風(fēng)控中英文術(shù)語手冊(cè)(銀行_消費(fèi)金融信貸業(yè)務(wù))_v5
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(shí)，數(shù)據(jù)量少，申請(qǐng)用戶少，難以建立模型。因此前期一般會(huì)用到專家經(jīng)驗(yàn)判斷好壞客戶，然后通過風(fēng)控決策管理系統(tǒng)進(jìn)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(fèi)金融公司，收費(fèi)可高于100萬RMB每年，如果需要更多定制業(yè)務(wù)，收費(fèi)更高。
1.1 A card
釋義：Application Scorecard 申請(qǐng)?jiān)u分卡，對(duì)授信階段提交的資料賦值的規(guī)則。
舉例：“進(jìn)件”是傳統(tǒng)銀行的說法，指申請(qǐng)單。評(píng)分卡是對(duì)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(jiǎn)單的if、else邏輯，而是希望對(duì)各個(gè)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(xiǎn)，通過劃定分?jǐn)?shù)線調(diào)整風(fēng)險(xiǎn)容忍度，評(píng)分卡應(yīng)運(yùn)而生。評(píng)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(píng)分卡，對(duì)貸后可以收集到的用戶信息進(jìn)行評(píng)分的規(guī)則。
舉例：與 A 卡類似，B卡也是一套評(píng)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(cè)用戶是否會(huì)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(qǐng)了貸款，那可以認(rèn)為此人資金短缺，可能還不上錢，如果再申請(qǐng)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(jià)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(píng)分卡，對(duì)已逾期用戶未來出催能力做判斷的評(píng)分規(guī)則。
舉例：催收評(píng)分卡是行為評(píng)分卡的衍生應(yīng)用，其作用是預(yù)判對(duì)逾期用戶的催收力度。對(duì)于信譽(yù)較好的用戶，不催收或輕量催收即可回款。對(duì)于有長(zhǎng)時(shí)間逾期傾向的用戶，需要從逾期開始就重點(diǎn)催收。逾期天數(shù)越多，催收難度越大。
催收一般分為多個(gè)坐席，M1，M2，M3等不同坐席員工經(jīng)驗(yàn)和業(yè)務(wù)能力相差甚大。AI人工智能常用于前期自動(dòng)化催收。
申請(qǐng)?jiān)u分卡、行為評(píng)分卡和催收評(píng)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(biāo)部分
1 Aging analysis
釋義：賬齡分析。顯示各期至觀察點(diǎn)為止的延滯率，其特點(diǎn)為結(jié)算終點(diǎn)一致，把分散于各個(gè)月的放貸合并到一個(gè)觀察時(shí)間點(diǎn)合并計(jì)算逾期比率。
2 Vintage analysis
釋義：統(tǒng)計(jì)每個(gè)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(gè)月的逾期比率。也可用于分析各時(shí)期的放貸后續(xù)質(zhì)量，觀察進(jìn)件規(guī)則調(diào)整對(duì)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(duì)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(cè)(銀行_消費(fèi)金融信貸業(yè)務(wù))_v4_術(shù)語手冊(cè)
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(gè)重要的觀察節(jié)點(diǎn)，一般認(rèn)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(píng)價(jià)資產(chǎn)質(zhì)量的指標(biāo)，可分為Coincident和Lagged兩種觀察方式。
5 Coincident
釋義：即期指標(biāo)。用于分析當(dāng)期所有應(yīng)收賬款的質(zhì)量，計(jì)算延滯率。計(jì)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(diǎn)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(dòng)，這適合業(yè)務(wù)總量波動(dòng)不大的情況下觀察資產(chǎn)質(zhì)量。舉例：?？吹囊粋€(gè)指標(biāo)Coincident DPD 30+
6 Lagged
釋義：遞延指標(biāo)。與coincident相同也是計(jì)算延滯率的一個(gè)指標(biāo)，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(jì)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(gè)月底的貸款余額(M0~M6) 風(fēng)控中英文術(shù)語手冊(cè)(銀行_消費(fèi)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(huì)用數(shù)字表示。如5PD30。后面的數(shù)字， 指逾期天數(shù)，如果一個(gè)客戶身上有FPD30的標(biāo)記，那必然有FPD1 FPD7等小于30的標(biāo)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(diǎn)，PD類指標(biāo)通?；コ?，也就是說一個(gè)人如果有了FPD標(biāo)志就不會(huì)有SPD標(biāo)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(shí)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(yán)格的逾期率計(jì)算公式為：在給定時(shí)間點(diǎn)，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(jì)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(shí)間很短的，絕對(duì)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(biāo)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(cè)(銀行_消費(fèi)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(shí)手頭緊張，但FPD 7 指標(biāo)可以用戶來評(píng)價(jià)授信人群的信用風(fēng)險(xiǎn)，對(duì)未來資產(chǎn)的健康度進(jìn)行預(yù)估。與FPD 7 類似，F(xiàn)PD 30也是對(duì)用戶首筆待還賬單逾期情況進(jìn)行觀察的指標(biāo)。對(duì)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(duì)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(jìn)行委外催收。如果一段時(shí)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(shí)壓根就沒想還，反之則說明用戶群的信用風(fēng)險(xiǎn)更嚴(yán)重。
9 Cpd30mob4
cpd用于催收模型，是催收指標(biāo)，還款表現(xiàn)第四個(gè)月月末時(shí)點(diǎn)逾期是否超過30天，不包括歷史
0 maxdpd30_mob4
四個(gè)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(gè)完整月份 MOB2,放款后第三個(gè)完整月份 mob3-3個(gè)月為短觀察期，mob6-6個(gè)月為長(zhǎng)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(jìn)入M1的貸款余額 / 8月月初即7月月末M0的在貸余額 補(bǔ)充信息：宏觀經(jīng)濟(jì)中 短期風(fēng)險(xiǎn)可以使用FDP,SPD,TPD進(jìn)行衡量；中期風(fēng)險(xiǎn)可以使用30+@MOB4；長(zhǎng)期風(fēng)險(xiǎn)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(biāo) 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(cè)(銀行_消費(fèi)金融信貸業(yè)務(wù))_v4_銀行_04 說明：由于場(chǎng)景細(xì)分，不同場(chǎng)景差異化較大，以上指標(biāo)說明僅做參考。?
3、風(fēng)控模型部分
3.1 Benchmark
釋義：基準(zhǔn)。每個(gè)版本的新模型都要與一個(gè)線上的基準(zhǔn)模型或規(guī)則集做效果比對(duì)。
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(gè)變量的預(yù)測(cè)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(huì)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(chǎng)景數(shù)據(jù)分布特點(diǎn)來定制閾值。不同場(chǎng)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(gè)區(qū)隔力指標(biāo)。所謂區(qū)隔力，是指模型對(duì)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(shí)場(chǎng)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(biāo)，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(píng)價(jià)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(shí)表示模型比較穩(wěn)定，當(dāng)psi在0.1和0.25之間時(shí)模型穩(wěn)定性出現(xiàn)波動(dòng)，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(duì)數(shù)損失函數(shù)
當(dāng)預(yù)測(cè)概率接近1時(shí)，對(duì)數(shù)損失緩慢下降。但隨著預(yù)測(cè)概率的降低，對(duì)數(shù)損失迅速增加。對(duì)數(shù)損失值越大時(shí)，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(yàn)證樣本），兩個(gè)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(yàn)證樣本上進(jìn)行驗(yàn)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(fù)數(shù)。絕對(duì)值越高，表明該組因子區(qū)分好壞客戶的能力越強(qiáng)。評(píng)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(píng)估變量時(shí)有一定缺陷，因此一般用iv值評(píng)估變量重要性。
3.9 Bad Capture Rate
釋義：壞用戶捕獲率。這是評(píng)價(jià)模型效果的一個(gè)指標(biāo)，比率越高越好。
舉例：Top 10% Bad Capture Rate是指模型評(píng)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(yàn)證樣本。
3.11 Variable
釋義：變量名。每個(gè)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(kuò)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(duì)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(jì)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(zhǔn)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(yáng)性條件下，測(cè)試也是陽(yáng)性
specificity:真陰性條件下，測(cè)試也是陰性
FALSE positive:真陰性條件下，測(cè)試卻是陽(yáng)性
FALSE negative：真陽(yáng)性條件下，測(cè)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(duì)應(yīng)一個(gè)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(xiàng)式函數(shù)就是多項(xiàng)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(jìn)行處理。實(shí)際中最為常用的就是二分類的logistic回歸。
評(píng)分卡相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063615?tuin=dcbf0ba
評(píng)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(jī)（Support Vector Machine, SVM）
支持向量機(jī)（Support Vector Machine, SVM）是一類按監(jiān)督學(xué)習(xí)（supervised learning）方式對(duì)數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器（generalized linear classifier），其決策邊界是對(duì)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(jì)90年代后得到快速發(fā)展并衍生出一系列改進(jìn)和擴(kuò)展算法，在人像識(shí)別、文本分類等模式識(shí)別（pattern recognition）問題中有得到應(yīng)用。支持向量機(jī)算法在小樣本數(shù)據(jù)效果較好，訓(xùn)練大數(shù)據(jù)時(shí)耗時(shí)較長(zhǎng)。
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(jìn)行推理的過程；它先將信息化成概念，并用符號(hào)表示，然后，根據(jù)符號(hào)運(yùn)算按串行模式進(jìn)行邏輯推理；這一過程可以寫成串行的指令，讓計(jì)算機(jī)執(zhí)行。然而，直觀性的思維是將分布式存儲(chǔ)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(diǎn)在于以下兩點(diǎn)：1.信息是通過神經(jīng)元上的興奮模式分布存儲(chǔ)在網(wǎng)絡(luò)上；2.信息處理是通過神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過程來完成的。
注意：計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)和人腦生物神經(jīng)網(wǎng)絡(luò)運(yùn)作原理是不同的。
有點(diǎn)：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(diǎn)：數(shù)據(jù)需要預(yù)處理
xgboost
XGBoost是一個(gè)優(yōu)化的分布式梯度增強(qiáng)庫(kù)，旨在實(shí)現(xiàn)高效，靈活和便攜。它在 Gradient Boosting 框架下實(shí)現(xiàn)機(jī)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(zhǔn)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(yùn)行，并且可以解決數(shù)十億個(gè)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(jìng)賽多次奪冠
lightgbm
?Light Gradient Boosted Machine，簡(jiǎn)稱LightGBM，是一個(gè)開源庫(kù)，提供了梯度提升算法的高效實(shí)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(dòng)特征選擇以及專注于具有更大梯度的提升示例來擴(kuò)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(cè)性能。
與其他 boosting 相關(guān)框架相比，它具有以下優(yōu)勢(shì)——
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(zhǔn)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(jī)器學(xué)習(xí)庫(kù)CatBoost。它能夠在數(shù)據(jù)疏的情況下“教”機(jī)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(shí)候，CatBoost也能根據(jù)事務(wù)型數(shù)據(jù)或歷史數(shù)據(jù)進(jìn)行操作。
catboost特點(diǎn)：
少量或無需調(diào)參，默認(rèn)參數(shù)效果非常好
支持分類變量
支持GPU
catboost相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063950?tuin=dcbf0ba
catboost相關(guān)教程入口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(jì)息的利率。nominal APR名義利率，effective APR實(shí)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(qǐng)
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(shí)間由短到長(zhǎng)，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(gè)階段，對(duì)應(yīng)不同的催收手段和頻率。
4.7 DBR
釋義：debit burden ratio，負(fù)債比。通常債務(wù)人的在各渠道的總體無擔(dān)保負(fù)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(jì)提的壞賬準(zhǔn)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(gè)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(duì)應(yīng)的還有醫(yī)美、教育類的專項(xiàng)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(qǐng)通過賬戶)/SUM(申請(qǐng)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(qǐng)賬戶)
4.22延滯率/遞延率（flow through%）
計(jì)算可分為coincidental及l(fā)agged兩種方式，除了各bucket延滯率之外，也會(huì)觀察特定bucket以上的延滯率。如M2+lagged%及M4+lagged%等指標(biāo)，以M2+lagged%為例，分母為兩個(gè)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(fèi)金融風(fēng)險(xiǎn)管理上，M2及M4是兩個(gè)重要的觀測(cè)點(diǎn)，原因是客戶可能因?yàn)樘蛘咄浽斐傻馁~款逾期，但是經(jīng)過M1催收后依舊落入M2以上，可確認(rèn)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(xiǎn)分析外，信用評(píng)分模型的建置也需要實(shí)現(xiàn)確定bad定義。
一般bad的定義除了逾期戶、高風(fēng)險(xiǎn)賬戶等，當(dāng)前以逾期戶為主。
4.24轉(zhuǎn)呆賬率（write-off%）
簡(jiǎn)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(xiǎn)管理績(jī)效觀點(diǎn)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(xiǎn)能力越強(qiáng)。計(jì)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(shí)際上是銀行貸款可能發(fā)生的呆、壞帳準(zhǔn)備金的使用比例，撥備覆蓋率是實(shí)際計(jì)提貸款損失準(zhǔn)備對(duì)不良貸款的比率，該比率最佳為100%。計(jì)算公式為：貸款損失準(zhǔn)備金/不良貸款余額。
4.28不良貸款率
指金融機(jī)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(shí)，把貸款按風(fēng)險(xiǎn)基礎(chǔ)分為正常、關(guān)注、次級(jí)、可疑和損失5類，其中后3類合稱為不良貸款。計(jì)算公式：不良貸款率=（次級(jí)類貸款+可疑類貸款+損失類貸款）/各項(xiàng)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(gè)基本指標(biāo)。
4.29負(fù)債比（DBR）
負(fù)債比(debit burden ratio,DBR)是銀行關(guān)注的主要指標(biāo)衡。量借款人還款壓力的常用指標(biāo)，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(bào)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(xiǎn)判斷方向有誤。
4.32 可用余額（OTB）
常與命中率指標(biāo)一同出現(xiàn)，計(jì)算方式為先找出證實(shí)控管命中的客戶，再會(huì)整這些客戶遭控管時(shí)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(qǐng)時(shí)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?jǐn)?shù)；
credit_Score_range：信用分?jǐn)?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(shí)戰(zhàn)經(jīng)典教學(xué)案例
5.1 德國(guó)銀行信用數(shù)據(jù)集（German credit）
5.2 kaggle模型競(jìng)賽give me some credit數(shù)據(jù)集
5.3江蘇城投企業(yè)信用評(píng)級(jí)
5.1-5.3相關(guān)教程入口1（推薦）
https://ke.qq.com/course/3063615?tuin=dcbf0ba
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(guó)金融科技公司lendingclub信貸數(shù)據(jù)集
5.5 消費(fèi)者人群畫像—信用智能評(píng)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(guó)電子信息產(chǎn)業(yè)發(fā)展研究院 & 數(shù)字中國(guó)研究院 & 中國(guó)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?tuin=dcbf0ba
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(guó)數(shù)百個(gè)經(jīng)濟(jì)指標(biāo)，包括GDP，CPI，PPI，負(fù)債率，大宗商品價(jià)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(kù)
官網(wǎng)：https://www.wind.com.cn/Default.html，中金公司金融行業(yè)數(shù)據(jù)庫(kù)
6.5?紙黃金
黃金價(jià)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(chǎng)輿情分析和預(yù)警相關(guān)網(wǎng)站
萬得（https://www.wind.com.cn/）
東方財(cái)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(dòng)特別工作組 ? 。西方七國(guó)為專門研究洗錢的危害、預(yù)防洗錢并協(xié)調(diào)反洗錢國(guó)際行動(dòng)而于1989年在巴黎成立的政府間國(guó)際組織，是目前世界上最具影響力的國(guó)際反洗錢和反恐融資領(lǐng)域最具權(quán)威性的國(guó)際組織之一。目前包括36個(gè)成員管轄區(qū)和2個(gè)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(xiàng)建議和反恐融資九項(xiàng)特別建議（簡(jiǎn)稱 ?FATF 40+9項(xiàng)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(cái)公告信息智能提取，助力銀行客戶經(jīng)理營(yíng)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(hào)(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(qǐng)附上原文出處鏈接及本聲明。
