逾(yu)期(qi)m1是(shi)多(duo)少(shao)钱(qian)，全(quan)面(mian)了(le)解(jie)风(feng)控(kong)指(zhi)标(biao)体(ti)系(xi)的(de)意(yi)义(yi)
说明
风险管理主要分为四大部分：风险识别、风险分析、风险监控、风险应对。而在量化风险管理的今天，这四个风控部分全都离不开风险指标的梳理、判断、追踪。在信贷业务中，常见贷款流程为：申请>审批>签约放款>贷后管理>催收回收>资产处置，也就是信贷用户生命周期管理，本文的思路便是按照生命周期管理流程，全面完整的梳理常见风险管理指标。
全文总计1.2w字，因内容较长，可分四部分进行阅读：
- 1.核心指标
- 指标类型
- 资产质量
- 贷前审批
- 贷中管理
- 贷后管理
- 2.分析方法
- 问题界定
- 分析类型
- 指标选择
- 分析维度
- 3.预测方法
- 预测方法
- 预测案例
- 4.数据报表
- 产品规划
- 风险管理
- 账户维护
- 催收与转呆账
本文由正阳能量场成员：正阳、Evi、戴威 、彭帅、谢思茂、李艺煜、马海鹏共同完成。
本着对读者负责的态度，作者行文时尽可能做到以下几点：结构完整、内容真实、逻辑清晰、重点突出、删繁就简，用关键词、数据、配图和案例体现风控指标的定义优势、应用方法、报表体系等。
本文内容难免有疏漏，会不断更新完善，如需了解更多，请关注知乎“正阳”或微信公众号“正阳能量场”，多谢！
注：文中内容，如有侵权处，请联系笔者删除，感谢支持。
1.核心指标
消费金融产品繁多，客户形形色色，影响信用的因子各有不同，随时可能有新的风险产生，银行必须有完整精确的数据指标评估信息，以确保资产质量，这些信息直接影响风险管理政策的尺度及方向。
因此，我们开发出指标监控系统，就消费金融业务常用的风险管理指标及其定义一一介绍，另外补充几种风险分析及风险预测方法。
1.1 指标类型
1.1.1 金额类
包括各类本金、本息、利息、余额等。
例：剩余本金、贷款余额、逾期罚息、逾期利息、违约本金等。
1.1.2 数量类
包括各类笔数、户数、件数等。
例：申请笔数、放款笔数、日均进件量、结清户数等。
1.1.3 比率类
包括各类占率、比率等。
例：通过率、逾期率、不良率、疑似欺诈率。
1.2 资产质量
1.2.1 五级贷款分类
1998年5月，中国人民银行参照国际惯例，结合中国国情，制定了《贷款分类指导原则》(试行)，要求商业银行依据借款人的实际还款能力进行贷款质量的五级分类，即按风险程度将贷款划分为五类：正常、关注、次级、可疑、损失，后三种为不良贷款：
正常贷款：借款人能够履行合同，一直能正常还本付息，不存在任何影响贷款本息及时全额偿还的消极因素，银行对借款人按时足额偿还贷款本息有充分把握。贷款损失的概率为0。
关注贷款：尽管借款人目前有能力偿还贷款本息，但存在一些可能对偿还产生不利影响的因素，如这些因素继续下去，借款人的偿还能力受到影响，贷款损失的概率不会超过5%。
次级贷款：借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额偿还贷款本息，需要通过处分资产或对外融资乃至执行抵押担保来还款付息。贷款损失的概率在30%-50%。
可疑贷款：借款人无法足额偿还贷款本息，即使执行抵押或担保，也肯定要造成一部分损失，只是因为存在借款人重组、兼并、合并、抵押物处理和未决诉讼等待定因素，损失金额的多少还不能确定，贷款损失的概率在50%-75%之间。
损失贷款：指借款人已无偿还本息的可能，无论采取什么措施和履行什么程序，贷款都注定要损失了，或者虽然能收回极少部分，但其价值也是微乎其微，从银行的角度看，也没有意义和必要再将其作为银行资产在账目上保留下来，对于这类贷款在履行了必要的法律程序之后应立即予以注销，其贷款损失的概率在75%-100%。
根据定义，贷款损失的概率超过30%，就会被定义为不良贷款。但是，很多金融机构都是以逾期天数来界定不良贷款的，比较通用的定义是超过90天，就会被划为不良贷款，不过如果严格按照这个定义的话，市场上很多互联网金融公司的贷款产品，因为催收能力比较弱，逾期超过30天以后，贷款损失的概率已经非常大了。
1.2.2 逾期贷款与重组贷款
逾期贷款（率）
- 即贷款项目在贷款合同规定期限内，尚未还清的贷款部分，并从逾期之日起，转入逾期贷款账户，一般情况下逾期贷款要加收较高的惩罚利息。
- 逾期贷款按期限进一步划分，即逾期3个月以内、逾期3个月至1年、逾期1年以上至3年以内、逾期3年以上。
- 逾期贷款和不良贷款由较高的重合度，且没有特定的监管标准。
重组贷款（率）
- 所谓重组贷款即由于借款人财务状况恶化，或无力还款而对借款合同条款做出调整的贷款。其中调整措施主要包括贷款展期、借新还旧、还旧借新、利息罚息减免、本金部分减免、债转股、以物抵贷、追加担保品、还款方式变更等。
- 央行2001年12月发布的《贷款风险分类指导原则》明确“需要重组的贷款应至少是次级类；重组后的贷款假如依然逾期或借款人无力归还，则应至少归为可疑类”。
- 重组贷款主要是针对不良贷款，没有特定的监管标准。
1.2.3 贷款拨备率与拨备覆盖率
不良贷款率、贷款拨备率与拨备覆盖率是商业银行资产质量的三个基本指标。
贷款不良率/不良贷款率：不良贷款本金余额(去除核销)/当前本金余额
分母为截止统计时点，如下表中，就是每个月末的当前余额本金，分子为截止统计时点的不良贷款本金余额，即逾期>90天的的本金余额(去除核销金额)；此处需要高能注意：逾期>90天的本金余额指的是逾期超过90天的借款人的所有剩余未还本金。
注：贷款不良率跟放款金额的趋势有很大的关系：
1.分母为当前余额，分子是逾期超过90+的贷款余额，一笔贷款要完全进入90+，需要贷款结束后3个月；
2.分母中的当前本金余额，则是包含那些放出去未到还款期，或者还款表现还不完整的资产。
3.贷款不良率这个指标，更多的是用来反应资产的机构组成，上市金融机构一般会利用贷款不良率来计算贷款拨备以及一些财务指标，但是贷款不良率是不能完全反应真实的贷款坏账风险的，尤其是对于一个新开展业务的互联网金融公司，因为他们的放款金额处于快速上升阶段，因此他们的贷款不良率，会被稀释的很低。
4.因为它的计算方式问题，对于某些放款期限短的产品，这个指标也会把风险放的很大，比如对于1个月的贷款，当前本金余额基本上是最近1个月的放款量，但是不良贷款余额是会随着时间的累积，会把前面很多期的不良贷款余额累积起来，造成贷款不良率会越来越高。
不良贷款率=贷款拨备率/拨备覆盖率。
贷款拨备率（又称拨贷比）：贷款损失准备与各项贷款的比值。贷款拨备率=贷款减值准备/各项贷款余额=（一般准备+特殊准备+专项准备）/各项贷款余额。
拨备覆盖率：贷款减值准备/不良贷款，用来衡量商业银行贷款损失准备金计提是否充足的一个指标。
（具体逻辑和计算方式请参考引用资料：最全整理！中国金融体系主要指标大全！）
1.2.4 其他
放款本金：每个月的放贷金额。
本金余额：截止统计时点，所有未收回的本金金额，包括逾期未还本金与未到还款期限的待还本金。
可用余额（open to buy，OTB）：常与命中率指标一同出现，计算方式为先找出证实控管命中的客户，再会整这些客户遭控管时的信用卡可用余额，此数字可视为银行因控管而减少的损失。
当前本金余额：截止统计时点，每个月末的当前余额本金。
核销金额：由于某些原因，银行会将某些贷款进行核销处置，核销后，不良贷款总额中，将不再包括已核销金额。
不良贷款本金余额：即逾期>90天的的本金余额(去除核销金额，逾期超过90天的借款人的所有剩余未还本金)。
信用风险计量指标：
ECL(expect credit loss):预期信用风险损失。
PD(probability of default):违约概率。
LGD(loss given default):违约损失率。
EAD(exposure at default):违约风险敞口。
资产负债率：
内部收益率（IRR，Internal Rate of Return (IRR)），就是资金流入现值总额与资金流出现值总额相等、净现值等于零时的折现率。它是一项投资渴望达到的报酬率，该指标越大越好。
一般情况下，内部收益率大于等于基准收益率时，该项目是可行的。
在项目经济评价中，根据分析层次的不同，内部收益率有财务内部收益率（FIRR）和经济内部收益率（EIRR）之分。
1.3 贷前审批
1.3.1 进件转化
申请：申请金额/件数；
审批：审批金额/件数，关注进件和审核两个量，分析业务走势，检视征审人员的作业绩效及工作压力。
1.3.2 授信定价
风险等级（risk grade）：早期多位rule base，后由于评分模型普及，越来越多银行采用信用评分来划分客户风险等级score base。
核准：审核通过金额/件数，判断通过率，检视征审尺度的重要观测值之一，常配合核准率、拨贷率和延滞率等指标一起进行综合判断。
核准率：常见的核准率计算方式有两种，第一种的分母为当月进件量、分子为当月核准量。另一种方式为：当月核准件加拒绝件/当月核准量。
授权核准率（authorization）：原信用卡特有的业务，信用卡交易皆须通过授权系统或授权人员的检核才能成立。为维护交易顺畅，授权和准率不宜过低。
违例核准率（deviation%）：计算方式为：（违例核准案件数）÷（核准+拒绝案件数），特例核准一般限定在总审核量的10%~20%。
命中率（hit%）：用于信用卡的中途授信及早期预警报表，所谓命中率意指控管后一定期间内客户发生延滞的几率。命中率过低可能表示浮滥或风险判断方向有误。
诈欺损失率：计算方式为：诈欺损失金额除以签账金额，功能为观察信用卡签账金额中，发生伪冒诈骗状况并造成损失的比率。
其他模型类指标：机审通过率、规则命中率、模型拒绝率、人工通过率。
1.3.3 核拨放款
拨贷：过审并且成功放款，又称要款。多寡直接影响应收帐水平。
拨贷率：拨款件数/批准件数，核准率×拨贷率。
核拨率：拨款件数/审核件数
各类占率：结构分析，户数、进件、拨款、余额等占有率。
1.4 贷中管理
负债比（debit burden ratio，DBR）：泛测试客户还款压力的常用指标，总无担保债务归户后的总余额（包括信用卡、现金卡及信用贷款）÷月收入，不宜超过22倍。
月负比：另一种衡量还款压力的指标：（推估每月各项贷款月付额+最低生活费）÷月收入。
贷后N月的delinquent%：将其中几个重要观测点的数字取出（如贷后6个月及12个月的delinquent%）置于综合分析报表中。在delinquent%的选择上，一般建议采用“M2+lagged%”，若遇延滞反映较慢的产品，则定为“M1+lagged%”。
平均额度：主要在观察不同产品及群组间额度的差异
1.5 贷后管理
1.5.1 逾期指标
月底结算（* month end *）：各月月底结算数据，适用于消费金融所有产品。主要为了实现资料切点一致，并进行环同比分析。
期末结算（* cycle end *）：为信用卡特有的结算方式，因信用卡客群庞大，作业处理耗时，许多银行会将客户划分至不同账务周期，分别管理，关账日结算。
常用的逾期率指标有逾期天数和逾期区间两块，统计时可分合同笔数和合同金额。
逾期天数 DPD:(days past due)：已逾契约书约定缴款日的延滞天数，贷放型产品自缴款截止日（通常为次一关帐日）后第一天开始算。例：DPD1+,DPD30+,DPD60+,DPD90+...。
逾期期数 Bucket：风险管理专有名词，在衡量逾期时间的指标中，使用最为普遍，尤其在账户管理方面，简单易懂。比如：bucket=1 代表 逾期状态M1（逾期天数一般在1-30天）。
逾期阶段 Stage：一般M1为前期，M2~M3为中期，M4以上为后期。
逾期区间：客户的逾期期数或者逾期月数，用C和Mn表示。
C，M1，M2，Mn，M1+，M2+，Mn+：正常贷款用C表示，M是month，M后面的n是逾期月份数，为了降低统计复杂度，通常用30天来定义一个M，即M1代表逾期[1-30]天，M2代表逾期[31,60]...M1+则表示逾期>=1天的，Mn+则表示逾期>(n-1)*30天；所以Mn+=sum(Mn,M(n+1), M(n+2),…,M∞)
注：行业内还有另外一个统计口径，是从M0开始的，即M0代表逾期[1-30]天，M1代表逾期[31,60]...。
FSTQPD*：*FPD首逾，SPD首二逾、TPD首三逾、QPD首四逾，即客户首次逾期发生在第几期，计算公式为：首逾 = 第一期逾期客户剩余本金/第一期可观测客户放款总额（首逾 = 第一期逾期客户数量/第一期可观测客户数量），这个指标需要特别注意的就是这个“首”字，在计算首二逾的时候，要把首逾客户排除，因为在首逾中出现过的客户不可能在第二期又是首次逾期。同理，计算首三逾时要把首逾和首二逾的客户排除。例：FPD5 = 首逾发生在第一期，逾期5天及以上客户的剩余本金/第一期可观测客户放款总额。
即期指标（* coincidental *）：为计算延滞率常用方法之一，即以当期各bucket延滞金额除以当期应收账款，其概念为分析当期应收账款的质量结构。（一般公开信息所显示的延滞率，如无特别说明，基本是以即期指标计算的）。
递延指标（* lagged *）：计算延滞率的另一种常用方法。与即期指标的差别是：分子相同，分母不同。即期指标分母为当期应收账款，递延指标分母需要回溯到对应期数起源。
差别：即期指标计算简单，递延指标可回溯，各有千秋，使用场景和目的各不同。
流入（入催）：月初C账户在还款日未还款客户数。
流入率（入催率）：月初C账户在还款日未还款客户数在当月应还户数的占比。
准M2：账户预计在当月月末逾期31~60天。
准M3：账户预计在当月月末逾期61~90天。
恶意延滞率：首期未缴款&多期未缴款。
delinquency%：计算可分为coincidental和lagged两种方式，除了各bucket，尚会观察特定bucket以上的延滞率。如M2+lagged%及M4+lagged等指标。如M2+lagged，坟墓为两个月前应收账款，分子为本月M2（含以上）伤胃转呆账的逾期金额。M1落入M2以上可确认为物理交款或蓄意拖欠。
Flow rate%迁移率（迁徙率）：体现的是余额在不同逾期区间的变化，目的是观察前期逾期金额经历一番催收后落入下一区间的比率，所以既可以作为风控指标也可以作为催收指标。
递延率在计算时有时只计算真正的流转率，如M3-M4真正的递延率，本月M4案件，全部是有上个月M3流转而来，这样的M4/M3叫真正的递延率。
Roll rate% 滚动率：分为去向分析和来源分析。
去向分析指本期各个Bucket在下期的变化情况，变化情况分为三类：keep（保持不变）、bad（持续变坏）、better（回滚）：
来源分析指的是本期各个Bucket来自上期的变化情况：
1.5.2 催收指标
入催：进入到催收列表。
催回：当月流入当月催回账户数。
催回率：当月流入当月催回账户数在流入账户数中占比。
回流：账户状态回落（即当月账户状态在月末未发生恶化）。
其他指标：逾期罚息、逾期利息、逾期未还本金、未到期待还本金。
1.5.3 坏账指标
WO%*呆账*：为write-off%的简写，当月转呆账金额÷逾期开始月的应收账款。经过年化之后，月转呆账率转换为年损失率。
累计WO%：主要目的为观察期满客户的累积损失率，计算样本为已届满总期数后的N期客户，计算公式为：分母案件第1~（K+N）期的转呆账总金额/已满（K+N）期案件的初贷总金额。K表示为总期数，N表示转呆账所需期数。最后1期应缴金额若延滞，经过N个月后才会转为呆账。转换为年化后才较易解读。可精确计算该产品整个生命周期结束后的实际损失率。但在中长期贷放产品中较少使用。
准坏账：账户预计是当月新增坏账。
新增坏账：当月末新增逾期天数≥91天账户本金。
Bad%(坏账/不良）：bad定义除了逾期户外，可能还饱含各式债务协议及高风险控管户等。转呆账率（WO%）：为write-off%的简写，当月转呆账金额÷逾期开始月的应收账款。经过年化之后，月转呆账率转换为年损失率。
贷款余额：在贷账户（包含逾期账户）剩余本金之和。
回收：月初坏账账户回收本金。
Re(Recovery)：回冲=上月末呆账金额+本月转呆金额-本月末呆账金额。
NCL%：为net credit loss的简写，当期转呆账金额减当期呆账回收，亦即为净损概念。计算繁复，不常用，但具参考价值。通常NCL%与WO%一并列示。NCL的计算方式为：净损金额÷逾期开始月的应收账款，通常也以年化形态为主。
2.分析方法
风险管理所面对的问题是复杂且多面向的，实务上所使用的的分析手法与品管技巧有许多类似之处，下面介讨论各几类分析手法及其应用。
2.1 问题界定
在进行任何分析前，首要工作就是界定问题，描述问题轮廓，确定分析方向。确认目标，锁定主题，选择合适的分析方法。
报表上的数字只是问题的“病症”，分析人员要探究的正是背后的“病因”。
界定方法：一般界定问题大多采用“回溯法”，即由结果回推原因，程序可分为开展分析及收敛确定量大阶段（首先列出问题可能原因，再一一检测问题所在）
常用方法：经验法则、鱼骨图、直方图、柏拉图、决策树。（介绍一下这几种方法，举几个栗子啥的）
2.2 分析类型
趋势分析：
趋势分析以时间轴线为基础，搭配各种指标及维度发展而成，此类分析应用极为广泛。
例：核准率追踪、延滞率追踪、回收率追踪 （追踪的概念）
功能：了解过去趋势变化，推测未来走势
结构分析：
结构分析主要用于分析各项指针的组成结构，例如客户风险等级、进件通路、年龄、性别、地区、学历、额度等结构分析。
方式：饼图、堆叠图、线性占率变化图
累计分析：
累计分析用来显示特定指针的累积量或累计百分比，亦可视为结构分析的延伸。
在风险管理的应用上，累计分析通常具有顺序性，比如客户依风险由低而高，给予一个风险评级
例：KS、ROC
单一指标分析：
单一指标分析的使用时机是以多维变量围绕单一指标值讨论
综合指标分析：
单一指标分析无法展现问题全貌的时候，将相关指标一起列出，以避免信息不全导致误判。
例：核准率和延滞率搭配使用，进件数与进件占比搭配使用。
注：分析维度不宜太多，一般低于三维交叉，否则报表将变得复杂，不易阅读，不易理解。
账龄分析：
账龄分析的目的在于，显示各bucket至观察点为止的延滞率。其主要特色为结算终点一致，也就是说，样本客户的核贷日期也许分散于各个月份，但皆于同一时点合并计算逾期比率。
vintage analysis：
由于网贷业务的特点，用户的借款行为和还款表现具有时滞性。特别是在贷款的扩张阶段，伴随这贷款余额的激素增长，风险指标的分母极速扩大，但是分子由于时滞性而没有同步的增加。如果采用传统的（当前逾期/当前余额）的方法，容易使决策机构低估了当前的风险。
Vintage分析方法能很好的解决时滞性问题，其核心思想是对不同时期的授信的资产进行风险跟踪，按照账龄的长短进行同步对比，从而了解不同时期贷款的风险情况，是一个所谓的竖切的概念。而迁移率模型能够很好的提示贷款整个周期的演变情况，是一个所谓横切的概念。
Vintage：是以账龄MOB（month on book）为轴，观察每个放款月贷后的质量情况，分母为对应月份的放款本金，分子是截止期末时点逾期Mn+客户的所有剩余未还本金，可观测一个多期产品的风险全貌。
vintage analysis的目的是以账龄为主轴，分析拨贷后各往来期间的逾期状况，也就是说用来观察贷后N个月的逾期比率，由于拨贷后逾放尚需一段时间后才会陆续出现，因此N多从6开始算起。
vintage analysis的主要特色为以往来月数取代绩效月份，探讨的重点为案件逾放反应时间与恶化的程度。
表中是对M2用户的Vintage分析。 其中行为用户授信的时间，列为特定时间授信的贷款在某一时间切片的还款质量，比如2.12%就是2018年4月授信的用户在2018年7月份M2逾期的情况（2018年4月授信的用户在7月的M2逾期的总额/2018年4月份用户在7月的总的贷款余额）
从表中可以看出2018-07月的授信的用户M2逾期率明显偏高，这就提醒策略机构要分析引起贷款质量下降的原因了。
2.3 指标选择
理清不同指标之间的关联，为报表使用者提供完整可靠的分析。
相对性：
事件的一体两面，一个指标的上升也许对应另一个指标的下降，相对考量，不可骤下结论
比较性：
对关键指标制定标杆值，以实际业务需要制定一定的业务警戒线。
例：止损线
互补性：
单独一个指标也许无法说明问题，需用额外的指标配合解释。
例：延滞率偏高，不可因此轻易断言质量不佳，因为有可能是样本量过少导致
多面性：
有时单一指标呈现的信息，从另一面切入考虑会得出完全不同的结论。
例：逾期率在逐渐降低，但是发现业务通过率也在变低，最终的收益不升反降。
顺序性：
有些指标有前后顺序关系，甚至依序发生，环环相扣，有时一个指标的好坏与前一个指标有非常大关系。
例：进件量、核准量、拨贷量
层次性：
剖析指标，层层探索原因
例：总体催收效果不好，可以下探到各催收小组的催收效力上，是人员不足，还是员工动力不够。
落差性
阶段性的指标变化，通常需要等待一段时间，才好下结论
例：观察期&反应期
2.4 分析维度
在整个credit cycle运行过程中，影响风险的因子有四大类型，依次规划单一或多维度分析，对风险进行深入剖析，能确实掌握各种因子组合下的风险。
产品维度：
包括：产品种类、期数、利率、额度、专案、卡别等。
多期产品、单期产品、公积金贷、车抵贷、消费贷A、消费贷B、现金贷等；
产品维度包括各类产品的属性，例如产品种类、期限、期数、类型、额度、等相关产品属性。
以贷款类业务为例最主要的贷款六要素（借款人、贷款金额、利率和费率、期限、用途、类型）。
渠道维度：
贷款超市、线下渠道、白名单、交叉营销、短信等。
用户维度：
客户的维度包含很多中，例如身份特征、自然人或者法人或者其他类型身份，性别、年龄、区域、学历、收入、行业等都很关系，特别是要针对客户的逾期、坏账分布来挖掘一些事情。
信用维度：
包括：进件评分、在贷余额、有无负债、拒绝原因等。信用维度这个概念比较大，比如人行征信、芝麻分以及各种各样的信用分，具体的应用还需要看场景和客户群表现而定，如果单纯的就认为芝麻分700+以上的都是好人而且请用的扩大授信额度，是需要三思的。
行为维度：
包括：交易类型、预借现金使用率、缴款记录、循环额度使用率等。一般来说行为多以客户内部行为为主，因笔者学识浅薄，无能力谈论行为维度相关内容。
基本数据维度：
包括：年龄、性别、区域、学历、收入、行业、账龄等。
其他数据维度：
其他的可以通过内部，外部获得一些数据，这些数据维度可以通过大数据的方法来进行处理。不过对于弱项的影响力还需要进行科学的验证方可。
设备信息维度：
在互联网金融中，因为可以通过移动设备来申请贷款，所以较传统银行业，我们多了一个设备信息这方面的维度，主要包括如下几个大类，各大类又可以进行细化
1）申请行为类：在移动设备上各环节填写时间、阅读条款时间、申请时间等。
2）数据识别类：移动设备位置信息、安装应用信息、手机型号、App版本信息等。
3）社会关系类：通过分析移动设备中的联系人，得到其社会关系信息。
用户画像维度：
2.5 样本分群
分群原则：组内差异小，组间差异大，如样本数少，考虑合并。
2.6 实验设计
产品推出一段时间后，风险管理单位就各项陆续出炉的分析进行监控工作，需要采用一定的测试方式，观察测试结果，必要时调整计划。
方式：
①定时测试：特定时间内，一律按照某种条件对案件进行管理。
②定量测试：事先规划好样本数，直到样本量满足设定条件。
③定性测试：按照某种预定的属性条件测试，如：针对全体女性群体。
2.7 测量方式
指标分为原生性指标和衍生性指标，通常使用的测量方式有平均数、绝对值、百分比，这些测量方式与时间轴线搭配，可观察各项指标的持续性、稳定性及发展趋势。
2.8 变异因素
在分析过程中，会存在某些不可抗力因素而造成的数据变异，如行业风险、政策风险、目标客群等发生变化，造成的影响可能是暂时性，也可能是永久性的。
暂时性：加以说明；永久性的话，可以考虑对不同条件切割，继续分析，尽量避免该因素的混淆与干扰。
3.预测方法
3.1 关联推测
属于定性法的一种，借历史数据加上经验判断预测未来指标走向。
优点：简单方便
缺点：精度不够
3.2 移动平均
将时间序列概念带入算术平均的一种改良方法，根据一定期间的实际数字，次第推移计算平均值，借以推测未来趋势。
例：相邻5个月份的平均值
3.3 线性回归
较移动平均有更好的预测效果
例：线性插值
3.4 对数回归
较线性回归在好坏客户的判别上使用更普遍。
长期讲，业务增长或者递延率趋势，都不可能一路直线增长，当增长到一定程度上，增长率会衰减。使用对数就是突显这种比例上的关系。
4.数据报表
4.1 产品规划
可查看公司总体资产分布，帮助老板制定公司战略，在对其他公司尽调时也是必看的报表之一。
计算口径，雾里看花，看不清楚
4.1.1 资产结构分析
4.1.2 产品质量总览
4.1.3 期数及利率逾期对照表
4.1.4 渠道转化
渠道
日期
4.1.5 资产配置分析
4.2风险管理
审批监控中比较常见的指标有：进件量、审批量、通过量、放宽量、放款金额、放款件均、通过率、拒绝原因分布、审批时效等。
4.2.1 审批表
1、进件量浮动较大时，需与前端销售同事沟通，寻找浮动原因。
2、审批通过率变化较大时，需与政策同事沟通，看是否与做策略调整有关，可抽查部分订单。
3、拨贷件均及放款件均一般会在产品授信范围内波动。
4.2.2 审核总览
4.2.3 拒绝原因分布
报表意义：
1、申请核拨报表中拨贷率发生变化时首先就应该查看拒绝原因分布表。
2、某项拒绝原因占比由较大改变时需检查规则引擎的配置。
3、政策放宽或收紧可进行参考，某项拒绝原因复议客户过多时可参考调整政策。
4.2.4 规则命中情况
4.2.5 风险等级结构
4.2.6 特征监控
监控产品特征、用户基本信息、放款情况等的分布
4.2.7 额度监控
4.2.8 催收监控
4.3账户维护
4.3.1 产品vintage分析
M2+lagged%
4.3.2 调额统计
4.4催收与转呆账
1、可提现公司催收绩效，递延率发生变化尤其是变高可及时查找原因
2、可分产品、期限等属性分别制作
投诉