授信通過金額
5.金融風(fēng)控建模實戰(zhàn)經(jīng)典教學(xué)案例
5.1 德國銀行信用數(shù)據(jù)集（German credit）
5.2 kaggle模型競賽give me some credit數(shù)據(jù)集
5.3江蘇城投企業(yè)信用評級
5.1-5.3相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063615
5.1-5.3相關(guān)教程入口2
https://study.163.com/course/courseMain.htm?courseId=1005214003&share=2&shareId=400000000398149
5.4 美國金融科技公司lendingclub信貸數(shù)據(jù)集
5.5 消費者人群畫像—信用智能評分
舉辦單位福建省數(shù)字福建建設(shè)領(lǐng)導(dǎo)小組辦公室 & 福建省工業(yè)和信息化廳 & 福州市人民政府 & 中國電子信息產(chǎn)業(yè)發(fā)展研究院 & 數(shù)字中國研究院 & 中國互聯(lián)網(wǎng)投資基金
5.4-5.5相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063950
5.4-5.5相關(guān)教程入口2
https://study.163.com/course/courseMain.htm?courseId=1005988013&share=2&shareId=400000000398149
6、金融信息收集網(wǎng)站
6.1tradingeconomics
官網(wǎng)https://tradingeconomics.com/，包含世界各國數(shù)百個經(jīng)濟指標，包括GDP，CPI，PPI，負債率，大宗商品價格指數(shù)等等。
6.2 FRED economic data
官網(wǎng)https://fred.stlouisfed.org/，金融數(shù)據(jù)查詢
6.3 日本銀行
https://www.boj.or.jp/
6.4 wind數(shù)據(jù)庫
官網(wǎng)：https://www.wind.com.cn/Default.html，中金公司金融行業(yè)數(shù)據(jù)庫
6.5?紙黃金
黃金價格和交易量查詢，有具體數(shù)據(jù)下載http://www.zhijinwang.com/etf/
6.6股票/債券市場輿情分析和預(yù)警相關(guān)網(wǎng)站
萬得（https://www.wind.com.cn/）
東方財富網(wǎng)（https://www.eastmoney.com/）?
和訊數(shù)據(jù)（http://data.hexun.com/）
彭博（https://www.bloomberg.net/）
6.7反洗錢調(diào)查
FATFhttp://www.fatf-gafi.org/
反洗錢金融行動特別工作組 ? 。西方七國為專門研究洗錢的危害、預(yù)防洗錢并協(xié)調(diào)反洗錢國際行動而于1989年在巴黎成立的政府間國際組織，是目前世界上最具影響力的國際反洗錢和反恐融資領(lǐng)域最具權(quán)威性的國際組織之一。目前包括36個成員管轄區(qū)和2個區(qū)域組織，代表全球各地的大多數(shù)主要金融中心。其制定的反洗錢四十項建議和反恐融資九項特別建議（簡稱 ?FATF 40+9項建議），是世界上反洗錢和反恐融資的最權(quán)威文件
6.8企業(yè)理財公告信息智能提取，助力銀行客戶經(jīng)理營銷
巨潮資訊網(wǎng)（http://www.cninfo.com.cn/new/index）
銀行家年鑒（https://accuity.com/）
道瓊斯（https://www.dowjones.com/）
版權(quán)聲明：文章來自公眾號(python風(fēng)控模型),未經(jīng)許可，不得抄襲。遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。
