哈尔滨银行客户行为分析模型方案.docx
《哈尔滨银行客户行为分析模型方案.docx》由会员分享,可在线阅读,更多相关《哈尔滨银行客户行为分析模型方案.docx(23页珍藏版)》请在冰豆网上搜索。
哈尔滨银行客户行为分析模型方案
哈尔滨银行
客户行为分析模型方案
德勤咨询
2013年12月
第1页第1页第1页
目录
一、适用范围 3
二、期限定义 3
三、数据需求 3
四、活期存款沉淀率 4
五、定期存款提前支取 8
六、定期存款续存 11
七、贷款提前偿还 12
八、贷款展期 15
九、表外承诺使用概率 17
十、信用卡客户行为 18
十一、FTP期限 19
第2页第2页第2页
客户行为分析模型作为基于历史数据的定量分析工具,能够帮助管理层更准确地预测表内外项目的未来头寸变动,可用于评估未来资金需求、经济价值变动以及对净利息收入的影响。
一、 适用范围
哈尔滨银行客户行为分析模型方案针对哈尔滨银行客户行为进行分析。
存款贷款客户行为分析模型适用的范围为:
存款:
个人活期存款、单位活期存款、个人定期存款、单位定期存款等不同期限业务。
贷款:
个人房屋贷款、个人汽车消费贷款、房全通个人房产抵押贷款、信易通公务员贷款、个人综合消费贷款、员工个人消费贷款、诚信通个人贷款、流动资金贷款、固定资产贷款、小企业金融的各项贷款、农业金融的各项贷款。
表外承诺使用概率适用范围为:
可撤销承诺贷款和不可撤销承诺贷款。
信用卡客户行为分析适用范围为:
丁香贷记卡-免息期内、丁香贷记卡-免息期外、卓展联名卡-免息期内、卓展联名卡-免息期外、易贷卡-免息期内、易贷卡-免息期外、贷记卡-其他-免息期内、贷记卡-其他-免息期外
二、 期限定义
1.活期存款
会计区间:
1天,2-7天,8-14天,15-30天,1-2月,2-3月,3-6月,6-12月,1-2年,
2年以上。
2.定期存款
期限区间:
1个月(含1个月),1-3个月(含3个月),3-6个月(含6个月),6-
12个月(12个月),1-2年(含2年),2-3年(含3年),3-5年(含5年),5年以上
间隔时间:
1个月后,2个月后,3个月后,4个月后,5个月后,6个月后…
3.贷款
期限区间:
1个月(含1个月),1-3个月(含3个月),3-6个月(含6个月),6-
12个月(12个月),1-2年(含2年),2-3年(含3年),3-5年(含5年),5年以上
间隔时间:
1个月后,2个月后,3个月后,4个月后,5个月后,6个月后…
第3页第3页第3页
三、 数据需求
1.活期存款数据需求
开户日、账户号码、产品类型、货币代码、业务条线、本金余额
2.定期存款数据需求
开户日、定期存款款项编码、客户编号、发行日期、到期日、货币代码、产品类型、业务条线、本金余额、合同期限、展期标识
3.贷款数据需求
日期、定期存款款项编码、客户编号、发行日期、到期日、货币代码、产品类型、业务条线、本金余额、合同期限、预计还款项、实际还款项、还款日、展期标识
四、 活期存款沉淀率
1.活期存款流失率定义
对特定的活期存款账户群体,若随时间推移,存款余额小于此前存款余额的最小值,则发生了活期存款流失。
2.活期存款沉淀率定义
活期存款的余额占活期存款总额的比率,是衡量商业银行存款稳定程度的指标。
3.活期存款沉淀率计算
活期对公存款可按以下账户类型:
集团、SME、同业、保证金、一般账户进行分析。
活期对私存款不区分账户类型。
方法一:
最低点法
活期存款沉淀率=1-累计流失率=1-∑流失率
选取人民币活期对私存款和活期对公存款为样本,对其自2007年7月1日至2010年
6月30日的存量账户的每日余额进行分析。
(1)计算存量账户的每日余额
计算每个账户2007年7月1日至2010年6月30日的每日余额。
账户\日期
1-Jul-07
2-Jul-07
3-Jul-07
4-Jul-07
……
28-Jun-10
29-Jun-10
30-Jun-10
A
30,000.00
30,000.00
30,000.00
28,175.95
……
26,821.43
26,821.43
26,821.43
B
2,800.00
2,848.97
……
7,808.89
11,588.44
11,588.44
第4页第4页第4页
C
3,498,700
3,498,700
3,498,700
3,500,000
……
450,000
450,000
450,000
D
5,500.00
……
6,023.50
6,023.50
6,023.50
…
(2)汇总批次账户每日余额
从2007年7月1日起,每天的存量账户为一个批次,汇总该批次账户每天的余额之和,各批次账户中不含新增账户。
日期间隔(天)
0123456789101112131415161718192021222324252627282930313233343536373839
800
1,000
余额(亿元)
900
某批次帐户每日余额图
某批次账户每日余额图:
(3)计算各会计区间内的存款流失率
对每批次曲线应用会计期限区间,取该会计期限区间内余额最小值,并计算该会计期限区间的存款流失率。
元9)00
.0_
874.5_
883.0_ 865.0_
859.5_
某批次帐户每日余额图
1,000
余额(亿
900
800
0123456789101112131415161718192021222324252627282930313233343536373839
日期间隔(天)
该批次账户初始余额:
900.0亿元
会计区间[1天]流失率:
(900-874.5)/900=2.8%
会计区间[2-7天]流失率:
0%(883.0大于前期最低点874.5,活期存款在此区间未流失)
会计区间[8-14天]流失率:
(874.5-865.0)/900=1.0%
第5页第5页第5页
会计区间[15-30天]流失率:
(865.0-859.5)/900=0.61%
(4)加权平均所有会计区间存款流失率
对各批次账户的初始余额为权重,对所有会计区间的存款流失率进行加权平均,得出各会计区间活期存款流失率。
会计区间
流失率
0天
0.0%
1天
0.4%
2-7天
1.4%
8-14天
1.1%
15-30天
2.0%
1-2个月
2.4%
2-3个月
1.9%
3-6个月
4.0%
6-12个月
5.7%
1-2年
5.6%
2年以上
0.2%
(5)计算活期存款沉淀率
按照活期存款沉淀率=1-累计流失率=1-∑流失率,计算各会计区间沉淀率。
会计区间
流失率
沉淀率
0天
0.0%
100.0%
1天
0.4%
99.6%
2-7天
1.4%
98.2%
8-14天
1.1%
97.1%
15-30天
2.0%
95.1%
1-2个月
2.4%
92.7%
2-3个月
1.9%
90.8%
3-6个月
4.0%
86.8%
6-12个月
5.7%
81.1%
1-2年
5.6%
75.5%
2年以上
0.2%
75.3%
方法二:
LogNormal模型
第6页第6页第6页
对数正态分布(Lognormaldistribution)是当随机变量的对数正规的分布的时候产生的分布类型,对数正态分布起因于变量是大量的相互独立的,恒等分布的变量的积。
LogNormal基本模型为:
log𝑉(𝑡)=𝛼+𝛽𝑡+𝜎𝜀
其中,截距𝛼,斜率𝛽通过线性回归模型得到;𝜎为历史事件序列的变动率。
通过历史已有数据确定模型相关参数,并通过此模型进行未来数据预测。
确定的时间间隔t内,核心存款水平可用以下模型估算:
𝑡
𝑙𝑜𝑔𝑉(𝑡)=𝛼+𝛽𝑡‒𝜎𝜙‒1(𝑞)
其中,𝜙‒1表示累积正态分布的反函数,𝑞表示置信水平
(1)根据核心存款LogNormal模型推导
𝑡0
假设今天距离初始日期时间为𝑡0天,明天距离初始日期间隔时间为𝑡1天,则今天的核心存款水平:
𝑙𝑜𝑔𝑉(𝑡0)=𝛼+𝛽𝑡0‒𝜎𝜙‒1(𝑞)
𝑡1
明天的核心存款水平:
第7页第7页第7页
从而有:
𝑙𝑜𝑔𝑉(𝑡1)=𝛼+𝛽𝑡1‒𝜎𝜙‒1(𝑞)
𝑉(𝑡1)
log =𝛽(𝑡1
𝑉(𝑡0)
–𝑡0)‒𝜎𝜙‒1(𝑞)( ‒ )
𝑡1
𝑡0
当𝑡0为初始日期时,模型可变换为:
𝑉(𝑡1)
log =𝛽𝑡
–𝜎𝜙‒1(𝑞)
𝑡1
𝑉(𝑡0) 1
𝑡1
其中斜率𝛽和变动率𝜎可通过已有历史数据和间隔天数线性回归得到。
最后可得:
(2)示例
log𝑉(𝑡1)=log𝑉(𝑡0)+𝛽𝑡1‒𝜎𝜙‒1(𝑞)
选取2010年8月23日至2011年11月23日期间的日存款余额数据,以2010年8月
23日为初始日期。
日期
时间间隔
存款余额
LN(今日余额/昨日
余额)
LN(今日余额)
日期
时间间隔
存款余额
LN(今日余额/昨日
余额)
LN(今日余额)
23-8月-10
0
9,199,243,732
24-8月-10
1
9,192,017,942
-0.000785785
22.94160133
25-8月-10
2
8,973,092,591
-0.024105105
22.91749622
26-8月-10
3
9,094,010,204
0.01338559
22.93088181
27-8月-10
4
8,765,126,673
-0.036835007
22.89404681
28-8月-10
5
8,756,227,247
-0.001015838
22.89303097
30-8月-10
6
8,631,232,868
-0.014377779
22.87865319
...
...
...
...
...
...
...
...
...
...
15-11月-11
365
9,709,640,680
-0.036592926
22.99638511
16-11月-11
366
9,614,237,992
-0.009874153
22.98651096
17-11月-11
367
9,446,437,669
-0.01760742
22.96890354
18-11月-11
368