DataScience&ML：金融科技领域之迁徙率(Flow Rate)表的简介、案例应用之详细攻略

DataScience&ML：金融科技领域之迁徙率(Flow Rate)表的简介、案例应用之详细攻略

目录

金融科技领域之迁徙率(Flow Rate)表的简介

迁徙率(Flow Rate)表案例应用—定义逾期天数-利用迁徙率(Flow Rate)表

1、概念定义

T1、先设置观察期，再看表现

T2、只看每个月的的账户在下个月的表现

2、迁徙率—案例理解

2.1、迁徙情况百分比关注重点

2.2、迁徙情况百分比的意义

2.3、提前预测90天后是否逾期

金融科技领域之迁徙率(Flow Rate)表的简介

         贷款迁徙率，经济学领域术语，计算方法为期初正常类贷款向下迁徙金额/(期初正常类贷款余额－期初正常类贷款期间减少金额)×100%。

迁徙率(Flow Rate)表案例应用—定义逾期天数-利用迁徙率(Flow Rate)表

通过下边的分析，可以确定目标里“逾期天数”—90天以上。过程如下：

1、概念定义 T1、先设置观察期，再看表现

推荐文章：https：//zhuanlan.zhihu.com/p/81027037

T2、只看每个月的的账户在下个月的表现

概念定义

时间窗口

每个时间窗口由一个月和下一个月的数据构成。例如我拿一年的数据，例如2019年，就有11个观察窗口(1-2月，2-3月....11-12月)。比如2019年11个时间窗口就是“11-12月”

逾期期数

每个期数由30天组成(有的银行或者金融机构由自然月组成，会更加方便计算)。较多的金融机构会用Mn来形容逾期情况，例如

M0：当前未逾期

M1： 逾期1-30日

M2：逾期31-60日

M3：逾期61-90日

M4：逾期91-120日

以此类推......

此处的逾期和观察窗口(这个月、下个月)没有关系。观察窗口是相对关系；而逾期期数的大小，是从该客户逾期第一天开始计算，是一个绝对数值。

纵坐标是前月的逾期期数情况(时间窗口左边界)；横坐标是次月的逾期期数情况(时间窗口右边界)。计算方式，例如我们只有两个时间窗口。在时间窗口【1月-2月】里有50个客户保持未逾期，【2月-3月】有100个客户保持未逾期，那么坐标[1,1]的总数会是150。

2、迁徙率—案例理解

假设经过分析2019年11个时间窗口后，当前月(11月)、下个月(次月12月)，我们得到以下一个统计表。

所有时间窗口的迁徙情况总和

下个月

未逾期

逾期[0,30)

逾期[30,60)

逾期[60,90)

逾期[90,120)

逾期[120,∞)

总计

当前月

未逾期

8000

250

1

0

0

0

8251

逾期[0,30)

700

500

80

0

0

0

1280

逾期[30,60)

120

80

76

79

10

5

370

逾期[60,90)

70

25

19

60

60

5

239

逾期[90,120)

20

1

10

8

30

50

119

逾期[120,∞)

2

2

6

4

1

20

35

总计

8912

858

192

151

101

80

10294

比如，

8000=11月未逾期客户数+12月未逾期客户数 700 =11月逾期M1客户数+12月未逾期客户数

转换成百分比，并根据值的大小，用颜色标出来 所有时间窗口的迁徙情况百分比

下个月

未逾期

逾期[0,30)

逾期[30,60)

逾期[60,90)

逾期[90,120)

逾期[120,∞)

总计

当前月

未逾期

96.96%

3.03%

0.01%

0.00%

0.00%

0.00%

100%

逾期[0,30)

54.69%

39.06%

6.25%

0.00%

0.00%

0.00%

100%

逾期[30,60)

32.43%

21.62%

20.54%

21.35%

2.70%

1.35%

100%

逾期[60,90)

28.29%

10.46%

7.95%

25.10%

25.10%

2.09%

100%

逾期[90,120)

16.81%

0.84%

8.40%

6.72%

25.21%

42.02%

100%

逾期[120,∞)

5.71%

5.71%

17.14%

11.43%

2.86%

57.14%

100%

总计

2.1、迁徙情况百分比关注重点

只需要关注黑色框框的部分，也就是彩色背景的部分

解释：因为那些已经好转了的账户我们不管了，因为不是我们的催收对象，我们需要看的是逾期情况没有好转甚至恶化的客户。一个时间窗口内你的逾期情况最多往前一格(遇到天数为31天的有可能小概率逾期两格，但较少发生，统计时可忽略)。用直白的语言说，就是你现在逾期10天，给你一个月，你怎么也不可能逾期超过60天吧？

2.2、迁徙情况百分比的意义

说明了某个逾期期数的风险情况。我们这里用“从良”这个不太恰当但好理解的词来形容账户逾期期数变少。例如在上表里，

这个月当逾期