从 CSV 查看贷款 Vintage 曲线

导入贷款清单,其中包含放款日期和每笔贷款首次逾期 30 天或 90 天的日期。文件仅在浏览器中读取,不会上传。

贷款清单

这些是生成的演示贷款数据。可以导入自己的贷款清单。

文件只在此浏览器中读取,不会上传。

逾期标准
分组方式
统计口径

最新组和此前组对比

账龄月数
最新组 2026-0313.8%
此前 6 个批次的平均值9.1%
差值+4.7 pp

2026-03 组在账龄 6 个月时的累计逾期占比为 13.8%,此前 6 组平均为 9.1%。

Vintage 曲线

最新批次此前批次

Vintage 分组

分组贷款数账龄 3 个月账龄 6 个月账龄 9 个月账龄 12 个月账龄 18 个月账龄 24 个月
2026-062113.8%
2026-052303.0%
2026-041404.3%
2026-032326.5%13.8%
2026-021902.1%12.6%
2026-011933.6%6.7%
2025-121792.8%5.6%11.2%
2025-111806.1%10.0%14.4%
2025-101223.3%12.3%17.2%
2025-091772.8%7.3%12.4%17.5%
2025-081834.9%9.3%12.6%14.8%
2025-071615.0%10.6%19.3%22.4%
2025-062052.4%7.3%15.6%18.5%
2025-051772.3%5.1%9.0%13.0%
2025-041364.4%7.4%8.8%11.0%
2025-032494.0%7.6%14.9%17.7%23.7%
2025-022013.0%7.0%9.5%12.9%18.4%
2025-011802.8%8.3%13.3%15.6%20.6%
2024-121654.2%7.9%16.4%22.4%26.7%
2024-111544.5%11.0%13.6%18.2%26.0%
2024-101973.0%9.6%11.7%14.2%18.8%
2024-091385.8%8.0%13.0%20.3%24.6%30.4%
2024-082007.5%15.0%22.5%23.5%29.0%32.0%
2024-072392.9%7.5%13.4%16.3%20.1%23.4%

通过邮件发送结果

近期批次在相同账龄下坏账率上升幅度超过早期批次时,接下来可调整相关授信策略,并先用历史申请数据测试调整方案。开始试用

曲线计算方法
账龄 m 个月 = 达到逾期标准的贷款 ÷ 贷款数

每组只显示到数据截至日期时该组所有贷款都已达到的账龄月数。贷款尚未经历的月份不会被算作正常。

Vintage 账龄分析能看出什么

Vintage 账龄分析按放款月份或季度分组,并将各组按在账月数对齐。它显示截至每个在账月数时,累计达到指定逾期标准的贷款笔数或金额占比。

整体坏账率把新旧贷款混在一起,可能掩盖近期放款表现的变化。Vintage 曲线能显示近期批次在相同账龄下坏账率上升幅度超过早期批次,便于复核相关授信策略,并用历史申请数据测试调整方案。

Vintage 曲线常见问题

什么是贷款 Vintage 账龄分析?

按放款月份或季度划分贷款批次,再按在账月数比较各批次的表现。本工具计算在每个在账月数内,累计达到所选逾期标准的贷款占比。

如何看 Vintage 曲线?

每条线代表一个放款批次,横轴为放款后月份,纵轴为累计逾期占比。曲线上升越快,说明该批次越早达到所选逾期标准。

什么是在账月数?

在账月数指贷款自放款以来经过的月数。Vintage 曲线按相同账龄比较不同放款批次的贷款。

为什么较新的放款批次不显示后续账龄?

较新的贷款还没有经历后续账龄。本工具只绘制该批次所有贷款截至数据日期都已达到的在账月数。

如何从 Vintage 曲线看出近期放款逾期加快?

近期放款批次在相同账龄下的逾期占比增幅,可能高于较早批次。页面会将最新批次与此前 6 个批次的平均值进行比较。