金融行业常用术语Word文档格式.docx

资源描述

金融行业常用术语Word文档格式.docx

《金融行业常用术语Word文档格式.docx》由会员分享，可在线阅读，更多相关《金融行业常用术语Word文档格式.docx（17页珍藏版）》请在冰豆网上搜索。

金融行业常用术语Word文档格式.docx

Transacationfraud

欺诈交易

BalanceTransfer

余额代偿，即信用卡还款业务

collection

催收。

根据用户入催时间由短到长，分为Earlycollection

（早期催收）、Frontend（前段催收）、Middlerange

（中段催收）、Hotcore（后段催收）Recovery

（呆账后催收/坏账收入）这几个阶段，对应不同的

催收手段和频率

DBR

debitburdenratio，负债比,通常债务人的在各渠道的总体

无担保负债不宜超过其月均收入的N倍

风控系统

Installment

分期付款

IIP

计提的坏账准备

PIP

资产减值损失

NCL

netcreditloss，净损失率。

当期转呆账金额减去当期呆账

回收即为净损失金额

MOB

monthonbook账龄

MOB0,放款日至当月月底。

MOB1,放款后第二个完整月份

Non-starter

恶意逾期客户

PaydayLoan

发薪日贷款。

无抵押的信用贷款，放款速度快，额度低，

期限短但利率高。

额度低和高利率是该模式的必要条件。

Revolving

循环信用

Write-off,转呆账，通常逾期6期以上转呆账

Apply#

贷款申请总量

Apply$

贷款申请总金额

Approve#

贷款通过总量

Approve$

贷款通过总金额

Reject%

贷款拒绝率

Cancel#

贷款取消件量

Cancel%

贷款取消率

Reloan

复贷

ACard

Applicationscorecard申请评分卡，对授信阶段提交的

资料赋值的模型结果规则

评分卡是对一系列用户信息的综合判断。

随着可以收集到的用户信息变多，授信决策者不再满足于简单的if、else逻辑，而是希望对各个资料赋予权重和分值，根据用户最后综合得分判断风险，通过划定分数线调整风险容忍度，评分卡应运而生

BCard

Behaviorscorecard行为评分卡，对贷后可以收集到的

用户信息进行评分的规则

与A卡类似，B卡也是一套评分规则，在贷款发放后，通过收集用户拿到钱后的行为数据，推测用户是否会逾期，

是否可以继续给该用户借款。

例如用户在某银行贷款后，又去其他多家银行申请了贷款，那可以认为此人资金短缺，

可能还不上钱，如果再申请银行贷款，就要慎重放款

CCard

CollectionScorecard催收评分卡，对已逾期用户未来出

催能力做判断的评分规则

催收评分卡是行为评分卡的衍生应用，其作用是预判对逾期用户的催收力度。

对于信誉较好的用户，不催收或轻量

催收即可回款。

对于有长时间逾期倾向的用户，需要从逾期开始就重点催收。

申请评分卡、行为评分卡和催收评分卡

常合并称为“ABC卡”，应用在贷前、贷中和贷后管理

FCard

FraudScorecard,反欺诈评分卡，常针对申请阶段进行

反欺诈用户识别

MIS

ManagementInformationSystem管理信息系统

MIS_weekly是MIS系统出的周报，是从风控角度出发，涵盖当期重要数据和历史用户的风险表现，是授信模块需重

点关注的报表

Ser

service的简写。

“.ser”是决策引擎工具SMG3的工程文

件格式，故用ser代指决策引擎规则版本

SMG3（StrategyManagementGeneration3）是XX提供的决策引擎工具，类似的工具还有XX的XX。

决策引擎是一系列

规则的集合，可处理大量的入参，最终输出结论。

决策引擎规则是授信的核心构成之一，通常每个细分人群都会单独

配置一个Ser，同一个授信流程也可执行多个Ser

RBP

Risk-basedPricing，风险定价

量化风险管理的一个核心就是风险定价，可以根据用户人群、模型决策风险、外部征信数据等条件，给用户授予额度

和费率

风控指标

ANR

平均在贷总额

ENR

在贷总额

AgingAnalysis

账龄分析。

显示各期至观察点为止的延滞率，其特点为结算

终点一致，把分散于各个月的放贷合并到一个观察时间点合并计算逾期比率

VintageAnalysis

与aginganalysis不同，vintage以贷款的账龄为

基础，观察贷后N个月的逾期比率。

也可用于分析各时期的放贷后续质量，观察进件规则调整对债权质量的影响

DeliquencyVintage30+:

表现月逾期30+剩余本金/对应账单生成月发放贷款金额

Current，无逾期正常还款的bucket

M0为正常资产，Mx为逾期X期，Mx+为逾期x期（含）以上。

M2+即逾2期及以上（30+）。

M2和M4是两个重要的观察节点，一般认为M1为前期，M2-M3为中期，M4以上为后期，大于M6的转呆账

DelinquencyRate

逾期率/延滞率。

评价资产质量的指标，可分为Coincident

和Lagged两种观察方式

风控模型

Coincident

即期指标。

用于分析当期所有应收账款的质量，计算延滞率。

计算方式是以当期各bucket延滞金额除以本期应收账款（AR）

总额。

Coincident是在当前观察点总览整体，所以容易受到当

期应收账款的高低导致波动，这适合业务总量波动不大的情

况下观察资产质量

Lagged

递延指标。

与coincident相同也是计算延滞率的一个指标，

区别是lagged的分母为产生逾期金额的那一期的应收账款。

Lagged观察的是放贷当期所产生的逾期比率，所以不受本

期应收账款的起伏所影响

LaggedDPD30+$（%）=LaggedM2+LaggedM3+LaggedM4+LaggedM5+LaggedM6

月末资产余额M1（1-29天）:

统计月份月末资产中满足1≤当前逾期天数≤29的订单剩余本金总和，当前逾期天数为订单当前最大逾期天数，不包含坏账订单。

LaggedM1=月末M1的贷款余额/上个月底的贷款余额（M0~M6）

DPD

DaysPastDue逾期天数，自还款日次日起到实还日期间

的天数

DPD7+/30+，大于7天和30天的历史逾期。

业内比较严格的逾期率计算公式为：

在给定时间点，当前已经逾期90天以上的借款账户的未还剩余本金总额除以可能产生90+逾期的累计合同总额。

其分子的概念是，只要已经产生90天以上

逾期，那么未还合同剩余本金总额都视为有逾期可能，而分母则将一些借款账龄时间很短的，绝对不可能产生90+逾期的合同金额剔除在外（比如只在2天前借款，无论如何都不可能产生90天以上逾期）

FPD

FirstPaymentDeliquency，首次还款逾期。

用户授信通过

后，首笔需要还款的账单，在最后还款日后7天内未还款

且未办理延期的客户比例即为FPD7，分子为观察周期里

下单且已发生7日以上逾期的用户数，分母为当期所有首

笔下单且满足还款日后7天，在观察周期里的用户数。

常

用的FPD指标还有FPD30

假设用户在10.1日授信通过，在10.5日通过分期借款产生了首笔分3期的借款，且设置每月8日为还款日。

则11.08是

第一笔账单的还款日，出账日后，还款日结束前还款则不算逾期。

如11.16仍未还款，则算入10.1-10.30周期的FPD7的分子内。

通常逾期几天的用户可能是忘了还款或一时手头紧张，但FPD7指标可以用户来评价授信人群的信用风险，对未来资产的健康度进行预估。

与FPD7类似，FPD30也是对用户首笔待还账单逾期情况进行观察的指标。

对于逾期30天内的用户，可以通过加大催收力度挽回一些损失，对于逾期30天以上的用户，催收回款的几率就大幅下降了，可能进行委外催收。

如果一段时间内的用户FPD7较高，且较少催收回款大多落入了FPD30内，则证明这批用户群的non-starter比例高，借款时压根就没想还，反之则说明用户群的信用风险更严重。

FlowRate

迁徙率。

观察前期逾期金额经过催收后，仍未缴款而继续落入

下一期的几率。

M0-M1=M月月末资产余额M1/上月末M0的在贷余额

8月M0-M1：

8月进入M1的贷款余额/8月月初即7月月末M0的在贷余额

ExpectedLoss，预期损失

ProbabilityofDefault.违约概率

LGD

LossGivenDefault.违约损失率

EAD

ExposureatDefault.违约风险敞口

HRC

HighRiskCustomer高风险客户

DSR

DebtServiceRatio还款能力

NPL

Non-performingloan不良贷款

Benchmark

基准。

每个版本的新模型都要与一个线上的基准模型或规

则集做效果比对

informationvalue信息值。

一般取值区间（0,1）。

该值用来

表示某个变量的预测能力，越大越好。

通常IV值0.3以上的，预测能力较高。

IV=SUM（（B_P-G_P）*LN（B_P/G_P））

K-S

klmogrov-smirnov，这是一个区分度指标。

所谓区分度，

是指模型对于好坏客户的辨识能力，区分力越强，模

型准确度越高，误判的几率越低。

K-S值越大越好，一

般0.6以上用户解释能力很高。

KS=Max（RETAIN_BAD_P-RETAIN_GOOD_P）

PSI

populationstabilityindex，稳定度指标，越低越稳定。

用于比较当前客群与模型开发样本客群差异程度，

评价模型的效果是否符合预期。

PSI=SUM（（VALID_BAD_P-TRAIN_BAD_P）*LN（VALID_BAD_P/TRAIN_BAD_P））

TrainingSample

建模样本，用来训练模型的一组有表现的用户数据。

配合

该样本还有Validationsample（验证样本），两个样本都取

同样的用户维度，通常要使用建模样本训练出的模型在验

证样本上进行验证。

WOE

weightofecidence，证据权数，取值区间（-1,1）。

违约件占

比高于正常件，WOE为负数。

绝对值越高，表明该组因子

区分好坏客户的能力越强

WOE=LN（B_P/G_P）

BadCaptureRate

坏用户捕获率。

这是评价模型效果的一个指标，比率越高

越好。

Top10%BadCaptureRate是指模型评估出的最坏用户中的前10%用户，在样本中为坏用户的比率。

贷后管理

（Update）

20190605

Lift

模型提升度，表示使用模型比未使用的区分效果提升能力

Population

AllPopulation，全体样本用户，包含建模样本与验证样本。

Variable

变量名。

每个模型都依赖许多的基础变量和衍生变量作为

入参。

变量的命名需要符合规范，易于理解和扩充。

CORR