注册会计师带你用Python进行探索性风险分析（二）

專 欄

❈Rho，Python中文社区专栏作者，现居深圳。知乎专栏地址：https://zhuanlan.zhihu.com/BecomingaDataScientist❈

注册会计师带你用Python进行探索性风险分析（一）

多维变量分析

• 1.探索贷款与时间的关系

首先对时间数据类型进行转换

二季度4月份贷款最低，而5月和6月的贷款金额基本持平。由于本数据集只包含2017Q2的数据，如果数据集能包括横跨几年业务数据，可以将数据按年按月做横向和纵向对比，更能反映公司业务的发展情况。初步看来，Leding Club 平台在2017Q2业务持续增长。

• 2.探索贷款金额与州之间的关系

  
  

得知Lending Club 的总部在加州，因此加州的市场开拓也相对其他较好。其次是德克萨斯州和纽约州。

同时，从风险防范角度来看，应重点审核这几个城市贷款申请人的基本信息。

• 3.探索信用评级、贷款期限和利率的关系

从表格可以看出，P2P平台的利率最高档为30%，而利率最低档为7%左右，总体利率水平也相对传统银行较高。 信用评级从A到G，A的的借款人信用评分最高，财务状况较好，违约发生的可能性较低，因此利率也相对较低。

贷款期限长意味着不确定性增加，风险也随之增加，期限较长的贷款在同信用等级下的借款利率也相对高。

• 4.探索贷款用途与利率的关系

贷款用途分别为house、small_business以及Other的贷款利率较高。其中贷款用途为house的贷款利率为最高。

• 5.探索贷款金额与利率之间的关系

图的中间是贷款金额和利率的线性关系图，图的上方和右方分别是贷款金额和利率的分布图。我们从图中并没有发现贷款金额和贷款利率有明显的关系。

• 6.探索贷款利率与违约次数之间的关系

违约次数越多的人意味着自身财务状况较差，偿付能力也较低，因此此类客户贷款风险越高，对此部分资产应给予更高的利率定价。

• 7.探索利率、收入、工作年限以及贷款状态之间的关系

数据可视化

从图可以看出，工作年限越长，客户的收入也越高，自身现金流比较充足，此类客户偿还债务的能力较强，违约的情况较少，相应享受更低的利率。

总结

1.影响风险的因素

分析企业偿债能力主要考察企业的资产状况和经营情况，只有负债结构与企业盈利能力合理匹配，企业才能持续稳定地发展。

个人的资产状况好比企业的资产负债表，个人收入犹如企业的利润表或现金流量表。高收入的客户意味着有良好的现金流，偿还债务能力较高，违约的可能性较低，一般来说此类客户的信用评级也相对较高，平台对应的贷款资产风险也相对较低；个人过往的信用记录能够反映客户的偿还意愿，长期有不良信用记录的客户再次发生违约的可能性也较高，为对违约风险，对此类客户应匹配更高的利率定价。

2.Lending Club 平台特点

• 平台业务持续稳定发展：第二季度业务持续增长，平台业务主要集中于加州、德克萨斯州和纽约州。

• 平台贷款金额以 小额贷款为主，贷款金额主要集中在10,000美元左右，小而散的贷款金额能够很好的分散资金风险。

• 平台贷款利率较高，贷款利率集中在12.62%，贷款利率相对传统金融机构较高。

• 平台二季度违约风险得到良好的控制，平台贷款发生违约的数量较少，贷款正常状态占比为98.38%。

3.个人建议

• 完善客户画像和产品设计：信贷业务开展前，首先要明确信贷机构的目标客户群、目标客户的特征和画像信息是什么。例如Lending Club平台的small business业务，中小企业目标群体的特征描述应包括能够反映企业的资产负债和现金流相关的财务报表信息或表外债务信息等。完整的客户信息有利于风控人员和系统分析把控违约风险。

• 优化贷款模型：完善客户信息的同时，借助机器学习的技术持续优化贷款模型。

注册会计师带你用Python进行探索性风险分析（一）

最近热门文章：

一键获取免费真实的匿名代理

Python告诉我巴黎的地铁线路有多不靠谱！

用 Python分析胡歌的《猎场》到底值不值得看？

用Python预测比特币价格

Python分析《羞羞的铁拳》电影观众评论

如何快速爬取B站全站视频信息

---

长按扫描关注Python中文社区，

获取更多技术干货！

    

Python 中 文 社 区

Python中文开发者的精神家园

合作、投稿请联系微信：

pythonpost

— 人生苦短，我用Python —
1MEwnaxmMz7BPTYzBdj751DPyHWikNoeFS