什么是Vintage曲线？

有朋友询问能否用通俗易懂的方式解释Vintage，其定义本身并不复杂：Vintage曲线用于衡量某一特定时期发放的贷款，随着账龄（MOB，Month of Book）推移，其违约（变坏）情况随时间演变的趋势[k]。

以2020年1月发放的10,000笔贷款为例，在MOB1至MOB12期间，分别有0、0、0、50、100、150……笔贷款变为“坏账”[k]。将各期“坏账笔数”除以“总放款笔数”，即可得出“坏账率 vs. 账龄”的关系[k]。

当我们将多个放款时间段的数据绘制在同一张图上，每期放款形成一条曲线，整体图形即为Vintage曲线[k]。

Vintage的本质在于评估某一时段资产质量随时间劣化的速度[k]。例如，图中2020年5月放款的资产质量最差，坏账率上升最快；而2020年6月的资产表现最佳，违约增速最慢[k]。

如何定义“坏”？

“坏”的定义通常取决于两个维度：一是逾期天数阈值，常见有M1+（逾期30+天）、M2+（60+天）、M3+（90+天）；二是判断依据，分为“当前逾期”和“历史最大逾期”[k]。

若采用“当前逾期”，Vintage曲线可能出现下降（因催收回款导致逾期归零）；若采用“历史最大逾期”，曲线则呈现单调递增趋势[k]。

文中示例数据使用“逾期90+天且历史最大逾期”作为坏账标准，表现为前3期坏账率为0%，第4期起开始上升，且整体趋势递增[k]。

MOB取多久？

对于消费贷产品，贷款期限通常为3至60期（3个月至5年），因此MOB横坐标一般覆盖贷款的全部分期周期[k]。

上市公司的Vintage数据示例

以PPD（信也科技）2022年8月投资者报告中的Vintage数据为例[k]：

• 坏账定义为M1+（逾期30+天），因此MOB1为0%，MOB2起开始上升
• 数据按季度汇总
• 2019年Q2至2020年Q1资产质量最差，2020年Q2后逐步恢复
• MOB仅到12期，推测贷款以1年期以内为主
• 曲线非单调递增，部分季度在后期出现下降，原因在于分子中扣除了已催回本金

再看乐信2022年Q2财报中的两组Vintage曲线[k]：

上图为核销（Charge Off，通常指逾期180+天），下图为Dpd30+（逾期30+天）[k]。读者可自行分析其趋势差异[k]。

Vintage的应用价值

首先，Vintage能直观反映资产质量的真实趋势，避免仅依赖静态逾期率可能带来的误导[k]。静态指标易受近期放款量影响，而Vintage展示了资产全生命周期的劣化路径，难以人为操纵[k]。

其次，有助于确定模型的表现期（performance window）[k]。虽然理想状态下希望表现期越长越好，以充分捕捉坏客户，但过长的表现期会导致观察期远离当前，降低模型时效性[k]。通过Vintage曲线可发现，大部分违约集中在前12个月，因此可将MOB1至MOB12作为主要表现期，兼顾覆盖率与时效性[k]。