上次，番茄風(fēng)控第61節(jié)的星球課堂：風(fēng)控人必知的風(fēng)控知識—《遷徙率預(yù)估》，課程中跟各位童鞋繼續(xù)介紹了遷徙率(滾動率)和時間序列相關(guān)內(nèi)容。有不少童鞋對相關(guān)的內(nèi)容似乎還不是特別

上次，番茄風(fēng)控第61節(jié)的星球課堂：風(fēng)控人必知的風(fēng)控知識—《遷徙率預(yù)估》，課程中跟各位童鞋繼續(xù)介紹了遷徙率(滾動率)和時間序列相關(guān)內(nèi)容。

有不少童鞋對相關(guān)的內(nèi)容似乎還不是特別了解，今天再跟大家稍微講解遷徙率與時間序列如何做壞賬預(yù)估。

一.遷徙率

1.1.遷徙率預(yù)估具體實操

遷徙率預(yù)估一個重要的步驟就是獲取到每個階段的資產(chǎn)金額分布：

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

有了這個階段的資產(chǎn)便可以計算每個階段的遷徙率，對應(yīng)的數(shù)據(jù)如下：

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

有了以上數(shù)據(jù)，可以通過計算平均的遷徙率：

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

再通過這個平均遷徙率，就可以看到每個階段的遷徙率數(shù)據(jù)：

編輯

添加圖片注釋，不超過 140 字（可選）

通過以上的每個階段的遷徙率，就能得到整體的階段遷徙率預(yù)估，如M0的遷徙率其計算方式是采用：連乘的方式進(jìn)行，轉(zhuǎn)化為具體算式就是：=M0*P1*P2*P3*P4*P5*P6

其中P1~P6為以上所對應(yīng)的遷徙率預(yù)估數(shù)據(jù)：

編輯

添加圖片注釋，不超過 140 字（可選）

1.2.建模中的遷徙率分析

遷徙率分析（RollRateAnalysis），是信貸風(fēng)險管理資產(chǎn)質(zhì)量分析中的重要概念，是指從某個觀察點之前的一段時間（觀察期）的最壞狀態(tài)，向觀察點之后一段時間（表 現(xiàn)期）的最壞狀態(tài)的發(fā)展變化情況。

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

遷徙率分析的具體過程如下：

1、明確數(shù)據(jù)來源，“客戶還款計劃表（CustomerRepaymentSchedule）”較為 常見（具體表名不同業(yè)務(wù)方可能有區(qū)別）；2、選定觀察時點，觀察點往前推m個月定義為觀察期，觀察點往后推n個月定 義為表現(xiàn)期（觀察期與表現(xiàn)期時長根據(jù)產(chǎn)品特征定義）；

3、提取分析樣本，對于選定的樣本用戶，需要限定其放款日期在觀察期前，最后一期還款日期在表現(xiàn)期后（這樣保證樣本用戶的分析時間周期一致）；

4、統(tǒng)計觀察期逾期狀態(tài)，以觀察點為截止時點，統(tǒng)計客戶在觀察期（觀察點前m 個月）的最長逾期期數(shù)，以對應(yīng)最壞逾期狀態(tài)，如C、M1、M2、M3+等（C表示當(dāng) 前未逾期，M1表示逾期1-30天，M2表示逾期31-60天，M3+表示逾期61天及以上）；

5、統(tǒng)計表現(xiàn)期逾期狀態(tài)，以觀察點為起始時點，統(tǒng)計客戶在表現(xiàn)期（觀察點后n個月）的最長逾期期數(shù)，以對應(yīng)最壞逾期狀態(tài)，如C、M1、M2、M3+等；

6、構(gòu)建逾期情況矩陣，以觀察期的逾期情況和表現(xiàn)期的逾期情況進(jìn)行交叉統(tǒng)計， 依次形成樣本數(shù)量矩陣表、樣本占比矩陣表（即遷徙率分析表）；

7、分析遷徙率數(shù)據(jù)表，根據(jù)不同狀態(tài)的變化率情況大小，定義目標(biāo)變量的逾期狀態(tài)閾值；

8、對比多個觀察時點，為了排除某個觀察點選擇時的隨機(jī)影響，一般會選擇多個觀察點數(shù)據(jù)，重復(fù)前述過程，形成多個遷徙率分析表進(jìn)行對比，得出最終目標(biāo)定義。

假設(shè)有一場景示例：某網(wǎng)貸小額分期產(chǎn)品，一次性放款，分12期按月等本等息還款，現(xiàn)結(jié)合以上遷徙率分析步驟，簡述遷徙率分析過程與結(jié)果。

我們選取20200630為觀察時點，前推3個月為觀察期（20200101-20200630），后推3個月為表現(xiàn)期（20200701-20201230），統(tǒng)計用戶的逾期狀態(tài)分為C、DPD7+、 DPD15+、DPD30+、DPD60+共6種情況，其中C表示未逾期，

DPD7+表示逾期8~15天，DPD15+表示逾期16~30天，

DPD30+表示逾期31~60天，

DPD60+表示逾期61及以上。

編輯

添加圖片注釋，不超過 140 字（可選）

（表1逾期狀態(tài)樣本數(shù)量）

編輯

添加圖片注釋，不超過 140 字（可選）

（表2逾期狀態(tài)樣本占比）

從表2滾動率分析表可以分析得出：

（1）在觀察期狀態(tài)為正常（C）的用戶，在表現(xiàn)期有86.21%仍保持正常狀態(tài)，有13.79%轉(zhuǎn)變?yōu)橛馄跔顟B(tài)（DPD7+、DPD15+、DPD30+、DPD60+）；

（2）在觀察期最高逾期狀態(tài)為DPD7+的用戶，在表現(xiàn)期有61.37%轉(zhuǎn)變?yōu)檎?狀態(tài)，有20.93%仍保持DPD7+狀態(tài)，有17.70%轉(zhuǎn)變?yōu)楦哂馄跔顟B(tài)（DPD15+、 DPD30+、DPD60+）；

（3）在觀察期最高逾期狀態(tài)為DPD60+的用戶，在表現(xiàn)期僅有0.82%轉(zhuǎn)變?yōu)檎?常狀態(tài)，有4.86%轉(zhuǎn)變?yōu)檩^低逾期狀態(tài)（DPD7+、DPD15+、DPD30+），而有94.32% 仍保持DPD60+逾期狀態(tài)；

（4）在觀察期最高逾期狀態(tài)為DPD15+、DPD30+的用戶，在表現(xiàn)期變化狀態(tài) 的分析思路同上；

（5）表中的“回滾率”表示用戶從觀察期到表現(xiàn)期的逾期狀態(tài)降低的樣本占比， 如從DPD7+轉(zhuǎn)變?yōu)镃，從DPD15+轉(zhuǎn)變?yōu)镃或DPD7+，從DPD30+轉(zhuǎn)變?yōu)镃或 DPD7+或DPD15+，從DPD60+轉(zhuǎn)變?yōu)镃或DPD7+或DPD15+或DPD30+。由表 中回滾率統(tǒng)計結(jié)果可知，在觀察期隨著逾期狀態(tài)的升高，對應(yīng)表現(xiàn)期的回滾率逐漸降低，在觀察期逾期狀態(tài)DPD7+的用戶，在表現(xiàn)期有61.3%轉(zhuǎn)變?yōu)檎＃f明觀察期 逾期為DPD7+的用戶較多仍為“好”用戶；在觀察期逾期狀態(tài)為DPD30+的用戶，在表現(xiàn)期有32.49%轉(zhuǎn)變?yōu)檩^低逾期狀態(tài)，說明觀察期逾期為DPD30+的用戶仍存在

部分用戶后期向“好”的方向變化；但在觀察期逾期狀態(tài)為DPD60+的用戶，在表現(xiàn) 期僅有5.68%轉(zhuǎn)變?yōu)檩^低逾期狀態(tài)，說明觀察期逾期為DPD60+的用戶大多數(shù)已成為“壞”用戶；

（6）根據(jù)以上分析，認(rèn)定逾期狀態(tài)為DPD60+的用戶，在后期降低逾期程度的 概率很低，故可以將DPD60作為目標(biāo)變量Y的定義范圍，即逾期61天及以上的用戶定義為“壞”用戶，其余為“好”用戶。

以上為風(fēng)控中的遷徙率率的知識點，更系統(tǒng)性的內(nèi)容更可以參考我們目前ing的課程《第五期全線條訓(xùn)練營課程》。

編輯切換為居中

添加圖片注釋，不超過 140 字（可選）

二.時間序列

時間序列是按照時間排序的一組隨機(jī)變量，它通常是在相等間隔的時間段內(nèi)依照給定的采樣率對某種潛在過程進(jìn)行觀測的結(jié)果。

時間序列數(shù)據(jù)本質(zhì)上反映的是某個或者某些隨機(jī)變量隨時間不斷變化的趨勢，而時間序列預(yù)測方法的核心就是從數(shù)據(jù)中挖掘出這種規(guī)律，并利用其對將來的數(shù)據(jù)做出估計。

構(gòu)成要素：長期趨勢，季節(jié)變動，循環(huán)變動，不規(guī)則變動。

1）長期趨勢（T）現(xiàn)象在較長時期內(nèi)受某種根本性因素作用而形成的總的變動趨勢。

2）季節(jié)變動（S）現(xiàn)象在一年內(nèi)隨著季節(jié)的變化而發(fā)生的有規(guī)律的周期性變動。

3）循環(huán)變動（C）現(xiàn)象以若干年為周期所呈現(xiàn)出的波浪起伏形態(tài)的有規(guī)律的變動。

4）不規(guī)則變動（I）是一種無規(guī)律可循的變動，包括嚴(yán)格的隨機(jī)變動和不規(guī)則的突發(fā)性影響很大的變動兩種類型。

時間序列在消費金融公司運用場景：

1、銷售數(shù)據(jù)預(yù)測

2、Vintage壞賬預(yù)估

3、回收率預(yù)估

常見方法：移動平均法、指數(shù)平滑法：指數(shù)平滑法實際上是一種特殊的加權(quán)移動平均法。

指數(shù)平滑法是在移動平均法基礎(chǔ)上發(fā)展起來的一種時間序列分析預(yù)測法，它是通過計算指數(shù)平滑值，配合一定的時間序列預(yù)測模型對現(xiàn)象的未來進(jìn)行預(yù)測。其原理是任一期的指數(shù)平滑值都是本期實際觀察值與前一期指數(shù)平滑值的加權(quán)平均。