轉載https://mp.weixin.qq.com/s/weyvs8a3bISgdhpMFdg7AA
昨晚在朋友邀請下品嘗Haut Brion的時候，談論起傳統銀行甚至一些租賃公司目前使用五級分類法監控資產質量，聯想到互聯網信貸使用的Vintage，才發現之前一直以來，都是以發生借貸放款后每個月的提現客戶統計回款率情況的角度去為讀者朋友講解Vintage，那對於發生借貸放款后每個月的授信客戶統計回款率情況的Vintage指標，應該怎樣分析，可以有什么應用呢？本文我嘗試換成授信后用戶的借貸行為，與讀者聊聊Vintage。
Vintage分析方法能很好地解決時滯性問題，其核心思想是對不同時期的授信資產進行分別跟蹤，按照賬齡的長短進行同步對比，從而了解不同時期授信客戶的資產質量情況，是一個所謂豎切的概念；而遷移率模型能很好的提示客戶整個生命周期中的衍變情況，是一個所謂橫切的概念。
Vintage源於葡萄酒釀造，葡萄酒的品質會因葡萄生長的年份不同、氣候不同而不同。Vintage分析是指評估不同年份的葡萄酒的品質隨着窖藏時間的推移而發生的變化，並且窖藏一定年份后，葡萄酒的品質會趨於穩定。借鑒葡萄酒Vintage分析，信用分析領域不僅可以用它來評估客戶好壞充分暴露所需的時間，即成熟期，還可以用它分析不同時期風控策略的差異等。
一個客戶的好壞，需要經過若干個還款周期后才能充分暴露，如果表現期較短，有可能將一個不是很壞的客戶定義為壞，也有可能將一個很壞的客戶定義為好。比如一個客戶在開始的幾個周期內發生了逾期后將逾期還清，並且后面的周期不再發生逾期，若表現期較短會將此客戶定義為壞；又比如一個客戶剛開始一直正常還款，但到后面發生了比較嚴重的逾期，若表現期較短會將此客戶定義為好。另外，可以通過比較不同時間的貸款在相同周期的逾期表現，來分析不同時間的風控策略的差異、宏觀形勢的變化等。
下圖為2017年1月至2017年6月放款的M4+(即逾期91天以上)的Vintage數據表和Vintage圖。其中行為授信時間，列為客戶借貸后的1-8個月。舉個列子說明：比如3.20%就是2017年1月授信的用戶在發生借貸行為后的4個月內的M4+逾期的情況（2017年1月授信的用戶在發生借貸行為后的4個月內的M4+逾期的總額/2017年1月授信的用戶在發生借貸行為后的4個月內的總的貸款余額）。
從圖中可以明顯看出放款的前三個月，由於看的是M4+的逾期率，所以均為0%。2017年4月授信的客戶是所有授信月份客戶中表現最差的，需要針對該授信時間段內的客戶和授信規則進行分析，找出M4+逾期率較高的原因。而之后兩個月5月和6月份的M4+下降明顯，說明調整后的授信規則有效地降低了客戶的M4+逾期率，篩選出了更優質的授信客戶。
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
歡迎關注博主主頁，學習python視頻資源，還有大量免費python經典文章
機器學習，統計項目可聯系QQ：231469242