拍拍贷业务数据探索分析-基于R语言

=======================================================

1.前言

根据百度百科和官网：拍拍贷成立于2007年6月，公司全称为“上海拍拍贷金融信息服务有限公司”，总部位于国际金融中心上海，是中国第一家网络信用借贷平台（P2P）。拍拍贷是国内第一家由工商部门特批，获得“金融信息服务”经营范围许可，得到政府认可的互联网金融平台。它主要提供一个借、贷的中介平台，撮合出借人、投资人双方达成交易。2017年于美国纽交所成功上市，11年来累计用户数过8000万，累计成交金额过1300亿，累计为用户赚取过48亿。

本项目通过研究拍拍贷2015-01-01到2017-01-30的所有信用标的10%样本，探索其中的一些规律，并对借款金额、利率、信用评级等进行初步研究。本项目只研究LC数据集。

#2 加载探索分析需要的包及数据

根据项目需要，加载ggplot2、knitr、dplyr、scales、memisc和gridExtra包。

library(ggplot2)
library(knitr)
library(dplyr)
library(scales)
library(memisc)
library(gridExtra)

加载数据(使用拍拍贷的LC数据集，注意这里需要指定编码，使用fileEncoding=‘UTF-8’，不然会出现乱码或列标签与内容对不上)

setwd('E:/udacity/udacity data/R/project/a')
lc<-read.csv('LC.csv',fileEncoding ='UTF-8')

3 观察数据的基本情况

summary(lc)

结论：

lc表主要是与借款人相关的资料，共有21列，328553条数据；借款金额为100-500000万元，借款期限为1-24期，借款利率为7%-24%（法定最高借款利率），借款人年龄主要分布在18-65岁之间，借款性别中男女比约为1.9:1，与网上经常看到的各种相关新闻不太一致；多数借款人未经过认证；最大借款次数高达649次，最大借款累计金额高达740万，最大逾期达60期。

4 准备工作

4.1 数据类型及处理

观察lc表数据类型,只有整型、浮点数和factor变量三种，其中有以下问题需要处理：

4.1.1 日期需要进行分组

str(lc)
lc$year<-format(as.Date(lc$借款成功日期),'%y')
lc$month<-format(as.Date(lc$借款成功日期),'%m')
lc$day<-format(as.Date(lc$借款成功日期),'%d')

4.1.2 新建认证条数列统计认证成功的总数

成功认证赋值为1，未成功认证赋值为0，最大认证条数为6，最低认证条数为0；然后将认证条数列更改为factor类型以便后面统计。

lc$认证条数 <- (lc$手机认证=='成功认证') + (lc$户口认证=='成功认证') + 
  (lc$视频认证=='成功认证') + (lc$学历认证=='成功认证') + 
  (lc$征信认证=='成功认证') + (lc$淘宝认证=='成功认证')

lc$认证条数<-factor(lc$认证条数,levels=c(0:6),
                labels=c('0','1','2','3','4','5','6'))
str(lc)

4.1.3 划分年龄段

根据经验按照22/27/32/37/42/47/52/57划分年龄段

lc$年龄段<-cut(lc$年龄,breaks=c(17,22,27,32,37,42,47,52,57),include.lowest=T)

5 单变量探索

5.1 借款金额

探究借款金额的分布，选用频率直方图；为尽量探究一般行为，找出大众规律，使用geom_vline找出95%置信区间的范围，后面多采用类似方法。

qplot(x=借款金额,data=lc,binwidth=0.01,ylab=('计量值'),fill=I('#F97420'))+
  scale_x_log10(breaks=c(0,100,500,1000,5000,9000,50000,200000,500000))+
  scale_y_sqrt()+
  geom_vline(xintercept =quantile(lc$借款金额,probs=0.975,na.rm=T),
             linetype='dashed',color='blue')+ 
  geom_vline(xintercept =quantile(lc$借款金额,probs=0.025,na.rm=T),
             linetype='dashed',color='blue')
  

结论:95%置信区间的借款金额集中在500至9000元之间。根据拍拍贷最新官网信息，借款额度不能低于1000元。这其中出现的1000元以下的借款可能是因为2017年以前的规定不一样。另外，人们的借款金额更多为1000的整数倍，这与常识相符。

5.2借款期限

观察借款期限的分布，选用频率直方图

qplot(x=借款期限,data=lc,binwidth=1)+
  scale_x_continuous(lim=c(1,25),breaks=seq(1,25,2))

结论：借款期限绝大多数为12个月、6个月，另外还有少量为9个月，其他的借款期很少。