▍Vintage背景
Vintag一词最初来源于葡萄酒业 。由于每年采摘的葡萄会受到日照、气温、降水等因素的影响，最终酿造的葡萄酒品质会存在差异。在窖藏一定年份后，葡萄酒的品质将趋于稳定，也就是品质成熟，这段年份数被称为成熟期。表1 葡萄酒的vintage表
我们以酒精浓度作为衡量葡萄酒品质的标准约定：浓度越高，品质越好。首先，记录入窖年份作为该批次葡萄酒的标签，这也被称为Vintage。后续我们将每年定期抽样测量酒精浓度，保存记录数据。经过几年的数据积累，我们就可以绘制出酒精浓度随时间变化的Vintage曲线。俗话说，酒越酿越醇，Vintage曲线通常是单调递增的，到最后会趋于稳定。
图1 vintage曲线
在信贷领域中，我们来看用Vintage曲线分析资产质量的变坏过程变化规律。在此列举了Vintage分析过程中两个领域的对应关系如下表所示：
表2 两个行业的映射表
通常对于一笔借款，我们需要记录借款金额，借款时间，到期时间，逾期天数（例如M1+时间），还款时间这些关键信息。
借款金额给用户放款的金额1000元放款时间资金给到客户手中的时间2020-04-01到期时间客户应该还款的截止时间2020-05-01M1+时间逾期30天及其以上2020-05-31还款时间用户实际的还款时间2020-07-25
Vintage分析会按照每一笔借款所在的月份作为统计的基准，然后追踪这个放款月份里在贷资金在接下来几个月中，发生逾期的比率。
我们把放款的月份叫做基准月，之后追踪的每个月称为Month on Book (MOB)，也就是这笔资金在账本上记录了几个月了。
统计的逾期比率就是在第k个MOB上处于逾期状态借据的剩余本金占基准月的放款额的比率。
逾期率 = 第k个MOB月逾期M1+的剩余本金 / 基准月放款额
由于需要追踪不同时期逾期比率的变化，那么观测的时间点就尤为重要，根据选取观测时间的不同可以将Vintage分为以下两种口径：
- 统一在每个月末时点观测（Month end）
- 在每笔借款的到期还款日后第一天观测，每笔借款的观测日是不一样的（Cycle end）
通用的方式为第一种，本文将详细讲述第一种的计算方式（第二种cycle end在业务发展中后期可以更精准的统计分析MOB&Vintage）。
这种类型的Vintage计算，我们需要记录借款金额，观测时间，逾期天数三个要素。
单笔借款情况
举个例子，如图二，如果2020年1月是我们一个基准月，本月只有一笔1000元的借款，这笔借款在3月未还款产生逾期。
那么一月末是MOB0，二月末是MOB1，三月末是MOB2，四月末是MOB3。我们在每个月末去观测这笔借款的逾期天数，并记录下来。
如果我们计算的是一个30+的vintage，那么在观测时点，处于逾期30天及以上的借款对应的剩余本金将会纳入分子。分母均为1月的放款总额，这样我们就有了4个时间点的逾期30天以上的比例。
整个曲线解释的是，放款后在每个自然月的月末，当月总放款额中有多少的本金余额是处于逾期30天及以上的，并观测其变化趋势。
首先一月在MOB0时刚放款，不可能有资金发生M1+的逾期，所以第1个MOB的M1+逾期金额为0，而一月的总放款只有这一笔1000元，所以MOB0的逾期率为0/1000。
同理，MOB1时一月初放出的资金不可能出现M1+，所以逾期率也是0/1000。MOB2时发现这笔借款逾期已经处于M1+，所以MOB2的M1+的逾期金额为1000元。
一月的总放款额不会变，一直是1000元，所以MOB2的逾期率是1000/1000。同理四月的逾期率也是1000/1000。
如果此时我们站在五月底去做这个Vintage分析，此时可以看到用户在5月MOB4时完成还款。
所以如果我们计算MOB4的逾期率就是0/1000 (这是一种记录方法，其他记录方法会在后续讨论)。
多笔借款情况
这里我们把情况弄的稍微再复杂一点，一月我们业务爆发性增长，居然贷出去5笔1000元的贷款，如图3。
这里图看着有点晕，我把发生M1+逾期的部分用红色的色块标记出来，方便后面做计算。
首先Vintage表格里逾期率的分母是一月放款总额为5000元。在MOB0和MOB1肯定不会发生M1+，所以都是0/5000。
在三月MOB2时，三笔借款发生还款，第一第二笔资金发生M1+，所以逾期率是2000/5000。
四月MOB3第二笔资金发生还款，还剩第一笔资金处于M1+的状态，所以逾期率为1000/5000。
好，到此为止，我们已经计算了Vintage分析表格中一个基准月放款本金在接下来几个月的逾期率的计算。
实际工作中，我们会计算多个基准月的放贷情况，然后对比这几个月在接下来几个月的逾期率的变化情况。
通过和过去的基准月逾期率的变化趋势进行对比，我们可以知道最近几个月的逾期率的趋势是变好了还是恶化了。
因为贷款放出去之后需要经过较长的时间才能看到真实的还款表现，我们可以使用Vintage表，从历史逾期率的相对表现来大致估计当前资产逾期率的变化趋势。
Vintage图
我们可以把Vintage的表画成下面的图，很明显，二月的整体逾期率的增长趋势小于一月，三月的逾期率的增长趋势小于二月，四月开始的增长趋势小于三月。
所以我们可以有信心地认为四月的最终逾期率大概率会低于三月。
总结，在需要花较长时间才能去追踪业务表现时，Vintage图表是一个非常重要的工具，通过横向对比不同月份的逾期率变化情况。
可以估计我们当前资产的健康状况和发展趋势，最终为整体信贷资产保驾护航。
