全文鏈接：http://tecdat.cn/?p=31745

原文出處：拓端數(shù)據(jù)部落公眾號

最近我們被客戶要求撰寫關(guān)于貸款違約預(yù)測的研究報告，包括一些圖形和統(tǒng)計輸出。

近幾年來，各家商業(yè)銀行陸續(xù)推出多種貸款業(yè)務(wù)，如何識別貸款違約因素已經(jīng)成為各家商業(yè)銀行健康有序發(fā)展貸款業(yè)務(wù)的關(guān)鍵。在貸款違約預(yù)測的數(shù)據(jù)的基礎(chǔ)上，探索是否能通過借貸者的數(shù)據(jù)判斷其違約風(fēng)險，從而幫助商業(yè)銀行提前做好應(yīng)對。

解決方案

任務(wù)/目標(biāo)

根據(jù)借款者的個人信息和貸款的屬性，運(yùn)用SAS EM軟件，使用多種模型進(jìn)行分析。

數(shù)據(jù)源準(zhǔn)備

因獲取數(shù)據(jù)的能力有限，并為了保證數(shù)據(jù)量足夠巨大且數(shù)據(jù)質(zhì)量較高，我們選擇了貸款違約預(yù)測的數(shù)據(jù)。整個數(shù)據(jù)集為有800,000條數(shù)據(jù)，每條數(shù)據(jù)除了ID、是否違約isDefault該目標(biāo)值，還包括loanAmnt、term、interestRate、installment、grade、employmentTitle、employmentLength、homeOwnership 29個變量，變量的具體情況在數(shù)據(jù)探索中進(jìn)行描述。

特征轉(zhuǎn)換

為了進(jìn)一步探究issueDate和earliesCreditLine這兩個時間ID的時間久遠(yuǎn)性是否會對我們的預(yù)測產(chǎn)生影響，另外增加了兩個變量，分別是interval_issueDate和Interval_earliesCreditLine,都是用2020減去issueDate和earliesCreditLine的年份得到的。對缺失數(shù)據(jù)進(jìn)行補(bǔ)缺，修改年份變量為區(qū)間型變量并對其進(jìn)行分箱處理，對偏正態(tài)分布的變量進(jìn)行對數(shù)處理，拒絕單值型變量。

劃分訓(xùn)練集和測試集

劃分?jǐn)?shù)據(jù)集的50%為訓(xùn)練集，50%為驗證集。

建模

使用逐步Logistic回歸

回歸結(jié)果顯示，貸款違約風(fēng)險與年收入負(fù)相關(guān)，與債務(wù)收入比正相關(guān)，與利率正相關(guān)，與貸款金額正相關(guān)；對于分類變量，貸款年限3年的貸款違約風(fēng)險顯著小于貸款5年，2013-2015年的貸款違約風(fēng)險顯著大于2015-2017年等等。

決策樹

使用二分支和三分支決策樹進(jìn)行分析，結(jié)果顯示影響貸款違約的重要因素有homeOwnership、ficoRangeHigh、dti、grade、term、issueDate等。

隨機(jī)森林

調(diào)參后設(shè)置最大樹個數(shù)為100，最大深度為50，顯著性水平為0.05，結(jié)果顯示訓(xùn)練誤分類率為0.1964，驗證誤分類率為0.1974，根據(jù)Gini縮減，對分類準(zhǔn)確度影響較大的變量為grade、interestRate、term、dti、ficoRangeHigh等。

模型比較

通過比較發(fā)現(xiàn)，Logistic回歸具有最小的驗證誤分類率，為0.1965，其次是三分支決策樹和隨機(jī)森林，最差的為二分支決策樹。

在累積提升度和ROC曲線上，Logistic回歸和隨機(jī)森林表現(xiàn)相近，二分支決策樹和三分支決策樹表現(xiàn)相近，但是Logistic回歸和隨機(jī)森林模型表現(xiàn)明顯優(yōu)于兩個決策樹模型。

逐步回歸模型的驗證誤分類率低于決策樹1、決策樹2和隨機(jī)森林模型，這表明在這四個模型中，逐步回歸模型相比其他模型對于新樣本具有更強(qiáng)的泛化能力，在對新樣本違約概率的預(yù)測上更加準(zhǔn)確。

根據(jù)結(jié)果，就數(shù)值型變量而言，違約風(fēng)險與借款人的債務(wù)收入比dti、循環(huán)額度利用率revolUtil、貸款利率interestRate、貸款金額loanAmnt、借款人信用檔案中未結(jié)信用額度的數(shù)量openAcc顯著正相關(guān)；與就業(yè)職稱employmentTitle、年收入annualIncome、借款人在貸款發(fā)放時的FICO所屬的下限范圍ficoRangeLow、分期付款金額installment、信貸周轉(zhuǎn)余額合計revolBal、借款人信用檔案中當(dāng)前的信用額度總數(shù)totalAcc顯著負(fù)相關(guān)。

對于貸款發(fā)放年份issueDate，相較于2017年6月之后發(fā)放的貸款，2013年6月之前發(fā)放的貸款違約風(fēng)險顯著更大，貸款發(fā)放年份在2013.6-2015.6年的違約風(fēng)險稍低，在2015.6-2017.6年的貸款則顯著更小。

申請類型applicationType為0時，其違約風(fēng)險顯著小于其值為1時。

相對于貸款等級G，貸款等級為A、B、C時，其違約風(fēng)險顯著更大，貸款等級為D、E、F時，違約風(fēng)險則顯著更小。

相對于房屋所有權(quán)狀況homeOwnership為5時，homeOwnership為1時，違約風(fēng)險顯著更小，homeOwnership為0,2,3時，違約風(fēng)險減小，但其結(jié)果在統(tǒng)計學(xué)上不顯著；homeOwnership為4時，違約風(fēng)險升高，但在統(tǒng)計學(xué)上仍然不顯著。

貸款用途purpose為0,4,5,8,12時，違約風(fēng)險顯著大于用途為13，用途為1,7,9時，違約風(fēng)險顯著更小，用途為2,3,6,10,11時，其違約風(fēng)險相對于13沒有統(tǒng)計學(xué)意義。

貸款期限term為3年時，其違約風(fēng)險顯著小于貸款期限為5年。

驗證狀態(tài)verificationStatus為0時，相對于其值為2時違約風(fēng)險顯著更大。其值為1時則相對于2違約風(fēng)險顯著更小。

因此，建議貸款發(fā)放機(jī)構(gòu)在評估借款人的違約風(fēng)險時，重點關(guān)注借款人的負(fù)債收入比、就業(yè)職稱、年收入、房屋所有權(quán)狀況等個人信息，并分析借款人的借款行為，包括其申請貸款的金額、利率、分期付款金額、用途、申請類型、貸款等級、貸款期限、驗證狀態(tài)，調(diào)查借款人的歷史借款記錄，包括循環(huán)額度利用率、借款人信用檔案中未結(jié)信用額度的數(shù)量、貸款發(fā)放時的FICO所屬的下限范圍、信貸周轉(zhuǎn)余額合計、信用檔案中當(dāng)前的信用額度總數(shù)。

對于已經(jīng)發(fā)放的貸款，如果貸款行為發(fā)生于2013年6月之前，貸款發(fā)放機(jī)構(gòu)應(yīng)該盡快追回并做好壞賬準(zhǔn)備。

關(guān)于分析師

在此對Jiasong Xue對本文所作的貢獻(xiàn)表示誠摯感謝，他在中山大學(xué)完成了管理科學(xué)專業(yè)的學(xué)位，專注商業(yè)數(shù)據(jù)分析領(lǐng)域。擅長SPSS、R語言、Python。