DataScience&ML：金融科技领域之风控场景之风控指标/字段相关概念、口径逻辑之详细攻略
目录
风控指标/字段相关概念、口径逻辑
基础指标
深度指标
风控指标/字段相关概念、口径逻辑 基础指标名称
英文
含义/口径逻辑
举例
账龄
Month on Book，MOB
指资产放款月份。类似于婴孩一出生就有了年龄，一旦申贷订单被放款，也便拥有了账龄和生命周期。
T1、以自然月底为末点
MOB0：放款日至当月月底
MOB1：放款后第二个完整的月份
MOB2：放款后第三个完整的月份
MOB的最大值取决于信贷产品期限。如果是12期产品，那么该资产的生命周期是12期，MOB最大到MOB12。
例如，2019年11月13日放款的订单，2019年11月是MOB0，2019年12月是MOB1，以此类推。
T2、以过一个自然月为末点
例如放款日期为2018.3.5号，则MOB1为2018.3.5-2018.4.5，MOB2为2018.4.5-2018.5.5。
T1的统计方法关注的是固定时间节点的用户的具体表现；T2的的统计方法关注的是用户具有统一的表现期。
逾期天数
Days Past Due，DPD
逾期天数，自还款日次日起到实还日期间的天数。 逾期天数 = 实际还款日 - 应还款日。
DPDN+：表示逾期天数 >= N天；
DPD30+：表示逾期天数 >=30天的资产；
例如，若还款日是每月8号，那么9号就是逾期第一天。如果客户在10号还款，那么逾期2天。
首次还款逾期FPD，First Payment Deliquency即用户放款通过后，首笔需要还款的账单的逾期情况。例如FPD7+指标计算的是用户首期还款日到期后逾期7天及以上，对于反欺诈建模来说，常利用FPD15+，FPD30+等指标作为训练目标。逾期期数
Month
指实际还款日与应还款日之间的逾期天数，并按区间划分后的逾期状态。（注：不同机构所定义的区间划分可能存在差异）
M0：当前未逾期（或用C表示，取自Current）
M1： 逾期1~30日；
M2：逾期31~60日；
M3：逾期61~90日；
M4：逾期91~120日；
M5：逾期121~150日；
M6：逾期151~180日；
M7：逾期180日以上；此时也被称为呆账（Bad Debts），会予以注销账户（write-off）
资产分池金融领域专有名词，分池是指将同质、风险特征类似的债项放至同一个组合或资产池（Pooling）中，并一致估计资产池的巴塞尔风险参数，包括违约概率PD、违约损失率LGD和违约风险暴露（一般指信用卡，包含EAD和CCF两部分）。信贷的三类分池场景：PD、LGD、EAD的分池。违约概率模型probability of default, PD，
PD模型
违约概率是指借款人在未来一定时期内发生违约的可能性。客户风险预警系统在商业银行信用风险管理中，违约概率是指借款人在未来一定时期内不能按合同要求偿还银行贷款本息或履行相关义务的可能性。
违约概率是计算贷款预期损失、贷款定价以及信贷组合管理的基础，因此如何准确、有效地计算违约概率对商业银行信用风险管理十分重要。
深度指标待更新……
目前我国商业银行建立违约概率（PD）模型的主流方法是（逻辑回归模型），该方法采用一组财务指标作为解释变量来预测客户的违约概率。 在信用风险管理领域，比较常见的违约概率模型包括逻辑回归模型、RiskCalc模型、KMV的Credit Monitor模型、风险中性模型、死亡率模型。逻辑回归模型是我国商业银行建立违约概率（PD）模型的主流方法之一，该方法采用一组财务指标作为解释变量来预测客户的违约概率。
