01.逾期的定义

"逾期"是指"借款人在借款合同约定的期限内（含合同约定的宽限期或展期后到期）未足额归还本金或利息"。

02.逾期的界定

目前监管机构并没有对逾期作明确的界定，因为业务形态不一样，可能每个公司都有自己一套合理的统计口径，也恰恰因为这种原因，导致逾期率无法真实的了解到一个公司信贷资产质量。

比如网贷机构声称逾期率是0，而银行逾期率在1%左右，消金公司逾期率在2%左右，互金公司基本都是5%以上，714高炮逾期率都能到达50%，似乎都不一样。

而逾期率作为评估金融平台运营状况、风控水平、资产质量的核心指标，一定程度上关系到公司收益甚至生死存亡。

所以了解逾期率的统计口径，对一个风控或者高管来说，是非常有必要的。

03.逾期的统计口径

结合开篇逾期的定义，即借款人在规定的时间内未足额偿还本金或利息，也有公司称为“违约率”，叫法不一，代表的意思都一样。

但每个公司对于逾期的定义又不一样，比如银行的贷款，只要在规定的还款日未还款，就会判定逾期；而信用卡机构则是客户在下个账单日之前未还款，就会判定逾期；还有的公司会设定宽限期，比如1天，3天，7天不等，再次期间未还款，均不算逾期，其目的就是让还款更加弹性，避免客户忘记存款等情况出现。

不过这并影响我们来讨论逾期的统计口径，干货来了。

假设我们基于信贷的业务场景，只要当天未还款即定义为逾期。

（1）Coincident DPD % （ Coincident Days Past Due 即期逾期率）

一般都简称为逾期率，即指当前时间点，在贷余额中逾期剩余本金的占比，计算公式如下：

这是目前最传统的统计口径，也是金融机构向监管单位汇报逾期率最常规的口径。但这个统计口径会存在失真现象，为何这么讲？

比如2020年，前4个月，在贷余额为2000万元，逾期剩余本金为100万元，而高管宣布在5月份增加贷款额，于是乎一个月放出去8000万，这时候如果统计逾期率，相当于5月份的业务还没有进入表现期，根本无法判断其好坏，但是根据公式定义，也算在贷余额。所以逾期率从原来的5%（100/2000）降到了1%（100/1000），无形之中稀释了坏账，导致逾期率失真，无法准确的判断信贷资产质量。

同理，如果在5月份，高管突然宣布暂停业务呢，随着正常客户还款，在贷余额越来越少，而分子基本不变，这样会导致逾期率不断上升，甚至到最后成为100%，即存量客户全为坏客户。这种情况就在我之前的单位发生过，那逾期率高的，不忍直视。

只有在业务稳定发展情况下，这种统计口径才能较为真实的反应信贷资产质量。但一般公司的业务都会有淡旺季或冲刺阶段，所以报给监管机构可以采用这种方式来统计，而对于我们风控人员，如果想及时调整风控策略的话，就需要用更精准的方式（Vintage分析，后面会介绍）来统计。

（2）FPD % （First Past Due 首逾）

或许我们经常看到首逾，其就是首期逾期率，但不一定真的理解它的含义，首逾即表示放款后客户在首次还款日未足额偿还本金或利息，其计算公式如下：

分子：首期还款日并未还款的客户

分母：已过首期还款日的所有客户（未到第二期还款日）

首逾并未按照金额来计算，而是按照客户数来计算，why？

因为当贷款放出去以后，其实首次还款日是非常重要的，它能及时观察客户质量，如果首逾较高，则怀疑是否存在恶意欺诈行为，需要调取数据具体分析，寻找原因，调整策略。所以一般我们都需要根据首逾的指标来及时调整风控策略的，一旦发现欺诈团伙案例，需立即止损。

而首逾主要分析的是借贷主体，因此这就是为何按照客户数来计算的原因。

但还会存在一个问题，如果按照自然月来统计，月初和月末放出去的客户，其表现期也会相差一个月左右，例如1月份放款1000笔，只有等到2月底所有1月客户都过了首期还款日才能评估这批客户的质量，如果对于只有3期的产品来说，这时间就太长了。那怎么办？

那就分为四周（FPD7，FPD14，FPD21，FPD28）进行观测，分别统计该周的首逾，从而更快的了解客户情况，计算方式如下：

当然还可以根据实际业务情况来统计，比如FPD10，计算逻辑均相同。是不是觉得挺有意思的？哈哈~

正所谓道高一尺魔高一丈，随着技术发达，欺诈团队“水平”越来越高，甚至比风控策略人都懂风控，于是他们就会钻各种空子，尝试风控的阈值或规则。

比如他们会在前几期都表现正常，赢得机构的信任，再次期间利用其它客户获取更多的贷款，达到一定额度后，突然某一期，出现大量逾期并失联，这就大概率可以判定是团伙欺诈了。

所以在设定风控策略时，不能只看FPD%这个指标，还要同时看SPD，TPD等，如果业务周期比较长，可能需要观测的更久，这样才能发现更多欺诈风险。

SPD（Second Past Due），给它起个名字叫“首二逾”，即首期客户正常，第二期出现逾期；同理TPD（Three Past Due），给它起个名字叫“首三逾”，即前两其均表现正常，第三期出现逾期。

而计算方式跟FPD%类似，用文字不够直观，这里就不在赘述了，具体计算逻辑如下：

（3）Vintage分析

一般介绍这种分析法的时候，都会带上红酒，因为这种方法起源于红酒，通过不同的年份来评估红酒的好坏。可能我们中国人对红酒不是很理解，于是我们就说我们熟悉的白酒吧。

比如众所周知的茅台和五粮液，都有5年，10年，20年，30年各种口味，年份越久，证明白酒越好。现在如果拿一瓶茅台与一瓶五粮液比，你觉得哪个会更好？

其实没办法比，因为首先不知道白酒他们各自的年份，所以无法比较好坏。

如果还没理解的话，你就想象你跟老人赛跑，谁更快？

他们的逻辑都是一样的，评估要建立在同一个基础上，需要引入标准，即Month on book（MOB 账龄）。

结合上面的例子：5年的茅台跟5年的五粮液放在一起评估；获取老人在你现在年龄跑步的速度，再进行评估。

那在评估信贷资产，也是同样的道理，今年1月放的贷款，到4月已经有3个月的表现期，可充分评估客户好坏，从而知道信贷资产质量。而5月放的贷款，还未进行还款，故无法评估客户好坏。这也就是为何用传统的逾期统计口径会出现偏差的原因。

所以在实际过程中，需要以自然月为单位，计算不同月份（MOB1,MOB2,MOB3······）的逾期率，就得到所谓的Vintage表了，如下图所示：

x+代表逾期大于0天即统计

那Vintage分析对于业务有何意义呢

首先，能真实反映不同时期信贷资产质量，有利于风控策略的优化；

其次，将不同产品、不同期数分开来统计，可以优化产品，比如6期逾期最低，可以大力推广6期产品，又或3期逾期最高，可能就考虑停掉3期产品等等。

最后，终极目标还是帮助企业在正确的策略下，获得更多的利润，这是老板想看到的。

当然Vintage不只是基于月份来统计，还可以根据城市、年龄段的等来划分，分析的逻辑跟月份是一样的，这里就不赘述了。

04.结束语

以上就是本人对逾期率的理解了，在工作中会经常用到，所以希望大家在实际工作中慢慢体会它的内涵吧。

本人会不定期分享金融风控方面的知识，感兴趣的朋友，欢迎关注。