信贷资产贷后风险监控与逾期迁徙预警
案例介绍
• 数据建模与监控：使用SQLite/SQL完成多表连接、CTE及LAG、累计窗口与滚动统计，构建MOB、FPD30、M1+/M3+、Vintage、Roll Rate及Cure Rate，并设置组合异常、M0→M1迁徙和细分客群三类预警。
• 工程化交付：在10,000笔贷款、253,991条月度记录的可复现合成压力情景中，识别组合M1+较基准上升3.80个百分点；定位M0→M1上升1.58个百分点、M1→M2上升9.27个百分点及M1修复率下降12.59个百分点为主要恶化路径，D层M3+达到组合的2.09倍。完成11项单元测试与7项数据质量检查，自动输出SQLite数据库、9张指标/诊断表、6张图表及风险简报，并实现Freddie Mac正式数据适配器。
信贷资产贷后风险监控与逾期迁徙预警
案例介绍
项目背景与目标：针对贷后资产账龄不可比、逾期状态变化难追踪的问题，搭建贷款发放—月度表现数据集市及组合、Vintage和细分客群风险监控体系。
• 数据建模与监控：使用SQLite/SQL完成多表连接、CTE及LAG、累计窗口与滚动统计，构建MOB、FPD30、M1+/M3+、Vintage、Roll Rate及Cure Rate，并设置组合异常、M0→M1迁徙和细分客群三类预警。
• 工程化交付：在10,000笔贷款、253,991条月度记录的可复现合成压力情景中，识别组合M1+较基准上升3.80个百分点；定位M0→M1上升1.58个百分点、M1→M2上升9.27个百分点及M1修复率下降12.59个百分点为主要恶化路径，D层M3+达到组合的2.09倍。完成11项单元测试与7项数据质量检查，自动输出SQLite数据库、9张指标/诊断表、6张图表及风险简报，并实现Freddie Mac正式数据适配器。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
