网贷行业数据分析？

美国网贷平台Prosper贷款数据分析

本文主要描述了如何用Python对数据集进行评估，整理，清洗。

完成这一过程后，再通过Tableau对问题 “Prosper违约客户具有哪些特点” 进行探索，分析和可视化。

最后，用随机森林算法对2009年7月后数据进行建模分析，并对仍在进行中的贷款进行违约与否的预测。

Prosper是美国第一家P2P借贷平台。此数据集来源于Udacity上的Prosper 2005~2014年的贷款数据。本文希望能通过对已完成贷款的分析，判断出什么类型的客户更容易违约，并预测还未完成的贷款是否会违约。

原始数据集共包含81个变量，113937条数据，下面对部分重要变量进行说明，其他变量含义可参考 变量词典 。

首先加载库和数据。

然后用df.describe()，df.info()观察数据。

此次主要分析1.什么类型的借款人更容易违约。 2.预测未完成的贷款是否会发生违约。所以去掉无关列。

从2009年7月开始，Prosper调整了对客户的评估方式，此次我们只对2009-07-01后的贷款进行分析。

去掉意义重复列：

Prosper对于新客户的评分和老客户有所区别，此次仅针对新客户数据进行分析。

首先查看下，各变量数据缺失情况。

平台把借款状态分为12种:Cancelled(取消)、Chargedoff(冲销，投资人有损失)、Completed(正常完成，投资人无损失)、Current(贷款还款中)、Defaulted(坏账，投资人有损失)、FinalPaymentInProgress(最后还款中，投资人无损失)、Past Due(逾期还款，投资人无损失)。

本文依据交易是仍在进行中还是已关闭,以及已关闭交易中投资人有无损失将所有数据分成以下三组：

Current(包含Current,Past Due)、

Defaulted(包含Defaulted,Chargedoff)、

Completed(包含Completed,FinalPaymentInProgress)。

为了便于后续分析计算，再将“Completed”改为1，“Defaulted”改为0。

已完成的贷款的违约率为defaulted_ratio_finished =26.07%

此数据集有多个特征体现了贷款用户的信用情况。其中，信用等级(ProsperRating)是Prosper根据自身模型建立，是用于确定贷款利率的主要依据，而信用评分(CreditScore)则是由官方信用评级机构提供。

由图5-1可以看到，随着信用等级(ProsperRating)的不断升高，违约率呈现明显的下降趋势。

而在信用评分（CreditScore）中，低分段(640-700)，违约率处于比较高的位置，且没有太大变化。大于720的部分，随着信用评分的升高，违约率明显下降。

说明整体而言，借款人的信用水平越高，违约可能性越低。

在不同年收入(IncomeRange)中，Not employed的借款人，违约率最高，随着收入增加，违约率不断降低。

在不同贷款状态下(Status)，违约用户的整体月收入(MonthlyIncome)明显低于未违约用户。

根据图5-4的左图，违约用户与未违约用户的整体负债收入比差异不大。

再根据负债收入比（DebtToIncome）的四分位点，将所有数据分成数据量接近的四组。从图5-4的右图可以看到低比例（负债收入比0-0.12）与中等比例（0.12-0.19）的违约率都较低。较高比例（0.19-0.29）的违约率略高于前面二者。但高比例（大于0.29）的用户违约率显著升高。

根据银行卡额度透支率(BankcardUtilization)的四分位点，将数据分成 '未使用'，'较低透支(0,0.3]'，'中等透支(0.3,0.7]'， '较高透支(0.7,1]'，'严重透支（1,5]'五组。

可以看到，严重透支的借款人，违约率最高。

其次是未使用的用户，这也是为什么金融机构对于“白户”会格外关注的原因。

近半年征信查询次数（InquiriesLast6Months）可以反应出借款人近期向金融机构申请借款的频繁程度，间接体现了借款人近期的资金状况。

图5-6中，绿线表示不同查询次数下的借款笔数。可以看到，绝大部分在7次以下。

而在查询次数0-7区间内，违约率随着查询次数的增加而升高。

当前逾期(CurrentDelinquencies)可以很好的反应出借款人的信用情况。

由图5-7，可以看到大部分借款人的当前逾期在2次以内。而在0-6的区间内，违约率随当前逾期数的增加而升高。

为了避免某些数量极少的分类对违约率排序的影响，首先筛选出借款笔数在30以上的分类。

由图5-8可以看到，数量最多的是1- Debt Consolidation（债务整合）。

而违约率最高的依次是15- Medical/Dental(医疗),13-Household Expenses(家庭开支),3-Business（商业），均高于30%。

根据贷款金额（LoanAmount）的四分位点，将数据分为数量接近的四组。比较有意思的是，中等借款(3100,4750)的违约率最高，而高额借款（大于8500）的违约率反而最低。

这很可能是因为能申请到高额借款的用户，各方面条件都不错，从而降低了违约率。

由图5-11可以看到，在0-30区间内，随着持续时间的增长，违约率逐渐降低，而这一区间也包含了一半左右的数据。

当持续时间继续增长，违约率看不出有明显变化规律。

在不同地区之间，违约率也存在比较明显的差异。LA,SD等城市，违约率较高。UT,CO等城市，违约率较低。

整体而言，有房产的借款人，违约率要明显低于无房产的借款人。

导入相关库。

将数据中的字符串变量，均转换为数字。

按照测试集30%，训练集70%的比例划分数据集，并使用随机森林算法，建立模型。

该模型测试集预测准确率为：accuracy=73.99%

对于随机森林算法，可以查看在这个模型中，每个特征的重要程度。

如图6-2所示，StatedMonthlyIncome和EmploymentStatusDuration两个特征最为重要。

根据此模型，对目前仍在进行中的贷款进行违约与否的预测。

仍在进行中的贷款违约率为defaulted_ratio_predict =3.64%

本文详细描述了对于Prosper贷款数据，从数据探索到建立模型，并进行预测的完整过程。

发现月收入（StatedMonthlyIncome）以及受雇佣状态持续时间(EmploymentStatusDuration)对是否会违约的影响程度最大。主要是因为这二者是体现借款人稳定性的重要因素。

而在模型建立方面，还可以调整此模型的参数，来进行改进从而提高准确率，也可以尝试使用其他算法，如逻辑回归等，建立新的模型进行比较。

网贷大数据征信报告主要包括哪些内容？

大数据和征信是两码事，虽然大数据比较全面，但权威性不够。

通常网贷大数据里包含借贷记录，逾期信息，网黑风险指数，以及法院起诉记录，因为第三方网贷查询平台是对接网贷机构系统的，也就是说可以看见用户在网贷上有关的借贷信息。当然要是不逾期不还款的话也是会被记录的。所以最好是不要产生逾期行为，一不小心上的大数据可不光荣。关于网贷大数据可以通过微信里去找下：“快查信”，有三种数据指标，你可以根据自己的情况去选择。

一般在逾期过后，只要不超过规定的逾期时间内尽快还款的话，还是可以补足的，而且每个二到三个月网贷大数据就会更新一次更新过后的数据还会覆盖之前的原有的老数据，使自己的信用看起来就像刚刚借贷过的小白一样。

示例报告如下：

之前有过借贷行为的朋友，随着今年征信升级，大家要去确认下自己的信用风险，上征信的网贷平台去努力协商能还就还，尽量去沟通容易减免利息！对于那些征信报告上没记录的，可以另行处理！

选择网贷平台主要看哪些数据信息

网贷平台审核时查询的数据比较多。

1：个人信息。（工作信息，定位信息，运营商信息，电商购物信息）

2：联系人信息。

3：其他网贷平台借款记录

4：法院，仲裁院，公安等案件信息。

这四类信息，聚齐以后就形成了一个完整的个人网贷数据报告，可以让网贷平台将坏账率降到最低。

可以在微信查找：一二数据。

该数据库与2000多家网贷平台合作，查询的数据非常精准全面。

能够查看到用户的申请次数，网贷数据，网黑指数分，命中风险提示，法院起诉信息，仲裁案件信息，失信人信息等数据。

其中，用户可以凭借网黑指数分来判断自身是否为网贷黑名单用户。

网黑指数分标准为：0-100分，分数越低，信用越好。

而命中风险提示则可以帮助用户更好的了解到自身的不足，提升网贷平台的审核通过率。

网贷数据主要指什么？每次网贷都会上大数据吗？

网贷大数据指的是：用户的身份信息，运营商信息，申请网贷信息，支付宝信息，电商信息，定位信息，工作信息等多达十多种数据内容。

网贷平台在收到用户的申请资料后，会调取网贷数据库中用户以往的借贷记录，逾期记录，申请资料等进行对比计算，通过后会授予一定额度，如果资料略有不同或者以往有过逾期记录，就会被拒绝。

用户在注册申请网贷时，网贷平台就会将用户的申请信息进行上传至网贷数据库中共享。用户到期还款后，网贷平台就不会上传至网贷数据库中，反之，如果逾期就会将用户的逾期记录上传至网贷数据库中。

长期申请网贷，一定要及时注意自己的网贷数据报告。但是，现在的数据平台大多有着各种问题，有的显示时间太短，有的数据不够齐全，最好还是选择百行征信的数据接口。

只需要打开微信，搜索：知晓查中心。点击查询，输入信息即可查询到自己的百行征信数据，该数据源自全国的网贷平台和银联中心，用户可以查询自身的大数据与信用情况，可以获取各类指标数据，查询到自己的个人信用情况，黑名单情况，网贷申请记录，申请平台类型，是否逾期，逾期金额，信用卡与网贷授信额度预估等重要数据信息等。

相比央行的个人征信报告，个人信用记录的氛围更加广泛，出具的机构也更加多元，像知晓查、芝麻信用分等，都属于个人信用记录的一部分，整体而言更类似于网上说的大数据征信，是传统个人征信报告的有益补充。

目前，国家正在构建一张全方位无死角的“信用大网”，联通社会，信息共享，无论是征信报告还是个人信用记录，都是其中的重要组成部分。保护好自己的信用，对每个人来说，信用才是最大的资产与财富。

对于网贷平台数据分析和网贷行业数据分析的总结分享本篇到此就结束了，不知你从中学到你需要的知识点没 ？如果还想了解更多这方面的内容，记得收藏关注本站后续更新。