2. 风控基础回顾:贷后管理流程、逾期阶段划分与关键风控指标

贷后预警是风控全生命周期中承上启下的关键环节。在进入阈值动态调优之前,必须统一对贷后管理流程、逾期阶段划分以及核心指标的定义。本章将系统梳理这些基础概念,为后续的 Python 实战打下坚实的业务逻辑基础。

2.1 贷后管理全流程

贷后管理始于贷款发放,终于贷款结清或核销。其核心目标是识别早期风险信号、控制逾期损失、最大化回收率。一个标准的贷后管理流程通常包含以下五个阶段:

  1. 常规监控(贷后0-30天):系统自动监测还款行为、多头借贷变化、设备指纹异常等。此阶段以规则引擎和模型评分卡为主,人工介入极少。
  2. 早期预警(贷后30-60天):当客户出现首次逾期或关键指标(如DPD1+)触发阈值时,系统自动发送短信/IVR提醒,并标记为“关注名单”。
  3. 人工干预(贷后60-90天):逾期进入M2阶段,催收员开始电话外呼,结合客户画像制定差异化催收策略(如承诺还款、分期重组)。
  4. 强力催收(贷后90-180天):逾期进入M3-M6,委外催收、法务函、上门催收等手段逐步升级。此阶段成本高,需精准评估客户还款意愿与能力。
  5. 资产处置(贷后180天+):逾期超过M6,通常转为坏账核销或打包出售给资产处理公司。预警系统在此阶段主要监控诉讼时效与失联修复。
业务要点: 贷后预警阈值主要作用于“常规监控”与“早期预警”两个阶段。阈值设置过松会导致风险漏报,过紧则引发大量无效预警,增加催收成本。动态调优的目标就是在两者之间找到最佳平衡点。

2.2 逾期阶段划分(M0 / M1 / M2 …)

逾期阶段(M0, M1, M2…)是贷后管理中最基础的时间维度划分。不同机构对“M”的定义略有差异,但业界通用标准如下表所示:

阶段 逾期天数范围 典型状态描述 催收策略
M0 0 天(未逾期) 正常还款或宽限期内 系统自动监控,无人工干预
M1 1 ~ 30 天 早期逾期,客户可能遗忘或临时资金紧张 短信/IVR提醒,轻度人工催收
M2 31 ~ 60 天 逾期加深,还款意愿明显下降 电话催收,制定还款计划
M3 61 ~ 90 天 严重逾期,失联风险增加 委外催收,法务介入准备
M4+ 91 天以上 坏账高风险,核销或资产处置 诉讼、核销、打包出售
注意: 部分机构将“M0”定义为“应还日当天未还”,而将“宽限期(通常1-3天)”单独列出。在阈值调优中,我们通常以 DPD(Days Past Due) 作为精确计量单位,M阶段则用于策略分组。
逾期阶段递进关系 逾期阶段递进关系(M0 → M4+) M0 正常/宽限 M1 1-30天 M2 31-60天 M3 61-90天 M4+ 91天+ 预警阈值调优主要作用于 M0→M1 和 M1→M2 的过渡阶段 目标是提前识别 M0 中即将恶化为 M1 的客户,降低滚动率

2.3 关键风控指标

在贷后预警场景中,有三个指标是阈值调优的核心输入与输出:DPD、FPD、滚动率。理解它们的计算逻辑与业务含义,是后续 Python 代码实现的前提。

2.3.1 DPD(Days Past Due)—— 逾期天数

DPD 是衡量客户逾期严重程度的最基础指标,定义为:当前日期距离应还日期的天数差(不含宽限期)。

  • DPD = 0:客户已还款或处于宽限期内。
  • DPD = 1:逾期1天,通常触发首次预警。
  • DPD = 30:逾期30天,进入M1末期。
常见误区: 部分系统将“DPD”与“逾期期数”混用。例如,DPD=30 可能被标记为“M1”,但 DPD=31 则进入“M2”。在阈值调优中,务必使用 连续整数 DPD 作为模型输入,而非离散的 M 阶段标签。

2.3.2 FPD(First Payment Default)—— 首期逾期

FPD 特指客户在贷款发放后的第一期还款即发生逾期。这是贷后预警中最重要的早期风险信号之一,通常与欺诈风险高度相关。

  • FPD 发生率 = 首期逾期客户数 / 总放款客户数。
  • 业务含义:FPD 率过高(如 >5%)通常意味着贷前审批策略存在漏洞,或遭遇团伙欺诈。
  • 阈值调优关联:对于 FPD 客户,预警阈值应自动降低(更敏感),因为其后续滚动为 M3+ 的概率远高于正常客户。

2.3.3 滚动率(Roll Rate)—— 逾期恶化概率

滚动率是衡量客户从当前逾期阶段向下一个更严重阶段迁移的概率。它是动态阈值调优的核心目标变量。

滚动率的通用计算公式为:

滚动率(M1→M2) = 
  在观察期末处于 M2 且期初处于 M1 的客户数 /
  期初处于 M1 的客户总数

常见的滚动率矩阵如下表所示:

当前阶段 下一阶段 滚动率含义 阈值调优应用
M0 M1 正常客户首次逾期概率 设定首次预警触发阈值
M1 M2 早期逾期恶化概率 决定是否升级催收策略
M2 M3 中期逾期恶化概率 评估委外催收必要性
M3 M4+ 坏账转化概率 核销与准备金计提参考
滚动率计算与阈值调优关系 滚动率计算与阈值调优关系 滚动率计算流程 1. 取 T 时刻 M1 客户池 2. 观察 T+1 时刻状态 3. 统计仍为 M1 或恶化为 M2 4. 滚动率 = M2数 / M1总数 例:滚动率 30% → 预警阈值需收紧 阈值动态调优 滚动率 ↑ → 阈值 ↓(更敏感) 滚动率 ↓ → 阈值 ↑(更宽松) 目标: 预警召回率 > 80% 误报率 < 20% 滚动率是阈值调优的“反馈信号”:滚动率上升说明当前阈值过松,需动态收紧;反之则需放松 Python 实战中将使用滑动窗口法实时计算滚动率,并驱动阈值更新

2.4 指标联动与预警阈值设计思路

在实际业务中,DPD、FPD 和滚动率并非孤立使用,而是通过以下逻辑联动:

  • 规则一(FPD 强触发):若客户 FPD = 1,则无论 DPD 多少,直接进入高优先级预警名单,阈值设为最低档。
  • 规则二(滚动率动态阈值):对于非 FPD 客户,根据其所在客群的滚动率历史分位数,动态计算当前 DPD 预警阈值。例如,若滚动率(M0→M1)超过 15%,则将 DPD 预警阈值从 5 天调整为 3 天。
  • 规则三(DPD 硬下限):所有客户至少满足 DPD ≥ 2 天才触发预警,避免因系统延迟或银行处理时间导致的误报。