风险管理笔记

Definition of "Bad" 坏的定义

from Credit Risk ScoreCards Page 38

  1. Consensus Method 共识方法——公司内部根据经验达成共识

  2. Analytical Methods 分析方法

    1. roll rate analysis 滚动率分析

    2. current versus worst delinquency comparison 当前与最大逾期对比法

    3. negative net present values(NPV) 负净现值法

    4. vintage analysis 账龄分析(非本书方法) -- 按照原书的说法,是利用vintage确定用户表现稳定所需的周期,在此周期的基础上确定上述方法观察期长度

  3. 参考:
    《Credit Risk Scorecard》第四章:Data Review and Project Parameters - CSDN

Roll Rate Analysis

  1. 将考察期平分为两段,站在平分点处,则前一段为“previous”,后一段为“next”。
  2. 计算每个账户在两段时期的最大逾期
  3. 迁移率:如:从previous的M3+迁移到next的M1的比例


    迁移率

如上图,第一行90+,意思是在previous时期,该账户最大逾期为90+,到了next时期后,约60%的账户在next时期的最大逾期也是90+,有40%的账户最坏逾期表现有减轻。
第2行,在previous时期,最大逾期为60天的账户,在next时期有40%迁移至正常账户。

  1. 如果根据上图数据,建议设置90+为“Bad”
  2. 下图主要强调roll back & roll forward 的算法


    roll back & roll forward
  3. 可能是翻译的原因,另外其实还有一个迁移率的指标,其实感觉上述的分析,用迁移率翻译更准确,滚动率分析更多应用于风险计提。

Current versus Worst Delinquency Comparison

  1. 简化版的滚动率分析
  2. previous & next -> previous & current
  3. 迁移率:从previous某状态迁移至current某状态的比例


    滚动率分析

    如第2列,历史最大逾期为30days的,当前有84%为正常,有12%为30days,有4%为60days。

  4. 如果根据上图数据,建议设置90+为“Bad”

Negative Net Present Values (暂未找到引用处)

Vintage Analysis

  1. 目的:将不同时期的放款数据拉平到同一时期比较
  2. 方法:拉平后,求均值,看均值的变化率,以变化率几乎不再衰减的点为好坏切分点
  3. 参考:
    1. Vintage 分析和迁移率模型子在金融行业如何应用?- 知乎
    2. Vintage分析和迁移率模型在信用卡业务中的应用 - 新浪博客
    3. vintage、迁移率、滚动率、入催率等概念 - CSDN
vintage

"Good" and "Indeterminate" 好与灰的定义

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,591评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,448评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,823评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,204评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,228评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,190评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,078评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,923评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,334评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,550评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,727评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,428评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,022评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,672评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,826评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,734评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,619评论 2 354