【专栏】都是套路!风控统计指标的数字游戏,坏账率10%秒变1%

乘风集 · 零壹财经 2017-03-20 阅读:694

最近看到了两条对比鲜明的新闻:
 

新闻1 某家P2P平台在最近一次新闻发布会中,宣布自己信贷业务的坏账率仅为0.60%,风险表现良好。

新闻2 银监会非银部主任毛宛苑在第87场银行业例行新闻发布会上表示,截至2016年9月末,消费金融公司行业平均不良贷款率4.11%,贷款拨备率4.18%,风险处合理可控范围。



众所周知,隶属银行系的消金公司,作为正规军,风控能力无论如何都不会逊色于爆发式增长的民营P2P,为何P2P的风险指标仅有银行系消金的七分之一(0.60%/4.11%)?

其实,都是套路,通过调整统计口径,玩弄数字游戏的方式,10%的坏账率可以轻松包装成1%甚至更低。我们通过具体案例来分析下(长文干货,心急的客官可以一拖到底直接看结论)。

我们先通过案例了解下官方风险指标的常规定义。

案例:

小王于2017-1-1,分别借给小刘1万元,借给小张2万元,约定每月1日归还本金的10%(即小刘1,000元,小张2,000元),分10个月还清,首次还款日为2月1日。

在接下来的四个月,小刘始终拖欠还款,小张基本每月按时还款,但在5月因出差忘记还款,下表就从现金流的角度来做了一张表格:


现在问题来了,在2017年2月的时候,逾期金额究竟是多少呢?是1,000元?

我们先来看看银行的官方统计口径是什么:“一旦发生逾期,剩余未还部分都会计入逾期分类”。这个方式被纳入中国人民银行、银监会的管理范畴内的各家银行、大型持牌的金融机构等普遍采用的统计口径中。

按照这个口径,很明显小王的借款在2月的时候逾期金额已经达到了10,000元而不仅仅只是1,000元这么一个小小的数字。表格1的状况进一步变化为了表格2。


看完表格2,可能大家会觉得小王的这两笔借款好悲催,3万元的借款,第二个月就有1万元(33%)的可能损失;有些看官可能会有个疑问,在2月的时候虽然小刘一个月没有还钱,但小刘接下来是否还钱还是未知,用这样的统计口径是否过于悲天悯人了呢?

其实金融机构的统计口径还有更深层次的标准。

评价风险水平,往往采用比例型指标,如逾期率、不良率、损失率等。根据中国人民银行《贷款风险分类指导原则》,将贷款分为正常、关注、次级、可疑和损失五类,其中后三类合称为不良贷款,因此仅不良率、损失率有官方定义,即:

不良率 = 逾期91天以上贷款余额/当前未偿贷款余额

损失率 = 逾期181天以上贷款余额/当前未偿贷款余额


在案例中,小刘于2月未能还款,但由于逾期未满91天,故不良率保持为0,直至2017-5-2,距离小刘首笔逾期满91天,才能计入次级类贷款,此时小张虽然也发生了逾期,但逾期时间不满91天故仅小刘的余额10,000元计入不良率分子,此时不良率=10,000 / (10,000 + (20,000 – 2,000*3) )=41.67%;两笔借款逾期均未满181天,因此损失率=0。

在有金融机构官方统计口径的情况下,怎样模糊概念,“缩小”风险指标呢?

首先,很多机构或平台会给自己的风险指标编个模棱两可的名字,最常见的就是坏账率。以案例来讲,假设金融机构将坏账定义为逾期181天以上的损失率,那对外公布的坏账率就是0,完美隐藏了两笔贷、借款均处于逾期状态,其中1笔已经逾期超过91天的事实。

其次,对坏账率的分子变更统计口径,以到期未还金额替代本金余额,如下表所示。


经过这样一次替换,截止2017-5-1的坏账率分子就只剩4000元,较实际应计入不良的10000元瞬间缩水60%。在这种分子统计口径下,部分机构会同步调整分母为累计到期应还款额。到期应还款额示例如下:


可以看出,这种统计口径虽然较官方口径下降了8.34个百分点,但仍有一定参考价值。

对处于扩张期的机构,如果将分子变更为逾期1天或31天的到期未还金额,避免了快速增长的分母稀释,其统计意义可能比传统不良率更合适,省呗就曾经用过这种统计口径,分子取最严厉的逾期1天及以上。

但有些机构在使用了这种到期金额作为分子的统计口径后,分母采用了累计交易金额,此时坏账率=4,000/(10,000+20,000)=13.33%,较官方口径降幅接近30个百分点,指标具有严重的误导性。

为了进一步说明指标扭曲程度,我们在案例的基础上追加一些数据。假设小王不仅借给小刘与小张,还将小张的还款金额6,000元继续借给小李,共分6期,每期还款1000元,同样是每月1日还款:


此时累计交易金额=10,000+20,000+6000=36,000元,以该累计交易金额作为分母的坏账率=4,000/36,000=11.11%,较官方口径的41.67%下降了整整30.56个百分点,如果小王持续将回笼的资金用于放贷,坏账率就能不停的被稀释。

总结

比较一下本文提到的4种常见统计口径,同样的交易额与逾期情况,所谓的坏账率指标,最高达到41.67%,最低却只有11.11%。


开篇中新闻报道中所提到的某P2P公司,应该就是用口径4,也就是用历史累计的交易量,虚增风险指标的分母,而不是用实际的期末应收账款;同时故意忽略在借款周期内已经发生逾期的账款,仅统计已到期的逾期账款,刻意缩小风险指标的分子。一进一出,大大稀释了风险指标。你以为这个套路就结束了?

这个套路更深的地方,随着经营时间的增长,分母(累计交易量)会不断增加,坏账率指标就能不断的被稀释,甚至达到数十倍的稀释效果。

事实上,对风险指标口径的严谨程度,很大程度上代表着机构对风险管理的严谨程度。而偏好高风险业务的机构则常常使用“坏账率”,建议在关注或引用其风险指标的同时,要火眼金睛看清风险指标的分子分母,提高我们每一位对专业金融知识的认知程度。

1

相关文章

我来评论

评论“都是套路!风控统计指标的数字游戏,坏账率10%秒变1%”

取消 提交 请输入内容!

评论

  • 零壹财经金融科技百人谈

    零壹财经金融科技百人谈

  • 汽车金融新版图

    汽车金融新版图

  • 零壹智库新金融闭门会系列

    零壹智库新金融闭门会系列

耗时 2038ms