主要目的在於清晰厘定這幾個概念的定義與主要用途，避免經常使用，卻經常混淆。
知乎“求是汪在路上”真大佬，幹貨多多，樂於分享，獲益良多。比其他發點皮毛後就營銷課程的強百倍，見賢思齊，希望我的壹些文章也可以幫助到大家。
MOB ，month of book，Vintage分析的基礎指標，資產放款月份為基準月（ Benchmark ）。
Vintage ，賬齡分析，用以分析賬戶成熟期、變化規律等，通過放款賬齡觀察客戶的逾期情況， 即觀察逾期率隨著賬齡增長的變化趨勢（累計值） 。逾期定義采用ever口徑，不存在回退問題。
計算口徑通常有兩種，訂單口徑或金額口徑，建議至少查看壹些違約客戶的平均月本金還款和總體客戶的月本金還款，會清楚口徑的差異，不同風控目的、業務階段可采用不同的口徑。
訂單口徑，逾期率 = 逾期訂單數 / 總放貸訂單數；金額口徑，逾期率 = 逾期剩余本金 / 總放貸本金 。
觀測時間的口徑也有兩種，統壹在每個月末時點觀測（Month end）、每筆借款的到期還款日後第壹天觀測（Cycle end）。
實踐中，為了對不同期數的產品進行比較，會將橫軸賬齡改為貸放進程（已進行期數\總期數），將不同期數的產品標準化比較。
遷移率 ，Flow Rate，用以定義賬戶好壞程度，能形象展示客戶貸款賬戶在整個生命周期中的 變化軌跡 。可計算整體資產在不同還款月份的遷移率（運營）、不同放款月份在不同還款月份（表現期）的遷移率。
其核心假設為：處於某壹逾期狀態（如M2）的賬戶，壹個月後，要麽從良為M0賬戶，要麽惡化為更壞的下壹個逾期狀態（如M3）。
遷移率 = 前壹期逾期金額到下壹期逾期金額的轉化率，如：
M0-M1 = 當月進入M1的貸款余額 / 上月末M0的貸款余額
M2-M3 = 當月進入M3的貸款余額 / 上月末M2的貸款余額
或對壹段時間的放款客戶進行觀察，通過足夠長的表現期後，客戶由某個逾期狀態進壹步逾期的情況。 最清晰的觀察期壹般是壹個月，表現期則可視信貸產品周期選擇 ，如分6期的產品可以看4個MOB後的表現。
實踐中，可進壹步考慮逾期回沖問題，由於各bucket的催收人員只負責將該階段的金額催回，剩余款項即會全額回沖前壹階段，會追求優先處理小額、易於處理的案件，真正高風險的大額案件優先級反而較低，較易進壹步跌落。
滾動率 ，Roll Rate，用以分析不同逾期狀態之間的轉化率，從某個觀察點之前的壹段時間（觀察期）的最壞的狀態，向觀察點之後的壹段時間（表現期）的最壞的狀態的發展變化情況。滾動率可以在廣義上理解為累計遷徙率（遞延率，accumulate flow through%）。
為了排除觀察點選擇時的隨機影響 ，壹般會選擇多個觀察點。
即期指標 ，coincidental，當月不同逾期期數的貸款余額/當月底總貸款余額，逾期率Coin(M1+)%=當月M1?M6貸款余額/當月底貸款余額(C-M6)，適合業務總量波動不大的情況下觀察資產質量。
遞延指標 ，lagged，精準溯及逾放源頭適用，區別是lagged的分母為產生逾期金額的那壹期的應收賬款，觀察的是放貸當期所產生的逾期比率，所以不受本期應收賬款的起伏所影響。Lagged(M1)%=當月M1的貸款余額/上個月底時點的貸款余額；Lagged(M4)%=當月逾期期數為M4的貸款余額/往前推四期的貸款余額。
1、Vintage
確定資產質量與成熟期：產品逾期率, 壹般指逾期趨勢(曲線)穩定後的逾期率，該賬齡可用於定義好壞客戶的表現期。
資產變化規律： 資產質量的變化情況，如果前幾期上升快，說明短期風險未被捕獲，欺詐風險高。如果曲線壹直上升，說明信用風險識別能力不佳。
分析影響因素：逾期率的變化可能受到風控政策收緊放寬、監管政策的調節、市場供需季度性變化、客群質量等不同因素的影響，分析影響原因可以用於指導風控政策的調整。
可能得到的結論：賬齡最長為12個月，代表產品期限為12期；賬齡MOB1、MOB2、MOB3的逾期率都為0，說明逾期指標為M4+（逾期超過90天）風險；由放貸月份從2018年1月～12月的賬戶的最終逾期率都在降低，說明 資產質量在不斷提升 ，可能是因為風控水平在不斷提升；2018年5月相對於2018年1～4月的逾期率大幅度下降，說明該階段風控策略提升明顯；不同月份放款的M4+在經過9個MOB後開始趨於穩定，說明 賬戶成熟期是9個月 。
亦可比較相同MOB狀態下不同月份的變化趨勢，進行運營分析。
2、遷移率
示例1，下圖為月度明細數據及計算後的遷移率。
橫向比較每個月的相同口徑的遷移率（如M0-M1），可以觀察遷移率的發展軌跡，監控壞賬的發展傾向和催收效果。
示例2，下圖是壹個短期產品在2019年4月的放款， 觀察期4個MOB後的逾期狀態遷移情況 。左側為歷史逾期天數，右側為首次逾期天數。
歷史無逾期的客戶，82%依然保持不會逾期，18%出現逾期情況；歷史逾期(0,7]天的客戶，73%會還款，27%進壹步逾期；歷史逾期(7,15]天的客戶，36%會還款，65%進壹步逾期；歷史逾期(15, 30]天的客戶, 19%會還款，71%進壹步逾期，說明這個階段的客戶還款意願已不再強烈；歷史逾期M1+的客戶，11%會還款，89%進壹步逾期；歷史逾期M2+的客戶，3%會還款，97%進壹步逾期。
此時如果樣本量足夠，可以將壞客戶定義為Ever M2+@mob4（壹般是先滾動率定義好壞、在定義Vintage成熟期）。
3、滾動率
選擇觀察點為2018年6月30日，我們取10,000個客戶作為研究對象，統計該10,000個客戶從觀察期到表現期的最大逾期狀態的變化情況。
我們可以發現以下規律：逾期狀態為M0的客戶，在未來6個月裏，有96%會繼續保持正常狀態，4%會惡化為M1和M2；逾期狀態為M1的客戶，未來有81%會回到正常狀態，即從良率為81%，有7%會惡化，13%會保持M1狀態；逾期狀態為M2的客戶，從良率為23%，有39%會惡化為M3和M4+；逾期狀態為M3的客戶，從良率為14.7%，有60.7%會惡化為M4+；逾期狀態為M4+的客戶，從良率僅為4%，有80%會繼續保持此狀態。
因此，我們認為歷史逾期狀態為M4+的客戶已經壞透了，定義壞客戶為：壞用戶（bad）= 逾期狀態為M4+（逾期超過90天）
實踐中，我司使用遷移率代替滾動率定義好壞客戶，具體的差異、優劣待考慮（ debug ）。定義目標變量Y的具體操作步驟為：
step 1.? 利用滾動率分析定義壞客戶，例如上文案例中定義：M4+為壞客戶。
step 2.? 以M4+作為資產質量指標，統計Vintage數據表，繪制Vintage曲線。目的是分析賬戶成熟期，例如上文案例確定：賬戶成熟期是9個月。
Bad = 賬戶經過9期表現期後，逾期狀態為M4+（逾期超過90天）， ；Good = 經過9期表現期，但未達到M4+逾期狀態， ； Intermediate = 未進入9期表現期，賬戶還未成熟，無法定義好壞，也就是不定樣本（ 灰色樣本剔除 ）。
附，參考資料 ：
1、信貸風控中Vintage、滾動率、遷移率的理解，/p/81027037
2、互聯網金融中需要關註的風控逾期指標有哪些，/question/51583052/answer/153234607
3、風控建模Y定義視角的Vintage與Flowrate，/p/01c7636859f2
4、互聯網金融時代消費信貸評分建模與應用，單良，茆小林著。