金融信貸微專業(yè)課，博主錄制，2k超清

一、Vintage

Vintage源于葡萄酒釀造，葡萄酒的品質(zhì)會(huì)因葡萄生長(zhǎng)的年份不同、氣候不同而不同。Vintage分析是指評(píng)估不同年份的葡萄酒的品質(zhì)隨著窖藏時(shí)間的推移而發(fā)生的變化，并且窖藏一定年份后，葡萄酒的品質(zhì)會(huì)趨于穩(wěn)定。如下圖，2000年的葡萄酒品質(zhì)最好，窖藏5年左右，葡萄酒品質(zhì)會(huì)趨于穩(wěn)定。

?

借鑒葡萄酒Vintage分析，信用分析領(lǐng)域不僅可以用它來(lái)評(píng)估客戶好壞充分暴露所需的時(shí)間，即成熟期，還可以用它分析不同時(shí)期風(fēng)控策略的差異等。

? ? ? ? 一個(gè)客戶的好壞，需要經(jīng)過(guò)若干個(gè)還款周期后才能充分暴露，如果表現(xiàn)期較短，有可能將一個(gè)不是很壞的客戶定義為壞，也有可能將一個(gè)很壞的客戶定義為好。比如一個(gè)客戶在開始的幾個(gè)周期內(nèi)發(fā)生了逾期后將逾期還清，并且后面的周期不再發(fā)生逾期，若表現(xiàn)期較短會(huì)將此客戶定義為壞；又比如一個(gè)客戶剛開始一直正常還款，但到后面發(fā)生了比較嚴(yán)重的逾期，若表現(xiàn)期較短會(huì)將此客戶定義為好。另外，可以通過(guò)比較不同時(shí)間的貸款在相同周期的逾期表現(xiàn)，來(lái)分析不同時(shí)間的風(fēng)控策略的差異、宏觀形勢(shì)的變化等。

? ? ? 下圖為2017年4月至2018年12月放款的M4+(即逾期91天以上)的Vintage圖和Vintage數(shù)據(jù)表，此圖統(tǒng)計(jì)的逾期用的是月末的逾期狀態(tài)(有些時(shí)候也可以使用歷史逾期狀態(tài)，一個(gè)客戶只要發(fā)生過(guò)M4+逾期，未來(lái)每個(gè)月都將該客戶記為M4+逾期客戶)，計(jì)算逾期率使用金額(也可使用筆數(shù))。從圖中可以看出，不同月份放款的M4+在經(jīng)過(guò)9個(gè)周期(9個(gè)月)后趨于穩(wěn)定，也就是說(shuō)成熟期是在9個(gè)周期。

? ? ? 從圖中還可以看出，資產(chǎn)質(zhì)量不斷提升，2017年4月至6月的逾期率相對(duì)較高，從2017年7月開始逾期率發(fā)生較大程度的下降，有可能因?yàn)榍皫讉€(gè)月不斷優(yōu)化風(fēng)控策略所致。

?

?

?

?

二、滾動(dòng)率

? ? ? ?前面說(shuō)的Vintage可以用于分析客戶表現(xiàn)的趨勢(shì)、穩(wěn)定的時(shí)間等，對(duì)于客戶好壞程度的定義沒(méi)有涉及，而通過(guò)滾動(dòng)率分析可以對(duì)客戶好壞程度進(jìn)行定義。滾動(dòng)率分析就是從某個(gè)觀察點(diǎn)之前的一段時(shí)間(稱為觀察期)的最壞的狀態(tài)向觀察點(diǎn)之后的一段時(shí)間(稱為表現(xiàn)期)的最壞狀態(tài)的發(fā)展變化情況，如下圖。

?

?在觀察點(diǎn)2018年6月30日，取1萬(wàn)個(gè)客戶，統(tǒng)計(jì)該1萬(wàn)個(gè)客戶從觀察期到表現(xiàn)期的最大逾期的變化情況，如下表。

?

?

從該表可以看出：

1、正常的客戶，在未來(lái)6個(gè)月里，有96%會(huì)保持正常狀態(tài)；

2、逾期1期的客戶，未來(lái)有81%會(huì)回到正常狀態(tài)，即從良率為81%，有7%會(huì)惡化；

3、逾期2期的客戶，從良率為23%，有39%會(huì)惡化；

4、逾期3期的客戶，從良率為14%，有61%會(huì)惡化；

5、逾期4期及以上的客戶，從良率僅為4%，有82%會(huì)繼續(xù)此狀態(tài)。?

? ? ? 在對(duì)壞客戶進(jìn)行定義時(shí)，應(yīng)將壞客戶定義得盡可能壞，以與好客戶盡可能的區(qū)分開來(lái)，因此可以將逾期4期及以上的定義為壞，而逾期2期和3期定義為中度壞，逾期1期為輕度壞。當(dāng)然，在開發(fā)模型或規(guī)則時(shí)，還要結(jié)合樣本量，如果M1占比較高，可以將M1劃為好客戶，M4+為壞客戶，M2和M3為灰度客戶，從樣本中剔除；如果M1占比很低，也可以將M1和M2、M3一起歸為灰度客戶，從樣本中剔除。

三、Y變量的定義

Y變量即為客戶好壞標(biāo)簽變量，前面的Vintage分析和滾動(dòng)率分析中已經(jīng)說(shuō)過(guò)一些，這里做個(gè)總結(jié)。Y變量要結(jié)合滾動(dòng)率分析和Vintage分析來(lái)定義，滾動(dòng)率分析用于對(duì)客戶好壞程度進(jìn)行定義，Vintage分析用于設(shè)置合適的表現(xiàn)期。定義Y變量可以分為以下幾步：

1、進(jìn)行滾動(dòng)率分析，定義壞客戶，如上面所說(shuō)的M4+為壞客戶；

2、然后統(tǒng)計(jì)出M4+的Vintage數(shù)據(jù)表及Vintage圖，找出成熟期；

3、表現(xiàn)期大于成熟期的樣本可以用于建模，表現(xiàn)期小于成熟期的樣本無(wú)法準(zhǔn)確定義Y變量，暫時(shí)舍棄。

? ? ? 當(dāng)然，在實(shí)際應(yīng)用中，根據(jù)業(yè)務(wù)需要，Y變量的定義可以靈活變通。比如在業(yè)務(wù)剛開展不久，表現(xiàn)期較短，此時(shí)無(wú)法根據(jù)上述方法定義Y變量，可以暫將逾期大于10天、15天或30天的客戶定義為壞等等，然后隨著時(shí)間的推移不斷修正Y變量及模型。

四、遷移率

?遷移率分析和滾動(dòng)率分析比較像，都是分析客戶從某個(gè)狀態(tài)變?yōu)槠渌麪顟B(tài)的發(fā)展變化情況，所不同的是，滾動(dòng)率側(cè)重于分析客戶逾期程度的變化，所以在做滾動(dòng)率分析時(shí)需要設(shè)置相對(duì)較長(zhǎng)的觀察期和變現(xiàn)期；而遷移率側(cè)重于分析客戶狀態(tài)的發(fā)展變化路徑，如M0~M1，M1~M2，M2~M3等。

? ? ? 先統(tǒng)計(jì)2018年6月至2018年12月各逾期狀態(tài)的資產(chǎn)分布情況，如下表。表中的回收率是指，假設(shè)每月末將M7的資產(chǎn)以10%的價(jià)格賣掉，即收回M7資產(chǎn)的10%。

?

?下面計(jì)算月度遷移率，比如，2018年7月底，M0~M1的遷移率為41110122/171325636=24%，以此類推，得到如下表的遷移率。這里遷移率的計(jì)算是以月為時(shí)間顆粒度，當(dāng)前也可以精細(xì)到以天為顆粒度計(jì)算遷移率，然后計(jì)算平均值得出月度遷移率，但更細(xì)的顆粒度要求資產(chǎn)規(guī)模更大，如果資產(chǎn)規(guī)模較小會(huì)產(chǎn)生較大的誤差。值得注意的是，表中M3~M4的遷移率較高，應(yīng)該是逾期超過(guò)90天，過(guò)了黃金催收期，所以逾期惡化程度較高，但M4~M5的遷移率突然降低了不少，有可能是委外催收起到了一定效果所致。

?

?下面根據(jù)遷移路徑計(jì)算各逾期狀態(tài)的損失率，M0變?yōu)镸7的比例定義為損失率等于16.06%*29.27%*42.28%*81.71%*52.75%*82.51%*86.05%=0.61%，因?yàn)镸7將以10%的價(jià)格收回，所以凈損失率等于0.61%*90%=0.55%，以此類推，得到各逾期狀態(tài)資產(chǎn)的損失率，如下表。

?

?

前面講到定義Y變量時(shí)，根據(jù)滾動(dòng)率分析定義好壞的程度，其實(shí)這里也可以根據(jù)遷移率得出的損失率來(lái)分析好壞的程度，并且還可以結(jié)合損失率與收益率，這里不再贅述。

? ? ? 下面根據(jù)資產(chǎn)損失率計(jì)算2018年12月的資產(chǎn)預(yù)計(jì)損失，計(jì)算方法為2018年12月M0~M6各資產(chǎn)乘以對(duì)應(yīng)的凈損失率，然后求和，即等于367162809*0.55%+47230430*3.41%+14848678*11.64%+6011499*27.54%+4614038*33.70%+2326454*63.89%+1586471*77.44%=11273470。所以2018年12月?lián)軅浣痤~為11273470，占總資產(chǎn)的比例為11273470/443823814=2.54%，即撥備率為2.54%。

（注：文中數(shù)據(jù)非真實(shí)數(shù)據(jù)，而是為了說(shuō)明問(wèn)題而生成的數(shù)據(jù)）

?up主教學(xué)主頁(yè) ? https://study.163.com/provider/400000000398149/index.htm?share=2&shareId=400000000398149