对于flow rate的深刻理解，以及可否用flow rate估计坏账

1.http://www.sohu.com/a/305129117_99917536这篇文章（我司部分人员也用了这个方法）中利用迁移率去估算坏账的方法只适用于信用卡或1期产品，不适合于多期产品，大多数flow rate的讲解中也是以信用卡的例子，比如

这个例子是1000个人，每人借10000，分10期，每期还1000。

201801放款，后续不放款。

1000万会滚到M3+ 860000，但是还款的只还了一期，后面还有很多剩余本金，这些剩余本金依然会滚到M3+，以此类推，有10个本金会转化成M3+，这是第一点。

第二点，这个方法的分母是某个月末的总资产，所以除以这个总资产并不是本金的loss rate，本金的loss rate是指我放了100万，损失了30万，这30万是来自于这100万，所以分母应该是全部放款本金，如果用某个月末的总资产那得到的就是这个月末资产最后产生坏账的比例，财务可以用此计算出拨备，但这个并不是loss rate。也就是说如果按照引文的方法，对于多期产品，是算loss rate，分子和分母都不对。如果算拨备，分子不对！

2.迁移率实际上假设了M0只能到M1，M1只能到M2，以此类推

但实际上，MX完全可以到M0也可以到M1，甚至一些处理部分欠款的情况，M3也会回到M2，都有可能！

3.那么对于产品是12期/18期这种多期的情况，是否可以用flow rate估计出坏账？

我们做了一个理想模型，考虑期数，还款方式，一系列的迁移率，年化利率(会影响等额本息的本金)，来计算坏账率。

再说两个概念：

单月情形是指，单独一个月的放款，观察这个月放款后续的flow rate。

多月情形是指，一般报表的形态，没有分离出每一个月。

单月的情形，我在一组等额本金还款造的数据，和等额本息真实数据上进行了实验：

在造的数据上

实际40.72%的损失，理想模型模拟出来是43.16%的损失，造数据的方式是按照M0->M1:0.2,M1->M2:0.5,M2->M3:0.9,M3->M4:0.95的迁移率，但是假定跳出逾期bucket的case下一个月会重新会到M0或者M1，处理M2及以上逾期的，下一期只会回到M0，这样就得到了金额的迁移数据，利用金额的迁移数据计算出平均一个bucket到一个bucket的转换率，从而带入理想模型算的最终的损失，43.16%高于实际40.72%，原因主要是平均的方式，前期的转换实际是高于实际的转换，然而前期可以转换为坏账的本金又特别多，导致结果偏高。

在等额本息真实数据上

实际是19%的损失，理想模型模拟出来是26.54%的损失，相差较大，原因我觉得有两个：

（1）造的数据，比如12期的产品就是有12个本金有机会滚到坏账，但是真实数据，由于第一期还款离放款日比较近(比如10天)或者展期的原因，有14个本金会滚到坏账，而理想模型会认为是12个，这里存在一定偏差

（2）这个原因类似于模拟数据上的实验，在这份真实数据中，早期迁移率很低，但是被平均拉高，导致计算出来的坏账率较高

多月的情形：

多月的情形，就是不把每个放款月分离出去的常规情形，这个情形下，我有一份真实的数据，我用这个数据得到平均flow rate，用这个数据估算某一月的坏账率，仍然不是太准确，原因应该还是早期实际flow rate被平均的问题。

如果用整体的平均迁移率是否可以估计当前资产的坏账率（也就是假设后面不再放款），几乎上做不到，情形很复杂，最后个月的C，包含了不同的期数，有的还要滚12次，有的滚1次，逾期bucket里面又有些会恢复，可以按照不同的放款月份分解，但如果再加上不同期数12/18/24/36很难计算，而且用平均迁移率还是存在问题。

所以可以说用平均都有这样一个问题，倒不如每个vintage放款，mob1到mob2的M0->M1 flow rate做平均，然后理想模型就更复杂了，这样估计出来应该比较准确，解决了这样一个缺陷

4.我们业务中好用的还是vintage分析，预估坏账，还是趋势预估法

5.回收率不等于1-flow rate

比如201712有100个产生1天逾期，20171231统计，40个处于M1，40个里面，第二期到期前又回收了20个，20个第2期逾1天，第2期逾期到月末又回收2个，月末处于M2的是18个，这个时候回收率是80/100，而flow rate是18/40, flow rate来算回收就是1-18/40

6.那flow rate有什么用（多期数产品的情况）？

我觉得没什么用，就看看每个月资产结构的变化

是否可以确定坏客户定义？看M几后稳定？M几本身是个区间，而我定义坏要精准到XX天，如上，不如用回收率