风险资产常用指标

本文介绍了风控中的关键指标,如放款本金与本金余额、迁徙率、 Vintage 分析、不良率、损失率、回收率、入催率和首逾率,详细阐述了它们的定义和在风险管理中的作用,帮助理解贷款风险的监测与评估。

目录

1.放款本金与本金余额
2.迁徙率
3.Vintage
4.不良率
5.损失率
6.回收率
7.入催率
8.首逾率

1.放款本金与本金余额

  放款本金为每个月的放贷金额,本金余额为截止统计时点,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,本金余额也可以叫作应收账款、剩余本金、在贷余额。
注意,这里所有计算的都是本金,是剔除利息的。

2.迁徙率

  简单说,就是处于某一逾期阶段的客户转到其他逾期阶段的变化情况。迁徙率通常可以用来预测不同逾期阶段的未来坏账损失。比如,M2-M3,说的是从逾期阶段M2转到逾期阶段M3的比例。

M0迁徙率=本月末M1应收账款(本金余额)/上月末M0应收账款(本金余额)*100%

  综合迁徙率,可区分带息迁徙率和本金迁徙率。上月末M0-M6应收账款(本金余额)中落入本月末M1-M7应收账款(本金余额)的占比。

综合迁徙率=上月末M0-M6应收账款/本月末M1-M7应收账款
综合迁徙率=M0迁徙率*M1迁徙率*M2迁徙率*M3迁徙率*M4迁徙率*M5迁徙率*M6迁徙率

  迁移率是催收常使用的绩效指标。它与vintage结合能实现风险的精细化管理。

3.Vintage

  Vintage分析方法,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分M1Vintage,M2Vintage,M3Vintage等等,下面以M1Vintage为例说明。

Vintage逾期率=逾期订单应收账款(剩余本金)/放款金额
在数据资产管理与评估领域,涉及多个维度的指标体系,用于衡量数据资产的管理效、价值潜力以及质量水平。以下是一些常见的指标分类和具体指标示例: ### 数据资产管理指标 数据资产管理指标用于衡量组织在数据资产管理方面的成熟度和效。包括但不限于: - **数据资产目录覆盖**:已纳入管理目录的数据资产占总数据资产的比例。 - **数据更新频**:数据资产更新的频,反映数据的时效性。 - **数据存储成本**:单位数据资产的存储成本,用于评估存储效。 - **数据访问效**:用户访问数据资产的平均响应时间。 ### 数据质量指标 数据质量是衡量数据资产可用性的核心因素之一。常用的数据质量指标包括: - **完整性**:数据字段是否完整,缺失值的比例。 - **准确性**:数据是否真实反映实际情况。 - **一致性**:不同数据源之间的数据是否一致。 - **唯一性**:数据中是否存在重复记录。 - **及时性**:数据更新的及时程度,是否满足业务需求。 例如,在数据质量评价中,完整性可以通过缺失值的比例进行量化,而一致性则可以通过对比不同数据源中的关键字段来评估[^2]。 ### 数据资产价值评估标准 数据资产的价值评估需要综合考虑多个维度,常用的评估标准包括: - **成本维度**:获取、存储和维护数据资产的成本。 - **质量维度**:数据质量的高低直接影响其价值。 - **应用场景维度**:数据在具体业务场景中的使用频和贡献度。 - **风险维度**:数据泄露、滥用等风险的可能性及影响程度。 “数据资产价值指数”是其中一种综合评估方法,通过公式对成本、质量、应用和风险等维度进行量化计算,从而得出数据资产的综合价值指数。这种方法在金融信贷的风控场景中有实际应用案例,通过具体指标分析,使数据资产价值评估更加科学和可操作[^3]。 ### 数据资产评估指标示例 - **数据稀缺性**:数据在市场上的可替代性及稀缺程度。 - **数据时效性**:数据的生命周期及更新频。 - **潜在经济收益**:数据在应用中可能带来的经济回报。 - **数据可访问性**:数据的获取难度和权限管理情况。 通过这些指标的组合使用,可以全面评估数据资产的价值,并为数据资产的管理和交易提供科学依据[^1]。 ```python # 示例:计算数据资产价值指数 def calculate_data_asset_value_index(cost, quality, application, risk): # 假设权重分别为成本(0.3), 质量(0.3), 应用(0.25), 风险(0.15) weights = [0.3, 0.3, 0.25, 0.15] normalized_cost = 1 / (1 + cost) # 成本越低价值越高 value_index = (normalized_cost * weights[0] + quality * weights[1] + application * weights[2] - risk * weights[3]) return value_index ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值