📚 课程目录第4章坏账率指标定义

4. 坏账率指标定义：公式、时间窗口与逾期口径

坏账率是量化回测中最核心的风险指标之一，直接反映信贷资产组合的信用损失水平。在 Flink 流处理环境中，坏账率的计算需要同时解决三个关键问题：计算公式的选取、时间窗口的划分、逾期口径的标准化。本节将逐一拆解，并给出流式场景下的最佳实践。

4.1 坏账率计算公式

坏账率的本质是“逾期损失金额”与“应回收本金总额”的比值。根据业务场景不同，主流公式分为以下三种：

公式类型	计算公式	适用场景	流式适配难度
期末余额法	坏账率 = 期末逾期余额 / 期末在贷余额	静态报表、监管报送	低（快照计算）
发生额法	坏账率 = 当期新增坏账金额 / 当期应还本金总额	流量监控、风险预警	中（需对齐还款周期）
Vintage 法	坏账率 = 各账龄段累计坏账 / 对应放款金额	资产质量分析、回测归因	高（需按放款批次分组）

流处理推荐：在 Flink 实时回测场景中，优先使用 发生额法 作为主指标，因为它天然适配事件驱动模型——每笔还款事件到达时即可更新分子分母，无需等待期末快照。Vintage 法则作为辅助分析指标，用于评估不同放款批次的长周期表现。

4.2 时间窗口：滚动 / 滑动 / 会话

时间窗口决定了坏账率计算的“观察范围”。Flink 提供了三种原生窗口类型，在坏账率计算中有不同的应用模式：

滚动窗口（Tumbling Window）：固定长度、不重叠。例如“每日坏账率”，每天 00:00:00 至 23:59:59 为一个窗口，窗口结束时输出当日坏账率。适合日报、周报等固定周期报表。
滑动窗口（Sliding Window）：固定长度、可重叠。例如“近 30 天坏账率，每 1 天滑动一次”，窗口长度为 30 天，滑动步长为 1 天。适合实时监控面板，能平滑反映风险趋势变化。
会话窗口（Session Window）：按事件活跃间隔划分。例如“用户连续借贷行为窗口”，当用户超过 7 天无还款事件时关闭当前会话。适合分析用户维度的借贷周期坏账率。

  回测场景建议：量化回测通常使用 滑动窗口 作为主窗口类型，因为回测需要模拟“实时滚动观察”的效果。窗口长度建议设置为 30 天或 90 天，滑动步长设置为 1 天，以捕捉坏账率的连续变化曲线。

4.3 逾期口径：M1 / M2 / M3+

逾期口径是坏账率计算的“分子定义”。不同逾期阶段对应不同的风险等级和损失预期。在量化回测中，必须明确指定使用哪个逾期口径，否则回测结果无法横向对比。

逾期口径	逾期天数范围	风险等级	回测常用场景
M1	1 ~ 30 天	早期预警	流动性风险监控、催收效率评估
M2	31 ~ 60 天	中度风险	信用评分卡验证、策略调优
M3+	61 天及以上	高损失风险	坏账拨备、资产证券化定价

口径一致性警告：在同一个回测项目中，所有策略对比必须使用 相同的逾期口径。例如，策略 A 使用 M2 口径计算坏账率 3.5%，策略 B 使用 M1 口径计算坏账率 8.2%，两者不能直接比较。建议在回测配置文件中显式声明逾期口径参数，并在输出指标名称中标注（如 bad_rate_m2）。

4.4 流式坏账率计算架构

将上述三个要素整合到 Flink 流处理中，形成完整的坏账率计算管道。下图展示了从原始还款事件到最终坏账率输出的核心流程：

4.5 代码示例：Flink SQL 实现坏账率计算

以下 Flink SQL 示例展示了如何组合逾期口径过滤、滑动窗口聚合和发生额法公式，实现实时坏账率计算：

-- 定义还款事件源表
CREATE TABLE repayment_events (
    loan_id      STRING,
    user_id      STRING,
    due_date     TIMESTAMP(3),
    repay_date   TIMESTAMP(3),
    due_amount   DECIMAL(12,2),
    repay_amount DECIMAL(12,2),
    event_time   TIMESTAMP(3) METADATA FROM 'timestamp',
    WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND
) WITH (
    'connector' = 'kafka',
    'topic' = 'repayment_events',
    'properties.bootstrap.servers' = 'localhost:9092',
    'format' = 'json'
);

-- 计算 M2 口径坏账率（逾期 31~60 天）
-- 使用滑动窗口：窗口长度 30 天，滑动步长 1 天
CREATE VIEW bad_rate_m2 AS
SELECT
    window_start,
    window_end,
    -- 分子：逾期 31~60 天的未还本金
    SUM(CASE 
        WHEN DATEDIFF(DAY, due_date, repay_date) BETWEEN 31 AND 60 
        THEN due_amount - repay_amount 
        ELSE 0 
    END) AS overdue_amount_m2,
    -- 分母：窗口内应还本金总额
    SUM(due_amount) AS total_due_amount,
    -- 坏账率
    SUM(CASE 
        WHEN DATEDIFF(DAY, due_date, repay_date) BETWEEN 31 AND 60 
        THEN due_amount - repay_amount 
        ELSE 0 
    END) / NULLIF(SUM(due_amount), 0) AS bad_rate_m2
FROM TABLE(
    HOP(TABLE repayment_events, DESCRIPTOR(event_time), INTERVAL '1' DAY, INTERVAL '30' DAY)
)
GROUP BY window_start, window_end;

-- 输出到结果表
CREATE TABLE bad_rate_sink (
    window_start      TIMESTAMP(3),
    window_end        TIMESTAMP(3),
    overdue_amount_m2 DECIMAL(12,2),
    total_due_amount  DECIMAL(12,2),
    bad_rate_m2       DECIMAL(6,4)
) WITH (
    'connector' = 'jdbc',
    'url' = 'jdbc:clickhouse://localhost:8123/default',
    'table-name' = 'bad_rate_m2_daily'
);

INSERT INTO bad_rate_sink
SELECT * FROM bad_rate_m2;

口径切换技巧：将逾期天数范围提取为配置参数，通过 Flink 动态表属性或广播变量传入，即可在不重启作业的情况下切换 M1 / M2 / M3+ 口径。例如，将 DATEDIFF(DAY, due_date, repay_date) BETWEEN 31 AND 60 替换为参数化表达式，实现口径热切换。

4.6 常见陷阱与避坑指南

分母为零问题：当窗口内无应还本金时，坏账率计算会出现除零异常。务必使用 NULLIF(SUM(due_amount), 0) 或 CASE WHEN 保护。
逾期天数计算基准：逾期天数 = 实际还款日 - 应还款日。如果用户提前还款，逾期天数为负数，应过滤或归零处理。
窗口边界对齐：滑动窗口的起始时间应与业务日历对齐（如自然日 00:00:00），避免因时区偏移导致数据错位。
口径漂移：同一笔贷款在不同时间窗口可能落入不同逾期口径。例如，一笔贷款在第 29 天属于 M1，在第 31 天变为 M2。回测时需明确“以窗口结束时间点的逾期状态为准”。