互联网金融中需要关注的风控逾期指标有哪些？
本题已加入知乎圆桌 » 欢迎来到风控时代，更多「风险控制」讨论欢迎关注。
例如：vintage数据 M3+ M1+（十分常见）、迁徙率（C->C、C->M1之类的）、成熟不良率、MOB、3PD30等等。
包括但不限于以上指标，还请专业的风控前辈们赐教！
例如：vintage数据 M3+ M1+（十分常见）、迁徙率（C->C、C->M1之类的）、成熟不良率、MOB、3PD30等等。
包括但不限于以上指标，还请专业的风控前辈们赐教！
6 个回复
匿名用户 白米Ⅲ级
赞同来自:
自应还日次日起到实还日期间的日期数
举例：DPDN+表示逾期天数 >=N天，如DPD30+表逾期天数 >=30天的合同
2、逾期期数
自应还日次日起到实还日期间的日期数
举例：
正常资产用C表示
Mn表示逾期N期:M1逾期一期,M2逾期二期,M3逾期三期,M4逾期四期,M5逾期五期,M6逾期六期
Mn+表示逾期N期(含)以上，M7+表示逾期期数 >=M7
3、贷款余额 ENR
至某时点借款人尚未偿还的本金，即：全部剩余本金作为贷款余额
4、月均贷款余额 ANR
月均贷款余额 = (月初贷款余额 + 月末贷款余额)/2，月初贷款余额即上月月底贷款余额
5、C,M1,M2,M3…的贷款余额
根据逾期期数(C,M1,M2,M3…)，计算每条借款的当时的贷款余额
贷款余额 = 放款时合同额 –已还本金
已还本金 = (放款日次日 ~ T-1)的还款本金总额
6、核销金额
贷款逾期M7后经审核进行销帐，核销金额即在核销日期当天的贷款余额
7、回收金额 Recovery
来自历史所有已核销合同的全部实收金额
8、净坏账 NCL
当月新增核销金额 – 当月回收金额
9、在账月份 MOB
放款后的月份
举例：
MOB0,放款日至当月月底
MOB1,放款后第二个完整月份
MOB2,放款后第三个完整月份
10、(C->M1、M1->M2、M2->M3、M3->M4、M4->M5、M5->M6)滚动率 Flow rate
举例：
C-M1=当月进入M1的贷款余额/上月末C的贷款余额
M2-M3=当月进入M3的贷款余额/上月末M2的贷款余额
11、逾期率Coin(C)%、Coin(M1)%、Coin(M2)%、Coin(M3)%、Coin(M4)%、Coin(M5)%、Coin(M6)%
当月不同逾期期数的贷款余额/当月底总贷款余额
举例：
Coin(C)%=当月C贷款余额/当月底贷款余额(C-M6)
Coin(M1)%=当月M1贷款余额/当月底贷款余额(C-M6)
Coin(M1+)%=当月M1−M6贷款余额/当月底贷款余额(C-M6)
12、逾期率Lagged(M1)%、Lagged(M2)%、Lagged(M3)%、Lagged(M4)%、Lagged(M5)%、Lagged(M6)%
当月不同逾期期数的贷款余额/往前推N个月的总贷款余额
举例:
Lagged(M1)%=当月M1的贷款余额/上个月底的贷款余额(C~M6)
Lagged(M4)%=当月M4的贷款余额/往前推四期的总贷款余额
Lagged(M4+)%=当月M4的贷款余额/往前推四期的总贷款余额
+ 当月M5的贷款余额/往前推五期的总贷款余额
+ 当月M6的贷款余额/往前推六期的总贷款余额
13、账龄分析Vintage
统计每个月新增放款在之后各月的逾期情况
综合例子：
说明：
客户A所有月份正常还款，贷款余额逐步减少。
客户B在8月份未还款，进入M1，9月份未还款，进入M2，10月份还是未还款进入M3，月别贷款余额无变化。
客户C在9月份未还款，进入M1，10月分月还清所欠款，进入C。
客户D在9月份正常还款，10月份未还款，进入M1。
滚动率
1、8月C-->M1 ：8月进入M1的贷款余额 / 8月月初即7月月末C的贷款余额 30,000/80,000=37.5%。
2、9月C-->M1 ：9月进入M1的贷款余额 / 9月月初即8月月末C的贷款余额 30,000/120,000=25.0%。
9月M1-->M2 ：9月进入M2的贷款余额 /8月的M1的贷款余额 = 30,000/30,000=100%。
滚动率C-->M2
上月的C-->M1 * 当月的M1-->M2。
3、9月C-->M2 ：8月C-->M1 * 9月M1-->M2 = 37.5% * 100% = 37.5%。
逾期率Coin%
1、8月CoinM1 = 8月M1余额（30,000）/ 8月贷款余额（150,000）= 20.0%
2、9月的CoinM1=30,000/250,000=12%。
9月的CoinM2=30,000/250,000=12%。
3、10月份CoinM1=40,000/330,000=12.1%。
10月份CoinM2=0/330,000=0%。
10月份CoinM3=30,000/330,000=9.1%。
逾期率Lagged%
1、8月LaggedM1=8月统计逾期进入M1的贷款余额 / 上个月底的贷款余额（C~M6）=30,000/80,000=37.5%。
2、9月LaggedM1=9月统计逾期进入M1的贷款余额 / 上个月底的贷款余额（C~M6）=30,000/150,000=20.0%。
9月LaggedM2=9月统计逾期进入M2的贷款余额 / 上上个月底的贷款余额（C~M6）=30,000/80,000=37.5%。
3、10月LaggedM3=10月统计逾期进入M3的贷款余额 / 往前推3期的贷款余额（C~M6）=30,000/80,000=37.5%。
账龄分析Vintage
1、2015/07的放款合同金额为50,000+30,000=80,000；
mob1（2015/08）：客户B发生逾期但是不够M2;
mob2（2015/09）：客户B依然没有还款，进入M2，则账龄计入：30,000/80,000=37.5%
mob3（2015/10）：客户B依然没有还款，进入M3，账龄数据保持不变37.5%。
假设以后客户A依然正常还款，客户B没有偿还行为，则之后账龄保持37.5%不变。
2、2015/08的放款合同额为30,000+50,000=80,000；
mob1（2015/09）：客户C发生逾期但是不够M2;
mob2（2015/10）：客户C还清欠款，进入C，客户D发生逾期但是不够M2；
mob3（2015/11）：假设客户C未还款，则发生逾期但是不够M2，客户D继续欠款，则进入M2，账龄记入：40,000/80,000=50.0%；
mob4（2015/12）：假设客户C、D都未还款，则C进入M2，D进入M3，则账龄记入：60,000/80,000=75.0%；
mob5（2016/01）：假设客户C、D全部还清欠款，全部进入C，则账龄为0；
最后，推荐进一步阅读 互联网金融时代消费信贷评分建模与应用 (豆瓣)
京东白条 白米Ⅲ级
赞同来自:
就本人的经验而言，风险层面（更多偏信用风险）主要有三个层次的问题：
[h1]1.整体的风险水平如何？ [/h1]最基本、通用的指标是逾期率（按照逾期天数可进一步细分，重点包括0+/30+逾期率、90+不良率和180+损失率）。这个指标分子 = 时点逾期余额，分母 = 时点透支余额。
逾期率最直观，但也最容易被“操控”，在解读和对比时尤其需要注意：
分子会受到统计粒度的影响（以客户/账户/贷款单/贷款分期单哪个粒度来计算差异很大，尤其是偏重分期的产品），也会受到核销等资产处置的影响（是否有核销处理、统计时是否包含）。
分母会受到当期时点规模的影响，季末/年末冲量或特殊的营销时点上，都会导致规模的激增，人为拉低时点的逾期率。
另外，也和产品的成长周期密切相关：
在产品高速发展时期，规模增长迅速，而风险滞后释放，导致对风险的低估和滞后判断；而在产品成熟和衰退期，导致对风险的高估，容易误导风险策略的制定。
由于上述原因的存在，一般逾期率只能说明累积的整体风险水平如何。如果根据时点的不良率判断近期风险水平，存在高估/低估的可能。
如果一定要用时点余额来判断近期的风险，建议使用延滞率或逾期的净生成率。Mi延滞率=当期Mi/i月前的M0，Mi净生成率=(当期Mi-i月前的Mi)/i月前的透支余额，这两个指标至少能在一定程度上排除当期时点规模、历史存量的影响，能更真实反映近期的风险水平。
[h1]2.新增客户/资产的风险水平如何？ [/h1]整体的逾期率并不一定能回答或甄别近期客户/资产的风险水平。需要通过VINTAGE拆解客户和资产，观察相同的表现期后不同客群/资产的逾期占比，例如激活或放款后1~24个月各月月末时点的0+/30+/90+贷款户数和金额或余额的占比。
通过对比不同激活月或放款月在相同的表现窗口后的逾期水平，能观察不同激活月/放款月（对应了不同的策略或人群）的风险走势，更合理评价不同时点人群/资产的情况和策略的效果。
如果运营是针对的客户的，按照激活时间划分客群统计VINTAGE更通用一些；如果是针对资产进行运营，按照贷款的放款月划分资产统计VINTAGE更通用一些。
[h1]
3.存量资产的迁移情况？ [/h1]除了需要时刻关注新增的风险外，也需要掌握已经逾期资产的迁移/退出情况，也就是滚动率(或者迁徙率、迁移率)。
滚动率一方面体现了客群和资产的质量，也能反映催收运营的状况。
常见的滚动率一般是当期账龄余额与上一期上一账龄余额的比值，用百分比表示。账龄越高，滚动率越高，表示资产回收的可能性越低，进入下一期高账龄的概率越高。
滚动率也可以进一步细分为向上/向下滚动，一般默认的滚动率都是向上滚动，即从低账龄滚到高账龄。向上/向下滚动需要锁定月末时点某一账龄的客户/资产，在下月底观察锁定的这部分客户或资产，统计向上/向下滚动的占比，能排除统计粒度和分期带来的降期影响。
另外，滚动率与产品、前中后的运营等诸多因素有关，短期容易波动，可以计算复合滚动率，例如M0->M4的滚动率，能从长周期来观察资产质量和运营的稳定水平。
基本上大部分的风险指标都围绕上面三个问题展开，具体业务和场景千差万别，在解读指标时需要因地制宜了。
感谢风险管理-风险策略部提供回答。
匿名用户 白米Ⅲ级
赞同来自:
手册共分为风控系统篇、风控指标篇、风控模型篇和风控基础词汇篇四个部分，其中风控指标涉及如下：
老夫 白米Ⅲ级
赞同来自:
[h1]1 PD指标[/h1]（）PD（），例如FPD1，SPD7，TPD30...
前面的字母，F：first，表示第一期逾期，同理 S，T，Q分别表示二 三 四， 后面会用数字表示。 如5PD30。
后面的数字， 指逾期天数，如果一个客户身上有FPD30的标记，那必然有FPD1 FPD7等小于30的标记。
需注意的一点，PD类指标通常互斥，也就是说一个人如果有了FPD标志就不会有SPD标志，SPD表示第一期正常还款但是第二期才出现逾期的客户。
[h1]2 M*+指标 [/h1]指不良资产的指标
M0正常资产（无逾期），M1逾期一期（逾期1-29天），M2逾期两期，M3，M4+逾期四期以上（即表征坏账，或不良资产）
M1包含大量忘记还款的客户，通常以M4+表示坏账，不难理解，逾期了4个月的钱通常都催不回来了。
[h1]3 逾期指标的延伸[/h1]由PD指标和M*+指标可以延伸出各类的分析图，用来分析不同情况。
例如将不同月份的相邻数字的M做出一个折线图，就可以得到逾期转化率图。列出不同月份的逾期转化率图，可以看到催收情况变化趋势。 如某月M2到M3和M3到M4的转化率变高，意味着催收效率变差了。
现在手头没有案例，没办法给你举例子，你有什么不懂的可以结合图私聊我。
食铁兽 白米Ⅲ级
赞同来自:
分析逾期，重点其实是在做一个分类的工作，所以综合指标意义不大，重点在于逾期结构。说白了就是类1占多少，类2占多少，类3或类5占多少，类4且类6占多少。这些弄明白了，才能讨论改进的问题。
而到底怎么分类，这个需要根据数据来体现，需要不断的在试验中找方向。可以通过多次抽样来估计，也可以整体数据的统计。
最后的最后，是多部门协调，制定政策标准。风控人员做一个可调整的标准，然后大家协调，互相妥协，最后定制，而这个定制的政策，之后可以不断地通过数据统计追踪来考核效果，这个时候的指标才有意义。
林雨 白米Ⅲ级
赞同来自: