信贷风控实战——如何用MOB和Vintage分析资产质量?

张开发
2026/4/12 22:21:32 15 分钟阅读

分享文章

信贷风控实战——如何用MOB和Vintage分析资产质量?
1. 信贷风控中的MOB和Vintage是什么我第一次接触MOB和Vintage分析是在2015年做消费金融风控的时候。当时团队刚上线一个新贷款产品前三个月逾期率看起来很正常但到了第四个月突然飙升。老板拍着桌子问这到底是偶然波动还是风控模型出了问题正是这次危机让我彻底搞懂了这两种分析方法的价值。MOBMonth on Book直译就是账龄它表示一笔贷款从发放之日起已经过去了多少个月。比如1月放款的客户到3月末的MOB就是2。这个概念看似简单但在风控分析中至关重要——不同账龄的贷款风险特征完全不同。Vintage分析则是按放款月份对贷款进行分组然后跟踪每组贷款在不同账龄的表现。这个概念源自葡萄酒行业酿酒师会把不同年份的葡萄分开酿造通过长期观察来评估每个年份的品质。在信贷领域我们把2023年1月放款的贷款称为2023年1月Vintage就像1982年拉菲一样每个Vintage都有自己独特的风味——也就是资产质量曲线。2. 为什么要用MOB和Vintage分析很多风控新人会问我们有每天的逾期报表为什么还要搞这么复杂的分析方法这里我分享一个真实案例。去年某持牌消金公司推出了一款先享后付产品前两个月30逾期率始终保持在1.5%以下。但用Vintage分析后发现首批客户在MOB3时的逾期率已经突破5%而常规产品同期只有2%。这个预警让他们及时调整了授信策略避免了上千万元的坏账损失。MOB和Vintage的核心价值在于穿透短期波动看本质消除新业务增长带来的稀释效应建立可比基准让不同时期的放款资产能在相同发育阶段比较预测未来风险通过成熟期曲线的收敛形态预估最终损失举个例子2023年1月放款的客户在MOB6时逾期率达到8%而历史同期的Vintage在MOB6平均只有5%这就提示需要立即排查是客群变化、模型失效还是外部经济环境的影响。3. 如何计算Vintage分析表3.1 基础数据准备做Vintage分析需要准备以下核心字段客户编号放款日期精确到月放款金额当前本金余额最大逾期天数M1指逾期30天以上这里有个容易踩坑的地方一定要用剩余本金计算逾期金额。比如客户借款1万元已经还款6千元后发生逾期那么计入分子的应该是4千元而非原始借款金额。3.2 单月Vintage计算步骤以2023年1月Vintage为例确定基准月2023年1月计算该月放款总额分母在每个月末MOB0到当前月统计处于M1逾期的客户剩余本金总和分子逾期率 分子 / 分母假设1月放款1000万元到7月末MOB6时有50万元本金处于M1状态则MOB6逾期率50/10005%。3.3 多期对比分析完整的Vintage表应该包含近12个月的基准月数据格式如下基准月MOB0MOB1MOB2MOB3MOB4MOB5MOB62023-010.1%0.5%1.8%3.2%4.5%5.7%6.2%2023-020.1%0.6%1.5%2.9%4.1%5.3%-2023-030.2%0.8%1.7%3.0%4.2%--注意观察三点每条Vintage曲线的斜率变化同期MOB点的数值对比如MOB3时各月的表现成熟期通常MOB12的逾期率稳定值4. 实战中的高级技巧4.1 曲线标准化处理不同月份放款量差异很大时建议对逾期率做加权处理。比如1月放款1亿2月放款5千万直接比较绝对逾期率会失真。我的做法是计算各Vintage的逾期金额按放款量加权平均用移动平均法平滑短期波动4.2 多维交叉分析基础Vintage分析可以结合以下维度深入挖掘产品类型现金贷vs场景贷渠道来源线上申请vs线下推广风险等级A类客群vs次级客群还款方式等额本息vs气球贷曾经我们发现某渠道MOB3逾期率异常高交叉分析后发现是他们把月利率错误展示为日利率导致客户误以为利率极低而冲动借款。4.3 提前预警指标除了常规的M1我还会监控MOB1逾期率反映欺诈风险MOB3-MOB6斜率预测最终损失回流率已逾期客户的恢复情况有个很实用的经验公式当MOB6逾期率 MOB3逾期率×1.5时大概率会出现风险恶化。5. 常见问题解决方案问题1新业务没有历史数据怎么办参考同类产品Vintage曲线用MOB1-3数据拟合成熟期表现设置更频繁的监控节点如每周问题2如何区分系统性风险和模型失效建立宏观经济指标对照表如失业率、CPI对比不同客群的表现差异检查通过率、批核额度的变化问题3数据量太大计算缓慢按月预聚合基础数据使用滚动窗口计算如最近36个月对早期MOB采用抽样分析去年我们处理过一个典型案例某产品MOB12逾期率突然上升2个百分点。最初怀疑是模型问题但Vintage分析显示所有渠道同步上升结合当时制造业裁员潮最终判断是经济下行导致的系统性风险。6. 可视化呈现技巧好的图表能让分析结果一目了然。我常用的有热力图MOB 1 2 3 4 5 6 2023-01 0.1 0.5 1.8 3.2 4.5 5.7 2023-02 0.1 0.6 1.5 2.9 4.1 5.3 2023-03 0.2 0.8 1.7 3.0 4.2 4.8用颜色深浅直观显示风险高低。趋势对比图横轴MOB纵轴逾期率多条线不同Vintage建议添加一条行业基准线作为参考。在实际汇报时我通常会准备三张图整体Vintage趋势重点产品的专项分析高风险维度的交叉对比记得去年用这套方法向CEO汇报时他当场就看懂了风险聚集点立即叫停了某个渠道的合作。

更多文章