項目背景

作為舊金山的一家個人對個人的借貸公司，Lending Club成立于2006年。他們是第一家注冊為按照美國證券交易委員會SEC(Securities and Exchange Commission)的安全標準向個人提供個人貸款的借貸公司。與傳統借貸機構最大的不同是，Lending Club利用網絡技術打造的這個交易平臺，直接連接了個人投資者和個人借貸者，通過此種方式，縮短了資金流通的細節，尤其是繞過了傳統的大銀行等金融機構，使得投資者和借貸者都能得到更多實惠、更快捷。對于投資者來說可以獲得更好的回報，而對于借貸者來說，則可以獲得相對較低的貸款利率。

盈利模式：Lending Club的利潤主要來自對貸款人收取的手續費和對投資者的管理費，前者會因為貸款者個人條件的不同而有所起伏，一般為貸款總額的1.1-5%；后者則是統一對投資者收取一樣的1%的管理費?

特色：特別重視用戶的信用記錄，平均只有10%的申請通過信用記錄審核。這是其能吸引到很多大的投資用戶，并且風險控制和利潤都取得長足進步的主要原因。其管理層的背景及其雄厚，多位金融和政界傳奇人物，從其首輪融資即得到1000萬美元的融資便可見其規模。

2006年成立于美國加利福利尼亞州；2014年于紐交所上市，并同時開展企業貸款服務；截止到2018年底平臺累計發放貸款445億美元，平均壞賬率7.7%，年均借款利率13.38%；

LC介紹：https://www.huxiu.com/article/41472.html

文章思路：提出問題——理解數據——數據預處理——解決問題——得出結論

一 提出問題

文章主要基于Python對Lending Club信貸業務數據的分析，主要是想通過2018年Q4數據分析平臺業務特點和客戶群體特征，進而簡要分析逾期的影響因素。

一個人是否還款可以從還款能力和還款意愿來評估。下面從兩個角度進行深入分析。

1 平臺角度：平臺的數據指標更多構建來衡量結果的指標，簡要分析了解平臺整體情況。s

2 客戶角度：任何可以量化客戶的還款能力的信息均可以用作硬信息，可描述客戶還款意愿的信息則為軟信息。

二 數據理解

數據來源LC官網：https://link.zhihu.com/?target=https%3A//www.lendingclub.com/info/download-data.action

原始數據維度：103546行，145個字段。選取18個相關字典字段進行分析。

三 數據預處理

3.1 選取子集并重命名

?選取子集
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函數對字段重命名
used_data = used_data.rename(columns={'loan_status':'貸款狀態','issue_d':'放貸日期','loan_amnt':'貸款金額',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 'term':'還款期數','int_rate':'貸款利率','grade':'貸款等級',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 'annual_inc':'年收入','home_ownership':'房屋所有權','dti':'負債收入比',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 'emp_length':'工作年限','purpose':'貸款目的','addr_state':'申請人所在洲',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 'acc_now_delinq':'拖欠賬戶數量','pub_rec':'損害公共記錄次數',
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 'delinq_2yrs':'2年內違約次數','open_il_12m':'1年內分期數','open_il_24m':'2年內分期數'})
used_data2=used_data.copy() # 備份
used_data.head(3) # 查看前3行數據

3.2 處理缺失值

# 查看空值缺失值情況
def not_null_count(column):
? ? column_null = pd.isnull(column) ?#判斷某列屬性是否存在缺失值
? ? null = column[column_null]
? ? return len(null)

column_null_count = used_data.apply(not_null_count) ?
column_null_count

得知負債收入比含有28個缺失值，篩選數據來觀察

used_data.loc[used_data['負債收入比'].isnull()]

# 觀察發現眾多指標中，工齡為'n/a'的客戶缺失比例較大，所以用其均值對nan進行填充。
# 有時候也需要0填充used_data['負債收入比'].fillna(value=0)
used_data['負債收入比'] = used_data['負債收入比'].fillna(used_data.loc[used_data['工作年限']=='n/a']['負債收入比'].mean())
# 填充后觀察整體數據類型情況
used_data.info()

通過觀察可知，數據已無缺失值；浮點型數據有2個，整型有6個，字符串有9個。

其中放貸日期可以轉換為日期格式，貸款利率和工作年限可以量化，優先處理。

3.3 數據類型轉換

#?字符串轉日期格式
used_data['放貸日期'] = pd.to_datetime(used_data['放貸日期'],format='%Y/%m/%d')
#errors='coerce' 如果原始數據不符合日期的格式，轉換后的值為空值NaT
#format 是你原始數據中日期的格式

# 特殊字符串轉浮點型——貸款利率
used_data['貸款利率']= used_data['貸款利率'].str.rstrip("%").astype("float")?

# 特殊字符串轉數值——工作年限
used_data['工作年限'].value_counts()

通過觀察可知：年齡類別有12個，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對應的工齡，其中10+year需要二次分列。所以有兩種處理方法：

1.通過函數處理方式處理，此處選擇這種；

2.通過替換成對應年份的方法處理（后面類別數據會用到）。

# 1.編寫函數處理方式處理
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，此時只有”10+“未處理好，需再次分列+號
? ? ? ? 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') #調用函數并轉換類型，方便可視化和統計

# 查看前兩行，格式已轉換
used_data.head(2)

3.4 查看整體數據情況

分別從字符串和數值類型來查看整體的數據情況，把握后面分析的重點

查看字符串型數據情況

# 通過select_dtypes函數篩選出object對象的對應信息
# 可分別得到非空值數量、unique數量，最大頻數變量，最大頻數，以及新添加一列特征變量top_pre，表示最大變量占比
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：

• 貸款狀態有7種，其中Current（未結清但無逾期）占比74.8%最高；

• 還款期數有2種，36期占比76.2%，可用于多變量分析的對比參數；

• 貸款等級有7類，是LC評定客戶的等級，C等級占比33.9%最高；

• 房產所以權有4種，其中按揭貸款接近一半；

• 貸款目的有13類，其中債務合并占比57.7%，俗稱以貸還貸，此類型客戶逾期概率高，需深入觀察；

• 申請人所在洲有49個，美國共有50各州，說明LC業務量強大；其中LC的成立地區加利福尼亞州（CA）占比13%最高

查看數值型數據情況

# 查看數值型數據情況
used_data.describe().T

四 解決問題

4.1 平臺角度-結果指標-貸款狀態分析

LC數據字典提供網站：https://help.bitbond.com/article/20-the-10-loan-status-variants-explained

LC網站與LC字典解釋有些有出入，比如說LC網站說有逾期30-90，但是LC字典只有逾期30-120比較接近；所以以下說明加入了自己的理解，不合理的歡迎指正。

綜上：可根據逾期和未逾期劃分貸款狀態

未逾期標記為1：完全還清和部分還款客戶；
逾期都標記為0：這里可以再細分寬限期和逾期

mapping_dict = {"貸款狀態": {
? ? ? ? ? ? ? ? ? ? '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'] ?# 名稱的順序要和標簽的順序一致
pie = Pie("貸款狀態占比")
pie.add("", attr, [int(i) for i in pd.value_counts(used_data["貸款狀態"])] ,is_label_show=True)
pie

?

?

LC正常狀態客戶占91.93%，逾期客戶占8.07%，整體情況良好；

在逾期客戶中違約占比0.008%，但委外催收占比3.5%，極有可能是將逾期120天以上的貸款全部委外給催收機構。其實這在P2P或者銀行中比較常見的，自身貸前袋中貸后都做的話業務有點大，尤其是貸后逾期嚴重的客戶比較難催，一般都會委外給專業的催收機構。

4.1.1 平臺角度-衡量指標-貸款利率&貸款金額

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['貸款利率'],ax=ax1)
sns.distplot(used_data['貸款金額'],ax=ax2)

ax1.set(xlabel='貸款利率',title='貸款利率分布',)
ax2.set(xlabel='貸款金額',title='貸款金額分布')

4.1.2 平臺角度-衡量指標-貸款等級

# used_data['貸款等級'].value_counts() #查看等級排序
attr = ["C", "B","D","A","E","F","G"]
pie = Pie("貸款等級比例")
pie.add("", attr, [float(i) for i in pd.value_counts(used_data['貸款等級'])] ,is_label_show=True)
pie

貸款等級最高的C和B，占比均在30%以上，其次是A和D，占比分別是12.5%和15.3%，前四個等級(A-D)占比高達92.9%，可見LC審核之嚴格.

前面得出正常還款的客戶同樣高達90%以上，是不是這部分客戶就是A-D等級呢？逾期的客戶是哪些等級呢？

# ?使用 FacetGrid.map 構建結構化多繪圖網格，查看不同等級下貸款狀態的利率
order_dj = ['A', 'B', 'C', 'D', 'E', 'F', 'G'] # 指定貸款等級排序，方便查看等級與利率關系
g = sns.FacetGrid(used_data,row='貸款狀態',col='貸款等級',col_order=order_dj)
g.map(plt.hist, "貸款利率");

LC客戶的信用等級從A-G，等級越高，貸款利率就越小（越偏向左，第一排貸款狀態為0時更加直觀）；

其中正常客戶(貸款狀態=0)分布在A-E等級。可以反應出正常還款的客戶客戶信用好，財務狀況較好，違約發生的可能性較低，因此等級越高，利率自然也相對較低。

逾期的客戶(貸款狀態=0)最多的等級是C和D。D等級占比是C等級的一半，但是逾期卻差不多，后面需查看用戶特征。

4.2 客戶角度

4.2.1 硬性信貸指標：年收入、負債收入比

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['負債收入比'],ax=ax2)

ax1.set(xlabel='年收入',title='年收入分布')
ax2.set(xlabel='負債收入比',title='負債收入比分布')

• 年收入最高為700萬，均值為8萬，75%低于10萬。LC客戶除極少部分是高收入人群外，大部分客戶收入較為一般；
• 普遍認為負債務收入比40%是臨界點，LC75%的客戶負債收入比在24.59&以下，說明客戶債務情況良好，負擔債務意愿佳；
• LC以客戶群體收入一般，但是負債情況良好，證明LC小額貸款的切入及客戶定位都非常的精準。

4.2.1 硬性信貸指標：房租所有權

# used_data['房屋所有權'].value_counts() #查看房屋所有權排序
attr = ['住房貸款', '租房', '自己所有','其他']
pie = Pie("房屋所有權占比")
pie.add("", attr, [int(i) for i in pd.value_counts(used_data["房屋所有權"])] ,is_label_show=True)
pie

• 在住房類型種類中住房貸款和租房兩者占比88%以上，說明LC客戶群體定位比較精準。
• 住房貸款占比高達49.03%，這部分客戶負債較高，個人的資金流動差，更容易貸款；
• 其次是租房39.11%，租房客戶貸款說明客戶群體較為普通，也即有可能是剛出社會不久的年輕人，收入較低支出較大，更容易貸款。

4.2.2 軟性信貸指標：工作年限

• 工作超過10的客戶遠遠高于其他年限，這部分人群成家立業，家庭開支房貸等支出大，經濟壓力大，是LC貸款客戶的最大群體。
• 其次下來是年限在2-3稍微高于其他年限，而且6-9年占比較低，可以看出消費需求大沒有多少積蓄的職場新人也是LC的重要群體之一。

4.2.2 軟性信貸指標：地域（申請人所在州）

• 客戶占比最高的地區是LC的成立地區加利福尼亞州CA，世界知名的“好萊塢”和“硅谷”均在州內，經濟活躍，消費能力強；
• 其次是紐約NY,德克薩斯州TX，佛羅里達州FL等東南沿海發達地區，排在后面的也是沿海發達地區居多，客戶普遍經濟能力強，金融意識強。
• LC公司客戶地區多分布在沿海經濟發達地區。

軟性信貸指標：貸款目的

• 57.7%的客戶貸款目的是為了債務合并，19.8%是信用卡還款，近8成的客戶是以貸還貸的，一旦資金異常，逾期概率就會很高。

4.2.3 信用指標：損害公共記錄次數2年內違約次數/拖欠賬戶數量

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['損害公共記錄次數'].sort_values(),ax=ax1)
sns.countplot(used_data['2年內違約次數'].sort_values(),ax=ax2)
sns.countplot(used_data['拖欠賬戶數量'].sort_values(),ax=ax3)

ax1.set(xlabel='損害公共記錄次數',title='損害公共記錄次數分布')
ax2.set(xlabel='2年內違約次數',title='2年內違約次數分布')
ax3.set(xlabel='拖欠賬戶數量',title='拖欠賬戶數量分布')

• 超過80%的客戶無損害公共記錄次數和2年內違約次數，拖欠賬戶數量幾乎沒有，可見平臺客戶信用非常好。

4.2.4 其他指標：還款期數/1年內開立分期付款帳戶的數目/1年內開立分期付款帳戶的數目

sns.lmplot(x="1年內開立分期付款帳戶的數目", y="2年內開立分期付款帳戶的數目", col="還款期數", hue="貸款狀態", markers=["o", "x"], palette="Set1",data=used_data);

• 可以看到1年內開立分期付款帳戶的數目和2年內開立分期付款帳戶的數目成正相關；
• 逾期客戶開戶分期數少，正常的客戶開戶分期數多，可以作為區分是否逾期的一個特征。

結論

平臺運營特點

• 平臺整體運營情況良好，正常客戶占91.93%，逾期客戶占8.07%。
• 平臺以小額貸款為主，借款金額主要集中在中位數1.2萬前后；
• 平臺貸款利率相比于傳統金融機構偏高，平均利率為13.66%，最高達30.99%；
• 平臺7個貸款等級中前四占比92.9%，正常客戶集中在前5等級，逾期客戶集中在C、D等級。

客戶群體特征

綜上，評估LC客戶的還款能力和還款意愿

硬性評估：平臺客戶群體以中產階級為中堅力量，49%的客戶貸款買房、12%的可以有自己的房產。財務狀況、負債情況良好，整體還款能力不錯；
軟性評估：平臺客戶工齡以10年以上為主，主要集中在CA,NY等沿海經濟發達地區，都有一定的家庭和社會地位；近8成客戶以貸還貸，而且超過80%的客戶無損害公共記錄次數和2年內違約次數等，信用良好。
家庭社會地位，以貸還貸，信用良好逾期概率小等等都能夠反映LC客戶的償還意愿比較好。

影響客戶逾期的因素更多要從客戶角度去分析指標，上面提到的客戶角度的指標都是可以作為參考的指標。可以在貸前做用戶畫像，評分卡，建模等方式來評估。

本篇主要基于LC信貸數據簡要分析平臺業務特點和客戶特征，初步判斷影響逾期的因素，未做深入相關性分析，還有諸多不足之處，后續慢慢完善。

?

總結

以上是生活随笔為你收集整理的基于Python对Lending Club信贷业务数的分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。