项目背景
作为旧金山的一家个人对个人的借贷公司，Lending Club成立于2006年。他们是第一家注册为按照美国证券交易委员会SEC(Securities and Exchange Commission)的安全标准向个人提供个人贷款的借贷公司。与传统借贷机构最大的不同是，Lending Club利用网络技术打造的这个交易平台，直接连接了个人投资者和个人借贷者，通过此种方式，缩短了资金流通的细节，尤其是绕过了传统的大银行等金融机构，使得投资者和借贷者都能得到更多实惠、更快捷。对于投资者来说可以获得更好的回报，而对于借贷者来说，则可以获得相对较低的贷款利率。
盈利模式：Lending Club的利润主要来自对贷款人收取的手续费和对投资者的管理费，前者会因为贷款者个人条件的不同而有所起伏，一般为贷款总额的1.1-5%；后者则是统一对投资者收取一样的1%的管理费
特色：特别重视用户的信用记录，平均只有10%的申请通过信用记录审核。这是其能吸引到很多大的投资用户，并且风险控制和利润都取得长足进步的主要原因。其管理层的背景及其雄厚，多位金融和政界传奇人物，从其首轮融资即得到1000万美元的融资便可见其规模。
2006年成立于美国加利福利尼亚州；2014年于纽交所上市，并同时开展企业贷款服务；截止到2018年底平台累计发放贷款445亿美元，平均坏账率7.7%，年均借款利率13.38%；
LC介绍：https://www.huxiu.com/article/41472.html
文章思路：提出问题——理解数据——数据预处理——解决问题——得出结论
一 提出问题
文章主要基于Python对Lending Club信贷业务数据的分析，主要是想通过2018年Q4数据分析平台业务特点和客户群体特征，进而简要分析逾期的影响因素。
一个人是否还款可以从还款能力和还款意愿来评估。下面从两个角度进行深入分析。
1 平台角度：平台的数据指标更多构建来衡量结果的指标，简要分析了解平台整体情况。s
2 客户角度：任何可以量化客户的还款能力的信息均可以用作硬信息，可描述客户还款意愿的信息则为软信息。
二 数据理解
数据来源LC官网：https://link.zhihu.com/?target=https%3A//www.lendingclub.com/info/download-data.action
原始数据维度：103546行，145个字段。选取18个相关字典字段进行分析。
三 数据预处理
3.1 选取子集并重命名
选取子集
used_col = ['loan_status','issue_d','loan_amnt','term','int_rate','grade','annual_inc','dti','home_ownership',
'emp_length','purpose','addr_state','acc_now_delinq','pub_rec','delinq_2yrs','open_il_12m','open_il_24m']
used_data = loans[used_col]# 使用rename函数对字段重命名
used_data = used_data.rename(columns={'loan_status':'贷款状态','issue_d':'放贷日期','loan_amnt':'贷款金额',
'term':'还款期数','int_rate':'贷款利率','grade':'贷款等级',
'annual_inc':'年收入','home_ownership':'房屋所有权','dti':'负债收入比',
'emp_length':'工作年限','purpose':'贷款目的','addr_state':'申请人所在洲',
'acc_now_delinq':'拖欠账户数量','pub_rec':'损害公共记录次数',
'delinq_2yrs':'2年内违约次数','open_il_12m':'1年内分期数','open_il_24m':'2年内分期数'})
used_data2=used_data.copy() # 备份
used_data.head(3) # 查看前3行数据
3.2 处理缺失值
# 查看空值缺失值情况
def not_null_count(column):
column_null = pd.isnull(column) #判断某列属性是否存在缺失值
null = column[column_null]
return len(null)column_null_count = used_data.apply(not_null_count)
column_null_count
得知负债收入比含有28个缺失值，筛选数据来观察
used_data.loc[used_data['负债收入比'].isnull()]
# 观察发现众多指标中，工龄为'n/a'的客户缺失比例较大，所以用其均值对nan进行填充。
# 有时候也需要0填充used_data['负债收入比'].fillna(value=0)
used_data['负债收入比'] = used_data['负债收入比'].fillna(used_data.loc[used_data['工作年限']=='n/a']['负债收入比'].mean())
# 填充后观察整体数据类型情况
used_data.info()
通过观察可知，数据已无缺失值；浮点型数据有2个，整型有6个，字符串有9个。
其中放贷日期可以转换为日期格式，贷款利率和工作年限可以量化，优先处理。
3.3 数据类型转换
# 字符串转日期格式
used_data['放贷日期'] = pd.to_datetime(used_data['放贷日期'],format='%Y/%m/%d')
#errors='coerce' 如果原始数据不符合日期的格式，转换后的值为空值NaT
#format 是你原始数据中日期的格式
# 特殊字符串转浮点型——贷款利率
used_data['贷款利率']= used_data['贷款利率'].str.rstrip("%").astype("float")# 特殊字符串转数值——工作年限
used_data['工作年限'].value_counts()
通过观察可知：年龄类别有12个，除小于1年（'< 1 year'）和空值（'n/a'）外，其余都可以用分列直接分列出对应的工龄，其中10+year需要二次分列。所以有两种处理方法：
1.通过函数处理方式处理，此处选择这种；
2.通过替换成对应年份的方法处理（后面类别数据会用到）。
# 1.编写函数处理方式处理
def coding_y(data_y):
codlist = []
for i in data_y:
if i == '< 1 year':
cod = 0
elif i == 'n/a':
cod = -1
else:
cod = i.split(' ')[0].split('+')[0] # 先分列空格，此时只有”10+“未处理好，需再次分列+号
codlist.append(cod)
cod_y = pd.Series(codlist)
return cod_y
used_data['工作年限'] = coding_y(used_data['工作年限']).astype('int') #调用函数并转换类型，方便可视化和统计# 查看前两行，格式已转换
used_data.head(2)
3.4 查看整体数据情况
分别从字符串和数值类型来查看整体的数据情况，把握后面分析的重点
查看字符串型数据情况
# 通过select_dtypes函数筛选出object对象的对应信息
# 可分别得到非空值数量、unique数量，最大频数变量，最大频数，以及新添加一列特征变量top_pre，表示最大变量占比
used_data_des = used_data.select_dtypes(include=['object']).describe().T
used_data_des['top_pre']=used_data_des['freq']/used_data_des['count']
used_data_des
可以得出：
-
贷款状态有7种，其中Current（未结清但无逾期）占比74.8%最高；
-
还款期数有2种，36期占比76.2%，可用于多变量分析的对比参数；
-
贷款等级有7类，是LC评定客户的等级，C等级占比33.9%最高；
-
房产所以权有4种，其中按揭贷款接近一半；
-
贷款目的有13类，其中债务合并占比57.7%，俗称以贷还贷，此类型客户逾期概率高，需深入观察；
-
申请人所在洲有49个，美国共有50各州，说明LC业务量强大；其中LC的成立地区加利福尼亚州（CA）占比13%最高
查看数值型数据情况
# 查看数值型数据情况
used_data.describe().T
四 解决问题
4.1 平台角度-结果指标-贷款状态分析
LC数据字典提供网站：https://help.bitbond.com/article/20-the-10-loan-status-variants-explained
LC网站与LC字典解释有些有出入，比如说LC网站说有逾期30-90，但是LC字典只有逾期30-120比较接近；所以以下说明加入了自己的理解，不合理的欢迎指正。
综上：可根据逾期和未逾期划分贷款状态
未逾期标记为1：完全还清和部分还款客户；
逾期都标记为0：这里可以再细分宽限期和逾期
mapping_dict = {"贷款状态": {
'Current':0,'Fully Paid':0,
'Charged Off':1,'Late (31-120 days)':1,'Default':1,
'Late (16-30 days)':1,'In Grace Period':1 }
}
used_data = used_data.replace(mapping_dict)attr = ['正常', '逾期'] # 名称的顺序要和标签的顺序一致
pie = Pie("贷款状态占比")
pie.add("", attr, [int(i) for i in pd.value_counts(used_data["贷款状态"])] ,is_label_show=True)
pie
LC正常状态客户占91.93%，逾期客户占8.07%，整体情况良好；
在逾期客户中违约占比0.008%，但委外催收占比3.5%，极有可能是将逾期120天以上的贷款全部委外给催收机构。其实这在P2P或者银行中比较常见的，自身贷前袋中贷后都做的话业务有点大，尤其是贷后逾期严重的客户比较难催，一般都会委外给专业的催收机构。
4.1.1 平台角度-衡量指标-贷款利率&贷款金额
fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
fig.set_size_inches(12,5)sns.distplot(used_data['贷款利率'],ax=ax1)
sns.distplot(used_data['贷款金额'],ax=ax2)ax1.set(xlabel='贷款利率',title='贷款利率分布',)
ax2.set(xlabel='贷款金额',title='贷款金额分布')
4.1.2 平台角度-衡量指标-贷款等级
# used_data['贷款等级'].value_counts() #查看等级排序
attr = ["C", "B","D","A","E","F","G"]
pie = Pie("贷款等级比例")
pie.add("", attr, [float(i) for i in pd.value_counts(used_data['贷款等级'])] ,is_label_show=True)
pie
贷款等级最高的C和B，占比均在30%以上，其次是A和D，占比分别是12.5%和15.3%，前四个等级(A-D)占比高达92.9%，可见LC审核之严格.
前面得出正常还款的客户同样高达90%以上，是不是这部分客户就是A-D等级呢？逾期的客户是哪些等级呢？
# 使用 FacetGrid.map 构建结构化多绘图网格，查看不同等级下贷款状态的利率
order_dj = ['A', 'B', 'C', 'D', 'E', 'F', 'G'] # 指定贷款等级排序，方便查看等级与利率关系
g = sns.FacetGrid(used_data,row='贷款状态',col='贷款等级',col_order=order_dj)
g.map(plt.hist, "贷款利率");
LC客户的信用等级从A-G，等级越高，贷款利率就越小（越偏向左，第一排贷款状态为0时更加直观）；
其中正常客户(贷款状态=0)分布在A-E等级。可以反应出正常还款的客户客户信用好，财务状况较好，违约发生的可能性较低，因此等级越高，利率自然也相对较低。
逾期的客户(贷款状态=0)最多的等级是C和D。D等级占比是C等级的一半，但是逾期却差不多，后面需查看用户特征。
4.2 客户角度
4.2.1 硬性信贷指标：年收入、负债收入比
fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
fig.set_size_inches(12,5)sns.distplot(used_data['年收入'],ax=ax1)
sns.distplot(used_data['负债收入比'],ax=ax2)ax1.set(xlabel='年收入',title='年收入分布')
ax2.set(xlabel='负债收入比',title='负债收入比分布')
- 年收入最高为700万，均值为8万，75%低于10万。LC客户除极少部分是高收入人群外，大部分客户收入较为一般；
- 普遍认为负债务收入比40%是临界点，LC75%的客户负债收入比在24.59&以下，说明客户债务情况良好，负担债务意愿佳；
- LC以客户群体收入一般，但是负债情况良好，证明LC小额贷款的切入及客户定位都非常的精准。
4.2.1 硬性信贷指标：房租所有权
# used_data['房屋所有权'].value_counts() #查看房屋所有权排序
attr = ['住房贷款', '租房', '自己所有','其他']
pie = Pie("房屋所有权占比")
pie.add("", attr, [int(i) for i in pd.value_counts(used_data["房屋所有权"])] ,is_label_show=True)
pie
- 在住房类型种类中住房贷款和租房两者占比88%以上，说明LC客户群体定位比较精准。
- 住房贷款占比高达49.03%，这部分客户负债较高，个人的资金流动差，更容易贷款；
- 其次是租房39.11%，租房客户贷款说明客户群体较为普通，也即有可能是刚出社会不久的年轻人，收入较低支出较大，更容易贷款。
4.2.2 软性信贷指标：工作年限
- 工作超过10的客户远远高于其他年限，这部分人群成家立业，家庭开支房贷等支出大，经济压力大，是LC贷款客户的最大群体。
- 其次下来是年限在2-3稍微高于其他年限，而且6-9年占比较低，可以看出消费需求大没有多少积蓄的职场新人也是LC的重要群体之一。
4.2.2 软性信贷指标：地域（申请人所在州）
- 客户占比最高的地区是LC的成立地区加利福尼亚州CA，世界知名的“好莱坞”和“硅谷”均在州内，经济活跃，消费能力强；
- 其次是纽约NY,德克萨斯州TX，佛罗里达州FL等东南沿海发达地区，排在后面的也是沿海发达地区居多，客户普遍经济能力强，金融意识强。
- LC公司客户地区多分布在沿海经济发达地区。
软性信贷指标：贷款目的
- 57.7%的客户贷款目的是为了债务合并，19.8%是信用卡还款，近8成的客户是以贷还贷的，一旦资金异常，逾期概率就会很高。
4.2.3 信用指标：损害公共记录次数2年内违约次数/拖欠账户数量
fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)
ax2 = fig.add_subplot(1, 3, 2)
ax3 = fig.add_subplot(1, 3, 3)
fig.set_size_inches(18,5)
sns.countplot(used_data['损害公共记录次数'].sort_values(),ax=ax1)
sns.countplot(used_data['2年内违约次数'].sort_values(),ax=ax2)
sns.countplot(used_data['拖欠账户数量'].sort_values(),ax=ax3)ax1.set(xlabel='损害公共记录次数',title='损害公共记录次数分布')
ax2.set(xlabel='2年内违约次数',title='2年内违约次数分布')
ax3.set(xlabel='拖欠账户数量',title='拖欠账户数量分布')
- 超过80%的客户无损害公共记录次数和2年内违约次数，拖欠账户数量几乎没有，可见平台客户信用非常好。
4.2.4 其他指标：还款期数/1年内开立分期付款帐户的数目/1年内开立分期付款帐户的数目
sns.lmplot(x="1年内开立分期付款帐户的数目", y="2年内开立分期付款帐户的数目", col="还款期数", hue="贷款状态", markers=["o", "x"], palette="Set1",data=used_data);
- 可以看到1年内开立分期付款帐户的数目和2年内开立分期付款帐户的数目成正相关；
- 逾期客户开户分期数少，正常的客户开户分期数多，可以作为区分是否逾期的一个特征。
结论
平台运营特点
- 平台整体运营情况良好，正常客户占91.93%，逾期客户占8.07%。
- 平台以小额贷款为主，借款金额主要集中在中位数1.2万前后；
- 平台贷款利率相比于传统金融机构偏高，平均利率为13.66%，最高达30.99%；
- 平台7个贷款等级中前四占比92.9%，正常客户集中在前5等级，逾期客户集中在C、D等级。
客户群体特征
综上，评估LC客户的还款能力和还款意愿
硬性评估：平台客户群体以中产阶级为中坚力量，49%的客户贷款买房、12%的可以有自己的房产。财务状况、负债情况良好，整体还款能力不错；
软性评估：平台客户工龄以10年以上为主，主要集中在CA,NY等沿海经济发达地区，都有一定的家庭和社会地位；近8成客户以贷还贷，而且超过80%的客户无损害公共记录次数和2年内违约次数等，信用良好。
家庭社会地位，以贷还贷，信用良好逾期概率小等等都能够反映LC客户的偿还意愿比较好。
影响客户逾期的因素更多要从客户角度去分析指标，上面提到的客户角度的指标都是可以作为参考的指标。可以在贷前做用户画像，评分卡，建模等方式来评估。
本篇主要基于LC信贷数据简要分析平台业务特点和客户特征，初步判断影响逾期的因素，未做深入相关性分析，还有诸多不足之处，后续慢慢完善。
扫一扫
1587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
