01.1
业务背景
金融业务的现金流同时受到还款计划、实际回款、逾期催收、刚性兑付和运营支出的影响。单看当月回款无法回答未来资产走完后会产生多少现金，也无法提前识别资金缺口。
CASE 09
2016.08 — 2020.04 · 财务经理 · 现金流预测
风险建模 / 现金流管理风险建模 / 现金流管理 公开脱敏版本
把入催率变成现金流：全生命周期回款预测模型
EXECUTIVE SUMMARY
以在贷合同、注册批次和入催—催回参数为基础，拆分存量与新增资产，预测未来各月产品现金流，并用管报和实际流水持续校准。
FINANCE SIGNAL / 09
CASE STATUSREBUILTDATA → EVIDENCE → DECISION
CONTEXT某国内头部金融科技公司2016.08 — 2020.04 · 经营与组织
MY ROLE财务经理风险建模 / 现金流管理
KEY RESULT存量 + 新增双模型架构
01存量 + 新增双模型架构覆盖现有资产与未来放款的现金流路径
02M0 — M3+回款参数化把催收表现转成可调整的预测变量
03已投入使用远期预测模块用于现金流判断、收入预估与税务筹划
EXHIBIT 09.01
PUBLIC / SYNTHETIC DATA把逾期结构翻译成未来现金流
视觉化概念：把注册批次、催回参数与未来现金流展开到同一条时间轴。
CASHFLOW MODEL / FORECAST VIEW滚动预测
18 MO预测窗口静态时点情景
M0—M3+回款参数按批次展开
SYNCED校准状态管报 / 流水交叉
注册批次 → 回款曲线COLLECTION RATE
2020.01 批次68%
2020.02 批次74%
2020.03 批次79%
2020.04 批次83%
产品现金流¥ 8.42m
＋运营现金流¥ 3.16m
＝预测净额¥ 5.26m
口径：公开脱敏版本；图中数据、比例与界面均为模拟展示，用于还原分析结构。
THE THESIS
预测的价值，不是给出一个看似精确的数字，而是提前暴露现金缺口，让管理层有时间调整。
将复杂问题拆成可以核验的事实、判断与行动。
01.2
核心问题
需要把静态的在贷合同和历史催收表现转成未来月度现金流，同时处理存量资产、新增资产、月末时间差和入催率变化带来的不确定性。
01.3
我的角色
作为财务经理，我直接牵头模型设计与结果复核，联合数据同事完成数据刷新、参数维护、银行流水比对和与管报口径的交叉校准。
01.4
解决思路
- 从在贷合同和还款计划出发，拆分应还、实还、刚性兑付与产品净现金流，先把现金流口径定义清楚。
- 建立存量资产与新增资产两套测算逻辑：存量按现有合同展开，新增按预估放款额生成未来还款计划。
- 将入催率与 M0、M1、M2、M3、M3+ 催回率参数化，模拟每个注册批次从第一期到最后一期的回款路径。
- 用银行实际流水校准刚性兑付时间差，并把全周期产品现金流与管报注册月口径比对，定位预测高估或低估的来源。
- 在产品现金流完成后叠加人力、委外和法催等运营支出，形成用于经营风险判断、收入预估和税务筹划的现金流预测。
01.5
关键交付物
01
存量资产与新增资产双模型
02
M0 — M3+ 回款参数与注册批次测算表
03
银行流水与管报口径校准机制
04
产品现金流与运营现金流预测模块
01.6
结果与变化
存量 + 新增双模型架构
覆盖现有资产与未来放款的现金流路径
M0 — M3+回款参数化
把催收表现转成可调整的预测变量
已投入使用远期预测模块
用于现金流判断、收入预估与税务筹划
01.7
这证明了什么
现金流建模风险参数校准财务预测服务经营决策
PUBLIC DISCLOSURE公开版本的边界
本页仅展示经过脱敏和重写的公开版本。公司、客户与机构名称均已匿名化；图表和看板中的数据为模拟数据，用于展示分析方法，不代表真实业务数据。