⾸逾在整个风险核⼼指标体系⾥⾯，相对其它指标来说，变异性很强，所以衍⽣出了⼀个很庞
⼤的家族。对于这个指标的⼝径，⾏业上有很多种，让⼤家分不清楚，究其原因，都是为了更
好的量化不同场景下的风险。
今天，咱们追本溯源，到源头的那个⼝径，了解它的计算逻辑。以后碰到家族⾥⾯的其它成
员，也能举⼀反三。
⾸先，⾸逾既然是为了量化欺诈风险，那我们就需要从欺诈的⾓度来看这个指标。欺诈是客户
的⾏为，⽽不是某⼀笔借据的⾏为；就像授信是给了客户⼀样。所以我们计算⾸逾的标的是客
户数。
⼀、如何选取数据？
既然是客户数，那⼀个客户就只能计算⼀次，不能重复计算。但是我们只有客户对应借款的表
现，应该选去哪⼀笔借据去代表客户的⾏为呢？
当然是选取第⼀笔借据。⽽且是观测第⼀笔借据的第⼀期还款情况。（注：这⾥判断第⼀笔的
时间维度精确到天就可以了。）
不少童鞋在选取第⼀笔借据的时候，会碰到⼀个客户在授信后，第⼀次借款的同⼀天借了多笔
的情况。那么我们怎么去选取第⼀笔借据呢？这个时候，对于这种类型的客户，它第⼀次借款
当天所有的借据共同代表客户的⾏为。
⼆、⾸逾判断
我们选好了代表客户⾏为的借据后，接下来就进⾏观测了。
对于只有⼀笔借据代表客户⾏为的客户，很简单，直接观测着笔借据⾸期到期之后历史是否逾
期即可。若⾸期历史逾期则可定义为⾸逾客户。
对于有多笔借据代表客户⾏为的客户，相对复杂⼀些，需要所有选中的借据⾸期到期之后历史
出现逾期才定义为⾸逾客户。
有任意⼀笔客户正常还款，都不属于⾸逾客户。为什么呢？因为如果是个欺诈客户，每笔他⼀
定都不会还款。
三、⾸逾计算
我们定义好了客户，接下来就进⾏指标的计算了。⾸先我们先计算整体的⾸逾率，这⾥还有⼀
个到期占⽐的概念。
假设统计这个指标的时间点是A，那我们可以计算出截⽌到A时间点，⼀共有多少个已借款客
户，定义为X1。
这X1个客户中，有多少客户已经可以进⾏⾸逾判断了，也就是过了代表他们⾏为借据的⾸期还
款⽇，定义为X2。
在X2个客户中，有多少客户是⾸逾客户，定义为X3。
整体的⾸逾率=X3/X2
到期占⽐率=X2/X1
整体的⾸逾率解释的是我们整体客户中⾸逾客户的⽐例。
到期占⽐率解释的是对应⾸逾率的可信度。两者结合起来观测更佳。
四、报表展⽰
刚刚我们计算出来的整体⾸逾率显然观测颗粒度不够细，如果我们需要放在报表中去监控，显然需要做⼀下调整。
也就是分段，常⽤来分段的维度是时间，当然还有其它维度，如产品类型，期数等。
我们以最常⽤的时间为例，⼀般有以下两种：
1.代表客户⾏为借据的借款时间
将X1的客户按照此时间划分到对应的时间段内，然后在各个时间段内进⾏差异化观测，如下：
这样就能观测到不同时间段内⾸次借款的客户的⾸逾率的差异。
2.代表客户⾏为借据的⾸期还款时间
同上，将X1的客户按照此时间划分到对应的时间段内。这种⾓度可以观测到⾸逾的变化对当前新增逾期的影响有多⼤。
五、进阶学习——什么是FSTQPD指标？
逾期指标最常见的有逾期天数和逾期区间，⽐如DPD7+、M1，读者朋友们应该对这两项指标不陌⽣。但对于FSTQPD这个关注“⾸逾”的指标，仍然有很多从事银⾏、汽车⾦融等细分⾦融领域的风控从业者对此⼀知半解甚⾄不解。FSTQPD指标是⼀系列指标的综合命名，对其可以拆解为FPD、SPD、TPD、QPD。
其中：
汽车贷款计算FPD=First Payment Deliquency；
SPD=Second Payment Deliquency；
TPD=Third Payment Deliquency；
QPD=Quarter Payment Deliquency。
再之后就使⽤数字表⽰，如5PD、7PD。FSTQPD指标重点关注“⾸逾”，即客户⾸次逾期发⽣在第⼏期。⼀般指标后加上具体数字，具体数字代表逾期天数。
举个例⼦，FPD表⽰贷款公司放款后到第⼀个还款⽇客户开始发⽣⾸次逾期；SPD表⽰客户在第⼀期的还款⽇还款或提前还款，但在第⼆期的还款⽇⾸次发⽣逾期。FPD30表⽰客户⾸次逾期30天发⽣在第⼀期，或客户第⼀期⾸次逾期30天。
看到这⾥你是否对“⾸逾”这项指标有了更多的了解呢？如果还想了解更多关于FSTQPD指标如何计算，FSTQPD指标业务使⽤场景，以及FSTQPD逾期指标如何运⽤于策略和模型。这⾥有⼀门可以让你体系化地学习风控策略的课程⬇
FAL学院与5名风控⼤佬级教师共同打磨研发了⼀门针对0 - 3岁的风控⼈的风控课程——《量化风控全线条训练营》。
5名导师将⽬前⾏业内课程少有提到的业务实操经验毫⽆保留地分享出来，给予你在转岗B风控策略道路上⼀些帮助。基本就等同于你在好⼏家知名公司学习了6个⽉。
接下来，就给⼤家介绍下为什么这门课程能够帮助你解决转岗风控策略难题，⾼效提升策略分析师能⼒。
课程教师团队都是风控⼤咖
5位⽼师结合多年⾏业经验，开课2年，1000+⼈学过。相信能给你风控策略带来不少的启发。10年风控沉淀，体系化教学，只为帮助你，少⾛2年弯路。
carey⽼师
国内多家⼤型⾦融科技集团担任风险政策线负责⼈经验，擅长运⽤量化分析⽅式进⾏风险政策管理及风险定损定价。
周⽼师深圳某持牌⾦融科技公司资深风险策略专家，擅长使⽤数据分析进⾏风险策略的调优与回顾。
royce⽼师某知名互联⽹⾦融公司反欺诈经理，擅长各类型的数据分析及统计建模。
zaki⽼师持牌机构贷后负责⼈，擅长贷后运营策略及贷后平台整体搭建，对贷后客户分、分案策略制定、催收效能提升等⽅⾯有丰富的实战经验。
ollie⽼师数据科学家团队负责⼈。博⼠研究⽅向为分布式机器学习，⼀直在⼤数据风控领域进⾏分析建模⼯作。
⾼质量同学社，跨界交流，共同进步
发布评论