一、常用量化指標

?　首先，先了解下如何定義逾期。

?　過了最后還款日仍未還款，則為逾期。注意，一個客戶只有一個賬單日。如果想要獲得最長免息還款期，則應該在上一個賬單日的后一天進行消費。
?　還有，最重要的一點，賬單日不要在28.29.30.31號，避免因大小月份造成指標計算困難，會影響逾期指標。舉個例子，比如賬單日為30號，1月31號的時候逾期1天，2月28號逾期29天，計算期末的遷徙率的時候，會都被算在M1里面，可能導致遷徙率大于100%。

賬單逾期和訂單逾期

總結：

訂單的逾期天數(歷史/當前)為賬單的相應逾期天數的最大值。

歷史逾期天數在還款之后不再發生變化。

歷史逾期天數>=當前逾期天數

此外還有客戶逾期的概念，道理是一樣的。比如，客戶有A、B兩個訂單，A訂單逾期1天，B訂單逾期10天，那么該客戶的逾期天數為10天。

遷徙率和Vintage

?　見之前的文章資產管理指標

首期逾期率

?　關于FPD的詳細介紹，見之前的文章資產管理指標(二)
注意：

• 只有已過首期還款日的客戶才能納入計算。
• 以客戶數為計算標的，不是金額。
  此外，還要考慮到期占比，即新增放款客戶中有多少是到首期了的，一般大于70%首逾指標才能認定為有效，

PSI

?　評分卡監控用的指標，主要用于衡量指標的波動程度。公式為：
$$PSI=(A?B)?ln(A?B)$$
?　比如A為3月份的遷徙率，B為4月份的遷徙率，可以衡量指標是否有異常波動。一般PSI<0.1認為穩定性很好；PSI>0.25認為異常；0.1-0.25之間可以認為需要關注。

二、策略調優

?　策略調優可以分為A類調優和D類調優：

?　通常，出現以下情況時需要對策略進行調整：

資產質量朝著壞的方向發展

逾期指標偏高

通過率下降

預測的壞賬比例超過預期

A類調優的例子：
?　假設某一天的通過率突然變低，領導比較緊張，需要找出原因并及時調整。

?　如上圖，5月30-31號的通過率下降明顯，就以5月30號這天為時間點進行劃分，對比分析，尋找波動差。

?　經過層層篩選分析，最終確定是多平臺數拒絕率升高導致的通過率降低。現有的規則是多平臺數>=7則拒絕，然后就要調整這個閾值。接下來就是分析將閾值調到多少才合適。
首先，需要做客戶的多平臺數分布，并與逾期指標相結合。

?　在選取逾期的觀測指標時，上圖中用的是FPD30，原因是這是一個欺詐指標，可以篩選出大部分確定的壞人。而且表現時間也不長，相比于不良率更有利于上線之后的驗證。結果二就不適合再做回撈。
在確定了可以做回撈之后，需要對新加入策略的多平臺數作預測。

?　根據豁免的客群及預測情況，可以確定出規則的閾值以及調整方案。

D類調優的例子：
?　D類調優比較簡單，比如逾期指標升高，可以分不同維度去拆分，分析哪個維度的指標升高導致。假設是通過劃分存量和新增資產確定新增資產的逾期較高，則需要調整貸前的策略。

?　新增資產的Vintage圖較高，故調整貸前策略。針對固定的資產包，繼續進行拆分，可以分渠道進行分析。比如分城市拆分，針對逾期較高的城市的新增資產，進行準入限制。

【作者】：Labryant
【原創公眾號】：風控獵人
【簡介】：某創業公司策略分析師，積極上進，努力提升。乾坤未定，你我都是黑馬。
【轉載說明】：轉載請說明出處，謝謝合作！~

總結

以上是生活随笔為你收集整理的风控策略(下)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。