Lending Club贷款数据分析——数据分析(一)
接上篇
针对 数据集的各个方面进行简单数据分析。
主要有
先说结论：
将逾期15天以上的贷款视为坏账，简化贷款质量
可以看出，坏账仅有不到8%，但是实际上的金额也是比较惊人的。
2011年后，贷款总额每年都在飙升
可以看出2012年后Lending Club飞速发展，客户飞速增加，虽然有波动，但总体再增加
各行各业的人都有，居然是老师最多，管理者次之。
工作年限越长越容易贷款吗，看来是了
这里将年收入大致分为三个区间
20000以下的视为低年收入，20000-60000视为中等，高于60000的就是高收入人群
大部分客户年收入都在20000以上
中等人群坏账数量最多
可以看出人们贷款主要是为了债务整合和信用卡偿还，债务整合就是借信用卡还其他信用卡，和信用卡偿还貌似没区别
一半客户按揭，四成客户租房。有房子的不足10%
看来有不良记录的人很难申请贷款
LC在2012-2015飞速发展，能发的钱越来越多
信用等级越低，贷款利率越高
DTI:每月还款占月收入的比例
大部分的贷款客户的DTI在35%以下，说明还款压力不是很大
一小部分客户DIT达到45%，存在风险
后续特征工程中将以35%为分界 分为两类
在右侧看不见的地方还存在极小一部分，，基本属于风险很大的贷款
LC平台以短期贷款为主，但长期贷款比例也不低
lending club什么意思
lending club
借贷俱乐部；贷款俱乐部；借钱俱乐部
借贷俱乐部（Lending Club）是一个针对美国用户的私人借贷平台，成员通过这个平台可以实现小额借款或贷款，由于跳过了银行这个中间环节，所以存款利息会比银行存款利息高，贷款利息会比直接向银行贷款的利息低。这个平台根据贷款人的各种信用信息包括FICO信用分数把借款人分成不同的风险等级，风险越高，利率越高。而借款人可以根据自己的需求选择自己信任的贷款人放贷。
Lending Club于去年5月作为社交网站Facebook的应用程序开始运作，运作模式如网上拍卖，想借钱的人设置可接受利息上限，由贷款人进行竞投，谁愿意收较低利息，谁就可借出贷款。Lending Club负责将还款分配给贷款人，从中收取手续费。Lending Club目前占据美国P2P借贷市场79%的份额。主要竞争者为Prosper。Lending Club所筹资金将用于进一步开发平台、推出新产品、提高客户服务并扩大销售和市场推广工作。
Lending Club贷款数据分析
可视化报告见： 报告全文
Lending Club是美国的一家P2P金融机构，主要是通过连接投资人和借款人来达成双方的投资及融资需求，收入主要来源于交易手续费、服务费和管理费。自2007年起，Lending Club已经为上百万客户提供了贷款。2015年，平台全年新设的贷款金额就已经达到了83.6亿美元，远远超越行业第二的37亿美元，优势十分明显。
Lending Club会对提交申请的借款人进行 资格审查 ，只有符合标准才能拿到借款：（1）FICO分数（根据Experian、TransUnion、Equifax三大征信局信用报告）要在660分以上（2） 债务收入比例 要低于40%（3） 征信报告 ：正在使用的循环账户不少于2户、6个月内征信查询次数小于5次、至少36个月的信用记录。借款人通过初始信用审查后，Lending Club会再次通过评分模型对申请人进行评估，两次的结果将会一起输入Model Rank中，最终得到一个基础风险子级。Lending Club会根据这个风险子级结合客户贷款的金额和贷款期限得出最终子级。最终子级共有35个级别，分为A、B、C、D、E、F、G这7 个等级，每个等级又包含1、2、3、4、5 五个子级。最终子级的不同对应了不同的贷款利率， 子级等级越高，贷款利率则越低 。
根据Lending Club的分级流程，借款申请人越符合平台资格审查的标准，最终的风险等级越高，借款所需的利率也越低。所以本文通过以下几个问题，借助SQL对Lending Club 2018年第二季度的贷款数据进行分析，探究 平台的审查条件是否合理 ：
1.哪个信用等级的还款意愿最高？坏账主要集中在哪个风险等级？
2.资产负债比率越低，还款能力是否越高？
3.6个月内征信查询次数越少，还款意愿是否越高？
4.过去2年内逾期30天以上的次数越少，还款意愿是否越高？
5.还款能力是否与客户贷款目的有关？
数据集来自： Lending Club
将数据导入SQLyong后，观察数据特征：数据包括2018年Q2的贷款数据记录，共130770多行，多达145个字段，本文只选取一些 关键字段 作为分析：
loan_status ：贷款状态（Fully paid-全额还款 Charged off-已注销的坏账 Current-当前 Default-违约不还 Late 31-120 days-逾期31-120天 In grace period-宽限期内 Late 16-30 days-逾期16-30天 Issued-已放款）
grade ：信用评级
dti ：资产负债比（负债总额/资产总额）*100%
inq_last 6mths ：近6个月查询次数
delinq_2yrs ：近2年逾期30天以上次数
annual_inc ：年收入
emp_length ：工作年限
purpose ：贷款目的
1.修改表名
将表名修改为Lending Club贷款情况
2.选择子集
由于原数据字段太多，所以只挑选了以上8个关键字段作为分析
3..列名重命名
为了方便分析，把字段名重命名为中文名：
方法一：可通过SQL语句实现字段重命名
方法二：也可以直接在客户端内双击字段名进行修改，因为字段较多，本文采用这种方法修改名字
4.删除重复值
由于每行数据都是一个客户id，所以不存在重复值
5.处理缺失值
通过语句查询发现资产负债比存在空值，本文不进行删除，直接将null值作为一类。依次查询其他列没有发现其他缺失值
1.哪个信用等级的还款意愿最高？坏账主要集中在哪个风险等级？
将还款情况分为还款正常和逾期还款，还款正常包括Fully Paid 、Current、In Grace Period，逾期还款包括Late (16-30 days)、Late (31-120 days）、Charged Off、Default
输出结果：
由此可知信用等级A-C的放款人数最多，还款意愿也最强，随着信用等级变低，正常还款数量开始降低，坏账率逐渐上升。
2.资产负债比率越低，还款能力是否越高？
观察数据发现，资产负债比的区间为【0,999】，按照步长为10分为[0,10）、[10,20）、[20,30)、[30,40)、(≥40)五个区间，另外加上null值，共6个区间。
输出结果：
由图可知资产负债比与还款意愿总体呈现反比趋势。客户的资产负债比越低，还款意愿越强，在20%-30%区间内，还款占比最高，之后逐渐开始下降，逾期比例上升，还款能力降低。资产负债比为空值的客户逾期还款率高达1.23%，需要对未填写资产负债比的客户进行放款控制。
3.6个月内征信查询次数越少，还款意愿是否越高？
输出结果：
近6个月查询次数与还款意愿有一定的联系，普遍来说查询次数越高，逾期还款的占比越大。但是查询次数为4次时比较特殊，这一次数下的逾期还款为0，可能为该季度的特例导致。总体来看，还款意愿与查询次数还是存在反比的关系。
4.过去2年内逾期30天以上的次数越少，还款意愿是否越高？
输出结果：
由图可知当逾期次数在0-5次时，次数与逾期占比呈现正比关系，过去2年内逾期的次数越多，造成坏账的比率就越大。但当次数超过5次时，正常还款占比都远高于逾期还款占比。仔细分析逾期次数超过5次的具体数据可知，除了逾期超过7次的客户有1次逾期还款，其他次数的逾期还款人数都为0，从而使得正常还款占比反而较高。也可能是Lending Club对于逾期次数太多的客户控制了放款通过率。总体来说，当逾期次数在0-5次这个区间时，次数越小，还款意愿会越高。
5.还款能力是否与客户贷款目的有关？
输出结果：
由图可知，因为搬家、旅游、医疗等情况下，逾期还款的占比远远高于其他情况，而因为自身债务或信用卡等问题造成的逾期比例反而不高，所以对于不同的情况需要采取不同的风险监控措施。
通过本文的分析，Lending Club制定的审查条件基本合理：
1. 信用等级越高，还款比率越高 。A-C信用等级区间内的放款人数最多，正常还款的数量也最多，随着等级的降低，坏账率开始上升。证明平台的等级区间划分的基本合理。
2.整体来看，客户的 资产负债比越高，还款意愿越低 ，特别是对于 未提供资产负债比 的客户，逾期还款比例最大，所以需要 加强对这一部分客户的监管 ，督促客户尽快提供相关信息，降低未来的贷款坏账。
3.平台对于近6个月内征信查询次数需小于5次这一规定比较合理。根据分析得知， 次数为0-4次时客户的逾期比率很低 ；当次数为5次时，逾期占比大幅升高。
4.对于客户 近2年内的逾期次数，如果次数在0-5次区间内，次数与还款意愿成反比关系 ，平台需要对次数较多的客户加强管控，避免坏账率上升。而对于 次数超过5次 的客户，根据分析可知，这一部分的客户人数本身就较少，基本上都能够做到正常还款，所以对于这一区间的客户，只要延 续以往的风控措施 即可。
5.本文还对 贷款目的 进行了分析，结果显示对于未来有 旅游、搬家或者医疗需要 的客户，平台需要多加关注，以降低未来坏账率。
