1. 逾期率是什么，逾期率怎么算，逾期贷款率计算公式
逾期贷款率，是指逾期贷款占全部贷款的比例，是用于反映贷款按期归还情况，它是从是否按期还款的角度反映贷款使用效益情况和资产风险程序。（详情了解更多溧阳房产中介做抵押贷款可点击查看）监控逾期贷款率，目的是促进银行对逾期贷款尽快妥善处理。
逾期贷款率计算公式
可按期末余额和平均余额计算，其公式如下：
期末逾期贷款率=期末逾期贷款余额/期末贷款总余额
平均逾期贷款率=全期逾期贷款平均余额/全期贷款平均余额
2. 如何根据用户的信用卡账单信息建立贷款逾期预测模型
信用卡用满一年半以上，没有逾期可以做卡贷
3. 贷款逾期60天银行应该采取什么模型
贷款逾期60天，那么银行会给贷款人打电话，让贷款人还款，如果贷款人长时间不还款的情况下，银行有可能会采取法院诉讼的方式。
关于贷款逾期。
贷款逾期有短期，也有长期，因逾期的时长不同，后果也不一样。可大多数人对贷款逾期却又存在诸多认知误区，直到酿下严重后果才发现悔之晚矣！
贷款短期逾期及后果
不同资金机构对短期逾期的时间界定有所不同。针对短期逾期，各机构一般不会采取强制手段，会进行还款提醒及催收，其后果是：
1、高额罚金和违约金
贷款逾期后，还款时除了要归还利息和本金外，还需要缴纳高额罚息和违约金。
2、留下个人征信污点
征信报告上会留下逾期记录，即便还款后，逾期记录也会保留5年。逾期记录将会影响逾期者后续几乎所有金融活动。
3、收到短信电话催收
放款机构会不间断地发短信、打电话对逾期资金进行催收，告知借款人逾期的严重后果，责令借款人限期归还逾期本息。
贷款长期逾期及后果
一般来说，逾期超过90天会被放款机构视为恶意逾期。银行针对超过90天以上的恶意逾期，无论数额大小，都可以起诉追收。法院判决后，向社会公布失信被执行人（老赖）信息，限制其高消费、限制乘飞机高铁等。
由于现在监管局越来越严格，网贷平台也越来越规范加严格，不少网贷现在都是上征信的，所以征信记录是各位借款人都很关心的问题，今天我就来给大家科普一下网贷征信的知识，希望对大家有所帮助。
一．网贷征信记录处理非常“人性化”；
网贷征信相比传统银行要人性化很多，也就是会给因一时疏忽的非故意逾期，一定的宽限时间，但如果你长时间拖欠，就会很容易存在借款人的污点记录，这在征信体系中也是有重点提醒，对个人影响十分严重！
二．银行贷款违约不良征信记录保存期限5年
根据《征信业管理条例》规定，征信机构对个人不良信息的保存期限，自不良行为或者事件终止之日起为5年。不良记录在还清本息、违约金之后，超过5年，其它银行将查询不到。值得注意的是，目前信用污点仍会一直保存，直至贷款结清。所以大家一定要珍惜自己的信用记录。
三．信用卡逾期不良信用记录保存期限2年
信用卡还款信息会被央行征信系统滚动记录24个月，如果销卡，记录会长时间保存下来。因此，建议信用卡用户还清欠款后继续用卡两年，期间保持信用良好，就能靠滚动记录把不良记录从征信系统里去掉。
以上三种都是建立在短期违约的情况下，如果逾期太久，逾期信息已被上传到人行，那就还清债务，等待5年之后系统自动消除吧。
4. 逾期率是什么，逾期率怎么算
逾期率即逾期贷款率，是指本期贷款余额中逾期贷款余额所占比重。逾期贷款率是用于反映贷款按期归还情况，它是从是否按期还款的角度反映贷款使用效益情况和资产风险程序。逾期贷款率计算公式：
1、期末逾期贷款率=期末逾期贷款余额/期末贷款总余额
2、平均逾期贷款率=全期逾期贷款平均余额（实际逾期额）/全期贷款平均余额
通常造成逾期贷款的主要原因有：拖延工期，停缓建，建成后不能使用，投产后经济效益低、无还款能力，非常损失和不同意归还等。一般情况下，逾期贷款率不应超过8%。该比率越低，贷款回收本金的情况越好，资金的使用效率越好，资产的风险程度就越低，反之亦然。
(4)用户贷款逾期预测模型扩展阅读
逾期贷款数据最大的特点是绝对客观，银行放出去的贷款，贷款人一旦无法按时还本付息，就成了逾期贷款，贷款逾期是客观事实，只要它发生，就会出现在银行的财务报表中被统计到期贷款中，从而逾期贷款最大可能的剔除了主观性。
逾期贷款的这一特征，为我们提供了一个观察银行不良贷款变化趋势的最客观的指标。逾期贷款是不良贷款的先兆，逾期贷款的变化特点以及走势是预测不良贷款的观察窗口。不良贷款较年初增加较多的部分银行，同期逾期贷款也增加较多，未来面临的资产质量压力也更大。
如果企业有过到期未完成还款的贷款，就会对企业的信用度造成不良的影响，这种影响会影响企业在整个银行信贷系统的再次贷款。
5. 大数据风控用了什么模型有效性如何
大数据风控的价值已经不用再多介绍了。这已经成为互金公司的核心竞争力，也是互金区别于传统金融的重要特征。互金公司能够为传统金融机构所不能服务的人群提供普惠金融服务，基于大数据的风控手段功不可没。通过全方位收集用户的各项数据信息，并进行有效的建模、迭代，对用户信用状况进行评价，可以决定是否放贷以及放贷额度、贷款利率 。
相比于传统金融的风控模式，大数据风控可以通过机器的大规模数据运算，完成大量用户的贷款申请审核工作，提升工作效率。传统金融的审核由人工完成，效率会相对有限；大数据风控可以针对业务运行中出现的新情况、新数据进行快速迭代，增强模型的有效性；机器和软件可以“24*365”模式工作，摆脱工作时间的限制。
互金公司发力大数据风控
目前很多互金公司都在做大数据风控，虎嗅之前的文章对BAT在消费金融业务进行盘点时总结了BAT在大数据风控方面的技术。京东也有相关的布局。
BATJ的大数据风控技术
除了BATJ这样的大公司，近年来新兴起的已经具备一定规模的互金公司也大力布局大数据风控，以网贷公司和贷款搜索平台为主，大多推出了相关的大数据风控技术体系。
国内部分网贷公司与金融搜索公司的大数据风控技术
除此之外，还涌现了不少做大数据风控技术的金融科技公司，开发大数据反欺诈模型和信用评估模型，向资金端或资产端有资源的金融企业输出技术。这类企业也不断获得资本青睐。统计显示，近四个月内，至少有8家做大数据风控技术输出的公司获得融资，其中九次方大数据、51信用卡、用钱宝都已融到B轮以上。
从BAT这样的大公司，到互金领域的创业公司，都在着力研发大数据风控技术。大数据风控的价值可见一斑。
大数据风控具体是怎样的？
大数据风控模型的构建，包含了明确模型目标、定义目标变量、确定样本、确定分析技术、构建模型、模型初步验证、数据处理、模型迭代等环节。我们专访了用钱宝CEO焦可等业内人士后发现，核心工作包括三方面，即获取数据、建立模型、模型在实践中优化、迭代。
数据的来源
对于大数据风控业务而言，数据来源主要包括几部分：
一是用户申请时提交的数据信息，如年龄、性别、籍贯、收入状况等，这些数据可以了解用户的基本情况，验证用户的身份；
二是用户在使用过程中产生的行为数据，包括资料的更改、选填资料的顺序、申请中使用的设备等，可以通过用户的行为来进行特征挖掘；
三是用户在平台上累积的交易数据，如果公司运营比较久的话，可以累积比较多的用户借款相关数据，这类数据对于判断用户信用会有很高的价值；
四是第三方数据，包括来自政府、公用事业、银行等机构的数据，以及用户在电商、社交网络、网络新闻等互联网应用上留存的数据。这类数据可以从多角度展示用户的特征，利用这些数据进行建模分析，可以找出不同特征与信用水平之间的相关性。
6. 小额贷款逾期账龄m1 m2 M3 各代表 什么意思
这里的“m”其实是英文“Months”的首写字母，翻译成中文即“月”，所以“m1、m2、m3”是表示一个时间段。 “m1”所指的时间段是“未还款的第二个账单日到第二次账单的最后还款日之间”。在这个时间段内，银行采取的是提醒式催收，并且对未还款项进行罚息，收取滞纳金。 “m2”所指的时间段是“未还款的第三个账单日到第三次账单的最后还款日之间”。在这个时间段内，银行催收员会打电话告知不还款的后果。如有必要会联系欠款人的亲属、朋友，协助欠款人还款。 “m3”所指的时间段是“未还款的第四个账单日到第四次账单的最后还款日之间”。在这个时间段内，银行采取的是强压式还款，催收员会通过电话、短信以及律师函等要求欠款人还款。
拓展资料
贷款术语:
1、月管理费率
所谓月管理费，是以最初借款金额为依据计算利息，而月利率则是以每月的剩余本金为依据计息收费。随着时代的变迁，贷款市场已经涌现出名目繁多的各类收费，其中，月管理费率便是当中的主角，很多时候，它已经取缔了月利率的角色，和贷款利息的关系走得尤为密切。另外，除了二者称呼不同之外，计算方式上也存在很大差别。
2、一次性手续费率
一次性手续费率，是指办理本次贷款业务，只收取一次手续费，以后不再重复收费。
3、月息X分
月息X分，是民间贷款惯用的术语，这里的“分”指做百分之一。举例来说，若是月息3分，意思就是说每月利息为借款金额的3%，假使贷款10万，用资两个月，利息则是6000元。
4、多头贷款
多头贷款，指借款人同时向多家银行或民间机构借款，以达到资金缺口的有效填补。简单的说就是个人或是企业（一家）向多家银行贷款。
5、循环授信
循环授信的特点是客户获得银行一定的贷款额度后，在期限内可分次提款、循环使用，支取不超过可用额度的单笔用款时，只需客户填写提款申请表，不用专门再次审批，一般1个小时便可提取现金。比较适合个人“额度小、要求急、周转快和零售化”的资金需求特点。
6、不良信用
信用污点，也称不良信用记录。银行客户申请贷款后由于某些原因，造成还款逾期记录，即信用污点。不同银行对个人信用记录审批的尺度不同，随着时间的变化，消费者的经济状况和还款情况也会出现变化，银行并不会一成不变地关注消费者早期的不良信用记录。
7. 大数据风控用了什么模型有效性如何
目前贷款的风控因为每一个样本的收集都需要放款来收集，想想每人放一万，一个亿也就只能放1万人，所以样本量不会太大。所以所谓大数据风控主要是大在特征的数据上。很多时候是用了很多传统上不怎么敢用的特征。比如传统风控比较害怕missing value 比较害怕不稳定的特征 这些都是大数据风控需要解决的。说到模型，既然是特征多，样本少，那就需要一个非常抗过拟合的模型。另外如果是单独针对反欺诈而不是信用，因为问题比较非线性，所以需要一个有非线性能力的模型。满足这两者要求的都可以。当然上面说到的只是针对预测贷款用户好坏的二分类问题，至于很多风控领域的其他问题，就有不同的解决方案了。说到有效性。据我所知目前市场上有一些非常小额短期的产品已经可以完全按照一个模型放款并盈利了。完全不需要人参与。这类产品通过小额解决了样本少的问题。通过短期解决了收集label慢的问题。所以还不太容易推广到大额长期产品上去。
8. 违约损失率的预测方法
鉴于历史数据平均值法的局限性，人们开始研究更多的方法来更加准确地估计LGD。这些方法主要包括以下三类：
1、历史数据回归分析法
这种方法是根据违约资产的LGD历史数据和理论因子模型应用统计回归分析和模拟方法建立起预测模型，然后将特定项目相关数据输入预测模型中得出该项目的LGD预测值。最为典型的是穆迪KMV公司的LossCalc模型。该模型利用穆迪公司拥有的美国过去20多年1800多个违约观察数据，覆盖了各个行业中900多个违约上市和非上市企业，对美国债券、贷款和优先股LGD建立了立即违约LGD和1年后违约LGD两种版本的预测模型。该预测模型的理论模型中对LGD的解释变量包括包括4大类(项目、公司、行业和宏观经济)9个因子。据穆迪公司称，该模型的对LGD的预测效果优于传统历史数据平均值法。
2、市场数据隐含分析法
从市场上尚未出现违约的正常债券或贷款的信用升水幅度中隐含的风险信息(包括PD和LGD)分析得出。该方法的理论前提是市场对债券定价是有效的，能够有效及时地反映债券发行企业信用风险的变化。这种变化反映在债券的信用升水中，即具有信用风险的公司债券的收益率与没有信用风险的同期限国债收益率的差额。 由于PD与LGD的乘积反映了债券的预期损失，是债券信用风险的重要内容，因此，反映信用风险的信用升水也同样反映了PD与LGD。在PD可以通过其特定的方法估测出来的情况下，隐含在信用升水中的LGD也就可以求解出来。显然，这种方法要应用复杂的资产定价模型，也需要充足的数据来支持这种复杂的分析。目前该方法在债券定价和信用衍生产品定价中有一定的应用，在银行贷款风险中则应用较少。
3、清收数据贴现法
不同于上述两者方法利用违约的历史数据或债券交易的市场数据，清收数据贴现法是根据通过预测违约了的不良资产在清收过程的现金流，并计算出其贴现值而得出LGD。应用这种方法的关键在于两个方面，一是对清收现金流的数额及其时间分布的合理估计；二是确定采用与风险水平相应的贴现率。显然，这两个方面都并非容易做到，尤其是对预期现金流贴现率的选用，对于已经违约的资产而言，采用多高的贴现率才能充分而又适当地反映其风险水平是非常困难的，这其中，主观经验判断的应用是不可避免的。由于这种方法不需要市场交易数据，比较适宜于估算银行贷款的LGD。
9. 哪家公司的贷款风控模型做的好
推荐了解布尔数据风控模型。
布尔数据是一家智能风控产品提供商。拥有业内专业的AI风控引擎技术，将机器算法的有监督及无监督算法融合为契合国内市场实际情况的全监督算法。结合现在主流的多种模型算法，对多维度数据之间的关联度进行分析，并以独有技术经验和超强的资源整合能力，做到分行业分场景预测，具有极高的准确度和覆盖度，评分质量高于同行60%。
国祥金服拥有资深银行贷款经验：专注抵押贷款、房屋抵押贷款、企业贷款、票据税贷、二次抵押贷款、汽车抵押贷款、经营贷、消费贷、装修贷、薪资贷、个人公积金及社保贷；无公司/空壳/双 刚/黑/名单/单签/高评高贷/双拼房/网红盘/毛坯房/农民房/军产房以及垫资赎楼等皆可操作，专业解决银行贷款难题，咨询请添加王经理微信：13926540341（手机同号）。
免责声明：部分图文来源网络，文章内容仅供参考，不构成投资建议，若内容有误或涉及侵权可联系删除。
