一、常用量化指标

 　首先，先了解下如何定义逾期。

 　过了最后还款日仍未还款，则为逾期。注意，一个客户只有一个账单日。如果想要获得最长免息还款期，则应该在上一个账单日的后一天进行消费。
 　还有，最重要的一点，账单日不要在28.29.30.31号，避免因大小月份造成指标计算困难，会影响逾期指标。举个例子，比如账单日为30号，1月31号的时候逾期1天，2月28号逾期29天，计算期末的迁徙率的时候，会都被算在M1里面，可能导致迁徙率大于100%。

账单逾期和订单逾期

总结：

1. 订单的逾期天数(历史/当前)为账单的相应逾期天数的最大值。
2. 历史逾期天数在还款之后不再发生变化。
3. 历史逾期天数>=当前逾期天数
4. 此外还有客户逾期的概念，道理是一样的。比如，客户有A、B两个订单，A订单逾期1天，B订单逾期10天，那么该客户的逾期天数为10天。

迁徙率和Vintage

 　见之前的文章资产管理指标

首期逾期率

 　关于FPD的详细介绍，见之前的文章资产管理指标(二)
注意：

• 只有已过首期还款日的客户才能纳入计算。
• 以客户数为计算标的，不是金额。
  此外，还要考虑到期占比，即新增放款客户中有多少是到首期了的，一般大于70%首逾指标才能认定为有效，

PSI

 　评分卡监控用的指标，主要用于衡量指标的波动程度。公式为：
$$PSI=(A-B)\ast ln(A-B)$$
 　比如A为3月份的迁徙率，B为4月份的迁徙率，可以衡量指标是否有异常波动。一般PSI<0.1认为稳定性很好；PSI>0.25认为异常；0.1-0.25之间可以认为需要关注。

二、策略调优

 　策略调优可以分为A类调优和D类调优：

 　通常，出现以下情况时需要对策略进行调整：

1. 资产质量朝着坏的方向发展
2. 逾期指标偏高
3. 通过率下降
4. 预测的坏账比例超过预期

A类调优的例子：
 　假设某一天的通过率突然变低，领导比较紧张，需要找出原因并及时调整。

 　如上图，5月30-31号的通过率下降明显，就以5月30号这天为时间点进行划分，对比分析，寻找波动差。

 　经过层层筛选分析，最终确定是多平台数拒绝率升高导致的通过率降低。现有的规则是多平台数>=7则拒绝，然后就要调整这个阈值。接下来就是分析将阈值调到多少才合适。
首先，需要做客户的多平台数分布，并与逾期指标相结合。

 　在选取逾期的观测指标时，上图中用的是FPD30，原因是这是一个欺诈指标，可以筛选出大部分确定的坏人。而且表现时间也不长，相比于不良率更有利于上线之后的验证。结果二就不适合再做回捞。
在确定了可以做回捞之后，需要对新加入策略的多平台数作预测。

 　根据豁免的客群及预测情况，可以确定出规则的阈值以及调整方案。

D类调优的例子：
 　D类调优比较简单，比如逾期指标升高，可以分不同维度去拆分，分析哪个维度的指标升高导致。假设是通过划分存量和新增资产确定新增资产的逾期较高，则需要调整贷前的策略。

 　新增资产的Vintage图较高，故调整贷前策略。针对固定的资产包，继续进行拆分，可以分渠道进行分析。比如分城市拆分，针对逾期较高的城市的新增资产，进行准入限制。

【作者】：Labryant
【原创公众号】：风控猎人
【简介】：某创业公司策略分析师，积极上进，努力提升。乾坤未定，你我都是黑马。
【转载说明】：转载请说明出处，谢谢合作！~