信贷风控NCL净损失率的指标实现与应用

在金融信贷业务的风险控制过程中，有一项财务指标发挥着比较重要的信息参考价值，可以有效衡量某个月份放款金额在形成呆账后的资金损失情况，其中呆账指的是信贷逾期180天以上，这个指标便是NCL（Net Credit Loss），代表信贷净损失率。NCL的取值越大，说明业务方在一定时间维度上呆账金额的损失越多，经过催收实现的回账金额越少，显然NCL有助于了解某时间周期内呆账资金的流转分布。本文将围绕指标NCL的定义逻辑，结合实例数据来详细介绍下NCL的具体实现过程。
首先来熟悉下净损失率NCL的计算公式，NCL=(当期呆账总金额-当期呆账回收金额)/呆账前应收金额。从时间窗口考虑，NCL在实际业务中经常采用NCL1、NCL3、NCL6、NCL12等维度，数值1/3/6/12代表月份周期，因此这里需要注意的是，NCL3需在3个月后才能观察数据表现，NCL6、NCL12等与之同理。NCL指标的实现过程主要包括月末在贷余额、迁徙率、平均迁徙率等环节，接下来我们围绕一份实际样本数据，以净损失率NCL3为例，介绍下指标的主要实现步骤。
1、月末在贷余额
在贷余额是指到以某一个时间节点为止，借款用户尚未归还金融机构的贷款总额，包括前期已违约逾期的金额，以及后续未到期且需要按期还款的金额，其中已逾期金额根据违约逾期时长可分为M1、M2、M3等，后续未到期待还款金额可称为C（或称M0）。因此，月末在贷余额Amt=C+M1+M2+M3+M4+M5+M6+(M7+)，其中Mn的具体含义为：M0（当前未逾期，或称C），M1（逾期1_{30天），M2（逾期31}60天），M3（逾期61_{90天），M4（逾期91}120天），M5（逾期121_{150天），M6（逾期151}180天），M7+（逾期180天以上，也称为呆账）。
根据以上月末在贷余额与逾期状态金额的定义逻辑，可以在时间维度上很容易的汇总出存量用户群体的在贷余额分布。为了便于针对本文重点NCL的分析，这里我们直接列出一份包含连续12个月份（202101~202112）的在贷余额分布，以及不同逾期状态的金额数据，具体如图1所示，我们将根据此样例数据来进一步推算指标NCL。
​
图1 在贷余额分布

2、月末迁徙率
迁徙率（Flow Rate）是指贷款从某一种状态向另一种状态变化的过程，具体来讲是由某一逾期阶段转移到下一逾期阶段的比例，以量化账户的好坏程度。在实际业务中，迁徙率经常用来作为催收绩效的指标，可以分析不同逾期状态之间的转化率，从而体现信贷催收的效率。根据不同逾期状态的等级划分（C/M1/M2/M3等），迁徙率指标可以包含不同阶段的转换，例如C→M1、M1→M2、M2→M3、…、M6→M7等，对应计算公式具体如下所示：
（1）C→M1：本月末时点M1的在贷余额 / 上月末时点C的在贷余额；
（2）M1→M2：本月末时点M2的在贷余额 / 上月末时点M1的在贷余额；
（3）M2→M3：本月末时点M3的在贷余额 / 上月末时点M2的在贷余额；
（4）M3→M4：本月末时点M4的在贷余额 / 上月末时点M3的在贷余额；
（5）M4→M5：本月末时点M5的在贷余额 / 上月末时点M4的在贷余额；
（6）M5→M6：本月末时点M6的在贷余额 / 上月末时点M5的在贷余额；
（7）M6→M7：本月末时点M7的在贷余额 / 上月末时点M6的在贷余额。
围绕图1展示的各月份在贷余额分布，现以月份202102为例，来分别算下从C至M7各在贷余额状态的迁徙率大小，具体过程与最终结果分别如下：
（1）C→M1：02月M1金额/01月C金额=79700/3058400=2.61%；
（2）M1→M2：02月M2金额/01月M1金额=40000/45400=88.11%；
（3）M2→M3：02月M3金额/01月M2金额=23400/32200=72.67%；
（4）M3→M4：02月M4金额/01月M3金额=19600/20900=93.78%；
（5）M4→M5：02月M5金额/01月M4金额=12100/14400=84.03%；
（6）M5→M6：02月M6金额/01月M5金额=9800/10700=91.59%；
（7）M6→M7：02月M7金额/01月M6金额=6300/7600=82.89%。

根据不同逾期状态的转化公式，可以很容易算出相应迁徙率的指标大小，其余月份与上同理，最终得到202102~202112所有月份不同阶段状态的迁徙率分布，具体结果如图2所示，其中202101月需要202012月数据故结果为空。
​
图2 迁徙率分布

3、平均迁徙率(3个月)
平均迁徙率（3个月）是按照上文列出的迁徙率公式，时间维度从单月份调整为连续3个月份，由于此指标需要满足3个月在贷余额的观察期，因此202101~202103月份是没有3个月平均迁徙率结果的。对于202104月份的不同状态C→M1、M1→M2、M2→M3、…、M6→M7，平均迁徙率(3个月)的具体计算过程与结果如下所示：
（1）C→M1：(2_{4月M1金额总和)/(1}3月C金额总和)=1.70%；
（2）M1→M2：(2_{4月M2金额总和)/(1}3月M1金额总和)=73.73%；
（3）M2→M3：(2_{4月M3金额总和)/(1}3月M2金额总和)=71.09%；
（4）M3→M4：(2_{4月M4金额总和)/(1}3月M3金额总和)=92.24%；
（5）M4→M5：(2_{4月M5金额总和)/(1}3月M4金额总和)=86.56%；
（6）M5→M6：(2_{4月M6金额总和)/(1}3月M5金额总和)=92.23%；
（7）M6→M7：(2_{4月M7金额总和)/(1}3月M6金额总和)=88.11%。

以上过程是选取202104月份数据，算出相应的3个月平均迁徙率取值结果，而对于其他月份202105_{202112与之同理，指标的具体数据分布如图3所示，其中月份202101}202103由于不满足前3个月观察期故结果为空。
​
图3 平均迁徙率(3个月)

4、滚动平均迁徙率(3个月)
滚动平均迁徙率是在平均迁徙率的基础上进一步得到的，虽然在细化维度上会区分C/M1/M2/M3等节点状态，但各维度的初始状态均为未逾期C，即C→M1、C→M2、C→M3、C→M4等。针对3个月的滚动平均迁徙率，我们这里以_NCL3_来表示，则各阶段状态滚动平均迁徙率的计算逻辑具体如下所示，其中C→M1(NCL3)代表从状态C到状态M1的3个月滚动平均迁徙率，C→M1(3)代表从状态C到状态M1的3个月平均迁徙率。
（1）C→C(NCL3)：100%；
（2）C→M1(NCL3)：C→C(NCL3) * C→M1(3)；
（3）C→M2(NCL3)：C→M1(NCL3) * M1→M2(3)；
（4）C→M3(NCL3)：C→M2(NCL3) * M2→M3(3)；
（5）C→M4(NCL3)：C→M3(NCL3) * M3→M4(3)；
（6）C→M5(NCL3)：C→M4(NCL3) * M4→M5(3)；
（7）C→M6(NCL3)：C→M5(NCL3) * M5→M6(3)；
（8）C→M7(NCL3)：C→M6(NCL3) * M6→M7(3)。

这里以202104月份的数据为例，来分别算下C→M1(NCL3)、C→M2(NCL3)、C→M3(NCL3)等各阶段状态的滚动平均迁徙率，具体过程与结果如下所示：
（1）C→C(NCL3)：100%；
（2）C→M1(NCL3)：100% * 1.70% = 1.70%；
（3）C→M2(NCL3)：1.70% * 73.73% = 1.25%；
（4）C→M3(NCL3)：1.25% * 71.09% = 0.89%；
（5）C→M4(NCL3)：0.89% * 92.24% = 0.82%；
（6）C→M5(NCL3)：0.82% * 86.56% = 0.71%；
（7）C→M6(NCL3)：0.71% * 92.23% = 0.66%；
（8）C→M7(NCL3)：0.66% * 88.11% = 0.58%。

根据以上实现过程，可以得到202104~202112月份的滚动平均迁徙率(3个月)结果，具体分布如图4所示。
​
图4 滚动平均迁徙率(3个月)

5、净损失率NCL3
通过以上滚动平均迁徙率的结果，接下来便可以很容易推算出我们想要的净损失率NCL3指标，其公式为：NCL3=12*[C→M4(NCL3)]/[(C→C(NCL3))+(C→M1(NCL3))+(C→M2(NCL3))+(C→M3(NCL3))]。以202104月份为例，净损失率NCL3=(12*0.82%)/(100%+1.70%+1.25%+0.89%)=9.5%。按照此逻辑过程，可以得到202104~202112月份的净损失率NCL3指标结果，具体数据如图5所示，相应的可视化分布如图6所示。
​
图5 净损失率NCL3

图6 NCL3分布趋势

由上图各月份NCL3的分布结果可知，随着时间月份的推移，净损失率NCL3整体呈现下降的趋势，说明业务在各月份的呆账回收方面有一定好转。此外，若获取NCL6等其他维度的净损失率指标，可以同理按照以上实现过程，调整时间窗口的长短即可。综合以上内容，我们围绕具体的实例数据，完整介绍了净损失率NCL3的加工过程，并从最终分布结果，可以较直观的了解到信贷业务的净损失情况，这对于把握业务的宏观发展趋势与微观月份表现，具有非常重要的信息参考意义。
关于本次NCL内容，我们在知识星球平台也分享了相关数据供各位童鞋了解，详细内容可以参阅相关内容贴:
​

…

~原创文章