前言

Lending Club是美國，同時也是世界最大的P2P互聯(lián)網(wǎng)金融平臺，于2014年12月31號在美國納斯達克上市，從2007年6月成立截止至2018年6月底，在該平臺共發(fā)生了200.41萬人次的P2P借貸業(yè)務(wù)，借貸總金額為299.02億美元，業(yè)務(wù)范圍是美國的51個州，不良貸款率為10.99%。

本文以Kaggle平臺的Lending Club公司2007年6月-2018年Q2季度的2004091條貸款數(shù)據(jù)（151個特征）為研究對象，首先利用Python實現(xiàn)對數(shù)據(jù)的清洗整理，其次利用Tableau對數(shù)據(jù)進行快速探索分析，總結(jié)了Lending Club（正文簡稱LC）平臺上的貸款客戶特征、貸款業(yè)務(wù)特征，貸款違約影響因素。最后回到Python建立貸款違約預(yù)測模型，預(yù)測貸款違約率。

整篇報告的結(jié)構(gòu)如下：

一、客戶畫像分析

(1)、客戶基本信息分析

在客戶基本信息分析方面，我們將從客戶地域分布，客戶職業(yè)分布，客戶工作時間長度分布，客戶收入占比變化及客戶房產(chǎn)情況等5個角度進行切入。

1、客戶地域分布

從圖中可以看出，客戶占比最多的5個州分別是：加利福尼亞州（13.94%），紐約州（8.28%），德克薩斯州（8.24%），佛羅里達州（7.11%）和伊利諾斯州（4.38%）。而客戶占比最小的兩個州分別是：愛荷華州（0.001%，實際只有16個客戶），北達科他州（0.15%）?；究梢园l(fā)現(xiàn)，一般東西部沿海，經(jīng)濟比較發(fā)達的地區(qū)，人的貸款需求比較高，主要原因可能是，金融意識比較前衛(wèi)，商業(yè)化水平高，消費水平高，資金需求比較大。也不難發(fā)現(xiàn)，這些州的壞賬率也是比較高的，可能原因是，商業(yè)競爭比較激烈，導(dǎo)致收入的不穩(wěn)定造成的。

2、客戶職業(yè)分布

根據(jù)數(shù)據(jù)可以看出，經(jīng)理在申請貸款的人數(shù)中，占有最高的比例，12.9%。因為這是客戶自己填寫的信息，經(jīng)理是比較容易想到，而且比較泛化的名詞，所以客戶比較傾向于寫經(jīng)理，也是隱藏自己身份的一種方式。第二高的是政府官員，占比3.68%，其次技術(shù)員占比2.91%。護士和教師也位居前列。

3、客戶工齡分布

從圖中可以發(fā)現(xiàn)，LC三成以上的客戶，都是工作年齡10年及以上的，說明LC為了防范信貸風(fēng)險，對于客戶的工齡篩選是很嚴(yán)格的。工齡在一年以下的客戶，只占到8.11%，而工齡在3年以下的客戶，占全部客戶總數(shù)的24%不到。LC客戶工齡中位數(shù)大概在6年。

4、客戶收入占比變化

從圖4中可以發(fā)現(xiàn)：

1、年收入在3萬到6萬美元的中低收入客戶占比最高，超過六成以上的客戶，收入都在3萬到9萬美元之間；

2、收入在6萬美元以下的客戶占比越來越低，尤其是3萬美元收入以下的客戶，而收入在6萬美元的客戶占比越來越高，可以看出LC為了控制借貸的風(fēng)險，對于收入的要求也在逐年增加；

3、從2016年開始，中低收入的人群占比出現(xiàn)了反彈，可能是因為LC上市后，一直處于虧損狀態(tài)，迫于股東壓力，擴大業(yè)務(wù)量，而放低了對于客戶的審核要求。

5、客戶住房類型分布

從數(shù)據(jù)可以看出，有將近一般的客戶，都是有住房的，不過同時也有著還房貸的經(jīng)濟壓力，比例在49.19%。將近四成的客戶（39.6%），是處于租房的狀態(tài)，經(jīng)濟實力比較弱。只有11.17的客戶，是有住房，且沒有貸款壓力的，相對比例較小。

總結(jié)：結(jié)合上面5個角度的分析，可以發(fā)現(xiàn)，LC的客戶，大部分都在東西沿海地區(qū)，且多為工作十年以上的經(jīng)理和公務(wù)員職業(yè)，收入水平大部分集中在收入3-9萬美元之間，并且大部分客戶有償還按揭貸款的壓力。

(2)、用戶信用信息分析

在客戶信用分析方面，將按照Grade等級和FICO值的關(guān)系，客戶開戶時長，貶損類公共記錄和信用卡循環(huán)賬戶四個角度進行分析。

1、LC平臺信用等級和FICO值關(guān)系

從比較中可以看出，

1、LC自己的信用評分體系Grade/Sub-Grade與FICO值具有很強的相關(guān)性，Grade值越高，對應(yīng)的FICO也是越高的；

2、LC平臺的客戶，大部分在信用B和C中，即FICO值在690-720之間；

3、信用級別最低的FICO值也在680左右，說明LC平臺對于客戶的信用程度是把關(guān)很嚴(yán)格的，而且也是必要的。

2、客戶開戶時長分布

從數(shù)據(jù)中可以看出，大部分的客戶的開戶時長都在10-31年，其中開戶時長在10-17年的客戶占比最高，比例達到40.16%，最短時長的客戶，開戶時間也有3年。時長超過38年以上的客戶，總體數(shù)量很少，說明老年人對于P2P貸款的需求不高。一般來說，信用賬戶的開戶時間，是銀行評估客戶信用度的重要指標(biāo)。

3、貶損類公共記錄

從圖中可以看出，有83.70%的客戶，都是沒有不良的貶損類記錄的，說明LC平臺上大部分客戶的信用還是很好的。13.70%的客戶有過一次的不良記錄，總共有2.6%的客戶，其貶損記錄是超過2次的。

4、信用卡循環(huán)賬戶分布

同圖9中可以看出，

1、循環(huán)額度在5000-10000美元的客戶占比最大，占到24.61%。超過60%以上的客戶，額度都在15000美元以下；

2、隨著額度增大，用戶的占比數(shù)呈遞減的趨勢，到30000-35000美元區(qū)間時，只有1.58的客戶；

3、還是有相當(dāng)一部分的客戶（10.95%）的額度是大于35000美元的，這一批客戶需要特別觀察。

總結(jié)：

1、LC的信用系統(tǒng)和FICO的信用系統(tǒng)是高度匹配的；

2、LC的客戶，F(xiàn)ICO分值大部分在（690-720之間），開戶時長在10年以上，大部分的客戶都沒有貶損類記錄，超過60%信用卡循環(huán)額度大部分在15000美元以下，說明LC的客戶信用水平處于偏高的；

3、需要注意的是，有將近11%的客戶，其信用卡循環(huán)額度在35000美元以上，是超支使用的，很可能導(dǎo)致P2P貸款償還不上的情況。

二、平臺借貸業(yè)務(wù)分析

在平臺借貸業(yè)務(wù)分析上，主要從平均貸款額度變化，貸款目的分布，各信用等級貸款利率變化，各信用等級不良貸款率變化和DTI（月償還額/月收入）的變化五個方面進行剖析LC的業(yè)務(wù)情況。

1、貸款額度明細

從圖10可以看出：

1、在2015年之前，LC不論在年貸款金額，貸款人數(shù)，以及人均貸款金額上，都是快速發(fā)展的，在2015年，LC的累計貸款總額達到了130.9億美元；

2、從2015年開始，LC開始處于平穩(wěn)發(fā)展期，每年的貸款金額，人數(shù)以及人均貸款額度都變化不大。

2、貸款目的分布

從分布中可以看出，有56.76%的客戶借款是用來債務(wù)整合，22.29%的客戶是用來償還信用卡欠款，也就是說，有79%的借款行為，都是用來新債填舊債的。另外還有6.26%的客戶是處于其他原因，這一塊也很有可能是新債還舊債。處于家庭改善的原因，也有不少家庭選擇P2P貸款的模式。

3、各信用等級貸款利率變化

從上面兩張圖可以看出：

1、貸款利率在5-32%之間，主要依據(jù)是客戶的信用等級，信用度越好，貸款的利率越低；

2、這些年的平均貸款利率稍微有些波動，但是保持在11-13%之間。

3、從2014年開始，LC平臺的高利率貸款項目明顯增多，這一情況在2016年達到了最嚴(yán)重的情況，但是在之后的兩年，高利率貸款情況有明顯得到控制。

4、貸款狀態(tài)的分布

從上面分布可以看出：

1、有55.32%的貸款正在進行中，所以無法判斷其中最后會有多少筆貸款拿不回來；

2、目前有33.59%的貸款順利完成了交易；

3、有8.52%的客戶，并沒有還款，注銷了賬戶，另外有1.38%的客戶已經(jīng)延遲了30天以上，并未償還貸款。

5、DTI（月償還額/月收入）的變化

從圖中可以看出，大部分的貸款客戶的DTI在35%以下，說明還款壓力不是很大，另外有0.67%的客戶，DTI大于45%，對其償還貸款形成了比較大的壓力。

總結(jié)：

1、平臺的規(guī)模一直處于比較快速的發(fā)展，在2015年之后，發(fā)展速度趨緩；

2、超過79%的借貸目的，是為了償還舊的債務(wù)，這對于平臺來說不是一件很好的事；

3、貸款的利率是和客戶信用呈正相關(guān)的，貸款利率在5-32%，這些年總體的利率穩(wěn)定在11-13%之間，是遠高于國債和企業(yè)債的收入的；

4、不良貸款率的水平在10.99%，而且還有55.32%的貸款還在進行中；

5、96%以上的客戶，DTI值都在35%以下，59%以上的客戶，DTI值都在20%以下，貸款客戶的整體還貸壓力不是很大。

三、不良貸款率相關(guān)性分析

從數(shù)據(jù)集中的151個特征中，選擇了17個作者自認為重要的特征，通過清洗，補缺，分箱，轉(zhuǎn)換后，進行了相關(guān)性分析，結(jié)果如下圖：

從相關(guān)性熱圖中可以看出，

1、信用等級和不良貸款率的相關(guān)性最大（0.21），而利率是與信用等級直接相關(guān)的，所以它和不良貸款率之間也有著很大的相關(guān)性（0.19）；

2、令人吃驚的是，信用開戶時間和不良貸款率之間完全不相關(guān)，相關(guān)性為0，地域和不良貸款率之間也沒有顯而易見的相關(guān)性，也是0；

3、申請貸款的期限和不良貸款率之間是負相關(guān)（-0.08），可以理解為，申請貸款的時間越長，不確定性越大，貸款人拖欠貸款的可能性也越大；

4、DTI值（0.06）和收入（-0.05）也與不良貸款率存在一定關(guān)系，說明，月還款壓力越小，收入越多，最后還款的意愿也是越強的；

5、房屋持有情況和不良貸款率存在一定的相關(guān)性（0.05），顯然，有自有住房的客戶，更愿意償還貸款。

下面先從信用等級，利率，申請貸款期限，DTI值，收入和房屋持有情況五個方面進行二元分析。

（1）、二元相關(guān)性分析

1、信用等級和不良貸款率的關(guān)系

從上圖中可以看出，

1、隨著信用等級的降低，不良貸款率是明顯提升的，信用等級從F開始，不良貸款率高達31.54%，而信用等級G的不良貸款率更是高達32.14%；

2、信用等級為A時，不良貸款率明顯很低，但是還是存在，說明信用借貸的情況，確實存在很多不可抗的因素。

2、貸款利率與不良貸款率的關(guān)系

從圖中可以發(fā)現(xiàn)，不良貸款率的利率水平，高于良性的貸款，但是并沒有想象的高，差值在3%以內(nèi)，可能的原因是，低貸款利率的貸款基數(shù)大，而高貸款利率的貸款基數(shù)小，平均下來，拉低了不良貸款利率的均值。

3、申請貸款期限與不良貸款率的關(guān)系

從數(shù)據(jù)中可以看出，貸款期限長的貸款，不良貸款率越高，說明，時間越長，貸款的不確定性就越高，所以最后導(dǎo)致不良貸款的可能性也越大。

4、DTI值與不良貸款率的關(guān)系

從數(shù)據(jù)中可以看出，隨著DTI的增大，不良貸款率也在增大，但是這一趨勢在DTI大于40%時，呈現(xiàn)出了反向的趨勢，甚至在DTI大于45%的區(qū)間，不良貸款率只有6.09%，比DTI小于5%的區(qū)間還低，進一步的原因，可能需要多方的相關(guān)性發(fā)挖掘出來。

5、房屋持有情況與不良貸款率的關(guān)系

從以上數(shù)據(jù)可以看出，不同的房屋持有情況對于不良貸款率是有一定影響的。令人驚訝的是，自己擁有住房的貸款客戶，不良貸款率居然比按揭還款用戶高1.12%。租房客戶的還款情況不容樂觀，高達12.74%。最嚴(yán)重的是填寫了other的客戶，不良還款率高達20.88%。出人預(yù)料的是，填寫了any的貸款客戶，不良貸款率是最低的，只有6.08%，不過因為數(shù)量太少，可參考的價值不是很高。

（2）、多元相關(guān)性分析

從多元分析中可以發(fā)現(xiàn)，

1、一般情況下，短期的貸款違約率要比長期的低，但是在高信用客戶中會發(fā)現(xiàn)，短期貸款的違約率是比長期的要高的；

2、隨著DTI的增大，長期貸款的違約率，是逐漸比短期貸款的違約率要低的，而且仔細發(fā)現(xiàn)，在DTI在30-40區(qū)間，A類客戶的不良貸款率下降特別明顯；

3、大部分的貸款客戶，都集中在DTI在30%以下，信用等級高于D級的范圍；

總結(jié)：

1、從相關(guān)性分析來看，與不良貸款率相關(guān)性最大的是客戶的信用等級和貸款利率；

2、貸款期限越長的貸款，不良貸款率也相對更高；

3、DTI是一個比收入更能反應(yīng)與不良貸款率相關(guān)性的指標(biāo)，但是當(dāng)DTI超過30%時，不良貸款率猛降，主要貢獻來自此區(qū)間的A類貸款客戶，可以進行進一步研究；

4、相對于自有住房者，按揭住房的客戶，按時還貸的可能性更高。

四、不良貸款預(yù)測模型

1、明確問題及評估體系的選擇，

這個預(yù)測模型是為了篩選出存量客戶中，有較強申請貸款業(yè)務(wù)的客戶，所以這類預(yù)測為二分類的監(jiān)督機器學(xué)習(xí)問題；

從已知的情況來看，不良貸款率是10.99%，屬于不均衡的二分類問題，所以評估的標(biāo)準(zhǔn)不能單單以準(zhǔn)確率為主，這里選擇AUC值來評估模型的好壞，再通過調(diào)節(jié)評估的閾值，來微調(diào)預(yù)測結(jié)果；

2、模型特征選擇，

通過前面的客戶畫像，平臺業(yè)務(wù)特征，二元及多元特征分析，我們將客戶的信用等級，貸款利率，貸款期限，DTI值，房屋持有情況，客戶收入等6個特征作為貸款營銷預(yù)測模型的特征值。

3、建立訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，

我們將截止至2018年Q2季度，通過清洗后的2004033個客戶信息作為數(shù)據(jù)集，拆分出75%訓(xùn)練數(shù)據(jù)集和25%測試數(shù)據(jù)集。

4、利用機器學(xué)習(xí)算法訓(xùn)練模型，通過選擇模型及調(diào)節(jié)超參數(shù)，優(yōu)化結(jié)果，

本文先用Logistics回歸，隨機數(shù)森林樹，高斯等二分類模型進行初次預(yù)測。根據(jù)結(jié)果，選擇最佳模型進行調(diào)參優(yōu)化。

5、評估模型的準(zhǔn)確率，

最后通過比較，Logistics回歸模型結(jié)果最好，準(zhǔn)確率為88.73%，AUC值為0.6837，最后方案可以根據(jù)業(yè)務(wù)需要，調(diào)節(jié)評估的閾值，來達到最優(yōu)的業(yè)務(wù)目的。

轉(zhuǎn)載：https://zhuanlan.zhihu.com/p/52458668

歡迎關(guān)注更多相關(guān)內(nèi)容《python風(fēng)控建模實戰(zhàn)lendingclub》