3、坏账率计算口径：不同业务场景下的坏账率计算公式及数据依赖

坏账率是衡量信贷资产质量的核心指标，但“坏账”的定义在不同业务场景下差异巨大。若口径不统一，跨部门、跨产品的风险对比将失去意义。本章梳理三种主流计算口径：逾期天数法、滚动率法和最终损失法，并明确各自的数据依赖与适用场景。

3.1 三种计算口径对比总览

3.2 逾期天数法（Delinquency Days Method）

最直观、最常用的方法。将逾期天数超过特定阈值的资产直接标记为坏账。常见阈值包括：

• M3+（逾期90天以上）：行业通用标准，适用于多数消费信贷。
• M6+（逾期180天以上）：常用于房贷、大额抵押贷。
• M1+（逾期30天以上）：部分高风险短期产品采用，但虚高率较大。

计算公式：

坏账率（逾期天数法） = 逾期超过阈值（如M3+）的贷款余额 / 总贷款余额 × 100%

数据依赖清单：

• 核心字段： 合同号、应还日、实还日、应还金额、实还金额、当前逾期天数。
• 数据质量要求： 还款流水需T+1准确入账，避免因系统延迟导致逾期天数计算偏差。
• 常见陷阱： 部分机构将“已核销”资产从分母中剔除，导致坏账率被低估。应统一分母为“全部在贷余额（含核销前）”。

3.3 滚动率法（Roll Rate Method）

滚动率法通过观察逾期账户在不同逾期状态之间的迁移概率，来预测最终进入坏账的比例。它比逾期天数法更具前瞻性，尤其适合评估资产组合的未来损失。

核心步骤：

1. 定义状态： 如 C（正常）、M1（1-30天）、M2（31-60天）、M3（61-90天）、Loss（坏账）。
2. 计算滚动率： 统计从状态X迁移到状态Y的账户比例。例如：M1→M2的滚动率 = 上月M1中本月进入M2的账户数 / 上月M1总账户数。
3. 推算最终坏账率： 将各阶段滚动率连乘，得到从正常到坏账的累积概率。

简化计算公式（以M3为坏账起点）：

坏账率（滚动率法） = 滚动率(M1→M2) × 滚动率(M2→M3) × 滚动率(M3→Loss)

数据依赖清单：

• 核心字段： 合同号、观察月份、月末逾期天数、月末逾期状态。
• 数据质量要求： 需构建连续12个月以上的逾期状态快照表，且状态定义必须稳定。若产品规则变更（如调整宽限期），滚动率序列会出现断点。
• 样本量要求： 每个状态分组的样本量应≥30，否则滚动率波动过大，失去统计意义。

3.4 最终损失法（Final Loss Method）

最终损失法以实际发生的净损失为计算基础，是最接近“真实损失”的口径。它通常用于财务报告和监管报送，但数据滞后性明显。

计算公式：

坏账率（最终损失法） = (核销金额 - 回收金额) / 同期平均贷款余额 × 100%

数据依赖清单：

• 核心字段： 核销日期、核销金额、回收日期、回收金额、贷款余额（期初/期末）。
• 数据质量要求： 核销与回收必须关联到原始合同，且回收金额需区分“本金回收”与“利息回收”，避免重复计算。
• 时间对齐： 核销金额与平均贷款余额的时间窗口必须一致。常见做法是使用“过去12个月滚动核销率”。

3.5 三种口径的数据依赖对比矩阵

3.6 数据治理建议：口径统一与映射

在实际数据仓库建设中，建议建立坏账率口径映射表，记录每种口径的算法版本、生效日期、数据源表、阈值参数。当业务部门对坏账率数值产生争议时，可通过映射表快速定位口径差异来源。

映射表示例字段：

• 口径ID：唯一标识（如 DLQ_90、ROLL_12M、FINAL_LOSS）。
• 算法描述：包含完整计算公式及参数。
• 数据源表：依赖的表名及字段映射。
• 生效日期：口径启用时间。
• 变更记录：口径调整的历史版本。