M4 vintage:SUMPRODUCT(M0占比*M0-M4综合迁徙率)
M3 vintage:M4 vintage 加 同期M0余额*(M0-M3迁徙率)
由此可以得到预估的vintage曲线：
从上图可以看出，M1 的vintage呈先上升后下降的趋势，M2 的vintage比M3 vintage先拐平，最终四条vintage都收敛于同一条线，也就是最终的坏账率。思考两个问题：
1.为什么M1 vintage会下降？
2.为什么M2 vintage先拐平？
M1 vintage会下降：因为账龄越长，该逾期的客户已经表现完全，新产生的M1越来越少(个数和余额都在减少)，新增加的M1的余额比M1 案件回收所减少的余额少，因此M1 vintage出现下降。
M2 vintage先拐平：说明新产生的M2的余额逐渐和回收M2 案件的余额持平，说明M2的个数和余额都在减少。进而反应到M3上，才会导致M3 vintage的拐平。
12期之后，M1 vintage全部表现完全，M4 vintage需要到16期之后全部表现，因此M1 vintage会先收敛，最终四条线会收敛至同一水平线。
二、各资产包损失预测
损失预测在不同的阶段可以采用不同的方法。在业务开展之前，需要对业务的风险指标做出判断，此时无任何数据表现，只能根据以往类似产品的迁徙率进行预估；业务开展之后，有了一些历史表现数据，可以再对损失率重新进行预估，并根据每月的数据表现更新损失率预估数据。在《损失预测的实证分析》中，作者以M1vintage作为预测的基点，根据M1vintage线性递减的趋势，最终得出在峰值之后坏账的预测会越来越接近实际情况。但对于每一个资产包，这种方法就会比较麻烦，因为对每一个资产包，都需要重复一遍上述的预测动作，实际工作中操作起来会比较繁琐。下面介绍基于第一步方法之后的针对各资产包进行损失预测的方法。
首先，我们已经得到每一期预估的M4 vintage：
M4 vintage的第一个点是从第4期开始表现，因此对于已有4期表现的资产包，可以根据现有的M4 vintage数据加上预测的M4 vintage增加值得到最终的M4 vintage。比如现在有2020年6月以来各资产包的M4 vintage如下(数据为虚构，仅为说明问题)：
对于6月份的资产包，已有第8期的M4 vintage为0.90%，在预测表中第8期至第16期M4 vintage还会增加(1.72%-1.23%)=0.49%，因此预估这包资产最终的M4 vinatage为0.90% 0.49%=1.39%。其它资产包以此类推。
对于尚未有第一个点的资产包，比如2020年11月份的资产包，mob4时点仍为表现，无法通过上述方法对坏账进行预估。这时需要对11月份资产包的第一个点的M4 vintage进行预估，可以用M3的vintage乘以M3-M4的迁徙率得到。这里提供另外一种通过各分数段进件占比来预估坏账的思路：
1.以10月份资产包为例，统计各分数段M4 占比情况。
2.统计11月份进件在各分数段的占比。
3.将两者相乘再相加得到最终的坏账。
