信贷风控实战指南：Vintage分析表从数据建模到风险洞察

最新推荐文章于 2026-08-20 09:33:41 发布

原创

最新推荐文章于 2026-08-20 09:33:41 发布 · 282 阅读

1. 从零开始：为什么Vintage分析是信贷风控的“定盘星”？

干了这么多年风控，我见过太多团队在数据海洋里打转，报表做了一大堆，但问到“我们这批去年6月放的款，现在风险到底怎么样了？”时，往往只能得到一个模糊的“还行”或者“有点恶化”。这种凭感觉的判断，在业务规模小的时候或许能蒙混过关，一旦盘子做大，分分钟就是真金白银的损失。而Vintage分析，就是把你从这种“感觉式”风控中拯救出来的关键工具。它不是一张普通的报表，而是信贷资产全生命周期的“体检报告”和“成长日记”。

简单来说，Vintage分析的核心思想是“同生共死，横向比较”。想象一下，你把每个月放出去的贷款看作一个独立的“出生队列”（Cohort），比如“2023年1月出生队”、“2023年2月出生队”。然后，你持续追踪每个“队列”在出生后的每一个月（也就是账龄MOB）的表现，比如逾期率、坏账率。这样一来，你就能清晰地看到：一月份的贷款在放款后第3个月（MOB3）的逾期情况，和二月份的贷款在MOB3时的逾期情况，孰优孰劣？我们新上的风控策略，到底有没有让资产质量变好？

我刚开始接触时也觉得概念有点绕，但后来想通了，它其实就像农民种地。你不能只看今天收获了100斤粮食就高兴，你得知道这是哪块地、什么时候种的、生长过程中经历了什么。Vintage分析就是帮你把每一批“种子”（贷款）从播种（放款）到各个生长阶段的表现都记录下来，从而判断土壤（市场环境）、肥料（风控策略）和气候（经济周期）到底产生了什么影响。没有这个，你的风控就是“靠天吃饭”。

对于数据分析师或者风控策略同学来说，掌握Vintage分析，意味着你拥有了穿透时间迷雾、洞察风险本质的能力。你能回答老板最关心的几个问题：我们的资产质量是在变好还是变坏？新策略上线到底有没有效？不同渠道、不同产品线的风险差异有多大？未来的坏账大概会是多少？这篇文章，我就把自己从数据表设计到风险洞察的全流程实战经验，掰开揉碎了讲给你听，保证你跟着做一遍就能上手。

2. 地基要牢：设计能“活”过来的借据与还款计划表

所有高级的分析都建立在干净、准确、结构合理的基础数据之上。Vintage分析也不例外。很多团队跑出来的Vintage曲线诡异跳动，追根溯源，八成是底层数据表设计有坑。这里我分享两个核心表的设计心法，它们不是冷冰冰的数据容器，而应该能真实反映业务的“心跳”。

2.1 借据表：每一笔贷款的“身份证”

借据表，记录了一笔贷款从诞生那一刻起最核心的静态信息。你可以把它想象成一个人的身份证，出生日期、籍贯等基本信息一旦确定就不再改变。在设计时，最关键的是想清楚哪些信息是“终身不变”的。

-- 这是我常用的一个借据表结构，字段解释我都写在后面了
CREATE TABLE IF NOT EXISTS dm_risk.loan_order (
    loan_no          STRING   COMMENT '借据号，全局唯一主键，相当于身份证号',
    cust_id          STRING   COMMENT '客户ID',
    product_code     STRING   COMMENT '产品代码，如“消费贷-12期”',
    channel_code     STRING   COMMENT '进件渠道代码，用于分析不同渠道风险',
    loan_date        DATE     COMMENT '放款日期，Vintage分组的核心依据！',
    loan_term        INT      COMMENT '总期数，如12期',
    loan_prin_amt    DECIMAL(18,2) COMMENT '贷款本金总额',
    loan_int_amt     DECIMAL(18,2) COMMENT '贷款总利息',
    loan_fee_amt     DECIMAL(18,2) COMMENT '其他费用总额',
    year_rate        DECIMAL(8,4)  COMMENT '年化利率',
    repay_mode       STRING   COMMENT '还款方式，如“等额本息”、“等额本金”、“先息后本”',
    first_due_date   DATE     COMMENT '首期应还日，用于计算账龄MOB的另一个锚点',
    loan_status      STRING   COMMENT '借据状态：正常、逾期、结清、核销等',
    settle_date      DATE     COMMENT '最终结清/核销日期',
    create_time      TIMESTAMP COMMENT '记录创建时间'
) COMMENT '贷款借据主表';

这里我踩过一个坑：早期我们只记录了loan_date（放款日），但有些产品是放款后下个月才首期还款。直接按放款日算MOB，会导致所有贷款的“第一个月”实际上都没有还款行为，风险曲线起点失真。后来我们加上了first_due_date，在计算表现期时就更精准了。记住，任何可能影响时间轴计算的字段，都要慎重考虑并留好。

2.2 还款计划表：贷款生命的“心电图”

如果说借据表是身份证，那还款计划表就是动态的“心电图”，每一笔还款、每一次逾期都是一次心跳。它的设计直接决定了你后续计算逾期、剩余本金的复杂程度。

CREATE TABLE IF NOT EXISTS dm_risk.repay_plan (
    plan_id          STRING   COMMENT '计划明细ID，主键',
    loan_no          STRING   COMMENT '关联借据号',
    term_seq         INT      COMMENT '期序，从1开始',
    due_date         DATE     COMMENT '应还日',
    due_prin_amt     DECIMAL(18,2) COMMENT '当期应还本金',
    due_int_amt      DECIMAL(18,2) COMMENT '当期应还利息',
    due_fee_amt      DECIMAL(18,2) COMMENT '当期应还费用',
    due_total_amt    DECIMAL(18,2) COMMENT '当期应还总额',
    repay_date       DATE     COMMENT '实际还款日',
    act_prin_amt     DECIMAL(18,2) COMMENT '实际偿还本金',
    act_int_amt      DECIMAL(18,2) COMMENT '实际偿还利息',
    act_fee_amt      DECIMAL(18,2) COMMENT '实际偿还费用',
    act_total_amt    DECIMAL(18,2) COMMENT '实际偿还总额',
    overdue_days     INT      COMMENT '当前逾

标签