小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

分享

DataScience&ML:金融科技領域之遷徙率的簡介、案例應用之詳細攻略

 處女座的程序猿 2022-05-16 發(fā)布于上海

DataScience&ML:金融科技領域之遷徙率的簡介、案例應用之詳細攻略


金融科技領域之遷徙率的簡介、案例應用

? ? ? ? ?貸款遷徙率,經(jīng)濟學領域術(shù)語,計算方法為期初正常類貸款向下遷徙金額/(期初正常類貸款余額-期初正常類貸款期間減少金額)×100%。

(1)、概念定義

T1、先設置觀察期,再看表現(xiàn)

推薦文章https://zhuanlan.zhihu.com/p/81027037

T2、只看每個月的的賬戶在下個月的表現(xiàn)

概念定義

時間窗口

每個時間窗口由一個月和下一個月的數(shù)據(jù)構(gòu)成。例如我拿一年的數(shù)據(jù),例如2019年,就有11個觀察窗口(1-2月,2-3月....11-12月)。比如2019年11個時間窗口就是“11-12月”

逾期期數(shù)

每個期數(shù)由30天組成(有的銀行或者金融機構(gòu)由自然月組成,會更加方便計算)。較多的金融機構(gòu)會用Mn來形容逾期情況,例如

M0:當前未逾期

M1: 逾期1-30日

M2:逾期31-60日

M3:逾期61-90日

M4:逾期91-120日

以此類推......

此處的逾期和觀察窗口(這個月、下個月)沒有關系。觀察窗口是相對關系;而逾期期數(shù)的大小,是從該客戶逾期第一天開始計算,是一個絕對數(shù)值。

縱坐標是前月的逾期期數(shù)情況(時間窗口左邊界);橫坐標是次月的逾期期數(shù)情況(時間窗口右邊界)。計算方式,例如我們只有兩個時間窗口。在時間窗口【1月-2月】里有50個客戶保持未逾期,【2月-3月】有100個客戶保持未逾期,那么坐標[1,1]的總數(shù)會是150。

(2)、遷徙率—案例理解

假設經(jīng)過分析2019年11個時間窗口后,當前月(11月)、下個月(次月12月),我們得到以下一個統(tǒng)計表。

所有時間窗口的遷徙情況總和

下個月

未逾期

逾期[0,30)

逾期[30,60)

逾期[60,90)

逾期[90,120)

逾期[120,∞)

總計

當前月

未逾期

8000

250

1

0

0

0

8251

逾期[0,30)

700

500

80

0

0

0

1280

逾期[30,60)

120

80

76

79

10

5

370

逾期[60,90)

70

25

19

60

60

5

239

逾期[90,120)

20

1

10

8

30

50

119

逾期[120,∞)

2

2

6

4

1

20

35

總計

8912

858

192

151

101

80

10294

比如,

8000=11月未逾期客戶數(shù)+12月未逾期客戶數(shù)
700 =11月逾期M1客戶數(shù)+12月未逾期客戶數(shù)

轉(zhuǎn)換成百分比,并根據(jù)值的大小,用顏色標出來
所有時間窗口的遷徙情況百分比

下個月

未逾期

逾期[0,30)

逾期[30,60)

逾期[60,90)

逾期[90,120)

逾期[120,∞)

總計

當前月

未逾期

96.96%

3.03%

0.01%

0.00%

0.00%

0.00%

100%

逾期[0,30)

54.69%

39.06%

6.25%

0.00%

0.00%

0.00%

100%

逾期[30,60)

32.43%

21.62%

20.54%

21.35%

2.70%

1.35%

100%

逾期[60,90)

28.29%

10.46%

7.95%

25.10%

25.10%

2.09%

100%

逾期[90,120)

16.81%

0.84%

8.40%

6.72%

25.21%

42.02%

100%

逾期[120,∞)

5.71%

5.71%

17.14%

11.43%

2.86%

57.14%

100%

總計

(1)、遷徙情況百分比關注重點

只需要關注黑色框框的部分,也就是彩色背景的部分

解釋:因為那些已經(jīng)好轉(zhuǎn)了的賬戶我們不管了,因為不是我們的催收對象,我們需要看的是逾期情況沒有好轉(zhuǎn)甚至惡化的客戶。一個時間窗口內(nèi)你的逾期情況最多往前一格(遇到天數(shù)為31天的有可能小概率逾期兩格,但較少發(fā)生,統(tǒng)計時可忽略)。用直白的語言說,就是你現(xiàn)在逾期10天,給你一個月,你怎么也不可能逾期超過60天吧?

(2)、遷徙情況百分比的意義

說明了某個逾期期數(shù)的風險情況。我們這里用“從良”這個不太恰當?shù)美斫獾脑~來形容賬戶逾期期數(shù)變少。例如在上表里,

這個月當逾期<30天時,54.69%的客戶都會在下個月還上款(因為大概率是忘了還款日而不是沒錢還);

而這個月逾期在[90-119]天時:有42.02%的客戶的逾期期數(shù)會繼續(xù)增加(確實手頭缺錢還不上);25.21%的客戶逾期期數(shù)會保持不變(手頭緊,僅還得上一期的欠款以確保賬戶不會被清算)。

“從良”占比:也就說是,當逾期天數(shù)超過90天,客戶“從良”的概率只有(100-25.21-42.02)% = 32.77%。也就說,很大概率這個客戶的情況會一直惡化下去,所以我們需要在Ta惡化前,就挑出來催收,以減少損失?!皬牧肌钡恼急刃袠I(yè)經(jīng)驗:至于低于多少就不能接受,則需要和商業(yè)部門溝通。但從良的少于1/3確實挺少了。

(3)、提前預測90天后是否逾期

此處并非指逾期真的超過90天才催收,而是說,我預測這個人將來會逾期超過90天,所以我在他達到那個逾期時間前就去催收,避免嚴重逾期的發(fā)生。

1.1.2、定義觀察期-利用elbow method(手肘法則)

剛才我們通過分析,確定了目標里的逾期天數(shù)是90天以上。那么目標里的觀察期是如何做的呢?

一個客戶開始逾期后(超過一天),要達到90天以上的逾期少則需要3個月,多則可以無限多個月。如果觀察期短了,我們會漏抓了很多客戶,如果觀察期太長,例如無限長,你確實能抓住100%的逾期在90天以上客戶,但觀察期太長了,逾期的客戶一直沒人理就會一直惡化。所以一個合理的觀察期很重要。

為了找到一個合理的觀察期,我們需要分析逾期月數(shù)與逾期客戶總數(shù)的情況,例如再某個銀行,通過分析,我得到一個逾期月數(shù)與逾期客戶數(shù)的情況表:

可以看到,逾期90以上的客戶,95%的都發(fā)生在6個月內(nèi)。但你也許會說,9個月能檢測到97%,不是更好嗎?但記得經(jīng)濟學里的“邊際效用”這個詞嗎?意思是再增加投入,新增的產(chǎn)出會變少。用一個知乎上熱門的詞語來形容,就是“內(nèi)卷”。我們分析時也是。再追加一個月觀察期,對效用的提升不明顯,反而引入更多風險。當“內(nèi)卷”發(fā)生時,就不再增加觀察期了。

所以我的經(jīng)驗是用elbow method,也就是尋找曲線的“轉(zhuǎn)折點”,就像手肘一樣。(如果你熟悉k-means,那么你可能記得,在k-means里,我們決定怎么選擇k值的一個算法是elbow method。這里就不展開講k-means了,如果真的不熟悉,也不影響本文閱讀)。

把上表plot出來,得到下面一個圖,其中轉(zhuǎn)折點(或者說'手肘)用紅圈劃出來了:

?可以看到,但觀察期為6個月時,我們能抓到的逾期客戶已經(jīng)很多了。再加一個月,能抓到的增量也很少了,邊際效用明顯降低了很多。所以我們就可以把觀察期設置為6個月。

對于普通的信貸產(chǎn)品,一般情況下這個轉(zhuǎn)折點還是很好觀察到的。但看到這里你也許想問,如果沒有明顯的轉(zhuǎn)折點(elbow),該怎么抉擇呢?這就復雜了。但如果你的信貸產(chǎn)品真的找不到一個明顯的elbow point,你畫出來的曲線比上面的曲線平滑得多,怎么辦呢?

這確實是一個難題,且沒有一個標準的答案。但你可以和商業(yè)部分探討下面幾個問題:

當逾期超過90天的客戶比例是多少時,我們的資產(chǎn)會出現(xiàn)虧損?然后你可以以這個比例作為嘈參照,選擇響應的觀察期。

逾期90天是不是一個好的選擇?能不收緊標準,把逾期天數(shù)檢測縮短到60天,這樣做對客戶體驗造成什么影響?

    轉(zhuǎn)藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多