如何使用writeoff管理财务

本文介绍了18中互联网消费金融风控术语,并用一个具体案例展示计算过程。

如何使用writeoff管理财务

表 2

根据以上表数据所绘制 vintage 曲线图如图 1:

图 1

从图 1 可以分析得出:

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,则 2019 年 12 月时点不良率=(35000 22000 11000 9000)/3102000=2.48%;假定贷款资金年周转次数为 3 次,且参考 2019 年 1 月份的逾期情况,则粗略估计财务不良率=mob12 vintage(M3 )*3=3.45%*3=10.35%,其中 vintage(M3 )取mob12加权平均值。

4. 迁移率分析和滚动率

迁移率分析和滚动率分析比较像,都是分析客户从某个状态变为其他状态的发展变化情况。所不同的是,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变现期。而迁移率侧重于分析客户状态的发展变化路径,如 C-M1,M1-M2,M2-M3 等。

先进行滚动率分析,在观察点 2019 年 6 月 30 日,取 1 万个客户,统计该 1 万个客户从观察期到表现期最大逾期的变化情况,如表 3。

表 3

从中可以看出:

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 客户几乎不会从良,为了让风控模型有更好的区分能力,需要将客户好坏界限尽可能清晰,根据滚动率分析可以定义坏用户(bad)=逾期状态 M3 (逾期超过 90 天)。再进行迁移率分析,以表 1 里数据为例进行分析,其中橙色部分为恶化迁移路径。

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,我们可以清晰观察到每个 Vintage 的资产在各逾期状态的演变规律。见表 4,我们从横向比较每个月的迁移率,发现不完全一样。这是因为随着时间推移、外在宏观经济环境、内部政策等变化而产生一定的波动。

表 4

5. 呆帐风险

呆帐风险是信贷机构必须面对的风险,主要来源于信用风险和欺诈风险等。

2019 年 8月正常资产 C 转呆账率可以使用迁移率计算,计算方法为(C-M1)*(M1-M2)*(M2-M3)*(M3-M4)*(M4-M5)*(M5-M6)*(M6-M7)=23%*23.91%*45.45%*84%*47.62%*85%*76.57%=0.65%,或者使用2019年8月M7贷款本金余额/2019年1月 C~M7贷款本金余额=6500/1000000=0.65%。

由于M7不良资产的平均回收率为10%,则可计算净损失率为:0.65%*(1-10%)=0.59%。同理可以计算不同状态的资产转呆账率和净损失率。

作者:芬太克,微信公众号:芬太克,帝都互联网金融产品经理,5年 互联网信贷领域产品设计经验。

本文由 @芬太克原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

本站部分内容由互联网用户自发贡献,该文观点仅代表作者本人,本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。 如发现本站有涉嫌抄袭侵权/违法违规等内容,请举报!一经查实,本站将立刻删除。
本站部分内容由互联网用户自发贡献,该文观点仅代表作者本人,本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如发现本站有涉嫌抄袭侵权/违法违规等内容,请<举报!一经查实,本站将立刻删除。