信贷产品年终总结之贷后逾期分析

news2024/11/8 20:30:50

自本月月初疫情全面放开后,身边的朋友基本都阳了一遍,希望正在浏览本篇文章的读者您是还没阳过的幸运儿。另外,今天也是冬至了,祝各位读者身边健康,远离羊群!
最近我们分享了信贷业务年终总结系列的前2篇文章:信贷产品年终总结之客群特征画像(12月13日),信贷产品年终总结之贷中行为分析(12月19日),今天我们将再次续集,来介绍“信贷产品年终总结之贷后逾期分析”。作为信贷风控重要环节的贷后模块,用户逾期分析是一项非常核心的体系内容,是风控规则挖掘、催收策略制定、不良资产处置等版块的必要工作。因此,围绕贷后用户的逾期数据分析,在实际场景中不仅对客户管理体系发挥着关键作用,而且对整体业务发展具有决定性意义。
针对存量用户数据的贷后逾期分析,根据场景需求可以展开不同角度的研究,例如确定好坏目标的账龄与滚动率分析、信贷用户风险五级分类的划分、逾期不良资产规模的量化等。本文主要是围绕信贷周期结束的用户群体数据,通过分析来刻画描述用户群体的逾期行为表现,以了解不同客群的逾期规模与特征差异。在具体内容的介绍过程中,我们将结合实例样本数据来展开分析,从而客观呈现样本用户逾期表现的数据分布。

1、实例样本数据
本文选取的实例样本数据,来自于客户还款信息明细表,共包含87405条样本与10个字段,部分数据样例如图1所示,每条样本观测代表某客户某一分期的还款详情,各特征字段的标签含义分别为:apply_id(客户订单号)、loan_date(放款日期)、loan_amount(放款金额)、contract_amount(合同金额)、period_type(分期类型)、period_num(产品期数)、repay_date(应还日期)、repay_amount(应还金额)、paid_amount(已还金额)、clear_date(结清日期)。本样本数据的放款时间窗口(loan_date)为2020040120201230,且应还时间窗口(repay_date)为2020043020211229,假设当前分析时点为20220101,说明当前样本的所有用户均已结束信贷周期,也就是分期账单已无未到时间的应还日期,无论按时还款还是逾期违约,在待分析时间点不存在未到还款日的情况。
在这里插入图片描述
图1 样本数据样例

针对产品放款日期(loan_date)与分期类型(period_type),我们从整体上来了解下当前客群在不同月份与不同期数的规模分布,包括用户数量、放款金融的具体数据,其中放款月份(loan_month)从放款日期(loan_date)来提取,具体实现详见知识星球代码详情,输出的数据结果如图3所示,对应可视化分布如图4所示。
在这里插入图片描述
图3 放款月份数据分布

在这里插入图片描述
图4 放款月份可视化

由上图结果可知,从放款月份202004到202012,放款用户数量与放款金额规模的变化趋势大体是一致的,说明各月份的件均金额是比较接近的。其中,202010月份的放款数量与放款总额均是最大值,其占比分别为18.0598%、17.9554%;202005月份的放款数量与放款总额均是最大值,其占比分别为2.33106%、2.5306%;除了月份202004、202005外,从202006到202012期间,各月的放款业务量整体表现较为平稳。
我们接下来对产品不同分期类型(period_type)的数据规模进行描述,具体实现过程详见知识星球代码详情,输出的数据结果如图6所示,放款金额的可视化分布如图7所示。由图数据可知,当前产品分期形式包括6、9、12共3种类型,其中6期所占比重规模明显最多,用户数量与放款总额分别为82.6073%、85.601%,而9期相应维度的体量表现最少。
在这里插入图片描述
图6 分期类型数据分布

在这里插入图片描述
图7 分期类型可视化

2、逾期天数分析
由于各用户均有多笔分期账单(6或9或12),且各期的还款行为表现可能也有一定差异,具体可体现为提前还款、正常还款、逾期已还、逾期未还、未到还款日,其中逾期已还、逾期未还这2种状态都会有逾期天数的表现,区别在于一个已是静态固定(逾期已还),而另一个仍然动态变化(逾期未还)。结合本文主题内容在于逾期数据表现,因此我们重点来分析用户还款历史的逾期程度,以及相应维度的细节特征描述。在汇总客户层的逾期表现之前,我们需要分别得到各账单层的逾期天数overdue_day,具体实现过程如图8所示。这里简单描述下逾期天数的加工逻辑,对于分期账单金额已结清的用户,逾期天数(overdue_day)=结清日期(clear_date)-应还日期(repay_date);对于分期账单金额未结清的用户,逾期天数(overdue_day)=分析时点(20220101)-应还日期(repay_date)。
在这里插入图片描述
图8 逾期天数加工

当得到逾期天数overdue_day后,可以根据此指标是否大于0来判断历史是否有过逾期,当overdue_day>0时说明当前账单有逾期,以overdue_state=1来表示;当overdue_day<=0时说明当前账单无逾期,以overdue_state=0来表示。这里需要注意的是,有逾期并不代表一定没有还款,实际情况会包含逾期已还、逾期未还这2种还款状态。
每个分期账单的逾期天数overdue_day、逾期状态overdue_state确定之后,接下来我们便可以进一步梳理用户所有账单的逾期总次数、最高逾期天数等指标。由于用户账单类型存在6/9/12期的区分,这里为了更好的量化对比逾期次数分布,我们按照产品分期类型6/9/12依次进行分析,此处以样本最多的6期用户群体为例,对用户的逾期表现展开进一步分析。我们先来了解下客户层分期账单的逾期总次数,具体实现过程详见知识星球代码详情,对6期类型的逾期次数取值范围0~6,来同步输出相应的频数分布如图10所示,同时以可视化形式展示如图11所示。
在这里插入图片描述
图10 用户逾期次数分布(6期)
在这里插入图片描述
图11 用户逾期次数可视化(6期)

由以上结果可知,对于分期类型为6期的用户群体,历史账单未出现过逾期的用户数量为5218,对应占比为49.5772%;逾期1次的用户占比为12.057%;逾期2~6次各情况的占比均为7.5%左右。从业务场景上理解,随着逾期次数的增加,用户群体的风险程度也会较大程度升高。按照以上对6期用户群体分析的原理逻辑,我们可以同理得到分期为9和12对应的逾期次数分布,具体结果分别如图12、13所示,相关代码详见本文附件。
在这里插入图片描述
图12 用户逾期次数分布(9期)

在这里插入图片描述
图13 用户逾期次数分布(12期)

3、逾期等级分析
通过以上逾期次数的维度分析,虽然能够直观反映用户的整体风险情况,但每个分期订单的逾期天数可以进一步体现用户的风险特征,尤其是以客户层描述的最高逾期天数,在实际场景中有着非常重要的参考意义,下面我们便来分析下各用户的最大逾期天数,即统计出每个用户在历史分期订单中逾期天数的最大值,我们仍以6期用户群体为例,具体实现过程如图14所示。
在这里插入图片描述
图14 用户最大逾期天数(6期)

通过以上过程可以得到客户层最大逾期天数overdue_max,由于本文样例数据的最早应还款日期repay_date(20200430)距当前分析时点current_date(20220101)有600多天,因此样本用户最大逾期天数的取值范围较大。为了便于进一步分析,我们通过最大逾期天数来衍生加工最高逾期等级Mn(M0/M1/M2/M3等),具体加工逻辑为:M0(未逾期)、M1(逾期130天)、M2(逾期3160天)、M3(逾期6190天)、M4(逾期91120天)、M5(逾期121150天)、M6(逾期151180天)、M7+(逾期180天以上)。按照以上分析逻辑,针对6期用户群体的具体分析过程详见知识星球代码详情,得到的数据分布结果如图16所示。
在这里插入图片描述
图16 用户逾期等级分布(6期)

由以上结果可知,针对6期用户群体的历史还款表现,从未有过逾期的用户数量为5218,占比为49.5772%;历史逾期程度达到M1(1~30天)的用户数量为2348,占比为22.3088%;历史逾期程度达到M2/M3/M4/M5/M6的用户占比均不足1%;历史逾期程度达到M7+(180天以上)的用户群体数量为2866,占比为27.2304%,这类用户的风险程度很高。对于9期与12期用户群体,按照以上同样逻辑可以得到相应的分布结果,分别如图17、18所示。
在这里插入图片描述
图17 用户逾期等级分布(9期)

在这里插入图片描述
图18 用户逾期等级分布(12期)

4、逾期金额分析
以上对逾期天数、逾期次数、逾期等级等维度的分析,都是从用户数量来量化分析的,但针对同样逾期等级的用户,逾期金额大小是有差异的,而在实际业务场景中,从资金利益的角度来讲,我们还需要同步了解逾期金额的规模。围绕不同分期(6/9/12)的用户群体,逾期未还金额的分析过程具体详见知识星球代码详情,汇总相应数据结果如图20所示。
在这里插入图片描述
图20 逾期未还金额规模

由以上结果可知,本例存量用户的逾期待还总金额规模为14883169.81,其中6期类型用户占主要群体,逾期金额为12343231.5,对应占比为82.934%,9期与12期的规模占比分别为4.623%、12.443%。
在熟悉了整体逾期待还金额情况后,接下来我们以6期用户群体为例,来从不同月份(loan_month)的时间维度来进一步了解下逾期金额分布,同时将用户数量、逾期本金等明细数据同步进行展示,具体实现过程详见知识星球代码详情,输出的数据分布结果如图22所示。
在这里插入图片描述
图22 不同月份逾期金额明细(6期)

由以上结果可知,6期用户群体在放款时间窗口202004~202012的各个月份均有业务体量,且都存在一定程度的逾期情况。其中,202010月份的逾期用户数量、逾期金额规模,相比其他月份数据表现较高,对应占比分别为21.7885%、20.2513%;202012月份的逾期用户数量及其金额大小,在所有月份是表现最低的,占比仅有1%稍多,当然这与当月6期放款数量较少情况是直接相关的。按照图21的实现逻辑,我们可以同理得到9期与12期的不同月份逾期分布,具体如图23、24所示。
在这里插入图片描述
图23 不同月份逾期金额明细(9期)

在这里插入图片描述
图24 不同月份逾期金额明细(12期)

通过上图分布结果可知,6期与12期的分期类型,从202011月份才开始实行,由于本例样本数据的放款时间窗为2022年,因此对于6期和12期用户仅有2个月的数据表现,且在202012月份的逾期用户数量与逾期金额大小,相应占比均达到了90%以上。
综合以上内容,我们围绕实例样本数据,依次从逾期天数、逾期次数、逾期等级、逾期金额等维度,对用户群体的历史贷后数据完成了全方位探索与分析,得到了用户在不同分层角度下的逾期行为表现。同时,根据不同逾期月份(202004~202012)、不同分期类型(6/9/12),对各类用户的特征数据进行了细化描述,全面概括了贷后整体逾期表现的分布情况。为了便于大家对以上内容的进一步理解与熟悉,本文额外附带了更详细的Python代码与样本数据,详情请移至知识星球查看相关内容。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

~原创文章

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/108716.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Python中转义字符是个啥

文章目录前言一、转义字符是什么&#xff1f;二、常见的转义字符有哪些&#xff1f;总结前言 昨天有粉丝问了我这个代码问题&#xff0c;如下图&#xff1a; 他很好奇代码都没有错误&#xff0c;怎么运行就报错&#xff0c;不知道有咩有小伙伴能看出问题在哪呢&#xff1f; 其…

Cookie 和 Session 的工作流程

文章目录1.Cookie1.什么是Cookie2.Cookie可以干嘛3.Cookie实现登陆逻辑的流程2.session1.session是什么2.session有什么用3.session的工作流程3.Cookie 和 session的区别(重点)1.Cookie 1.什么是Cookie Cookie中存储的是字符串,是浏览器在本地持久化保存数据的一种方案 通过点…

2023春招:Javaweb面试锦囊

cookie 和 session 的区别&#xff1f;&#xff08;必会&#xff09; 存储位置不同 cookie 存放在客户端电脑&#xff0c;是一个磁盘文件。Ie 浏览器是可以从文件夹中找到。session 是存放在服务器内存中的一个对象。 chrome 浏览器进行安全处理&#xff0c;只能通过浏览器找…

圣诞 HTML 代码汇总

文章目录Part.I 音效圣诞树Part.II 圣诞树小球Part.III 简笔圣诞树圣诞节快到了&#xff0c;在网上找了一些 html 代码&#xff0c;觉得挺有意思的&#xff0c;顺带分享一下~ Part.I 音效圣诞树 来源&#xff1a;https://blog.csdn.net/m0_73309780/article/details/128176149…

面临项目失控?四个维度应对项目进度优化【洞见2】

常见的对进度的管理的流程是制定进度目标&#xff0c;WBS工作任务拆解&#xff0c;任务的时间估算&#xff0c;然后执行监督。 有时候这样的过程就会出现的进度延迟&#xff0c;而针对进度的延迟&#xff0c;往往企业多选择是通过加班赶工来完成。 项目进度优化方案 但是如…

【第一章 Linux特点,结构,网路连接模式,Linux目录结构】

第一章 Linux特点&#xff0c;结构&#xff0c;网路连接模式&#xff0c;Linux目录结构 1.操作系统&#xff1a; 用于管理和控制计算机所有软、硬件资源的一组程序。 2. Linux特点总结&#xff1a; ① 开放性&#xff1b; ② 多用户&#xff1b; ③ 多任务&#xff1b; ④ 良好…

喇叭天线设计

电磁喇叭天线是最简单而常用的微波天线。它的主要优点是结构简单&#xff0c;馈电简便&#xff0c;便于控制主面波束宽度和增益&#xff0c;频率特性好且损耗较小。它由波导逐渐张开来形成&#xff0c;其作用是加强方向性&#xff0c;这与声学喇叭的原理相似。若主模TE10的矩形…

python爬虫爬取网页上的图片

目录 一&#xff1a;爬虫基础 二&#xff1a;安装html解析的python工具 三&#xff1a;爬取网页图片 一&#xff1a;爬虫基础 爬虫基本过程&#xff1a; 1.请求标头 headers 2.创建一个会话 requests.Session 3.确定请求的路径 4.根据路径获取网页资源(HTML文件) 5.解析html…

UG/NX二次开发Siemens官方NXOPEN实例解析—2.6 CreateNote

列文章目录 UG/NX二次开发Siemens官方NXOPEN实例解析—2.1 AssemblyViewer UG/NX二次开发Siemens官方NXOPEN实例解析—2.2 Selection UG/NX二次开发Siemens官方NXOPEN实例解析—2.3 Selection_UIStyler UG/NX二次开发Siemens官方NXOPEN实例解析—2.4 File2Points UG/NX二次…

【java随笔】面向对象思维

1.怎么建立面向对象的思维方式 &#xff08;1&#xff09;先整体&#xff0c;再局部 &#xff08;2&#xff09;先抽象&#xff0c;再具体 &#xff08;3&#xff09;能做什么&#xff0c;再怎么做 2.如何学习面向对象 &#xff08;1&#xff09;语法 &#xff08;2&#xff09…

执行docker restart [CONTAINER ID]命令时会把之前的参数都带上吗

我在搭建rocketmq时候&#xff0c;运行了好几个容器命令也比较长如下&#xff1a; # 启动 namesrv docker run -d -p 9876:9876 -v "D:/Program Files/rocketmq/namesrv/logs:/root/logs" -v "D:/Program Files/rocketmq/namesrv/store:/root/store" …

JAVA手机网站销售

开发工具(eclipse/idea/vscode等)&#xff1a; 数据库(sqlite/mysql/sqlserver等)&#xff1a; 功能模块(请用文字描述&#xff0c;至少200字)&#xff1a;

Hazelcast 在springboot下的使用集成

一、Hazelcast简介 Hazelcast是一款由Hazelcast公司开发的基于jvm环境的为各种应用提供分布式集群服务的分布式缓存解决方案。可以嵌入到java、c、.net等开发的产品中使用。其主要功能有&#xff1a; 提供了 Map、Queue、MultiMap、Set、List、Semaphore、Atomic 等接口的分布…

RocketMQ消费者没有成功消费消息的问题排查

背景 今天下游同事反馈&#xff0c;有一些以取消的订单库存还原异常了&#xff0c;导致部分商品库存没有还原。查日志发现没有收到还原消息&#xff0c;但是查看发送方是可以确认消息是已经发了的&#xff0c;那么是什么原因导致消费者没有收到&#xff0c;或者收到后没有处理消…

算法刷题打卡第53天:排序数组---希尔排序

排序数组 难度&#xff1a;中等 给你一个整数数组 nums&#xff0c;请你将该数组升序排列。 示例 1&#xff1a; 输入&#xff1a;nums [5,2,3,1] 输出&#xff1a;[1,2,3,5]示例 2&#xff1a; 输入&#xff1a;nums [5,1,1,2,0,0] 输出&#xff1a;[0,0,1,1,2,5]希尔排…

六、Buffer缓冲区和Stream流

Buffer —— 缓冲区 JavaScript 提供了大量对字符串的便捷操作&#xff0c;但没有读取或操作二进制数据流机制&#xff0c;而在Node.js中可以直接用Buffer类提供的构造函数创建Buffer实例&#xff0c;一个Buffer实例代表一个缓冲区&#xff0c;Buffer的缓冲区专门用于存放二进制…

全球「数字游民」现状,有人已经72岁了

近年来&#xff0c;“数字游民”在国内越来越流行&#xff0c;特别是受疫情的影响&#xff0c;很多人对这种工作生活方式越来越喜欢&#xff0c;也越来越习惯&#xff0c;在此之前&#xff0c;当你告诉别人你是一名“数字游民”时&#xff0c;大家通常会认为你是没有工作的无业…

RocketMQ-双主双从集群+DashBorad搭建(云服务器)

文章目录一、理论垫基础1. NameServer 集群2. Producer集群3. Consumer集群4. Broker集群4.1 节点间数据同步 以及 消息的持久化4.2 Broker的集群模式4.2.1、单Master模式4.2.2、多Master模式4.2.3、多Master多Slave模式-异步复制4.2.4、多Master多Slave模式-同步双写最佳实践4…

APM32F103 RTC内部时钟源报警中断例程测试

APM32F103 RTC内部时钟源报警中断例程测试✨相关篇推荐《【开源电路】STM32F103VCT6开发板》&#x1f4cc;关篇《APM32F103 RTC内部时钟源秒中断例程测试》&#x1f4cc;本案例来源于官方的SDK固件包&#xff1a;https://www.geehy.com/support/apm32 &#x1f388;源码位置&am…

二极管:烧IC与我相干!

趁“羊”未到&#xff0c;还有心力接着上节继续讲。 话说&#xff0c;烧IC&#xff0c;不只本身IC烧&#xff0c;还火烧连营连带后端IC一并烧&#xff0c;为何呢&#xff01;&#xff1f; 那得回到过去&#xff0c;必须翻翻《硬件先生》中的《电源知识-DC-DC》&#xff0c;从D…