金融风控术语

文章目录

  • [1 表现期](#1 表现期)
  • [2 观察期](#2 观察期)
  • [3 账龄](#3 账龄)
  • [4 账龄分析](#4 账龄分析)
  • [5 逾期天数](#5 逾期天数)
  • [6 逾期期数](#6 逾期期数)

1 表现期

表现期是指客户申请通过并完成放款后,用于观察客户还款表现的一段时间。

在这一期间,定义 Y 变量(即标签变量),用于判断客户是否发生违约。

简单来说:表现期用来确定客户"有没有违约"。

2 观察期

观察期是客户的申请时点之前,需要纳入观察的数据时间,用于确定X变量。

X:特征变量,表示客户特征。

表现期是确定Y变量的,观察期是确定X变量的。

确定时间窗口的注意事项:

  • 时间窗口的确定,需要综合衡量数据时效覆盖情况。
  • 表现期窗口设计过小,用户风险暴露不充分。
  • 观察期窗口的设定重要考虑2点:
    • 保证有足够的建模数据。
    • 时效性,如果观测期设计过长,用户较远历史信息可能会干扰近期状况的预测。

3 账龄

账龄(Month Of Book,MOB):放款月份。MOB0表示放款日至当月月底,MOB1表示放款后第1个完整的月份,MOB2表示放款后第2个完整的月份。其最大值取决于当前产品的周期,如12期产品最多存在MOB12。

  • 放款日:5.2
  • 首个放宽月月末:5.31
  • MOB0:5.2 - 5.31
  • MOB1:6.1 - 6.30
  • MOB2:7.1 - 7.31

4 账龄分析

账龄分析(Vintage Analysis):客户的违约行为会经过一段时间才趋于稳定,账龄分析用来分析账户成熟度 ,即确定用户风险暴露所需的周期 ,用于确定建模样本表现期的一种方法。

5 逾期天数

逾期天数(Days Past Due,DPD):未按时还款产生的延滞天数。如DPD0为到期当日,DPD1为逾期一日,DPD7为逾期一周。

6 逾期期数

逾期期数(Bucket):逾期的月份数。一般有2种定义口径:

  • 第一种口径
    • 逾期0天M0。
    • 逾期[1,30]天记为M1,逾期天数大于30天,记为M1+。
    • 逾期[31,60]天记为M2,逾期天数大于60天,记为M2+。
    • 逾期[61,90]天记为M3,逾期天数大于90天,记为M3+。
  • 第二种口径
    • M0表示逾期[1,30]天。
    • M1表示逾期[31,60]天。
    • M2表示逾期[61,90]天。
    • M3表示逾期[91,120]天。
相关推荐
DreamLife☼15 天前
Node-RED:金融行业:实时交易监控系统——用 Node-RED 守住风控第一道防线
kafka流处理·金融风控·实时交易监控·反洗钱规则引擎·滑动窗口统计·合规审计日志·可疑交易拦截
青云交1 个月前
Java 大视界 -- Java 大数据机器学习模型在金融风险管理体系构建与风险防范能力提升中的应用(435)
java·大数据·机器学习·spark·模型可解释性·金融风控·实时风控
豆奶特浓61 个月前
谢飞机迎战金融风控面试:从Spring WebFlux、Elasticsearch到AI模型,他能扛住吗?
java·elasticsearch·微服务·ai·面试·spring webflux·金融风控
python机器学习建模1 个月前
22篇经典金融风控论文复现(2025年11月更新)
人工智能·机器学习·论文·期刊·金融风控
minhuan3 个月前
构建AI智能体:六十二、金融风控系统:基于信息熵和KL散度的异常交易检测
人工智能·信息熵·kl散度·信息论·金融风控
摘星编程5 个月前
金融风控AI引擎:实时反欺诈系统的架构设计与实现
机器学习·实时计算·金融风控·反欺诈系统·ai引擎
uncle_ll9 个月前
从 Credit Metrics 到 CPV:现代信用风险模型的进化与挑战
反欺诈·风控·金融风控·信用风控·风控建模
阡之尘埃1 年前
Python数据分析案例57——信贷风控模型预测评估及其可解释性(shap, scorecardpy包应用)
python·机器学习·数据分析·信贷风控·金融风控·模型解释性