lending club loan data 分析报告

lending club loan data 分析报告

  ending club 是一个P2P平台,提供一个可以在线上贷款借款的平台。从中赚取收益。此数据集包含了lending club 2007-6 到2015-11的客户贷款数据。其中每一条记录由id唯一标记。首先使用SAS对数据进行一下简单的诊断与分析,之后挑选了25个与此次研究内容相关的变量进行分析。主要从以下几个方面分析:

1. lending club2007.6-2015.12发展情况

2. 客户群体分析

3. 贷款人贷款金额和贷款周期选择分析

4. 不同贷款等级的贷款情况分析

5. 贷款等级的影响因素

6. 总结

一、lending club近几年的发展情况。

lending club loan data 分析报告
  通过查看平台发展情况仪表盘可以发现从2007-2015年,每年的交易数量变化、每年的交易客户数、每年贷款的总金额都呈现逐年升高的趋势,并且,随着年份的增加,增速越来越快。这可以说明此公司的用户数量处于急速上升的阶段。每年贷款金额的平均值从07年开始逐渐升高,但到2013年开始增速明显变小。说明这个平台的每年交易平均金额情况逐渐稳定,业务也逐渐稳定,最开始小大部分原因是因为刚出的这个平台,客户需要一定的时间才能接受并且放心的使用,所以很多人最开始只是试试水,出资人借的金额相应少一点,后来这个平台逐渐被接受了,所以出资相应也会多一点,但由于借款人存在贷款人不还的风险,贷款人借多了要支付高利率,所以后期也就基本上稳定了(这也跟平台的政策有关)。如果想继续获得高收益可以寻找新的业务或者改变经营模式。观察每年的交易数量变化、每年的交易客户数两个图,可以发现两个图是一样的,说明一个客户只对应一条记录。
  下面详细看下贷款金额平均值和交易数量变化的图,分别查看每个季度,每个月的情况。
lending club loan data 分析报告

#8195; 贷款金额平均值这个图可以发现每个季度贷款金额平均值,在2013年之前大体呈上升趋势,但每个季度没有明显的规律。
lending club loan data 分析报告

  按月查看贷款金额平均值在2013年之前大体呈上升趋势,但每个月份也没有明显的规律。
lending club loan data 分析报告

  交易数量变化这个图可以发现每年的从第一季度到第四季度的交易数量呈现逐渐递增的趋势,应该是平台刚起步不久,通过宣传被用户认可所以交易数量逐渐增加。没有明显的季度差异。
lending club loan data 分析报告

  按月查看发现在2014年第一季度之前都是呈稳步上升的趋势,从2014第二季度开始大部分都是每一季度的一月份交易增多,后两个月000易逐渐较少。可能是由于每个季度的第一个月份搞活动,促使用户交易。

二、客户分析

lending club loan data 分析报告

  通过客户画像,客户群体主要是年收入在1-15万之间,工作年限在0-3年和10年以上的的群体,并且80%以上的用户都没有违约记录。对于投资人来说投资的安全性有一定保证的。
  由于收入在1-15万之间的客户和工作年限10年以上的客户贷款较多,所以分别查看下这类用户贷款金额和主要用途。
lending club loan data 分析报告

  对于1-15万年收入的人群来说,他们主要贷款金额为5000-15000,主要用途是还债和还信用卡,其次是装修。
lending club loan data 分析报告

  对于工作年限10年以上的人来说主要贷款金额为7000-21000,用途时还债和还信用卡,其次是装修。

三、不同等级的贷款利率、贷款金额以及贷款人数分析

lending club loan data 分析报告

  查看不同等级的贷款利率、贷款金额以及贷款人数的图表,条形图的高度表示贷款金额可以发现随着A-G等级的变化,平均每单贷款金额的变化;条形图的颜色表示各个贷款诶别利率的平均值,颜色越深利率越大;折线图不同贷款等级贷款人数的变化情况。从图中可以发现随着A-G的变化,贷款金额逐渐增大,同时利率也逐渐增大,但贷款人数先升高后降低,贷款人数最多的几个贷款类别是BCA,可能是后边的利率太高,用着不划算,所以很多人选择了BC,利率较低而且贷款金额足够使用。

四、贷款人贷款金额和周期选择分析

lending club loan data 分析报告

  通过观察贷款人贷款金额和周期选择的关系可以发现。大部分贷款金额都在7000-18000之间,总共占比约为50%,其中贷款金额最多的区间是7000-10000元。在贷款周期方面来看,70%的人选择36个月还清贷款,30% 的人选择60个月还清贷款。从左下角的贷款金额与周期的图综合来看贷款人选择最多的金额区间是7000-10000元,贷款期限为36个月。选择贷款金额3000–15000,贷款周期为36个月。从这里可以看出lending club 这个平台的主要业务定位是短期小额贷款。

五、各种变量和贷款等级的关系

1. 客户个人因素与贷款等级的关系

lending club loan data 分析报告

(1)房屋所有权与贷款等级的关系
  横向来看mortgage是抵押,rent是出租,own是自己所有other是其他,none是没有房屋,any未知(初步判断是统计时候的问题),从图 中可以发现。房屋在抵押,出租,和自己所有的贷款等级在ABCDEFG占比相差不多,大部分集中在贷款类别为ABCD的四种等级,且随着等级变高贷款人数表少。所以房租所有权不是影响贷款等级的主要因素。
  纵向来看每种贷款类别的贷款人数都是mortgage>tent>own>other>none>any。这个可以说明房屋所有权类别影响是否同意申请贷款人贷款。

lending club loan data 分析报告

(2)工作年限和贷款等级
  横向来看,各个工作年限在各个贷款等级占比相差不多。可以说明工作年限不是影响贷款等级的主要因素。
  纵向来看,工作年限10年以上的人贷款数量明显多于工作年限小于10年的人。且从图中颜色变化可知工作年限6-9年的贷款人数明显低于工作年限5年及5年以下的。

lending club loan data 分析报告

(3)客户年收入与贷款等级
  横向来看,各个年收入段在各个贷款等级的人数占比差不多。可以说明年收入不是影响贷款等级的主要因素。
  纵向来看年收入不同区间的客户贷款数量有所差别,说明年收入影响贷款人数。

lending club loan data 分析报告

(4)违约率和贷款等级
  横向来看,不同违约率在各个贷款等级占比相差不多。可以说明违约率不是影响贷款等级的主要因素。
  纵向来看,违约率越低的贷款数量明显多于违约率高的人。且从图中颜色变化可知贷款的客户主要是没违约过或者违约率在10%以内的。

lending club loan data 分析报告

(5)未结信贷额度与贷款等级
  横向来看,未结信贷额度的各个不同区间在各个贷款等级的人数占比差不多。可以说明未结信贷额度不是影响贷款等级的主要因素。
  纵向来看未结信贷额度不同区间的客户贷款数量有所差别,未结信贷额度越少区间贷款人数越多,说明年未结信贷额度影响贷款人数。

lending club loan data 分析报告

(6)违约率和贷款等级
  横向来看,不同信贷次数在各个贷款等级占比相差不多。可以说明信贷次数不是影响贷款等级的主要因素。
  纵向来看,信贷次数少的贷款数量明显多于信贷次数多的人。且从图中颜色变化可知贷款的客户主要是信贷次数在50以内的。

lending club loan data 分析报告

(7)每月债务总额与收入的比值和贷款等级关系
  横向来看,每月债务总额与收入的比值越大,贷款等级高的如CDEF的人数占比多于每月债务总额与收入的比值小的,而贷款等级低的占比少于每月债务总额与收入的比值小的。每月债务总额与收入的比值越大的组贷款的等级相应来说越高。所以说明每月债务总额与收入的比值是一个影响贷款等级的因素。
  纵向来看每月债务总额与收入的比值不同区间的客户贷款数量有所差别,每月债务总额与收入的比值越少区间贷款人数越多,说明年每月债务总额与收入的比值影响贷款人数。

综上所述,在客户个人因素中每月债务总额与收入的比值会对客户贷款等级产生影响。每月债务总额与收入的比值越大,贷款等级高的人数所占比重越大。

2. 贷款金额和利率与贷款等级关系

lending club loan data 分析报告

(1)贷款金额与贷款等级的关系
  看贷款金额、利率与贷款等级的关系图,对于贷款金额与贷款等级的图来说横向来看贷款金额不同区间各个贷款等级所占比例差不多,所以贷款金额也不是贷款等级的影响因素。
  纵向来看,各个贷款金额区间的贷款人数,发现贷款金额在3000-24000的人数比较多。
(2)贷款利率与贷款等级的关系
  对于贷款利率与贷款等级的关系来说贷款利率<5% 的贷款等级全部在A-F之间,E级别的贷款人数居多,5%-10%的贷款等级都在A和B,其中等级为A的占比最多。10%-15%的贷款等级分布在B-E,其中等级为C和等级为B的人数最多,两者加起来占比>99%,15%-20%的贷款等级在CDEFG之间,占比最多的是D。20%-25%的贷款等级为DEFG,占比最多的两个是EF等级,加起来达到94%,利率>25%贷款等级为FG,其中G等级占比最高。通过以上分析可以发现贷款利率和贷款等级关系非常密切。初步判断是在不同的贷款等级设置了不同的利率范围。而不是利率影响了贷款等级。

从这个部分分析来看,每月债务总额与收入的比值是贷款等级影响的主要因素。同时根据贷款等级与利率的关系,可以猜测每月债务总额与收入的比值也会在一定程度上影响利率。

六、总结

  从以上的分析可以了解到,lending clud 这个平台贷款业务方向主要是小额(3.5万以下)贷款,贷款期限分为36和60个月两种。2007-2015的普及率逐渐上升,越来越多的客户选择在这个平台上进行放款借款,交易水量和交易客户数越来越多且增速逐年增大,但从2013年开始,每笔贷款金额的平均值趋于稳定。个人觉得贷款金额平局值逐渐趋于稳定是由于客户的群体年收入都在1-15万之间,消费水平没有那么高,使用贷款的主要目的是为了还信用卡、还债、装修所以很少会有很大金额的债务需要偿还,很可能是某个月钱花超了暂时借用下,或者其他贷款还不上了暂时借用一下。而且对于放款人来说,网上的贷款平台需要承担的风险比较大,可能会面临平爱跑路和贷款人无法偿还的情况。所以他们的投资金额有限。
  对于客户来说他们选择贷款金额大多是7000-15000元,贷款周期是36个月。(这个也有可能是因为借款人不想借的时间过长,因为时间越长风险越大)。
  从贷款等级方面来看,BC等级贷款人数最多,且随着贷款等级的升高贷款人数急剧减少,原因是由于贷款等级越高利率越高,最高利率甚至达到了25.63,高额利率劝退了很多人。这几个因素中每月债务总额与收入比值对贷款等级影响最大,其余的因素比如年收入也会对贷款等级产生一定影响。