要理解现金贷Vintage曲线前期近似直线与泰勒公式的关联，我们可以从函数近似、业务假设、误差验证三个层面拆解：
一、核心函数与泰勒展开的应用
现金贷的“累计违约率”推导基于“存活概率”的函数近似，步骤如下：
1. 定义“存活概率”
假设某期客户的单期违约概率为\(p\)（且\(p\)恒定、极小），那么客户在第\(t\)期仍“存活”（未违约）的概率为： \[ S(t) = (1-p)^t \]
2. 对\(S(t)\)进行泰勒展开
泰勒公式的核心是将复杂函数在某点附近用多项式近似。这里因\(p\)极小，我们在\(p=0\)处展开\((1-p)^t\)： \[ \begin{align*} (1-p)^t &= \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} p^n \\ f(0) &= (1-0)^t = 1 \\ f'(p) &= t \cdot (1-p)^{t-1} \cdot (-1) \implies f'(0) = -t \\ f''(p) &= t(t-1) \cdot (1-p)^{t-2} \implies f''(0) = t(t-1) \\ &\vdots \end{align*} \] 因此，展开式为： \[ (1-p)^t \approx 1 - tp + \frac{t(t-1)}{2!}p^2 - \frac{t(t-1)(t-2)}{3!}p^3 + \cdots \]
3. 忽略高阶小项，得到近似线性关系
由于\(p\)极小（如现金贷月违约率通常＜0.5%），\(p^2, p^3, \dots\)的数值会急剧缩小（例如\(p=0.005\)时，\(p^2=0.000025\)），相对于\(1\)和\(tp\)可忽略不计。因此： \[ (1-p)^t \approx 1 - tp \]
而累计违约率是“1 - 存活概率”，即： \[ \text{累计违约率} \approx 1 - (1 - tp) = tp \]
这就说明，累计违约率随期数\(t\)线性增长，斜率为恒定的违约概率\(p\)——这就是现金贷Vintage曲线前期近似“直线”的数学本质。
二、业务假设对泰勒近似的支撑
泰勒展开的有效性依赖于两个业务前提，这也是现金贷的特性：
- 违约概率\(p\)极小：现金贷客群经过严格筛选（如收入稳定、征信良好），单期违约率通常远低于1%，确保\(p^n\)（\(n \geq 2\)）可忽略。
- 违约概率\(p\)恒定：假设客户每期违约风险独立且不变，排除了“逾期越久违约率越高”的非线性因素，让\((1-p)^t\)的形式成立。
三、近似误差的验证（为什么“前期”才是直线？）
泰勒近似的误差会随\(t\)或\(p\)增大而上升：
若\(t\)较小（前期）：即使\(p\)有微小值，\(tp\)仍远小于1，高阶项占比极低。例如\(p=0.005\)，\(t=12\)时，\(tp=0.06\)，\(p^2\)项仅占\(0.000025/0.06 \approx 0.04\%\)，误差可接受。
若\(t\)较大（后期）：\(tp\)逐渐接近1，存活客户基数骤减，“违约概率恒定”的假设也会因客户结构变化而失效，此时高阶项无法忽略，曲线会从直线“弯折收敛”。
总结
现金贷Vintage曲线的“前期直线”，是“低且恒定的违约率”这一业务特性，与泰勒公式的低阶近似共同作用的结果。它本质是将复杂的复利式违约概率，在“小概率”假设下简化为线性关系，既符合数学逻辑，也贴合业务场景的风控特征。