2. 核心概念与术语:逾期率、通过率、坏账率、FPD30、Vintage、滚动率、迁移率、KS、AUC
风控策略的复盘与迭代,离不开一套标准化的“度量语言”。本章将系统梳理风控领域最核心的9个概念与术语,帮助你在后续的切片分析中,用统一的标尺衡量风险、评估策略效果。
2.1 基础指标:逾期率、通过率、坏账率
这三个指标构成了风控策略最底层的“三角评价体系”,分别从风险暴露、业务规模和最终损失三个维度刻画资产质量。
| 指标名称 | 定义公式 | 核心解读 | 常见用途 |
|---|---|---|---|
| 逾期率 | 逾期订单数 / 总在贷订单数 | 反映当前时点的风险水位,是“快照”指标 | 监控每日/每周风险波动,触发预警 |
| 通过率 | 审批通过订单数 / 申请订单数 | 衡量策略的“松紧度”,直接影响业务量 | 评估策略对获客规模的影响 |
| 坏账率 | 最终确认损失金额 / 放款总额 | 反映资产包的终极损失,是“滞后”指标 | 核算业务利润,校准风险定价 |
分析师提示: 逾期率是“过程指标”,坏账率是“结果指标”。切片复盘时,不要只看坏账率,因为坏账率通常滞后3-6个月;逾期率能更早地暴露策略问题。
2.2 时间切片指标:FPD30 与 Vintage
为了消除“时间错位”对风险判断的干扰,行业引入了两个重要的时间维度指标。
FPD30(首次逾期30天)
FPD30 指客户在还款日后的第30天仍未还清最低应还款额。它是贷后催收的“黄金分割点”——逾期30天以内的客户,催回率通常较高;超过30天,失联率和坏账概率显著上升。
- 计算口径: 以合同约定的还款日为起点,第30天观察是否结清。
- 策略意义: FPD30 率常被用作“早期风险预警线”,一旦某批次客群的 FPD30 率异常升高,应立即启动策略复盘。
Vintage(账龄分析)
Vintage 将同一放款月份(或季度)的资产包视为一个“队列”,跟踪该队列在后续各账龄月(MOB1、MOB2……MOB12)的逾期表现。它解决了“不同时期放款的资产,因账龄不同而无法直接比较”的问题。
Vintage 曲线解读:
- 曲线斜率: 斜率越大,说明该批次资产的风险暴露速度越快。
- 曲线收敛性: 如果曲线在12-18个月后趋于平稳,说明风险已充分暴露;若持续上升,则可能存在“慢性坏账”风险。
- 批次对比: 将不同月份的 Vintage 曲线叠放在一起,可以直观看出策略调整对资产质量的长期影响。
2.3 状态迁移指标:滚动率与迁移率
这两个指标用于描述资产在不同逾期状态之间的“流动”情况,是预测未来坏账和制定催收策略的核心依据。
| 指标 | 定义 | 计算公式 | 应用场景 |
|---|---|---|---|
| 滚动率 | 从当前逾期状态“恶化”到下一更严重逾期状态的比例 | 滚动率 = 本期逾期M1且下期进入M2的订单数 / 本期逾期M1的订单总数 | 预测坏账规模、评估催收效果 |
| 迁移率 | 与滚动率本质相同,但更强调“跨状态”的转移概率矩阵 | 迁移率矩阵:M0→M1, M1→M2, M2→M3…… | 构建风险漏斗、计算预期信用损失(ECL) |
避坑指南: 滚动率和迁移率在行业内常被混用。建议在团队内部统一口径:滚动率用于描述“同一批次客户在相邻两期之间的状态变化”;迁移率用于构建“全生命周期的状态转移矩阵”。切片复盘时,优先使用滚动率做短期预测,使用迁移率矩阵做长期损失预估。
2.4 模型区分度指标:KS 与 AUC
当风控策略中引入了评分卡或机器学习模型时,KS 和 AUC 是衡量模型“好坏区分能力”的黄金标准。
KS(Kolmogorov-Smirnov)
KS 统计量衡量的是模型对“好客户”和“坏客户”累积分布的最大差异。KS 值越高,说明模型越能将好坏客户有效分开。
- KS 取值范围: 0 ~ 1(通常以百分比表示)
- 行业经验阈值:
- KS < 0.2:模型区分能力弱,基本不可用
- 0.2 ≤ KS < 0.4:模型区分能力中等,可接受
- 0.4 ≤ KS < 0.6:模型区分能力强,优秀
- KS ≥ 0.6:需警惕过拟合,或存在数据泄露
AUC(Area Under the ROC Curve)
AUC 是 ROC 曲线下的面积,综合反映了模型在所有可能阈值下的分类性能。AUC 越接近 1,模型整体性能越好。
| 指标 | 关注点 | 对样本不均衡的敏感度 | 解读方式 |
|---|---|---|---|
| KS | 最大区分点(阈值选择) | 较敏感 | KS 值对应的分数段,就是策略切分的最佳“红线” |
| AUC | 整体排序能力 | 不敏感 | AUC 越高,模型对好坏客户的“排序”越准确 |
2.5 核心术语关系总览
以下表格总结了9个核心术语在风控策略复盘中的定位与使用频率,帮助你快速建立知识框架。
| 术语 | 类型 | 复盘用途 | 使用频率 |
|---|---|---|---|
| 逾期率 | 过程指标 | 日常监控、预警 | 每日/每周 |
| 通过率 | 业务指标 | 策略松紧度评估 | 每周/每月 |
| 坏账率 | 结果指标 | 利润核算、最终损失评估 | 每月/每季 |
| FPD30 | 早期预警指标 | 策略快速诊断 | 每日/每周 |
| Vintage | 队列分析工具 | 长期资产质量跟踪 | 每月 |
| 滚动率 | 状态迁移指标 | 短期坏账预测 | 每周/每月 |
| 迁移率 | 状态迁移矩阵 | 全生命周期损失预估 | 每月/每季 |
| KS | 模型区分度指标 | 阈值选择、模型效果评估 | 模型迭代时 |
| AUC | 模型整体性能指标 | 模型排序能力监控 | 模型迭代时 |
实战建议: 在人群切片复盘中,建议将上述指标组合使用。例如:
1. 先用 Vintage 锁定“表现异常”的放款批次;
2. 再用 滚动率 分析该批次客户在逾期状态间的迁移路径;
3. 最后用 KS 验证当前策略阈值是否仍能有效区分好坏客户。
这种“组合拳”式的分析方法,远比单一指标更有说服力。
1. 先用 Vintage 锁定“表现异常”的放款批次;
2. 再用 滚动率 分析该批次客户在逾期状态间的迁移路径;
3. 最后用 KS 验证当前策略阈值是否仍能有效区分好坏客户。
这种“组合拳”式的分析方法,远比单一指标更有说服力。