1. 课程导论

1.1 为什么贷后预警需要Vintage分析？

在信贷风险管理中，贷后预警的核心任务是“在风险暴露前识别异常”。传统的监控手段（如整体逾期率、不良率）存在两大缺陷：

• “分母污染”：新发放的优质贷款会稀释存量风险，导致整体指标失真；
• “时间错配”：不同账龄的贷款风险水平天然不同，直接比较会掩盖早期风险信号。

Vintage分析通过“按放款月份（或季度）分组，追踪同一组贷款在生命周期内的表现”，从根本上解决了上述问题。它让风控人员能够：

1. 剥离时间干扰：只看同一批贷款的“年龄-风险”曲线；
2. 识别早期异常：在账龄3-6个月时发现某批次逾期率偏离历史均值；
3. 量化策略效果：对比收紧审批前后的Vintage曲线，直接评估贷前策略对贷后质量的影响。

1.2 Vintage分析在贷后预警中的核心价值

Vintage分析不是简单的统计工具，而是连接“贷前策略”与“贷后表现”的桥梁。其核心价值体现在以下四个维度：

在贷后预警体系中，Vintage分析通常作为“第一道防线”——它不直接触发催收动作，而是通过趋势偏离信号，驱动风控团队进行深度排查。

1.3 课程目标

本课程旨在帮助学员建立一套“可量化、可复现、可解释”的Vintage分析评估体系。完成学习后，你将能够：

• 目标一：掌握Vintage曲线的计算逻辑与数据准备 —— 从底层数据表到标准Vintage报表的完整ETL流程；
• 目标二：构建贷后预警的Vintage监控看板 —— 包括逾期率、迁徙率、回收率等多维度指标；
• 目标三：设计基于Vintage的预警阈值与触发规则 —— 使用统计方法（如均值±3σ、分位数法）设定动态阈值；
• 目标四：通过Vintage分析评估贷后策略效果 —— 对比不同催收策略、减免方案对批次回收率的影响；
• 目标五：输出专业的Vintage分析报告 —— 面向业务、风控、管理层不同受众的沟通模板。

1.4 适用人群

本课程面向以下三类核心人群，每类人群的关注点略有不同：

1.5 Vintage分析在贷后预警中的位置

为了帮助学员建立全局视角，下图展示了Vintage分析在贷后预警体系中的定位与数据流转关系：

1.6 课程内容概览

本课程共分为6个模块，从基础概念到高级应用，层层递进：

1. 基础篇：Vintage分析的定义、数据准备与标准曲线绘制；
2. 监控篇：贷后预警指标设计、Vintage看板搭建与自动化；
3. 阈值篇：基于统计分布的动态阈值设定方法与回测验证；
4. 策略篇：利用Vintage评估催收策略、减免策略与产品调整效果；
5. 报告篇：面向不同受众的Vintage分析报告模板与沟通技巧；
6. 实战篇：真实业务场景案例（含SQL代码与Python代码实现）。