零基础学风控：信贷风险指标计算（首逾篇）
当我们在量化欺诈风险的时候，经常会用到一个指标，那就是首逾。
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，找到源头的那个口径，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？
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。
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。
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，对贷后客户分群、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。
高质量同学社群，跨界交流，共同进步