贷款迁徙率监管要求？

什么样的情况下,迁移率可以想加

迁移率可以用来分析资产变化情况，能够形象的展示客户贷款账户在整个生命周期的变化轨迹，也是预测未来坏账损失的常用指标。

迁移率计算步骤：（以M0-M1为例）

1、在月末或者（账单结算完成日），判断用户的还款状态（C/M1/M2……）

2、M0-M1的迁移率=本月为M1状态的客户逾期金额/上月状态为M0的客户逾期金额

M0：表示未逾期客户

M1：表示逾期一期客户

……

这里详细介绍一下迁移率的计算方法，现有一份每个月客户各状态的逾期金额，如下图：

使用上述数据来计算每个月的迁移率，比如：

2021-7的M0-M1的迁移率=17891.47656/479118.875=3.73%

全部数据的迁移率代码如下：

实操代码如下：

计算结果如下:

使用上述迁移率数据绘制迁移率图像，代码如下：

实操代码如下：

图表结果如下：

从图中可以看出：截止2021-07月末，各阶段的迁移率变化较平稳，坏账的迁移率（M6-M7）大概为100%，这些都视为不良资产，将这些打包给催收公司，可以回收一部分不良资产，减少损失。

典型的风控指标：账龄、迁移、滚动、首逾

在风控业务中，我们比较关心一些关键的指标。

在这里做一个详细的讲解。

1、账龄分析（Vintage Analysis）

Vintage这个词源于葡萄酒业，意思是葡萄酒的酿造年份。

比如82年的拉菲，一直是葡萄酒业的一个传奇，单瓶的价格可以高达十几万人民币。

我们在比较同一产品的放贷质量时，

也要按账龄（month of book，MOB）来区分，从而了解不同时期放款的资产质量。

人有齿龄、骨龄、年龄，而账龄分析的核心，就在于这个“龄”字。

以51信用卡的招股说明书来看其 51人品贷产品的坏账率

（口径：当期未还本金/当期应还金额）

可以看出，2016年第一季度的资产质量较好，90+的逾期率稳定在6%左右；

而2017年第一季度的资产质量是最差的，

虽然还未走完一个完整的生命周期，但是其斜率非常高。

在市场没有较大波动的前提下，可以推断：

51信用卡在2017年第一季度的风控有所放宽或营销比较激进。

2、迁徙率

从文字含义来看，迁徙率这个指标，核心在“迁”字。

时下正是冬天，北方的候鸟，往南方在迁徙；

而在途的贷款，随着每一期还款日的更迭，也在往更难催收的账期迁徙。

这里引入逾期阶段的概念：

根据逾期天数，又分为M0-M6+等八个阶段。

没有逾期的是M0，

逾期1~29天的是为M1，

逾期30~59的定义为M2，以此类推，

逾期150天-179天的是M6，

而超过180天的定义为M7。

而迁徙率，就是处于某一逾期阶段的客户 转移到 下一逾期阶段的比例。

所以，催收常使用迁徙率作为绩效指标，体现催收的效率。

越早期的逾期贷款，越容易催收，基本过了M6之后，摧回的可能性就降低很多了。

迁移率通常可以用来预测不同逾期阶段的未来坏账损失，它与vintage结合，能实现风险的精细化管理。

vintage的核心思想是对不同时期的同一层面的资产进行分别跟踪，是一个所谓竖切的概念；

而迁移率能很好的提示客户整个生命周期中的衍变情况，是一个所谓横切的概念。

3、滚动率

滚动率的核心，在一个“滚”字。

滚是有方向的，在风控指标里，要么向前滚，要么向后滚。

前面说的vintage是从时间维度上判断资产质量的好坏，

这里说的滚动率则是从行为程度上判断客户质量的好坏，

它可以帮助我们判断逾期客户可抢救的比例，减少坏账损失。

以上图为例，标黄色背景的表格，代表前后两个逾期阶段变化的概率。

比如：

第一行，代表m0用户，

维持在m0的概率是90.81%，

往m1变化的概率是9.19%；

第二行，代表m1用户，

变好（m0-m1）的概率是30.59%+6.35%=36.94%，

变坏(m2-m3)的概率是61.82%+1.23%=63.06%;

第三行，代表m2用户，

变好（m0-m2）的概率是23.80%+1.12%+2.25%=27.17，

变坏（m3-m4）的概率是72.11%+0.72%=72.83%；

......

以此类推。

最后一行，代表m7用户，

变好（m0-m6）的概率是6.93%，

变坏(m7）的概率是93.07%。

4、首逾率

首逾率的核心在一个“首”字，指在某一个还款日，仅第一期到期的客户中有多少没有按时还款。

首逾率一般用来做反欺诈，因为欺诈用户的第一期基本是不会还款的。

一般的首逾率，不建议以还款当天的数据来看，因为有很多客户当天忘还，

或由于银行代扣失败、入账延迟等原因，造成当天还款失败。

目前建议的首逾率以 3天 或者 5天的数据来看，即首次还款，距还款日超过3天/5天后的逾期率。

可以看出，产品C的首逾率，明显低于A、B的首逾率。

最后总结一下，账龄、迁徙、滚动、首逾，

掌握好了这四个风控指标，分析资产质量时，就不会被轻易忽悠。

贷款迁徙率是什么意思

贷款迁徙率是指一定时期贷款在各种分类形态中发生变化的程度。

正常贷款迁徙率=（期初正常类贷款转为不良贷款的金额+期初关注类贷款转为不良贷款的金额+期初正常类贷款中因非正常收回而减少的金额+期初关注类贷款中因非正常收回而减少的金额）/（期初正常类贷款余额+期初关注类贷款余额）×100%；

关注类贷款迁徙率=（期初关注类贷款向下迁徙金额+期初关注类贷款中因非正常收回而减少的金额）/期初关注类贷款余额×100%；

次级类贷款迁徙率=（期初次级类贷款向下迁徙金额+期初次级类贷款中因非正常收回而减少的金额）/期初次级类贷款余额×100%；

可疑类贷款迁徙率=（期初可疑类贷款向下迁徙金额+期初可疑类贷款中因非正常收回而减少的金额）/期初可疑类贷款余额×100%。

扩展资料：贷款的还款方式

（1）等额本息还款：即贷款的本金和利息之和采用按月等额还款的一种方式。住房公积金贷款和多数银行的商业性个人住房贷款都采用了这种方式。这种方式每月的还款额相同；

（2）等额本金还款：即借款人将贷款额平均分摊到整个还款期内每期（月）归还，同时付清上一交易日到本次还款日间的贷款利息的一种还款方式。这种方式每月的还款额逐月减少；

（3）按月付息到期还本：即借款人在贷款到期日一次性归还贷款本金〔期限一年以下（含一年）贷款适用〕，贷款按日计息，利息按月归还；

（4）提前偿还部分贷款：即借款人向银行提出申请，可以提前偿还部分贷款金额，一般金额为1万或1万的整数倍，偿还后此时贷款银行会出具新的还款计划书，其中还款金额与还款年限是发生变化的，但还款方式是不变的，且新的还款年限不得超过原贷款年限；

（5）提前偿还全部贷款：即借款人向银行提出申请，可以提前偿还全部贷款金额，偿还后此时贷款银行会终止借款人的贷款，并办理相应的解除手续；

（6）随借随还：借款后利息是按天计算的，用一天算一天息。随时都可以一次性结清款项无须违约金。

vintage分析、迁移率、滚动率、入催率

        vintage分析被广泛应用于金融信贷产业，分析的方法是针对不同时期产生的信贷账户分别进行跟踪，按照账龄的长短进行同步对比，从而了解不同时期批准账户的资产质量情况，是一个所谓竖切的概念。以下举例说明根据账龄所做的拖欠二周期账户的Vintage分析（见表1）

在表1中，列为发卡时间，行为经营时间。数据2.12%为2006年4月所发信用卡在2006年7月时拖欠二周期的金额除以该批信用卡在2006年7月时透支余额，依此类推，得到全表的数据。在此基础上，按照账龄为经营时间减去发卡时间进行表间数据的转换，得到表2, 并做出折线图（见图1）。

        在说迁移率之前，我们先定义逾期阶段的概念。逾期就是说你到了该还款的日子而没有还款，那你就进入了逾期。根据逾期天数，又分为M0-M7+等八个阶段。没有逾期的是M0，逾期1 29天的是为M1，逾期30 59的定义为M2，以此类推，逾期超过180天的定义为M7+。 有了逾期阶段的概念，迁移率就好理解了。简单说，就是处于某一逾期阶段的客户转到其他逾期阶段的变化情况。迁移率通常可以用来预测不同逾期阶段的未来坏账损失。比如，M2-M3，说的是从逾期阶段M2转到逾期阶段M3的比例。如下图表2是各个网贷各个时期网贷分账龄的明细表，其中WO代表Write Off。表3中同种颜色的单元格标识出了不良贷款的迁移路径，可以看出在7月份1004844元的正常透支中，有237327元到了8月份之后变成了M1逾期，在这237327的M1逾期中又有55372元在9月变成了M2逾期。

        在风险控制中，我们的根本目的是识别坏用户，通过历史数据，抓取坏客户显著区别于正常客户的特征，并以此为标准去预测未来的坏客户。用户的好坏其实很难定义，不能说逾过期的用户就是坏用户，也许人家其实想还，只是不小心忘记还款了呢。而且，有的时候，“适当”的逾期还能增加公司的逾期利息收入。我们所关注的坏客户是坏到某一程度，也就是逾期等级较高且不还款的客户。

  前面说的vintage是从时间维度上判断客户群体的好坏，下面说的滚动率则是从行为程度上判断客户的好坏，它可以帮助我们判断某些逾期客户是否还可以再抢救一下，收回点成本。

  滚动率，简单地说就是以某一时间点为观察节点，观察客户在该点前一段时间内（比如半年）最坏逾期阶段，并追踪其在观察点之后的一段时间向其他逾期阶段发展的情况，特别是向更坏程度发展的情况。举个栗子，今天是2018年5月25日，取今天的1万个客户，统计他们在过去半年里的最大逾期阶段。然后追踪他们后半年的表现。以下数字纯属虚构，完全是为了说明问题，各个公司有自己的观察数据和追踪数据。

  M0的客户在未来半年里，98%的客户还是会保持正常M0的状态

  最大逾期阶段M1的客户在未来80%会变M0，但是还有20%会继续，甚至有5%的人往更坏的程度发展

  最大逾期阶段M2的客户在未来40%的人会继续恶化，22%左右的人会变M0（完全从良）；

  最大逾期阶段M3的客户在未来60%的人会继续恶化，15%左右的人会变M0（完全从良）；

  最大逾期阶段M3+的客户在未来80%的客户会继续此状态（没救了）。

  根据以上的数据，我们可能就可以得出逾期3期以上的客户，都是无力抢救的坏客户这样的结论。假如我们想把条件收紧一点，那么我们可能会选择逾3期或者2期。再假如我要给坏设定等级，那么我就可以把3期以上设为极度坏，逾3、2期的话可能设置为中度坏，逾1期的人可以是不经意的坏。这些特征将来可以放到风控建模的样本特征中来。

        有了前面的铺垫，入催率就比较简单了。它指的是在某一个还款日，客户从M0变成M1的比例。比如说，今天，有N个M0客户到了还款日，里面有M个客户按时还款了，那么今天的入催率就是（N-M）/N。它与下面的FBD是有区别的。

（如有不同见解，望不吝赐教！！！）

贷款迁移率测算催收效果的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于贷款迁徙率监管要求、贷款迁移率测算催收效果的信息您可以在本站进行搜索查找阅读喔。