都是套路!风控统计指标的数字游戏，坏账率从10%秒变1%

手机上的财经电台

集图文快讯，视频直播，FM和付费频道的移动端产品，永无休止的24小时全球科技金融资讯直播

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:

表格 1 小王借款的现金流统计

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。

表格 2 按金融机构官方统计口径下小王借款的逾期情况

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。

表格 3 改良统计口径下的小王借款的逾期情况

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:

表格 4 改良统计口径下的小王借款的坏账率

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:

表格 5 假设小王将他人还款用于重复放贷

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。

(本专栏登载文章为"省呗"风控团队原创撰写，其文章著作权归省呗所有，如若摘编、转载或专业交流请联系pr@smyfinancial.com或0755-86522499，未经许可不得随意摘编、转载等。)

以上文字仅代表作者个人观点，并不代表金评媒立场，禁止转载。

乘风集

乘风集是省呗风险管理部设立的网络专栏，其核心成员来自银行和大型消费金融公司，平均风险管理经验超过十年，致力于打造基于大数据应用、模型、前沿科技的零售信贷风险管理体系。我们坚信同业交流，联防联控是风险管理中不可或缺的环节，因此我们开设了"乘风集"专栏，希望在分享我们风险管理经验的同时，促进与广大同行的交流，让国内风险管理可以"乘风破浪"，推动普惠金融的落地。