python金融風控評分卡模型和數據分析微專業課（博主親自錄制視頻）：http://dwz.date/b9vv
Days Past Due的縮寫，就是逾期天數
從M1->M2->M3->Mn的遷徙率，看客戶逾期不同階段的回款情況，如上表中，
平均只有40%左右的M1逾期轉化到M2，
但是超過80%M2，轉化到了M3，說明客戶逾期1-30天內，回款概率還是很高的，
一旦超過30天，概率就比較低了。
實證分析：逾期30天和60天的回款概率
投資有一段時間了，投標數量10000多個，半數過了半個周期；
投標的逾期總數量在穩步增長，但某個區間的逾期數量穩定（逾期數量預示未來的壞賬，比如我未來4月、5月和6月的逾期壞賬分別是760、750和610元）。
所以統計了一個月內逾期回款數量（同一個標多期回款的話，按最長逾期時間算，避免重復統計）：
1、逾期31天至60天的逾期數量是24，最近一個月逾期回款（逾期時間31-60）是8個，也就是收回概率是8/（24+8）=25%；
2、逾期61-90天的逾期數量是27，期間回款數量是4.，收回概率是4/(27+4)=13%.
3、超過91天的，暫未統計。
拍拍貸的大數據給出上述兩個區間的回款概率分別是23和16%。 大致近似。
這個數據今后每月更新一次，驗證數據有效性。
注：分母要加上已經回款的數量，這個計算方法是否正確，我不知道。這樣能確保數據不會太正面和樂觀。
python風控建模實戰lendingClub(博主錄制，catboost，lightgbm建模，2K超清分辨率)
https://study.163.com/course/courseMain.htm?courseId=1005988013&share=2&shareId=400000000398149
掃描和關注博主二維碼，學習免費python視頻教學資源
