使用R语言creditmodel包进行Vintage分析或留存率分析

最新推荐文章于 2024-08-12 16:17:21 发布

汉森老师

最新推荐文章于 2024-08-12 16:17:21 发布

阅读量1.8k

点赞数 1

分类专栏： creditmodel 文章标签：数据分析可视化大数据

本文链接：https://blog.csdn.net/weixin_39191471/article/details/105016373

版权

creditmodel 专栏收录该内容

3 篇文章 1 订阅

订阅专栏

1 什么是vintage分析？

Vintage分析（账龄分析法）被广泛应用于信用卡及信贷行业，这个概念起源于葡萄酒，即不同年份出产的葡萄酒的品质有差异，那么不同时期开户或者放款的资产质量也有差异，其核心在于，对不同时期不同批次的资产分别跟踪，按照账龄同步对比，从而能够了解不同时期放款或发行信用卡的资产质量情况。

vintage分析从更广泛的意义来讲属于同期群分析，跟社会跟踪调查、人口学的队列分析技术，互联网运营的留存分析是类似的，具体概念不再赘述。我们直接进入主题，如何使用R语言creditmodel包做Vintage分析。

2 creditmodel包的cohort analysis模块简介

creditmodel是汉森老师开发的一个强大的R语言数据科学工具包，有数据预处理、变量衍生、数据分析、数据可视化、自动化建模五大功能模块。而今天所讲的vintage分析是creditmodel包数据分析模块的一个子模块，包括cohort_analysis、cohort_table、cohort_table_plot、cohort_plot四个主要函数。

3 cohort analysis 模块简介

Description

cohort_analysis cohort_analysis is for cohort(vintage) analysis.

Usage

cohort_analysis(dat, obs_id = NULL, occur_time = NULL, MOB = NULL,
  period = "monthly", status = NULL, amount = NULL, by_out = "cnt",
  start_date = NULL, end_date = NULL, dead_status = 30)

cohort_table(dat, obs_id = NULL, occur_time = NULL, MOB = NULL,
  period = "monthly", status = NULL, amount = NULL, by_out = "cnt",
  start_date = NULL, end_date = NULL, dead_status = 30)

Arguments

`dat`	A data.frame contained id, occur_time, mob, status …
`obs_id`	The name of ID of observations or key variable of data. Default is NULL.
`occur_time`	The name of the variable that represents the time at which each observation takes place.
`MOB`	Mobility of book
`period`	Period of event to analysis. Default is “monthly”
`status`	Status of observations
`amount`	The name of variable representing amount. Default is NULL.
`by_out`	Output: amount (amt) or count (cnt)
`start_date`	The earliest occurrence time of observations.
`end_date`	The latest occurrence time of observations.
`dead_status`	Status of dead observations.

4 使用vintage分析步骤

4.1 数据准备

进行vintage分析，输入的数据至少要有放款编号（loan_id）, 放款时间(loan_time)、放款金额(loan_amount)和账户状态(max_overdue_days或age_overdue_days)四列。

#安装和加载creditmodel包
#install.packages("creditmodel")
library(creditmodel)
#使用read_data读入数据。
vin_dat = read_data("vin_dat.csv")
#使用creditmodel包的数据清晰模块主函数对数据进行清洗，关于数据清洗模块，以后会做详细接受，在此简单描述下各个参数的含义。
vin_dat = data_cleansing(vin_dat, obs_id = "loan_id",#主键
                         occur_time = 'loan_time',#事件发生时间
                         outlier_proc = FALSE,#不进行异常值处理
                         missing_proc = FALSE,#不进行确实值处理
                         remove_dup = FALSE,#不删除重复观测
                         merge_cat = FALSE,#不对类别变量的类别进行合并
						 low_var = 0.9999,#删除单一值比例大于0.9999的变量
						 missing_rate = 0.9999 # 对缺失值比例大于0.9999的变量进行二值化处理
                        )
#可使用creditmodel包的data_exploration函数来观察数据概貌
data_exploration(vin_dat)
>
* Observations      : 204697
* Numeric_variables : 7
* Category_variables: 1
* Date_variables    : 1
$num
             Feature  NMiss Miss_Rate        Max        75%     Median        25%        Min       Mean   Std
1   age_overdue_days 194695    95.11%        440        122         61         30          1         90    76
2 age_overdue_period     33     0.02%         15          0          0          0          0          0  0.87
3           loan_age     33     0.02%         15          6          3          1          0          4   3.2
4        loan_amount      0        0%     500000      60000      40000      30000       1000      47911 24279
5       loan_balance    823      0.4%     500000      53186      39046      27871        920      43112 22157
6          loan_time      0        0% 2017-09-30 2017-03-31 2016-12-29 2016-11-01 2016-06-01 2017-01-11    99
7   max_overdue_days 160974    78.64%        440         13          2          1          1         23    52
8 max_overdue_period      0        0%       15.0        0.0        0.0        0.0        0.0        0.3  0.93

$char
  Feature  NMiss Miss_Rate                 Value1                 Value2              Value3              Value4              Value5              Value6
1 loan_id 204697      100% n2016060100000030 : 48 n2016060100000010 : 30 n1605300032102 : 16 n1606010034102 : 16 n1606020032402 : 16 n1606020034202 : 16
            Value7
1 (Other) : 204555
>
#使用plot_table画出数值型变量的数据概要
plot_table(data_exploration(vin_dat)$num)

在这里插入图片描述

4.2 vintage分析

4.2.1 cohort_dat表的构建

使用cohort_analysis函数来构建cohort_dat表。

cohort_dat = cohort_analysis(vin_dat,
                             obs_id = 'loan_id',#放款编号
                             occur_time = 'loan_time', #放款时间
                             MOB = NULL,#month on book在账月份，找个可以自己定义为一个变量，默认以自然月为月份。
                             period = 'monthly',#以月作为同一时期，也可按周weekly
                             status = "age_overdue_days",#使用账龄末逾期天数作为状态，也为自己定义的0、1变量
                             dead_status = 30, #逾期天数大于30天则为dead状态，若为0、1变量，此处应设为0.
                             amount = "loan_amount", #如果以金额统计，则必须设置，此处按放款金额计算,也可以按余额
                             by_out = 'amt',#如果以金额统计则为‘amt’,以笔数统计则为‘cnt’
                             start_date = "2016-08-01",#统计日开始时间
                             end_date = '2017-05-31'#统计日结束时间
                            )

最终表结构如下：

Group	Age	Total	Events	Opening	final_Events	Current_rate	Events_rate	Retention_rate
2016/8/1	0	647	6	647	101	0.1561	0.0093	1
2016/8/1	1	646	21	647	101	0.1561	0.0325	0.9985
2016/8/1	2	645	21	647	101	0.1561	0.0325	0.9969
2016/8/1	3	642	25	647	101	0.1561	0.0386	0.9923
2016/8/1	4	638	33	647	101	0.1561	0.051	0.9861
2016/8/1	5	630	47	647	101	0.1561	0.0726	0.9737

4.2.2 画出vintage图

画出vintage图，特别简单，直接使用cohort_plot函数，输入上一步计算的cohort_dat即可。

cohort_plot(cohort_dat)

在这里插入图片描述

4.2.3 vintage表格

使用cohort_table函数得到vintage表格，其入参与cohort_analysis 入参完全一致。

vin_table = cohort_table(vin_dat, obs_id = 'loan_id', occur_time = 'loan_time', MOB = NULL,
			 period = 'monthly', status = "max_overdue_days",
			 dead_status = 30, amount = "loan_balance", by_out = 'amt',
			 start_date = "2016-09-01", end_date = '2017-07-31')

最终表格如下表所示：

Cohort_Group	1	2	3	4	5	6	7	8	9	10	11	12
2016/9/1	0%	0.48%	1.19%	2.09%	2.78%	4.11%	4.46%	5.45%	6.06%	7.67%	8.43%	9.47%
2016/10/1	0%	0.34%	1.37%	2.61%	4.03%	4.50%	6.27%	7.04%	8.31%	9.19%	10.70%
2016/11/1	0%	0.47%	1.39%	2.44%	3.44%	4.96%	5.97%	6.91%	7.93%	9.23%
2016/12/1	0%	0.39%	1.37%	2.07%	3.25%	4.29%	4.60%	6.18%	7.39%
2017/1/1	0%	0.32%	0.82%	1.83%	2.66%	3.21%	4.71%	5.31%
2017/2/1	0%	0.35%	1.25%	2.49%	2.97%	5.09%	7.03%
2017/3/1	0%	0.60%	1.21%	1.63%	4.07%	5.55%
2017/4/1	0%	0.16%	0.83%	2.81%	4.52%
2017/5/1	0%	0.29%	1.26%	1.87%
2017/6/1	0%	0.47%	1.27%
2017/7/1	0%	0.32%

4.2.4 画出vintage表格

如何优雅地画出vintage表格呢？本来只需要一步：cohort_table_plot(cohort_dat)即可，但由于汉森老师粗心大意，R语言CRAN库最新的creditmodel1.1.8版本的该函数有一些bug，不能一步画出来，因此我把修复了bug的源码贴出来，在画vintage表格前先加载这个函数。

#' cohort_table_plot
#' \code{cohort_table_plot} is for ploting cohort(vintage) analysis table.
#' @param cohort_dat  A data.frame generated by \code{cohort_analysis}.
#' @import ggplot2
#' @export
cohort_table_plot = function(cohort_dat) {
  #set global variables
  opt = options('warn' = -1, scipen = 200, stringsAsFactors = FALSE, digits = 6) #
  cohort_dat[is.na(cohort_dat)] = 0
  #initial parameters
  Cohort_Group = Cohort_Period = Events = Events_rate = Opening_Total = 
  Retention_Total = cohor_dat = final_Events = m_a = max_age = NULL
  #plot
  cohort_plot = ggplot(cohort_dat, aes(reorder(paste0(Cohort_Period), Cohort_Period),
                                       Cohort_Group, fill = Events_rate)) +
    geom_tile(colour = 'white') +
    geom_text(aes(label = as_percent(Events_rate, 4)), size = 3) +
    scale_fill_gradient2(limits = c(0, max(cohort_dat$Events_rate)),
                         low = love_color('deep_red'), mid = 'white',
                         high = love_color(),
                         midpoint = median(cohort_dat$Events_rate,
                                           na.rm = TRUE), 
                         na.value = love_color('pale_grey')) +
    scale_y_discrete(limits = rev(unique(cohort_dat$Cohort_Group))) +
    scale_x_discrete(position = "top") +
    labs(x = "Cohort_Period", title = "Cohort Analysis") +
    theme(text = element_text(size = 15), rect = element_blank()) +
    plot_theme(legend.position = 'right', angle = 0)
  return(cohort_plot)
  options(opt) #reset global variables
}

creditmodel包的数据可视化模块依赖ggplot2包画图，因此在画图前，别忘了加载ggplot2

vin_table = cohort_table(vin_dat, obs_id = 'loan_id', occur_time = 'loan_time', MOB = NULL,
			 period = 'monthly', status = "max_overdue_days",
			 dead_status = 30, amount = "loan_balance", by_out = 'amt',
			 start_date = "2016-09-01", end_date = '2017-07-31')
cohort_table_plot(cohort_dat)

在这里插入图片描述

5总结

R语言creditmodel包是集变量衍生、数据预处理、数据分析、建模、数据可视化为一体的强大的数据科学工具包，关于该包的更深入的使用，还请关注汉森老师的公众号hansenmode。

觉得本文有参考意义的同学请点个赞或者转发，以鼓励汉森老师出产更多的作品。

另外，以上分析过程所使用的数据为模拟的数据，没有任何实际参考价值。

汉森老师

关注

1
点赞
踩
11

收藏

觉得还不错? 一键收藏
1
评论
使用R语言creditmodel包进行Vintage分析或留存率分析

1 什么是vintage分析？Vintage分析（账龄分析法）被广泛应用于信用卡及信贷行业，这个概念起源于葡萄酒，即不同年份出产的葡萄酒的品质有差异，那么不同时期开户或者放款的资产质量也有差异，其核心在于，对不同时期不同批次的资产分别跟踪，按照账龄同步对比，从而能够了解不同时期放款或发行信用卡的资产质量情况。vintage分析从更广泛的意义来讲属于同期群分析，跟社会跟踪调查、人口学的队列分析技...
复制链接

扫一扫