一种基于风险管理数据的Vintage分析方法技术

一种基于风险管理数据的Vintage分析方法，涉及到风险管理数据的分析识别与预警处理方法技术领域。步骤：S1：在各月末收集统计月末余额分布；S2：对原始数据进行数据核查、预处理；S3：计算出滚动率指标；S4：计算出逾期率；S5：计算出损失率；S6：通过平均得到滚动率模型；S7：通过平均得到逾期率模型；S8：通过平均得到损失率模型；S9：根据滚动率模型，结合客户已表现数据进行外延推断；S10：根据逾期率模型，对客户未来表现进行预测，根据逾期率模型用同比与环比预测客户未来的表现；S11：根据损失率模型用同比与环比预测客户未来的表现。对银行或金融机构客户贷后管理风险识别与预警，预测更准。

【技术实现步骤摘要】
一种基于风险管理数据的Vintage分析方法
本专利技术涉及到银行或金融机构贷后的风险管理数据的分析识别与预警处理方法

技术介绍
随着金融一体化和经济全球化的发展，金融风险日趋复杂化和多样化，金融风险管理的重要性愈加突出。金融风险管理包括对金融风险的识别、度量和控制。由于金融风险对经济、金融乃至国家安全的消极影响，在国际上，许多大型企业、金融机构和组织、各国政府及金融监管部门都在积极寻求金融风险管理的技术和方法，以对金融风险进行有效识别、精确度量和严格控制。在金融信贷业务领域，风控是灵魂，在整个信贷产品当中，占据着非常重要的作用；然后在风险管理当中，贷后风险管理也尤为重要。实际应用中，银行或金融机构贷后风险管理数据结构设计不是很完善，没有一套很好的监测分析方法识别贷后资产分布情况与监测其变化情况。Vintage源自葡萄酒业，意思是葡萄酒酿造的年份。引申来讲：Vintage用于分析事物相对于自身起始点的生命周期长度下的演化情况。Vintage本质：按生命起点进行对准；按生命周期进行比较。Vintage分析方法的作用，比如：当我们要评估6岁男童身高发育是否正常时，如果用当下其父亲身高直接进行比较显然是不合适，正确的做法是同其父亲6岁时的身高进行比较，通过这种“同年龄”的可比性前提，我们才能科学地评估该儿童发育的更好或更差。如果我们进一步想预测该男童成年后的身高，我们可以通过类比其父亲身高随着年龄的变化曲线，结合他们6岁时的状况，相对合理地推断出男童成年后的身高。Vintage分析方法本质就是通过起点对齐和趋势外延，提供了一种合理比较和预测的方法。Vintage分析方法在风险管理中应用非常广泛，对风险管理起到了非常重要的作用，例如让贷后风险前置，但在贷后风险管理当中仍然还有很多不足的地方，简单来说是由于数据与数据结构不完备性导致，下面列出Vintage分析方法在贷后风险管理中的应用不足：1、不是所有数据从上述Vintage分析方法描述可以看出，使用的贷款余额数据，而不是这款产品历史所有数据，只是展示客户当前没有还清部分数据随着时间推移发生的变化，而客户已还清借款就不能体现出来，存在着一定的片面性。举个例子，贷款产品A总房贷金额100亿，已还金额99亿，贷款余额1亿，其中不良1000万，vintage会反馈出10％的不良率，看起来非常大，风险很高，而看全局，只有0.1％的不良率，其实这款产品整体来说还是不错。2、不能单一客户从上述Vintage分析方法描述可以看出，是可以反应贷款余额部分风险数据，相当于贷款余额汇总数据，但如果想再细化去看一个用户或者某个用户某一笔的逾期率，不良率或者损失，就不能精细化体现，不能给用户起到量化作用。3、不能实时计算从上述Vintage分析方法描述可以看出，每个月月末跑批才能统计出上述数据，相当于每个月月末才能更新数据，才能知道数据变化，时间周期为一个月，随着产品应用场景与科技技术的变化，这个周期有点长，如果这个月当中会发生很大风险，无法判断，无法预知，会造成相应的损失，证明上述Vintage分析方法还不够完善。4、不是所有指标从上述Vintage分析方法描述可以看出，当月贷出金额，M1金额，但确实看不出已还金额与M0金额部分等相关非常重要变量情况，不能全面展示贷后数据随时间推移比较全面清晰的展示出产品是否稳健运营。5、不能准确申请时间从上述Vintage分析方法描述可以看出，当月贷出金额时用到客户申请时间，其实是不准确的，准确来说，应该是放款时间，因为有客户上个月申请，这个月或者下个月才借款，还有些是之前已经有贷款，复购等情况发生导致上述原因，虽然数据量一般不大，还是会对数据产生一定的影响，对未来的分析也会造成影响。6、不能衍生其他维度从上述Vintage分析方法描述可以看出，如果这款产品涉及到销售人员、合作机构、区域、门店、分行等情形时，我需要分析与监测销售人员、合作机构、区域、门店、分行等情形的风险，最快速度把风险防范在贷前阶段，而上述并不能实现这些。Vintage分析方法应用在风险管理中虽然存在上述不足，但金融机构仍然使用Vintage分析方法的主要原因是：1、不用考虑数据库上述Vintage分析方法适用所有数据库，无论是什么样的金融机构，刚成立的也好，很成熟的也好，有资金的也好，都有当前贷款余额数据情况，不用考虑数仓与性能支撑。重要数据存取一般有两种形式：一种是像互金公司那样，没在数仓与服务器上投入大量资金，只能备份近一个月数据，而不能备份历史每天实时数据，那样需要很大的存储与良好的性能支撑，需要投入很大资源，一般互金公司也不需要把数据备份很长时间，缺点就是想回顾备份以外的数据就无法复现。另一种像银行这样的金融机构，历史数据非常重要，加上自身实力非常雄厚，建立一套性能卓越的数仓系统与服务器系统，都是基本配置，历史每一天的数据都可以复现，但也是会存在弊端，就是上述所说，量级大了，也会影响效率。举个例子，假设贷款产品A有1万用户，贷款总订单表最终状态每天备份，一个月就是30万条，一年就是360万条，这看起来似乎对数据使用与分析影响不大，但放到分期订单表或者用户基数升到10万或者产品年限比较长的情况下，都会出现数据指数级增长，小则上亿条数据，大则10亿级别或者更高级别以上数据，这种情况下，再去取数据或者分析，如果服务器或者数据性能不够，就会受到很大影响。2、使用方便上述Vintage分析方法使用非常方便，汇报起来灵活，员工工作量大幅度减少，不需要看非常多的数据，在满足大部分需求的情况下是个很好的选择。3、代码简便上述Vintage分析方法实施代码简单，一段代码或者两段代码就能搞定，也只需每月跑批即可，都是贷款余额部分，跑数次数与时间都不用耗很大精力。因此，Vintage分析方法应用在风险管理中有利，也有弊，对于是否有一种既能包含上述的利端，也能弥补上述的不足新的Vintage分析方法存在迫切需求。
技术实现思路
综上所述，本专利技术的目的在于解决现有Vintage分析方法应用在风险管理中存在的不足，而提出一种基于风险管理数据的Vintage分析方法。为解决本专利技术所提出的技术问题，采用的技术方案为：一种基于风险管理数据的Vintage分析方法，其特征在于所述方法包括有如下步骤：S1：在各月末收集统计当前时间的贷款余额按逾期时长的月末余额分布，作为原始数据；对原始数据根据贷款余额按逾期时长的时间长短划分出两个以上逾期时长段；S2：对原始数据进行数据核查、预处理，将原始数据中的空值数据用数值0代替；S3：根据原始数据各个月末余额分布，计算出滚动率指标；S4：根据各个月末的滚动率指标，计算出逾期率；S5：根据各个月末的滚动率指标，计算出损失率；S6：根据各个月末的滚动率指标，通过平均得到滚动率模型；S7：根据步骤S4得出的各个月末的逾期率指标，通过平本文档来自技高网...

【技术保护点】
1.一种基于风险管理数据的Vintage分析方法，其特征在于所述方法包括有如下步骤：/nS1：在各月末收集统计当前时间的贷款余额按逾期时长的月末余额分布，作为原始数据；对原始数据根据贷款余额按逾期时长的时间长短划分出两个以上逾期时长段；/nS2：对原始数据进行数据核查、预处理，将原始数据中的空值数据用数值0代替；/nS3：根据原始数据各个月末余额分布，计算出滚动率指标；/nS4：根据各个月末的滚动率指标，计算出逾期率；/nS5：根据各个月末的滚动率指标，计算出损失率；/nS6：根据各个月末的滚动率指标，通过平均得到滚动率模型；/nS7：根据步骤S4得出的各个月末的逾期率指标，通过平均得到逾期率模型；/nS8：根据步骤S5得出的各个月末的损失率指标，通过平均得到损失率模型；/nS9：根据步骤S6的滚动率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的滚动率，根据滚动率模型用同比与环比预测客户未来的表现；/nS10：根据步骤S7逾期率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的逾期率，根据逾期率模型用同比与环比预测客户未来的表现；/nS11：根据步骤S8损失率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的损失率，根据损失率模型用同比与环比预测客户未来的表现。/n...

【技术特征摘要】
1.一种基于风险管理数据的Vintage分析方法，其特征在于所述方法包括有如下步骤：
S1：在各月末收集统计当前时间的贷款余额按逾期时长的月末余额分布，作为原始数据；对原始数据根据贷款余额按逾期时长的时间长短划分出两个以上逾期时长段；
S2：对原始数据进行数据核查、预处理，将原始数据中的空值数据用数值0代替；
S3：根据原始数据各个月末余额分布，计算出滚动率指标；
S4：根据各个月末的滚动率指标，计算出逾期率；
S5：根据各个月末的滚动率指标，计算出损失率；
S6：根据各个月末的滚动率指标，通过平均得到滚动率模型；
S7：根据步骤S4得出的各个月末的逾期率指标，通过平均得到逾期率模型；
S8：根据步骤S5得出的各个月末的损失率指标，通过平均得到损失率模型；
S9：根据步骤S6的滚动率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的滚动率，根据滚动率模型用同比与环比预测客户未来的表现；
S10：根据步骤S7逾期率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的逾期率，根据逾期率模型用同比与环比预测客户未来的表现；
S11：根据步骤S8损失率模型，结合客户已表现数据进行外延推断，对客户未来表现进行预测，已知客户的损失率，根据损失率模型用同比与环比预测客户未来的表现。


2.根据权利要求1所述的一种基于风险管理数据的Vintage分析方法，其特征在于：步骤S1中，对原始数据根据贷款余额按逾期时长的时间长短划分出共8个逾期时长段，对8个逾期时长段统计的贷款余额数据分别表示为：M0，M1，....，M7，其中，M0为当月发放贷款、M1为逾期1-29天贷款余额，M2为逾期30-59天贷款余额，M3为逾期60-89天贷款余额，M4为逾...

【专利技术属性】
技术研发人员：潘佛文，
申请(专利权)人：深圳索信达数据技术有限公司，
类型：发明
国别省市：广东;44