2、滚动率计算逻辑
滚动率（Roll Rate）是衡量资产质量迁徙的核心指标，它量化了某一逾期状态下的客户在下一个观察周期进入更严重逾期状态的比例。准确理解滚动率的计算公式、分子分母定义以及不同时间窗口的计算方法，是构建实时预警策略的数据基础。
2.1 滚动率计算公式与核心定义
滚动率的基本计算公式如下：
滚动率（R） = （在观察期末，从状态 A 迁徙到状态 B 的账户数或余额） / （在观察期初，处于状态 A 的账户总数或总余额） × 100%其中，状态 A 和状态 B 代表不同的逾期天数区间（如 M0、M1、M2 等）。
| 术语 | 定义 | 示例 |
|---|---|---|
| 分子 | 在观察期初处于状态 A，在观察期末状态恶化为状态 B 的账户数（或余额）。 | 期初 M0 的账户中，期末变为 M1 的账户数。 |
| 分母 | 在观察期初，处于状态 A 的全部账户数（或总余额）。 | 期初所有处于 M0 状态的账户总数。 |
| 观察周期 | 两次评估状态的时间间隔，通常为 1 个月（30 天）。 | 本月 1 日评估状态，下月 1 日再次评估。 |
关键原则：分子必须是分母的子集。所有在期末发生迁徙的账户，其期初状态必须属于分母所定义的状态集合。这保证了滚动率是一个介于 0 到 1 之间的比例。
2.2 不同时间窗口的滚动率计算
根据业务需要，滚动率通常按不同的逾期阶段（M 段）进行计算。以下是两个最核心的滚动率计算场景：
2.2.1 M0 → M1 滚动率
该指标衡量的是正常账户（M0，即未逾期或还款宽限期内）在下一个周期内首次发生逾期的比例，是预警策略中最敏感的先行指标。
M0→M1 滚动率 = （观察期末从 M0 变为 M1 的账户数） / （观察期初处于 M0 的账户总数） × 100%- 分子定义：期初处于 M0 状态，期末逾期天数达到 1~30 天（M1）的账户。
- 分母定义：期初所有处于 M0 状态的账户（包括应还款和未应还款账户，通常只统计有应还款行为的账户）。
- 业务含义：该值上升通常预示着早期风险暴露增加，需要立即启动触达策略。
2.2.2 M1 → M2 滚动率
该指标衡量的是轻度逾期账户（M1）向中度逾期（M2）恶化的比例，反映了催收策略的有效性和客户的还款意愿。
M1→M2 滚动率 = （观察期末从 M1 变为 M2 的账户数） / （观察期初处于 M1 的账户总数） × 100%- 分子定义：期初处于 M1 状态，期末逾期天数达到 31~60 天（M2）的账户。
- 分母定义：期初所有处于 M1 状态的账户。
- 业务含义：该值若持续偏高，说明 M1 阶段的催收动作未能有效阻断风险，需要调整催收策略或升级处置手段。
计算注意事项：
- 剔除核销与结清账户：在计算滚动率时，分母应剔除在观察期内已经核销、结清或提前还款的账户，因为这些账户不再处于正常的风险迁徙路径上。
- 余额口径 vs 账户数口径：账户数口径反映风险广度，余额口径反映风险深度。实时预警策略通常优先使用账户数口径，以快速捕捉风险事件。
- 时间窗口对齐：确保期初和期末的评估时点严格对齐，避免因数据延迟导致计算偏差。
2.3 滚动率计算流程示意图
下图展示了 M0→M1 和 M1→M2 两个核心滚动率的计算逻辑与数据流转过程：
2.4 滚动率计算示例
假设某消费金融产品在 2024 年 1 月 1 日（期初）和 2024 年 2 月 1 日（期末）的账户状态数据如下：
| 状态 | 期初账户数 | 期末账户数 | 迁徙情况 |
|---|---|---|---|
| M0 | 10,000 | 9,200 | 其中 500 户变为 M1，300 户结清 |
| M1 | 800 | 700 | 其中 200 户变为 M2，100 户结清 |
| M2 | 300 | 400 | 其中 150 户变为 M3，50 户结清 |
根据上述数据，计算核心滚动率：
M0→M1 滚动率 = 500 / (10,000 - 300) = 500 / 9,700 ≈ 5.15%
M1→M2 滚动率 = 200 / (800 - 100) = 200 / 700 ≈ 28.57%
避坑提示：分母剔除结清账户是常见错误点。若不剔除结清账户，M0→M1 滚动率将错误地计算为 500 / 10,000 = 5.00%，这会低估真实的风险迁徙水平。在实时预警策略中，低估风险可能导致预警阈值设置过高，错过最佳干预时机。
2.5 滚动率在实时预警中的意义
滚动率不仅是静态的风险度量，更是动态预警策略的核心输入：
- 阈值设定依据：M0→M1 滚动率的近期均值可作为触发早期预警的基准线。当滚动率连续 3 天超过均值 1.5 倍时，系统自动升级预警等级。
- 策略效果评估：M1→M2 滚动率的变化直接反映催收策略的有效性。若策略调整后该值下降，说明干预措施有效。
- 资产质量预测：通过滚动率矩阵，可以预测未来各逾期阶段的资产规模，为准备金计提和催收资源调配提供数据支持。