4. 滚动率漂移定义

4.1 什么是滚动率漂移（Roll Rate Drift）

滚动率漂移是指资产池在不同观察周期下，同一逾期状态向下一逾期状态迁移的比例（即滚动率）发生系统性、非随机的变化。在贷后风控中，滚动率是衡量逾期资产恶化速度的核心指标，其漂移直接反映资产质量结构的动态变化。

数学上，滚动率漂移可定义为：

ΔR(t, t+k) = R(t, t+k) - R_base

其中：
- R(t, t+k) 为当前周期从状态 i 迁移至状态 j 的滚动率
- R_base 为基准滚动率（通常取历史稳定期均值或模型训练期均值）
- ΔR 显著偏离 0 时，视为发生滚动率漂移

4.2 漂移的常见原因

滚动率漂移并非随机噪声，而是由系统性因素驱动。理解漂移的根因是设定有效告警阈值的前提。根据实践经验，漂移主要来源于以下三大类因素：

4.3 漂移对风险模型的影响

滚动率漂移对贷后风险模型的影响是全链条的，从模型输入到最终决策都会受到冲击。以下是主要影响维度：

• 模型预测偏差： 滚动率是贷后风险模型（如催收评分卡、回收率模型）的核心输入特征。漂移导致模型输入分布偏移，预测结果系统性偏离真实值。
• 模型区分度下降： 当滚动率整体漂移时，好坏样本的滚动率差异可能被压缩，模型 KS/AUC 等区分度指标下降。
• 模型校准失效： 滚动率漂移会破坏模型概率校准（Calibration），导致预测概率与实际违约率不一致，影响催收资源分配决策。
• 策略阈值失效： 基于历史滚动率设定的催收策略阈值（如委外触发线、减免比例）可能不再适用，导致策略过度或不足。

4.4 漂移的量化识别方法

在实际工作中，我们通常采用以下方法量化识别滚动率漂移：

1. 滚动率矩阵对比法： 计算当前周期与基准周期的滚动率矩阵，逐单元格计算差异。
2. PSI（Population Stability Index）监测： 计算滚动率分布的群体稳定性指标，PSI > 0.1 视为轻度漂移，> 0.25 视为严重漂移。
3. 控制图法： 将滚动率视为过程变量，绘制 X-bar 控制图，超出上下控制限（通常为 ±3σ）即告警。

# 滚动率漂移 PSI 计算示例
import numpy as np

def calculate_psi(expected, actual, bins=10):
    """计算滚动率分布的 PSI 值"""
    # 将滚动率分箱
    expected_hist, _ = np.histogram(expected, bins=bins, range=(0, 1))
    actual_hist, _ = np.histogram(actual, bins=bins, range=(0, 1))
    
    # 转换为比例
    expected_pct = expected_hist / len(expected)
    actual_pct = actual_hist / len(actual)
    
    # 避免除零
    expected_pct = np.clip(expected_pct, 0.001, 1)
    actual_pct = np.clip(actual_pct, 0.001, 1)
    
    # 计算 PSI
    psi = np.sum((actual_pct - expected_pct) * np.log(actual_pct / expected_pct))
    return psi

# 示例：M0→M1 滚动率漂移检测
baseline_roll_rate = np.random.beta(2, 8, 10000)  # 基准滚动率
current_roll_rate = np.random.beta(3, 7, 10000)   # 当前滚动率（已漂移）

psi_value = calculate_psi(baseline_roll_rate, current_roll_rate)
print(f"滚动率 PSI: {psi_value:.4f}")
# 输出: 滚动率 PSI: 0.1523  (轻度漂移)