lig中文是什么意思 什么是ANR( 三 )


根据上表数据绘制的vintage曲线如图1所示:
图1
从图1可以分析出:
ⅰ账龄最长为12个月,代表产品期限为12期 。随着12期结束,账户的生命周期走到尽头 。ⅱ2019年5月放款的合同走完账龄生命周期,而2019年6月的却没有,说明数据统计时间为2020年6月 。Ⅲ账龄mob1、mob2、mob3的逾期率都为0,说明逾期指标为M3+(逾期超过90天)风险 。Ⅳ放款月份从2019年1月~12月的账户M3+逾期率都在降低,说明资产质量在不断提升,可能风控水平在不断提升 。2019年5月相对于2019年1~4月的逾期率大幅度下降,说明该阶段风控策略提升明显 。Ⅴ不同月份放款的M3+在经过9个MOB后开始趋于稳定,说明账户成熟期是9个月 。3. 财务不良率
假设逾期M3+为不良贷款,2019年12月不良贷款率=(35000+22000+11000+9000)/3102000 = 2.48%;假设贷款资金年周转3次,参考2019年1月逾期情况,粗略估算金融不良率= MOB12 Vintage(M3+)* 3 = 3.45% * 3 = 10.35%,其中vintage(M3+)为mob 12的加权平均值 。
4. 迁移率分析和滚动率
迁移率分析类似于滚动率分析,分析客户从一种状态到另一种状态的发展变化 。不同的是滚动率侧重于分析客户逾期程度的变化,所以在做滚动率分析时需要设置相对较长的观察期和清算期 。迁移率重点分析客户状态的发展变化路径,如C-M1、M1-M2、M2-M3等 。
首先分析滚动率 。在2019年6月30日的观察点,选取10000个客户,统计这10000个客户从观察期到业绩期的最大逾期的变化,如表3所示 。
表3
可以看出:
正常的客户,在未来 6 个月里,有 96%会保持正常状态;逾期 1 期的客户,未来有 81%会回到正常状态,即从良率为 81%,有 6%会恶化到 M2、M3、M3+;逾期 2 期的客户,从良率为 23%,有 39%会恶化到 M3、M3+;逾期 3 期的客户,从良率为 14%,有 61%会恶化到 M3+;逾期 3 期及以上的客户,从良率仅为 4%,有 82%会继续此状态 。
因此,我们认为历史逾期状态为M3+的客户几乎不会是好客户 。为了使风控模型具有更好的区分能力,需要尽可能明确好客户和坏客户的界限 。根据滚动率分析,可以定义不良用户= M3的逾期状态+(逾期90天以上) 。然后进行迁移性分析,以表1中的数据为例,其中橙色部分为恶化的迁移路径 。
其计算口径为:
截止 1 月末,正常资产 C 为 1000000 元,此为起点 。截止 2 月末,1 月末的正常资产 C 中有 230000/1000000=23%恶化为逾期资产 M1 。截止 3 月末,2 月末的逾期资产 M1 中有 55000/230000=23.91%恶化为逾期资产 M2 。截止 4 月末,3 月末的逾期资产 M2 中有 25000/55000=45.45%恶化为逾期资产 M3 。截止 5 月末,4 月末的逾期资产 M3 中有 21000/25000=84%恶化为逾期资产 M4 。截止 6 月末,5 月末的逾期资产 M4 中有 10000/21000=47.62%恶化为逾期资产 M5 。可能采用了委外催收、司法手段等催收策略,催回效果显著 。截止 7 月末,6 月末的逾期资产 M5 中有 8500/10000=85%恶化为逾期 M6 资产 。截止 8 月末,7 月末的逾期资产 M6 中有 6500/8500=76.57%恶化为逾期 M7 资产 。此时将视为不良资产,打包转卖给第三方公司,这样就能回收部分不良资产,减少损失 。
通过迁移率,我们可以清晰地观察到各个年份资产在各个逾期状态下的演变规律 。参见表4 。我们横向比较一下每月的迁移率,发现并不完全一样 。这是因为随着时间的推移,外部宏观经济环境、内部政策等的变化,存在一定的波动 。
表4
5. 呆帐风险
坏账风险是信贷机构必须面对的风险,主要来自信用风险和欺诈风险 。
2019年8月,正常资产C向坏账的转移率可以用迁移率计算,即(C-M1)*(M1-M2)*(M2-M3)*(M3-M4)*(M5-M6)*(M6-M7)= 23% * 23.91%