要想进一步探索消费金融业务，对于业务中常提到的风险常用指标，必须深刻地理解和准确地使用。行业内常用的指标及解释说明如下：

  根据内在风险程度将商业贷款划分为正常、关注、次级、可疑、损失五类。这种分类方法是银行主要是根据借款人的还款能力，确定贷款遭受损失的风险程度来划分的，后三种为不良贷款。

  正常：借款人能够履行合同，一直能正常还本付息，不存在任何影响贷款本息及时全额偿还的消极因素，贷款损失的概率为0。关注：尽管借款人有能力偿还贷款本息，但有几率存在对偿还产生不利影响的因素，贷款损失的概率不会超过5%。次级：借款人的还款能力出现非常明显问题，一定要通过处分资产或对外融资乃至执行抵押担保来还款付息。贷款损失的概率在30%-50%。可疑：借款人无法足额偿还贷款本息，即使执行抵押或担保，肯定也要造成一部分损失。贷款损失的概率在50%-75%之间。损失：借款人已无偿还本息的可能，无论采取何种措施和履行何种程序，贷款都注定要损失。其贷款损失的概率在75%-100%。

  与合同中约定应还款日相比用户延滞天数，一般从应还款日后第一天开始计算逾期天数。比如用户应还款日是3月20日，到3月21日仍未还款，那代表用户逾期天数1天，使用DPD1表示。DPD30 代表逾期天数≥30天。

  也称为逾期月数，正常贷款用C表示，Mn代表逾期N期，Mn 表示逾期N期以上。

  M1代表逾期1天-30天M2代表逾期31天-60天M3代表逾期61天-90天M4代表逾期91天-120天M5代表逾期121天-150天M6代表逾期151天-180天M7代表逾期181天以上。根据逾期期数一般区分为前期，中期，后期，转呆账四个阶段。一般将M1列为前期，M2~M3列为中期，M4以上列为后期。

  指某一时刻逾期贷款余额占总体贷款余额的比例，是用来衡量贷款拖欠程度的一个指标。目前行业内主要有两种方法来统计分析，分别是即期逾期率和递延逾期率。

  用于分析当期的逾期情况。优点是：计算简单；缺点是：起伏较大，容易失真，特别是当期所有应收账款快速上升或萎缩时。

  递延逾期率=当期各逾期期数的贷款本金余额/回溯到贷款发放时期对应的贷款本金余额

  核心思想是对不同时期的开户的资产进行分别跟踪，按照账龄的长短进行同步对比，从而了解不同时期开户用户的资产质量情况。

  能够将纵向不同时期的信贷资产拉平到同一时期作比较，进而评估不同时期某账龄的信贷资产管理。一般有两种计算口径：

  Vintage指标=当期各逾期期数的贷款本金余额/回溯到贷款发放时期数对应的贷款本金余额

  Vintage指标=当期各逾期期数的贷款本金余额/回溯到贷款发放期对应的放款本金

  代表从贷款发放至今经历了多少个月，MOB0代表放款日至当月月底，MOB1代表放款后第二个完整月份，MOB2代表放款后第三个完整月份。

  不同的公司定义不良贷款有较大差距，有将逾期M3 视为不良贷款，有将M6 视为不良贷款。计算公式是：

  通常逾期6期以上（M7）转呆账。假设某产品转呆账时间点为逾期M6转入逾期M7时，则转呆账率计算公式是：

  NCL%的计算方式与WO%一样，只是分子部分由当期转呆账金额改为（当期转呆账金额-当期呆账回收金额），计算公式是：

  净损失率=（当期转呆账本金余额-当期呆账回收金额）/7个月前贷款本金余额

  x为F、S、T、Q分别代表第一期、第二期、第三期、第四期，后面期数会用数字表示。

  FPD10表示第一期首次逾期≥10天，SPD30第二期首次出现逾期≥30天。如果一个客户身上有FPD30的标记，必然有FPD7等小于30的标记。

  债务人在全体金融机构的无担保债务归户后的总余额（包括借记卡、贷记卡及信贷）除以平均月收入，不宜超过22倍。

  观察前期逾期金额经过催收后，仍未缴款而继续落入下一期的几率。一般缩写为C-M1、M2-M3等形式，例如：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。

  反映的是逾期资产的回收情况，与迁移率一样都是统计逾期资产是否进一步逾期的指标。在不考虑核销的情况下，迁移率及回收率的和为100%。

  从某个观察点之前的一段时间（观察期）的最坏的状态，向观察点之后的一段时间（表现期）的最坏的状态的发展变化情况。

  介绍完上述风险管理中用到的术语后，我将通过综合实例介绍各项的计算过程，假设2019年1月业务刚开始放款，计算所用到数据如表1：

  vintage指标=当期各逾期期数的贷款本金余额/回溯到贷款发放期对应的放款本金

  对应合同在mob1M3 逾期率0%；对应合同在mob2M3 逾期率0%；对应合同在mob3M3 逾期率0%；对应合同在mob4M3 逾期率=21000/3000000=0.70%；对应合同在mob5M3 逾期率=（6月M4逾期本金余额 6月M5逾期本金余额）/1月放款本金；但是6月M4逾期本金会同时包含1月M4逾期合同本金与2月M4逾期合同本金，所以通过表1数据无法计算，M3 逾期率就以下表设定为准。

  ⅰ账龄最长为12个月，代表产品期限为12期。随着12期结束，账户的生命周期走到尽头。ⅱ2019年5月放款的合同走完账龄生命周期，而2019年6月的却没有，说明数据统计时间为2020年6月。Ⅲ账龄mob1、mob2、mob3的逾期率都为0，说明逾期指标为M3 （逾期超过90天）风险。Ⅳ放款月份从2019年1月～12月的账户M3 逾期率都在降低，说明资产质量在不断的提高，可能风控水平在不断的提高。2019年5月相对于2019年1～4月的逾期率大幅度下降，说明该阶段风控策略提升明显。Ⅴ不同月份放款的M3 在经过9个MOB后开始趋于稳定，说明账户成熟期是9个月。

  正常的客户，在未来6个月里，有96%会保持正常状态；逾期1期的客户，未来有81%会回到正常状态，即从良率为81%，有6%会恶化到M2、M3、M3 ；逾期2期的客户，从良率为23%，有39%会恶化到M3、M3 ；逾期3期的客户，从良率为14%，有61%会恶化到M3 ；逾期3期及以上的客户，从良率仅为4%，有82%会继续此状态。因此我们大家都认为历史逾期状态为M3 客户几乎不会从良，为了让风控模型有更好的区分能力，需要将客户好坏界限尽可能清晰，根据滚动率分析可以定义坏用户（bad）=逾期状态M3 （逾期超过90天）。再进行迁移率分析，以表1里数据为例做多元化的分析，其中橙色部分为恶化迁移路径。

  截止1月末，正常资产C为1000000元，此为起点。截止2月末，1月末的正常资产C中有230000/1000000=23%恶化为逾期资产M1。截止3月末，2月末的逾期资产M1中有55000/230000=23.91%恶化为逾期资产M2。截止4月末，3月末的逾期资产M2中有25000/55000=45.45%恶化为逾期资产M3。截止5月末，4月末的逾期资产M3中有21000/25000=84%恶化为逾期资产M4。截止6月末，5月末的逾期资产M4中有10000/21000=47.62%恶化为逾期资产M5。可能采用了委外催收、司法手段等催收策略，催回效果非常明显。截止7月末，6月末的逾期资产M5中有8500/10000=85%恶化为逾期M6资产。截止8月末，7月末的逾期资产M6中有6500/8500=76.57%恶化为逾期M7资产。此时将视为不良资产，打包转卖给第三方公司，这样就能回收部分不良资产，减少损失。通过迁移率，我们大家可以清晰观察到每个Vintage的资产在各逾期状态的演变规律。见表4，我们从横向比较每个月的迁移率，发现不完全一样。这是因为跟着时间推移、外在宏观经济环境、内部政策等变化而产生一定的波动。

---