一、信貸消費的整體周期

?

消費信貸是一種特殊的產品，交易的標的是將來而非當下，未來的蛋糕透過時間機器被送到你的面前，當你張口啃下去時，往后的日子將會為蛋糕買單，而將來又會怎樣呢，沒人知道。我們對未來充滿信心時，杠桿是一件再合適不過的工具，披荊斬棘，無往不利，就如同我們堅信房價會一直漲下去一樣，但哪里會有一直漲的房價呢，又哪里有可以吃100個蛋糕的人呢？金融的風險實質就是對未來的不確定，如果缺乏了隨機性，那也就沒有了套利的空間。所以對于時間尺度上的風險管理，那么就需要從整體的生命周期去衡量。

?

金融機構經營的是時間和風險，在線性上對資源重新分配。而造成資源錯配的原因可能是利率的波動、積累與生產的關系、賬期周轉與銷售周轉的缺口等等，對于消費信貸來說，當下的消費欲望與預期的信心則是產生透支消費的根源。我們期待借款人在未來按時歸還貸款，同時賺取消費者為了滿足這種欲望所支付的額外費用。在信用風險管理領域中，為了確保未來的不確定性在可控范圍內，我們設計了風險管理制度、政策框架、審批流程、數據模型、貸后管理和資產處置這些流程和部門，從一個信貸產品的產生到結束時時刻刻確保損失在預期之內（Expected Loss, EL），減少非預期損失（Unexpected Loss, UEL），祈禱不要發生災難性損失（Catastrophe Loss, CL）。

?

圖1 EL, UEL,CL的大致表現

我們希望所有的損失都在預期之內，同時完善的撥備制度也會盡可能地去覆蓋非預期損失，對于遭遇了災難損失的機構來說，如果夠大，政府會撈一把，確保金融市場的穩定，正所謂Too Big to Fail（大不能倒），如果是小型機構，那么監管很可能就會踹門而入，Small Enough to Jail（小須入獄）也是現實的寫照。

?

在時間跨度上要弄清人們消費借貸的需求從何而來，首先得明白一件事，社會屬性的人也會如同經濟周期一樣經歷低谷和高潮，最后歸于平靜直至消失。僅從個人財務上來看，初出社會參加工作拿的薪水比較低，工作后收入會隨著經驗的積累或者其它額外收入上升，年老后退休獲得較低的退休金。而消費的生命曲線確不完全和收入曲線吻合，年輕時可能因為消費欲望、結婚、旅行等等有著不符合收入的開支，所以就產生了負現金流，同時對于預期收入的上升，極有可能通過消費信貸來彌補這部分開支。在上篇文章里，豆老師列出了不同場景的客戶數據，同學們可以再比對一下不同年齡段的消費內容。

?

如圖2所示，A區域是人在年輕時收入低于消費的情況下產生了信貸需求，區域是人在工作巔峰時候產生了儲蓄需求，C區域是人在退休后取出儲蓄或者退休基金支付的逆儲蓄需求。當然，當期利率和信貸供給同樣會影響到這兩條曲線，這個不在本文討論范圍內。

?

圖2?收入和消費的生命曲線

遵循這個原理，可以了解到不同階段的信貸需求，也解釋了互聯網消費金融的年齡結構。年輕人在市場引導下的消費欲望越來越高，在這種刺激下，會借入更多的錢用于填補需求，也就是A區域會不斷變大，超過借款人未來一定承受能力后，現金流就會變得岌岌可危。而借助目前廣泛應用的數據審批模型，通過強弱變量的組合盡可能地去預測借款人未來的趨勢可以顯著地降低這種不確定性。如圖3所示，風險越大，波動性和隨機性就會增加，風險策略中應該顯著增加高風險的客戶群體的約束條件，使得波動性在控制范圍內。

?

圖3，風險越大，波動性越大，約束條件應該更嚴格

二、風險生命周期的指標管理

?

1、逾期率

?

信貸產品常見的還款方式有等額本息、等額本金、一次還本、固定或不固定的循環額度等。消費金融行業比較常見的信貸產品有等額本息和循環額度，有些短期現金貸可以歸為一次還本。不同還款方式的信貸產品在整個生命周期的違約曲線表現會略有不同，這里豆老師用分期產品舉例說明。如圖4所示，A產品不考慮回收率的情況下，在24期的尺度上去觀察12期分期產品整體逾期曲線，可以看到逾期率隨著期數的增加而上升，最后在12期結束時確定了該信貸產品的最終損失率為20%，因為此時整個產品的正常還款期限已經結束，剩下余額都是逾期余額，只等著貸后管理的同學去撈回來之后確定最終的損失率。顯然，產品B和產品C的表現都要好于產品A。逾期曲線可以用對數函數去擬合出來計算得到周期內大致的最終損失率，得到前幾期的數據后就可以進行模擬。所以逾期率在信貸產品周期內是不斷上升的，如果發現逾期率在下降，豆老師建議檢查一下計算方法。

?

圖4?信貸產品生命周期逾期率M0+，數據為虛構

2、Vintage

?

實際上信貸產品每月都在放款，如果單純采用逾期金額/余額的方法，那么在一定程度上會掩蓋實際的逾期趨勢，特別是業務處于上升階段。Vintage逾期率是在互聯網金融行業運用地比較廣泛的方法，該方法引入了賬期的概念（Month On Book, MOB）。賬期指的是當期貸款從放款開始的期數而非自然月，期數可以指月份，也可以指周，這就看具體業務，比如第2個賬期指是從放款開始第二期，對于月份來說就是第二個月截止時。使用Vintage方法時，需要將不同放款月份的對齊至賬期上，如圖5所示，4月份發放的貸款在4月份截止時是0賬期，即MOB0，在5月份時就是MOB1；而5月份發放的貸款在5月份截止是MOB0，在6月份時就是MOB1，所以最后無論幾月份發放的貸款，起始日期都被對齊到MOB0，而MOB1在自然月上就有可能指的是4月，5月，6月等等。

?

圖5 MOB對齊示意圖

這樣處理后使得我們可以橫向地去比對每個月發放貸款的差異，其中可能會有季節性差異、風險策略調整，客群變化的因素，發現問題后就可以通過不同的方法去定位問題。Vintage方法的另一個好處是在對齊后可以通過鎖定變量的方法去定位問題，將有可能發生問題的變量單獨提取出來，可以觀察到是什么原因導致逾期率異常。如圖6所示，5月份發放的貸款與其它月份逾期率相比最高，那么就要進一步地去尋找問題所在。比如說將申請渠道、申請金額、客戶年齡等等分別生成Vintage表格，抽絲剝繭，去檢視問題發生的原因。

?

圖6?Vintage以月份為維度橫向對比

3、遷徙率

?

通常來說余額我們會按照天數劃分為M1、M2、M3等等，按照銀監會要求會劃分為五級分類。逾期情況需要通過分析不同的劃分組成來研究其嚴重程度，因為每個逾期劃分里面客戶的組成會有很大不同，如M1里面，逾期在30天內的客戶有可能只是偶發性地忘記還款，或者臨時周轉困難；如M4里面，客戶逾期已經超過90天了，此時回收的概率就已經很小，客戶可能已經選擇不再歸還貸款了。遷徙率就是揭示有多少比例的客戶正在由差變壞，從M1滑落到M2，又有多少從M2滑落到M3，以此類推。

?

遷徙率在周期管理里最重要的作用就是計算撥備，此外還可以檢視催收效用和計算回收率。但在互聯網金融里面，運用大量歷史數據統計出來的遷徙率會更加準確可靠地揭示業務。例如圖7，每個月份從正常貸款M0有5%的余額滑落到M1里面，2月份發放的貸款在4月份的時候M1有50%的余額滑落到M2，可以理解為有50%的逾期30天的貸款變得更差了，也可以理解為有50%的余額在M1時并沒有催收成功。

?

圖7?遷徙率表，數據為虛構

在計算好遷徙率后，請注意每一個劃分都是由上一個劃分滑落下來，例如M3一定是經歷了M1,M2之后才會變為M3的，所以將表中黃色數據相乘之后就變為M0直接到M6的比率，這個數據就是M0的損失率。再將每個劃分的損失率計算完成再與當前每個劃分的余額相乘就可以計算出相應的撥備金額了。

?

圖8?撥備計算示意圖，數據為虛構，未考慮回收率

通過這些指標可以簡單地去從整個生命周期去看待某一信貸產品的風險管理水平，從整體上去控制產品的風險，確保在大方向上不會走偏，至于說細細地去調整每個產品的風控措施，那都是細節，豆老師會在以后文章里面一一給大家呈現。

總結

以上是生活随笔為你收集整理的从生命周期去看互联网金融产品的风险管理框架的全部內容，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。