基于逻辑回归模型 下的简单用户违约预测分析

一 分析目的

本文分析数据来源于捷克银行（Czech bank），该数据涉及5300个银行客户数据、100万笔交易数据、700份贷款信息、900张信用卡数据。

通过对这些数据进行清洗、变换，并进行规范化后，来得到用户的信用度等描述性信息，并通过逻辑回归模型来对这些数据进行预测判断，得到哪些用户的贷款违约率较大等信息，从而为银行提供如下的相关决策支持：

1）针对高价值的用户，可以推荐或定制更多个性化的增值服务；

2） 针对不同信用度的用户，可增加或减少用户的贷款额度，并预估未来的坏账比例，及时做好资金安排。

二 分析工具

分析软件：SAS Enterprise Guide 5.1

分析模型：简单逻辑回归

分析数据：

       Accounts(账户表)：记录了账户号、行号、日期等信息，共计4500条；

      Clients(客户信息表)：记录了客户号、性别、生日、地区信息，共计5369条；

      Disp(权限分配表)：记录了客户号、账号、权限信息，共计5369条；

      Order(支付订单表)：记录账户号及对应的支付信息，共计6471条；

      Trans(交易表)：记录账户号、交易日期、交易金额和账户余额，共1056320条；

      Loans(贷款表)：记录账户号、贷款金额、贷款状态，共682条；

      Cards(信用卡)：记录每一个账户上的信用卡信息，共892条；

      District(人口地区统计表)：记录每个地区的GDP、人均收入、失业率和犯罪率，共77条；

三 分析过程

数据分析通常采用如下步骤：

1.数据收集

数据的8张表之间的关系如下图1所示。

评价用户是否高价值，数据来源有：

Cards.type:卡类型。价值由高到低为 金卡&