正文

逾期90天以上的贷款属于什么贷款，算不良贷款吗？

/3阅读

在金融信贷系统的开发与架构设计中，针对资产质量的精准分类是核心业务逻辑之一，从银行风控及会计准则的严格定义来看，逾期90天以上的贷款属于不良贷款，在监管统计口径中通常被划分为“次级类”、“可疑类”或“损失类”，对于程序开发人员而言，理解这一业务本质是构建健壮风控模型、资产分类系统以及催收模块的基础，以下将从业务逻辑、数据模型设计、算法实现及系统交互四个维度,详细阐述如何在代码层面实现这一分类逻辑。

逾期90天以上的贷款属于什么贷款

业务逻辑与分类标准

在开发信贷管理系统（LMS）或风控决策引擎时，首先需要将金融监管的“五级分类”规则转化为代码可执行的判断逻辑，根据中国银保监会发布的《贷款风险分类指引》,逾期天数是划分贷款质量的关键指标。

  1. 正常类：借款人能够履行合同，没有足够理由怀疑贷款本息不能按时足额偿还,通常逾期天数为0天。
  2. 关注类：尽管借款人目前有能力偿还贷款本息，但存在一些可能对偿还产生不利影响的因素，逾期天数通常在1-90天之间。
  3. 次级类：借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额偿还贷款本息，即使执行担保，也可能会造成一定损失。逾期90天以上的贷款通常至少被归为次级类。
  4. 可疑类：借款人无法足额偿还贷款本息，即使执行担保，也肯定要造成较大损失,逾期天数通常在180天以上。
  5. 损失类：在采取所有可能的措施或一切必要的法律程序之后，本息仍然无法收回，或只能收回极少部分,逾期天数通常在360天或720天以上。

开发过程中，必须明确逾期90天以上的贷款属于什么贷款这一核心阈值，将其作为系统自动触发“不良资产认定”的硬性条件，这意味着在数据库设计和定时任务逻辑中,90天是一个关键的时间节点。

数据库模型设计

为了准确计算逾期天数并实时更新贷款状态，底层数据模型的设计必须严谨,建议采用以下核心表结构来支撑业务逻辑：

  1. 贷款主表：

    • loan_id：主键,唯一标识一笔贷款。
    • customer_id：关联借款人信息。
    • loan_amount：贷款金额。
    • current_status：当前五级分类状态（如NORMAL, SUBSTANDARD, DOUBTFUL, LOSS）。
    • overdue_days：当前逾期天数（冗余字段，便于查询，需通过定时任务更新）。
    • is_npl：是否为不良贷款（Boolean标记，逾期90天以上自动置为True）。

  2. 还款计划表：

    • schedule_id：主键。
    • loan_id：关联贷款主表。
    • term_no：期数。
    • due_date：应还款日期（核心计算依据）。
    • due_principal：应还本金。
    • due_interest：应还利息。
    • paid_status：还款状态（UNPAID, PARTIAL_PAID, FULLY_PAID）。
    • actual_repay_date：实际还款日期。

  3. 交易流水表：

    记录每一笔资金进出,用于核销还款计划。

    逾期90天以上的贷款属于什么贷款

核心算法与代码实现

在系统后端，需要编写高可靠性的定时任务（如使用Spring Batch或Quartz），每日跑批计算逾期天数并更新贷款分类，核心逻辑在于“当前日期”与“应还款日期”的差值计算,以及最小逾期天数的判定。

逻辑伪代码示例：

def update_loan_classification():
    current_date = get_system_date()
    # 1. 获取所有未结清的贷款
    active_loans = query_active_loans()
    for loan in active_loans:
        # 2. 获取该贷款所有未结清的还款计划
        unpaid_schedules = query_unpaid_schedules(loan.loan_id)
        max_overdue_days = 0
        for schedule in unpaid_schedules:
            # 计算逾期天数：当前日期 - 应还款日期
            # 如果当前日期小于应还款日期，逾期天数为0
            delta_days = (current_date - schedule.due_date).days
            if delta_days > 0:
                if delta_days > max_overdue_days:
                    max_overdue_days = delta_days
        # 3. 更新贷款主表的逾期天数
        loan.overdue_days = max_overdue_days
        # 4. 核心分类逻辑：判定逾期90天以上的贷款属于什么贷款
        if max_overdue_days > 90:
            loan.is_npl = True
            # 进一步细化五级分类
            if 90 < max_overdue_days <= 180:
                loan.current_status = 'SUBSTANDARD' # 次级
            elif 180 < max_overdue_days <= 360:
                loan.current_status = 'DOUBTFUL'    # 可疑
            else:
                loan.current_status = 'LOSS'        # 损失
        else:
            loan.is_npl = False
            if max_overdue_days > 0:
                loan.current_status = 'SPECIAL_MENTION' # 关注
            else:
                loan.current_status = 'NORMAL'            # 正常
        # 5. 持久化更新
        update_loan_record(loan)

关键点解析：

  • 原子性：更新操作必须保证事务一致性,避免并发计算导致的数据错误。
  • 容错性：针对跨年、闰年以及不同还款日历（如工作日 vs 自然日）的处理,代码中需引入成熟的日期计算库。
  • 性能优化：对于海量数据，应采用分片处理或流式计算框架,避免全表扫描造成的数据库锁死。

系统交互与风控策略

一旦系统判定贷款逾期超过90天，除了更新数据库状态外，还应触发一系列自动化的系统交互，以体现E-E-A-T原则中的专业性和权威性。

  1. 自动触发催收流程：

    • 系统应自动将案件推送到“催收子系统”。
    • 根据逾期区间（如91-120天，121-150天）,智能分配给不同级别的催收员或外包催收机构。
    • 记录每一次催收触达结果,形成完整的证据链。

  2. 会计核算与拨备计提：

    • 对接财务系统，一旦标记为不良贷款，系统需自动按照监管要求（如次级类30%、可疑类60%、损失类100%）计提贷款损失准备金。
    • 这部分逻辑需要极高的准确性,直接影响银行的资产负债表。

  3. 征信报送变更：

    逾期90天以上的贷款属于什么贷款

    生成特定的报文格式，将“逾期90天以上”的特殊状态报送至人民银行征信中心，这直接影响用户的信用记录,是风控闭环的重要一环。

  4. 前端展示与风险预警：

    • 在管理后台，通过红色高亮、仪表盘统计等方式，实时向管理层展示不良贷款率（NPL Ratio）。
    • 设置阈值报警，当某类产品的不良率超过预设警戒线（如2%）,系统自动发送邮件或短信给风控总监。

总结与专业建议

在构建金融科技系统时，处理逾期资产不仅仅是简单的日期比较，更是一场关于数据准确性、业务合规性和系统稳定性的综合考验。逾期90天以上的贷款属于什么贷款这一问题的答案，在代码中体现为从“关注”向“次级”及更差状态的跃迁。

开发团队在实施时，建议采用“策略模式”设计分类算法，将五级分类规则配置化，以便在监管政策调整时能通过修改配置而非重新部署代码来适应变化，必须建立完善的数据审计日志，确保每一笔贷款的状态变更都有迹可循，满足金融审计的高标准要求，通过上述严谨的架构设计与代码实现,能够确保信贷系统在处理不良资产时具备极高的专业度与可信度。