2.3.1　目標定義

在評分卡模型中，逾期的定義即為模型學習的目標，不同的逾期定義會導致模型適用的場景發生變化。對于銀行來說，通常M3+（歷史最大逾期天數超過90天）會被定義為逾期。而對于互聯網金融機構來說，由于貸款產品普遍期限較短，客戶的逾期表現就會暴露得更早，因而需要通過滾動率分析（Roll Rate Analysis）找出最適合的逾期定義。滾動率分析通過觀察客戶在各個貸款狀態間的轉移概率提前找出穩定的逾期定義。

以某互聯網金融平臺現金貸產品為例，觀察2017年7月至2017年12月期間每個月借據單的逾期狀態分布，如表2-5所示。

表2-5　某互聯網金融平臺逾期狀態分布表

根據每個月的逾期狀態，可以計算出每個月借據單的滾動率，如表2-6所示。例如2017年7月M1—M2的滾動率為2017年8月M2筆數除以2017年7月M1筆數，即252/1470=17.14%；2017年7月M2—M3滾動率為2017年9月M3筆數除以2017年8月M2筆數，即153/252=60.71%。

表2-6　某互聯網金融平臺滾動率分析表

從表2-6可知，該互聯網金融平臺客戶M2—M3和M3—M3+的滾動率均超過50%，說明一旦客戶逾期超過30天，很大概率會轉化為逾期超過90天，可以考慮將M1+（歷史最大逾期天數超過30天）定義為逾期。