python金融风控评分卡模型和数据分析微专业课（博主亲自录制视频）：http://dwz.date/b9vv
Days Past Due的缩写，就是逾期天数
从M1->M2->M3->Mn的迁徙率，看客户逾期不同阶段的回款情况，如上表中，
平均只有40%左右的M1逾期转化到M2，
但是超过80%M2，转化到了M3，说明客户逾期1-30天内，回款概率还是很高的，
一旦超过30天，概率就比较低了。
实证分析：逾期30天和60天的回款概率
投资有一段时间了，投标数量10000多个，半数过了半个周期；
投标的逾期总数量在稳步增长，但某个区间的逾期数量稳定（逾期数量预示未来的坏账，比如我未来4月、5月和6月的逾期坏账分别是760、750和610元）。
所以统计了一个月内逾期回款数量（同一个标多期回款的话，按最长逾期时间算，避免重复统计）：
1、逾期31天至60天的逾期数量是24，最近一个月逾期回款（逾期时间31-60）是8个，也就是收回概率是8/（24+8）=25%；
2、逾期61-90天的逾期数量是27，期间回款数量是4.，收回概率是4/(27+4)=13%.
3、超过91天的，暂未统计。
拍拍贷的大数据给出上述两个区间的回款概率分别是23和16%。 大致近似。
这个数据今后每月更新一次，验证数据有效性。
注：分母要加上已经回款的数量，这个计算方法是否正确，我不知道。这样能确保数据不会太正面和乐观。
python风控建模实战lendingClub(博主录制，catboost，lightgbm建模，2K超清分辨率)
https://study.163.com/course/courseMain.htm?courseId=1005988013&share=2&shareId=400000000398149
扫描和关注博主二维码，学习免费python视频教学资源
