?

? ? ? ?巴塞爾協議下的全面風險管理的目標是金融機構在資本約束下實現利潤的最大化，而資產組合管理是全面風險管理的核心概念。資產組合管理的核心指標是風險調整后資本收益率(RAROC)和經濟增加值(EVA)。公式如下：

?

? ? ? ?本文基于上述思想，試圖從風險損失、資產遷徙、催收運營成本角度計算資產收益情況。文章內容基于本人經驗與理解，不妥之處望各位多加指正。

?

目錄

1.數據處理

2.資產包遷徙率計算

3.資產包Vintage預估

4.資產包催收成本測算

5.單體風險收益預估

?

一、數據處理

? ? ? ?首先，需要根據資產mob表計算出單個資產包截止當前時點每一期各逾期階段的逾期個數、余額、累計逾期個數，得到一張匯總表大致如下：

? ? ? ?其中左側部分為各個資產包每一期各階段的逾期個數，基于此數據可以計算每一期的遷徙率；m3+(金額)這一列是余額，是用來計算M3+vintage數據的；右側是累計的逾期個數，用來計算催收成本。此表基于風控mob表計算，生成的主要代碼如下:

# 從mob表取數

conn=pymysql.connect(host='',user='',password='',db='')

df=pd.read_sql('select a.*,b.cnt,b.principalsum from ( \

select business_line `產品線`,date_format(open_date,"%Y-%m") as `放款月`,mob, \

sum(case when current_cycle_status=0 then 1 else null end ) as "m0", \

sum(case when current_cycle_status=1 then 1 else null end ) as "m1", \

sum(case when current_cycle_status=2 then 1 else null end ) as "m2", \

sum(case when current_cycle_status=3 then 1 else null end ) as "m3", \

sum(case when current_cycle_status=4 then 1 else null end ) as "m4", \

sum(case when current_cycle_status=5 then 1 else null end ) as "m5", \

sum(case when current_cycle_status=6 then 1 else null end ) as "m6", \

sum(case when current_cycle_status>=4 then unrecived_principal else null end ) as "m3+amt" \

from mob \

where business_line in ("XXX") \

group by business_line,date_format(open_date,"%Y-%m"),mob)a \

inner join \

(select business_line,date_format(open_date,"%Y-%m") as open_month,count(distinct credit_extension_app_id)as cnt,sum(principal) as principalsum \

from 成功件表 \

where business_line in ("XXX") \

group by business_line,date_format(open_date,"%Y-%m"))b \

on a.`產品線`=b.business_line and a.`放款月`=b.open_month',conn)

?

# 計算累計逾期個數

df.replace(np.nan,0,inplace=True)

df['表現月']=df.apply(lambda x:pd.to_datetime(x['放款月'])+relativedelta(months=x['mob']),axis=1)

df.sort_values(['產品線','放款月','mob'],inplace=True)

df['sum_m0']=df.groupby(['產品線','放款月'])['m0'].transform('cumsum')

df['sum_m1']=df.groupby(['產品線','放款月'])['m1'].transform('cumsum')

df['sum_m2']=df.groupby(['產品線','放款月'])['m2'].transform('cumsum')

df['sum_m3']=df.groupby(['產品線','放款月'])['m3'].transform('cumsum')

df['sum_m4']=df.groupby(['產品線','放款月'])['m4'].transform('cumsum')

df['sum_m5']=df.groupby(['產品線','放款月'])['m5'].transform('cumsum')

df['sum_m6']=df.groupby(['產品線','放款月'])['m6'].transform('cumsum')

df['sum_m3+']=df.groupby(['產品線','放款月'])['m3+amt'].transform('cumsum')

?

二、資產包遷徙率計算

? ? ? ?以上面的數據為例，計算資產包各期的遷徙率，此處計算的是期末的個數遷徙率，如果上圖中統計的是逾期階段的是余額而非個數，則可以計算余額遷徙率。個數遷徙率也可以采用兩種方法，一種是計算當期和上一期的遷徙情況，另一種是計算當期累計和上期累計的遷徙情況，兩種計算方法的結果分別如下：

計算從上一期遷徙到當期的情況

計算從上一期累計遷徙到當期累計的情況

? ? ? ?下面對比一下兩種計算方式的區別，由于上面的數據已做過脫敏處理，所以對比的時候沒有采用上述數據，而是采用的真實的數據。

? ? ? ?從M0-M1的遷徙率來看，資產包每一期的M0-M1遷徙率有所波動，整體趨勢是在不斷增高的，如果算累計的M0-M1遷徙率的話會平緩一些，但是整體趨勢仍然是升高的。這種趨勢的原因可以這樣解釋：假設第2期和第10期都產生100個M1逾期，但是第1期時的M0有1000個，到第9期時的M0只有900個。結合Vintage圖解釋的話，即M1+Vintage(個數)在持續走高，M1Vintage(個數)出現走平，這種情況下M0-M1遷徙率依然是升高的。

? ? ? ?第1期遷徙率低是因為產品形態原因導致，可不作解釋。整體M1-M2遷徙率的趨勢是在下降的，說明越往后的資產越容易回收，這是因為越往后催收形成了一定的經驗，逾期用戶也形成了一定的還款習慣，且多為反復性逾期客戶，所以回收率會越來越高。

?

三、資產包Vintage預估

? ? ? ?以余額口徑的M4+的vintage來預估每個資產包最后的損失，歷史的M4+vintage如下圖：

? ? ? ?可以看到M4+vintage在12期左右開始走平。而對于未到12期的資產包，則需要通過遷徙率來預估資產包走平之后的vintage。以2020年4月份的M4+vintage為例，已有9期表現，預估其12期之后的M4+vintage的值。

? ? ? ? 下表是這包資產每一期的逾期情況及遷徙情況。

? ? ? ?表中藍色部分即為預測資產9期之后的表現。一共分為以下幾步：

1.預測9期之后每一期的遷徙率，采用移動平均法。

2.預測9期之后每一期的M0余額，采用移動平均法。

3.將1和2預測的數據相乘，得到9期之后的資產分布情況。

? ? ? ?基于上述步驟得到12期的M4+vintage如下：

?

四、資產包催收成本測算

? ? ? ?資產包催收成本和資產的vintage是強相關的，資產質量好逾期也會相應少，催收成本也相應減少。由于催收的計價方式有坐席制、計件制和費率制，不論采用何種方式計價，都可以轉換成發生一次逾期所需要的費用。比如坐席制，一個坐席12000元，處理600個M1的案子，則發生一次M1逾期需要20元；如果是費率制，M1回收率90%，回收一個M1案子平均100元，按20%結傭，則發生一次M1逾期需要100*20%*90%=18元。M2+以上同理，可算出各逾期階段每發生一次逾期需要花費的成本。

? ? ? ?以上圖為例，已經計算出資產包每一期的逾期個數以及逾期累計個數，按每發生一次逾期需要花費的成本與個數相乘即可計算出資產包的催收成本。

? ? ? ?如果并不是所有客戶在逾期第一天就入催，那么就需要對上圖中的逾期個數進行折算。折算的過程分為兩步：

1.計算出資產包每一期的緩催命中比例。

2.計算緩催期內的回收率。

? ? ? ?有了上面兩個數據則可以計算出每一期大致需要入催的比例，對上圖中的逾期個數進行折算，可以對催收成本進行更加精細準確的預估。

?

五.單體風險收益預估

? ? ? ?計算并預測出資產包的壞賬率、催收成本后，RAROC中的分子就已經得出，大致可以看出資產包在當前vintage、遷徙率的情況下，在周期末的損失和成本，以及最終得收益為多少。因此可以提前采取針對性得措施，達到優化資產組合得目的。

?

【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资产风险收益预估的全部內容，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。