逾期定义与口径：M0、M1、M2、M3+ 阶段及行业标准
在信贷风控中，逾期口径是衡量资产质量与预测风险的基石。不同机构对逾期天数的划分可能略有差异，但行业通用的 M0–M7+ 滚动分类法已成为事实标准。本节将系统定义各逾期阶段，并给出标准口径对照。
一、逾期阶段核心定义
逾期阶段通常以 “M + 数字” 表示，M 代表 Month（月），数字代表逾期月数。实际业务中，逾期天数与 M 值的对应关系如下：
| 逾期阶段 | 行业标准口径（逾期天数） | 常见别名 | 典型风控动作 |
|---|---|---|---|
| M0 | 0 天（未逾期） | 正常 / 当前 | 正常还款提醒 |
| M1 | 1–30 天 | 早期逾期 / 催收初期 | 短信、IVR 提醒 |
| M2 | 31–60 天 | 关注 / 催收中期 | 人工电话催收 |
| M3 | 61–90 天 | 次级 / 催收后期 | 委外催收、法务介入 |
| M3+ | 91 天及以上 | 损失 / 坏账 | 核销、资产证券化 |
💡 关键口径差异： 部分机构将 M1 定义为 1–29 天，M2 为 30–59 天，M3 为 60–89 天。在建模时，务必与业务方确认 “逾期天数起算点”（是否含宽限期、是否按自然日计算）。
二、逾期状态迁移与滚动率
逾期状态并非静态，而是随时间 滚动迁移。例如，本月处于 M1 的客户，下月可能进入 M2、M3，也可能回归 M0。这种迁移概率正是 滚动率模型 的核心预测对象。
📊 滚动率定义： 滚动率 = 从当前逾期阶段进入下一逾期阶段的客户数 ÷ 当前逾期阶段的总客户数。例如，M1→M2 滚动率 = 本月 M1 客户中下月进入 M2 的比例。
下图展示了标准逾期阶段之间的迁移路径：
三、行业标准口径对比
不同金融机构（银行、消费金融、网贷）对逾期阶段的划分存在细微差异，但核心逻辑一致。下表列出三种常见口径：
| 逾期阶段 | 银行口径（天） | 消费金融口径（天） | 网贷口径（天） |
|---|---|---|---|
| M0 | 0 | 0 | 0 |
| M1 | 1–30 | 1–30 | 1–29 |
| M2 | 31–60 | 31–60 | 30–59 |
| M3 | 61–90 | 61–90 | 60–89 |
| M3+ | ≥91 | ≥91 | ≥90 |
⚠️ 建模注意事项： 在构建滚动率模型时，必须统一口径。若训练数据使用银行口径（M1=1–30天），但上线环境使用网贷口径（M1=1–29天），会导致预测偏差。建议在特征工程阶段将逾期天数 标准化为连续变量，再按业务需求切分。
四、逾期口径在模型评估中的角色
逾期阶段定义直接影响以下模型评估指标：
- 滚动率矩阵： 每个 M 阶段到下一阶段的转移概率，口径不同则矩阵数值不同。
- Vintage 分析： 不同逾期阶段的累计损失率曲线，口径影响曲线形态。
- 模型标签定义： 通常将 M2+ 或 M3+ 定义为“坏样本”，口径决定了坏样本的严格程度。
下图展示了逾期口径如何影响模型标签的划分：
📌 实践建议： 在项目启动阶段，与业务方共同确认逾期口径，并写入建模文档。推荐将逾期天数作为连续特征保留，同时生成 M0–M3+ 的离散标签，以便灵活切换评估视角。