版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
金融風(fēng)控常用術(shù)語本內(nèi)容涵蓋了金融風(fēng)控常用術(shù)語,包括宏觀經(jīng)濟(jì)、風(fēng)控基礎(chǔ)、風(fēng)控指標(biāo)、風(fēng)控系統(tǒng)、貸后管理等類別英文術(shù)語解釋舉例說明宏觀經(jīng)濟(jì)FintechFinancial+technology組合詞,意味金融科技ERExchangeRate(匯率),金融集團(tuán)針對子公司金融風(fēng)險(xiǎn)監(jiān)控時(shí),國際市場經(jīng)濟(jì)環(huán)境監(jiān)控指標(biāo)IRInterestrate,產(chǎn)品利率GDPGrossDomesticProduct(國內(nèi)生產(chǎn)總值)Unexplo失業(yè)率
yment%Stockmarket股票市場表現(xiàn),常針對發(fā)展金融服務(wù)的地區(qū)性風(fēng)險(xiǎn)監(jiān)控風(fēng)控基礎(chǔ)APRAnnualpercentagerate,年度百分率,一年一次復(fù)利計(jì)息的利率ARaccountsreceivable,當(dāng)期應(yīng)收賬款A(yù)pplicationfraud偽冒申請Transacationfraud欺詐交易BalaneeTransfer余額代償,即信用卡還款業(yè)務(wù)collection催收。根據(jù)用戶入催時(shí)間由短到長,分為Earlycollection(早期催收)Frontend(前段催收)Middlerange(中段催收)Hotcore(后段
催收)Recovery(呆賬后催收/壞賬收入)這幾個階段,對應(yīng)不同的催收手段和頻率DBRdebitburdenratio,負(fù)債比,通常債務(wù)人的在各渠道的總體無擔(dān)保負(fù)債不宜超過其月均收入的N倍風(fēng)控系統(tǒng)Installment分期付款I(lǐng)IP計(jì)提的壞賬準(zhǔn)備PIP資產(chǎn)減值損失NCLnetcreditloss,凈損失率。當(dāng)期轉(zhuǎn)呆賬金額減去當(dāng)期呆賬回收即為凈損失金額MOBmonthonbook賬齡MOBO,放款日至當(dāng)月月底。MOB1,放款后第二個完整月份Non-starter惡意逾期客戶PaydayLoan發(fā)新日貸款。無抵押的信用貸款,放款速度快,額度低,期限短但利率咼。額度低和咼
利率是該模式的必要條件。Revolving循環(huán)信用WOWrite-off,轉(zhuǎn)呆賬,通常逾期6期以上轉(zhuǎn)呆賬Apply#貸款申請總量Apply$貸款申請總金額Approve#貸款通過總量Approve$貸款通過總金額Reject%貸款拒絕率Cancel#貸款取消件量Cancel%貸款取消率Reloan復(fù)貸ACardApplicationscorecard申請?jiān)u分卡,對授信階段提交的資料賦值的模型結(jié)果規(guī)則評分卡是對一系列用戶信息的綜合判斷。隨著可以收集到的用戶信息變多,授信決策者不再滿足于簡單的if、else邏輯,而是希望對各個資料賦予權(quán)重和分值,根據(jù)用戶最后
綜合得分判斷風(fēng)險(xiǎn),通過劃定分?jǐn)?shù)線調(diào)整風(fēng)險(xiǎn)容忍度,評分卡應(yīng)運(yùn)而生BCardBehaviorscorecard行為評分卡,對貸后可以收集到的用戶信息進(jìn)行評分的規(guī)則與A卡類似,B卡也是一套評分規(guī)則,在貸款發(fā)放后,通過收集用戶拿到錢后的行為數(shù)據(jù),推測用戶是否會逾期,是否可以繼續(xù)給該用戶借款。例如用戶在某銀行貸款后/又去其他多豕銀行申請了貸款,那可以認(rèn)為此人資金短缺,可能還不上錢,如果再申請銀行貸款,就要慎重放款CCardCollectionScorecard催收評分卡,對已逾期用戶未來出催能力做判斷的評分規(guī)則催收評分卡是行為評分卡的衍生應(yīng)用,其作用是預(yù)判對逾期用戶的催收力度。對于信譽(yù)較好的用戶,不催收或輕量催收即可回款。對于有長時(shí)間逾期傾向的用戶,需要從逾期開始就重點(diǎn)催收。申請?jiān)u分卡、行為評分卡和催收評分卡常合并稱為“ABC卡”,應(yīng)用在貸刖、貸中和貸后管理FCardFraudScorecard,反欺詐評分卡,常針對申請階段進(jìn)行反欺詐用戶識別MISManagementInformationMIS_weekly是MIS系統(tǒng)出的周報(bào),是從風(fēng)
System管理信息系統(tǒng)控角度出發(fā),涵蓋當(dāng)期重要數(shù)據(jù)和歷史用戶的風(fēng)險(xiǎn)表現(xiàn),是授信模塊需重點(diǎn)關(guān)注的報(bào)表Serservice的簡與?!?ser”是決策弓摩工具SMG3的工程文件格式,故用ser代指決策引擎規(guī)則版本SMG3(StrategyManagementGeneration3)是XX提供的決策引擎工具,類似的工具還有XX的XX。決策引擎是一系列規(guī)則的集合,可處理大量的入?yún)?,最終輸出結(jié)論。決策引擎規(guī)則是授信的核心構(gòu)成之一,通常每個細(xì)分人群都會單獨(dú)配置一個Ser,同一個授信流程也可執(zhí)行多個SerRBPRisk-basedPricing,風(fēng)險(xiǎn)定價(jià)量化風(fēng)險(xiǎn)管理的一個核心就是風(fēng)險(xiǎn)定價(jià),可以根據(jù)用戶人群、模型決策風(fēng)險(xiǎn)、外部征信數(shù)據(jù)等條件,給用戶授予額度和費(fèi)率風(fēng)控指標(biāo)ANR平均在貸總額ENR在貸總額AgingAnalysis賬齡分析。顯示各期至觀察點(diǎn)為止的延滯率,其特點(diǎn)為結(jié)算終點(diǎn)一致,把分散于各個月的放貸合并到一個觀察時(shí)間點(diǎn)合并計(jì)算逾期比率
VintageAnalysis賬齡分析。與aginganalysis不同,vintage以貸款的賬齡為基礎(chǔ),觀察貸后N個月的逾期比率。也可用于分析各時(shí)期的放貸后續(xù)質(zhì)量,觀察進(jìn)件規(guī)則調(diào)整對債權(quán)質(zhì)量的影響DeliquencyVintage30+:表現(xiàn)月逾期30+剩余本金/對應(yīng)賬單生成月發(fā)放貸款金額CCurrent,無逾期正常還款的bucketMM0為正常資產(chǎn),Mx為逾期X期,Mx+為逾期x期(含)以上。M2+即逾2期及以上(30+)。M2和M4是兩個重要的觀察節(jié)點(diǎn),般認(rèn)為M1為刖期,M2-M3為中期,M4以上為后期,大于M6的轉(zhuǎn)呆賬DelinquencyRate逾期率/延滯率。評價(jià)資產(chǎn)質(zhì)量的指標(biāo),可分為Coincident和Lagged兩種觀察方式風(fēng)控模型Coincident即期指標(biāo)。用于分析當(dāng)期所有應(yīng)收賬款的質(zhì)量,計(jì)算延滯
率。計(jì)算方式是以當(dāng)期各bucket延滯金額除以本期應(yīng)收賬款(AR)總額。Coincident是在當(dāng)前觀察點(diǎn)總覽整體,所以容易受到當(dāng)期應(yīng)收賬款的高低導(dǎo)致波動,這適合業(yè)務(wù)總量波動不大的情況下觀察資產(chǎn)質(zhì)量Lagged遞延指標(biāo)。與coincident相同也是計(jì)算延滯率的一個指標(biāo),區(qū)別是lagged的分母為產(chǎn)生逾期金額的那一期的應(yīng)收賬款。Lagged觀察的是放貸當(dāng)期所產(chǎn)生的逾期比率,所以不受本期應(yīng)收賬款的起伏所影響LaggedDPD30+$(%)二LaggedM2+LaggedM3+LaggedM4+LaggedM5+LaggedM6月末資產(chǎn)余額M1(1-29天):統(tǒng)計(jì)月份月末資產(chǎn)中滿足仁當(dāng)前逾期天數(shù)<29的訂單剩余本金總和,當(dāng)前逾期天數(shù)為訂單當(dāng)前最大逾期天數(shù),不包含壞賬訂單。LaggedM1二月末M1的貸款余額/上個月底的貸款余額(M0~M6)DPDDaysPastDue逾期天數(shù),自還款日次日起到實(shí)還日期間DPD7+/30+,大于7天和30天的歷史逾期。業(yè)內(nèi)比較嚴(yán)格的逾期率計(jì)算公式為:在給定
的天數(shù)時(shí)間點(diǎn)當(dāng)前已經(jīng)逾期90天以上的借款賬戶的未還剩余本金總額除以可能產(chǎn)生90+逾期的累計(jì)合同總額。其分子的概念是,只要已經(jīng)產(chǎn)生90天以上逾期,那么未還合同剩余本金總額都視為有逾期可能,而分母則將一些借款賬齡時(shí)間很短的,絕對不可能產(chǎn)生90+逾期的合同金額剔除在外(比如只在2天前借款,無論如何都不可能產(chǎn)生90天以上逾期)FPDFirstPaymentDeliquency首次還款逾期。用戶授信通過后,首筆需要還款的賬單,在最后還款日后7天內(nèi)未還款且未辦理延期的客戶比例即為FPD7,分子為觀察周期里下單且已發(fā)生7日以上逾期的用戶數(shù),分母為當(dāng)期所有首筆下單且滿足還款日后7天,在觀察周期里的用戶數(shù)。常用的FPD指標(biāo)還有FPD30假設(shè)用戶在10.1日授信通過,在10.5日通過分期借款產(chǎn)生了首筆分3期的借款,且設(shè)置每月8日為還款日。則11.08是第一筆賬單的還款日,出賬日后,還款日結(jié)束前還款則不算逾期。如11.16仍未還款,則算入10.1-10.30周期的FPD7的分子內(nèi)。通常逾期幾天的用戶可能是忘了還款或一時(shí)手頭緊張,旦FPD7指標(biāo)可以用戶來評價(jià)授信人群的信用風(fēng)險(xiǎn),對未來資產(chǎn)的健康度進(jìn)行預(yù)估。與FPD7類似,F(xiàn)PD30也是對用戶首筆待還賬單逾期情況進(jìn)行觀察的指標(biāo)。對于逾期30天內(nèi)的用戶何以通過加大催收力度挽回
一些損失,對于逾期30天以上的用戶,催收回款的幾率就大幅下降了,可能進(jìn)行委外催收。如果段時(shí)間內(nèi)的用戶FPD7較高,且較少催收回款大多落入了FPD30內(nèi),則證明這批用戶群的non-starter比例高,借款時(shí)壓根就沒想還,反之則說明用戶群的信用風(fēng)險(xiǎn)更嚴(yán)重。FlowRate遷徙率。觀察刖期逾期金額經(jīng)過催收后,仍未繳款而繼續(xù)落入下一期的幾率。M0-M1二M月月末資產(chǎn)余額M1/上月末M0的在貸余額8月M0-M1:8月進(jìn)入M1的貸款余額/8月月初即7月月末M0的在貸余額ELExpectedLoss,預(yù)期損失PDProbabilityofDefault.違約概率LGDLossGivenDefault.違約損失率EADExposureatDefault.違約風(fēng)險(xiǎn)敞口HRCHighRiskCustomer咼風(fēng)險(xiǎn)客戶DSRDebtServiceRatio還款能力NPLNon-performingloan不良貸
款Benchmark基準(zhǔn)。每個版本的新模型都要與一個線上的基準(zhǔn)模型或規(guī)則集做效果比對IVinformationvalue信息值。一般取值區(qū)間(0,1)。該值用來表示某個變量的預(yù)測能力,越大越好。通常IV值0.3以上的,預(yù)測能力較高。IV=SUM((B_P-G_P)*LN(B_P/G_P))K-Sklmogrov-smirnov,這是—個區(qū)分度指標(biāo)。所謂區(qū)分度,是指模型對于好壞客戶的辨識能力,區(qū)分力越強(qiáng),模型準(zhǔn)確度越高,誤判的幾率越低。K-S值越大越好,一般0.6以上用戶解釋能力很咼。KS二Max(RETAIN_BAD_P-RETAIN_GOOD_P)PSIpopulationstabilityindex,穩(wěn)
定度指標(biāo),越低越穩(wěn)定。用于比較當(dāng)前客群與模型開發(fā)樣本客群差異程度,評價(jià)模型的效果是否符合預(yù)期。PSI=SUM((VALID_BAD_P-TRAIN_BAD_P)*LN(VALID_BAD_P/TRAIN_BAD_P))TrainingSample建模樣本,用來訓(xùn)練模型的一組有表現(xiàn)的用戶數(shù)據(jù)。配合該樣本還有Validationsample(驗(yàn)證樣本),兩個樣本都取同樣的用戶維度,通常要使用建模樣本訓(xùn)練出的模型在驗(yàn)證樣本上進(jìn)行驗(yàn)證。WOEweightofecidenee,證據(jù)權(quán)數(shù),取值區(qū)間(-1,1)。違約件占比高于正常件,WOE為負(fù)數(shù)。絕對值越高,表明該組因子
區(qū)分好壞客戶的能力越強(qiáng)WOE二LN(B_P/G_P)BadCaptureRate壞用戶捕獲率。這是評價(jià)模型效果的一個指標(biāo),比率越高越好。Top10%BadCaptureRate是指模型評估出的最壞用戶中的刖10%用戶,在樣本中為壞用戶的比率。貸后管理(Update)20190605Lift模型提升度,表示使用模型比未使用的區(qū)分效果提升能力PopulationAllPopulation,全體樣本用戶,包含建模樣本與驗(yàn)證樣本。Variable變量名。每個模型都依賴許多的基礎(chǔ)變量和衍生變量作為入?yún)?。變量的命名需要符合?guī)范,易于理解和擴(kuò)充。CORR相關(guān)系數(shù)。Corr的絕對值越接近1,則線性相關(guān)程度越高,越接近0,則相關(guān)程度越低。AUCAreaUnderCurve,定義為ROC曲線下面積,通常大于0.5小于1。體現(xiàn)模型預(yù)測精準(zhǔn)度指標(biāo)之一
GINI同KS指標(biāo)一樣,都是體現(xiàn)模型區(qū)分能力的指標(biāo)ARAccuracyRate,AR=2AUC-1,表征模型的區(qū)分能力,同Gini指標(biāo)計(jì)算結(jié)果一致CPD客戶逾期天數(shù),與DPD相似。貸后管理的專有名詞。歷史經(jīng)驗(yàn)設(shè)定逾期金額在50兀以上的客戶,才有價(jià)值通過人工進(jìn)行催收。所以CPD是指貸后管理中,逾期金額在50兀以上的客戶的逾期天數(shù)。CPD的值取決于最早期未還清的時(shí)間點(diǎn)。Outbound/Inbound電話呼出/電話呼入RPCRightPublicContact,指有效的聯(lián)系人,通過電話催收可以找到客戶本人或直屬親屬。PTPPromiseToPay,通過電話催收,客戶承諾在一定期限內(nèi)歸
還一定數(shù)額的欠款,稱之為承諾還款。值得注意的是,只有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024年政府公共安全監(jiān)控技術(shù)合同范本3篇
- 2024年版建設(shè)項(xiàng)目招標(biāo)協(xié)調(diào)合同
- 三年級教學(xué)計(jì)劃3篇
- 員工工作計(jì)劃
- 2024-2030年中國羥甲煙胺片行業(yè)發(fā)展?jié)摿︻A(yù)測及投資戰(zhàn)略研究報(bào)告
- 服裝銷售工作計(jì)劃
- 學(xué)習(xí)部工作計(jì)劃4篇
- 去超市實(shí)習(xí)報(bào)告范文集合7篇
- 銀行員工辭職信
- 關(guān)于教師職稱述職報(bào)告匯編5篇
- 部編版語文四年級下冊第二單元大單元教學(xué)設(shè)計(jì)核心素養(yǎng)目標(biāo)
- 2024年小學(xué)教師聽課、評課制度
- 精品解析:河北省衡水市衡水中學(xué)2023-2024學(xué)年高一上學(xué)期期末數(shù)學(xué)試題(解析版)
- 2023年《鐵道概論》考試復(fù)習(xí)題庫附答案(含各題型)
- (電焊工)勞務(wù)分包合同
- 陜西省西安市西咸新區(qū)2023-2024學(xué)年七年級上學(xué)期1月期末歷史試題
- 北師大版數(shù)學(xué)三年級下冊全冊教案教學(xué)設(shè)計(jì)及教學(xué)反思
- 重難點(diǎn)06讀后續(xù)寫-2023年高考英語【熱點(diǎn)·重點(diǎn)·難點(diǎn)】(新高考專用)
- 眼科手術(shù)圍手術(shù)期的護(hù)理
- 人事行政主管打造高效團(tuán)隊(duì)提升員工滿意度實(shí)現(xiàn)人力資源的優(yōu)化管理和企業(yè)文化的建設(shè)
- 《腰椎穿刺術(shù)》課件
評論
0/150
提交評論