📚 课程目录第4章滚动率分析的数据准备

4、滚动率分析的数据准备

滚动率分析的准确性高度依赖数据质量与时间窗口的统一定义。本节将详细说明所需数据字段、清洗规则以及逾期状态的时间窗口划分标准，确保后续迁移率计算与预警模型建立在可靠的数据基础上。

滚动率分析的核心输入是客户-期次-时间三维数据，至少需要包含以下字段：

字段扩展建议：实际生产环境中建议额外保留 loan_balance（剩余本金）、collection_stage（催收阶段）和 is_extension（是否展期）字段，用于后续分层分析和异常值过滤。

原始数据通常包含噪声，必须经过以下清洗步骤才能用于滚动率计算：

重复记录去重：同一合同同一观察日期的多条记录，保留最后更新的一条，其余删除。
异常值过滤：
- 逾期天数 overdue_days 为负数（提前还款）的记录，标记为 M0 状态。
- 逾期天数超过合同剩余期限的记录，视为数据错误，直接剔除。
- 应还金额 due_amount 小于等于 0 的记录，剔除。
缺失值处理：
- paid_amount 缺失时，默认填充为 0。
- overdue_days 缺失时，根据 obs_date 与 due_date 差值计算补全。
状态一致性校验：确保同一合同在连续观察日期的逾期状态不会出现跳跃（如从 M0 直接跳到 M3），若出现则回滚至上一期状态。
时间窗口对齐：所有观察日期必须对齐到月末或固定周期日（如每月最后一天），避免因日期偏移导致状态误判。

常见陷阱：展期、借新还旧、债务重组等特殊操作会导致逾期天数重置，这类记录在滚动率分析中应单独标记或剔除，否则会严重低估真实迁移风险。

滚动率分析将逾期天数划分为离散的“M状态”，每个状态代表一个逾期阶段。标准定义如下：

逾期状态	逾期天数范围	业务含义	预警等级
M0	0 天（含提前还款）	正常还款或未到期	无预警
M1	1 ~ 30 天	早期逾期，催收黄金期	低预警
M2	31 ~ 60 天	中期逾期，风险上升	中预警
M3	61 ~ 90 天	严重逾期，进入法催阶段	高预警
M4+	91 天及以上	坏账预备，核销候选	紧急预警

时间窗口的划分直接影响迁移率的计算粒度。建议根据产品周期灵活调整：短期消费贷可细化到 M1~M3，长期房贷可扩展至 M6 甚至 M12。

不同金融机构对 M 状态的定义存在细微差异，以下列出常见变体供参考：

机构类型	M1 起始	M2 起始	M3 起始	M4+ 起始	备注
银行信用卡	1 天	31 天	61 天	91 天	含 3 天宽限期
消费金融	1 天	31 天	61 天	91 天	无宽限期
汽车金融	1 天	31 天	61 天	91 天	部分含 5 天宽限期
P2P 网贷	1 天	16 天	31 天	61 天	更严格，加速预警

  最佳实践：在数据准备阶段，建议将原始逾期天数保留为连续变量，同时生成 M 状态分类变量。这样既支持滚动率分析，也便于后续构建逾期天数回归模型或生存分析模型。

以下流程图展示了从原始数据到滚动率分析就绪数据的完整链路：