在量化欺詐風險時，“首逾”是一個常用的指标，但其衍生性很強，業内有很多統計方法，令人眼花缭亂。本文試從場景出發，解讀“首逾”的計算邏輯，希望對你有所啟發。

在量化欺詐風險時，如果說一個最常用指标，無疑是“首逾”。相比其他風險核心指标，首逾的可衍生性很強，目前已組成一個龐大的家族。業内有很多種多樣的統計方式，不免讓人混淆不清。但無論采用何種統計方式，歸根結底都是從場景出發，更好的量化風險。今天，咱們追本溯源，找到最源頭的那個口徑，了解它的計算邏輯。以便後續遇到首逾家族裡的其它成員，也能觸類旁通。

首先，欺詐是客戶行為，首逾既然是為了量化欺詐風險，那麼首逾的計算指标也應該是客戶維度，而不是某一筆訂單的維度；比如信貸授信是針對客戶授信，那麼我們計算首逾的統計項是客戶數。

一、觀測數據獲取

一個客戶的首逾隻有一次，因此一個客戶隻能計算一次，不能重複計算。有幾種情況大家可以探讨下：

（1）一個客戶經常發生多筆借款，這種情況下該選取那一筆來代表客戶行為呢？

——選取第一筆。而且是觀測第一筆的第一期的還款情況。

注：這裡判斷第一筆的時間維度精确到天就可以了。

（2）再把場景再細化一下，一個客戶在授信後，第一次借款的同一天借了多筆的情況。那麼該選取第一筆訂單呢？

——選取客戶第一筆借款當天所有的訂單。

二、客戶首逾判定

上一步選好了訂單範圍，接下來就該做首逾判定了，類似的，也分為兩種情況：

1. 對于隻有一筆訂單代表客戶行為的客戶

很簡單，直接觀測這筆訂單首期到期後是否逾期即可。若首期逾期則可定義為首逾客戶。

2. 對于有多筆訂單代表客戶行為的客戶

這個相對複雜些，需要所有選中的訂單首期到期之後出現逾期才可定義為首逾客戶。隻要有任一一筆訂單正常還款，都不應将該客戶判定為首逾客戶。

（從欺詐的動機出發，也容易理解，好不容易得逞了，必然卷款跑路，一筆都不會還的）

三、首逾計算（到期占比率、整體首逾率）

定義好了客戶，下一步就是指标的計算了。首先我們先計算整體首逾率，這裡還有一個“到期占比”的概念。

假設統計時間點是T1，那我們可以統計出截止到T1以前完成借款的總客戶數，定義為C1；

這C1個客戶中，可以進行首逾判斷的客戶數（過了首期還款日），定義為C2；

在C2個客戶中，判定為首逾客戶數，定義為C3。

到期占比率= C2 / C1

（是對應首逾率的可信度，越大越可信）

整體的首逾率= C3 / C2

（即整體客戶中首逾客戶的比例）

舉例如下：

四、監控報表

單一的指标很難看出問題，監控要有維度，常用維度有時間、産品類型，渠道、期數，客戶等級等。維度又要切分，拿最常用的時間舉例，通常有兩種劃分方式：

1. 按借款時間切分

可以觀測到不同時間段内首次借款的客戶的首逾率的差異。

2. 按首還時間切分

可以觀測到首還時間的變化對當前新增逾期的影響。

五、進階—— FSTQPD

話不多說，直接列舉：

• FSTQ：首逾發生在前四期
• FPDX：首逾發生在第一期且逾期X天客戶
• SPDX：首逾發生在第二期且逾期X天客戶
• TPDX：首逾發生在第三期且逾期X天客戶
• QPDX：首逾發生在第四期且逾期X天客戶

FSTQPD指标之間有互斥性，需要特别注意的就是這個【首】字，計算首二逾的時候，要将首逾客戶排除。

至此，以上是我對首逾以及衍生的一系列指标的理解和認識，不當之處，還請斧正。

作者：王小賓；一起侃産品

本文由@并不跳步交叉步 原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部