LoanTap个人贷款信用评估数据集-2021-yekahaaagayeham
数据来源：互联网公开数据
标签：个人贷款,信用评估,LoanTap,金融科技,贷款额度,还款期限,贷款利率,信用等级,就业状况,收入验证,贷款状态,贷款用途,债务收入比,信用记录,信用利用率,银行贷款,金融分析
数据概述：
本数据集包含LoanTap平台上申请个人贷款的客户的详细信息，涵盖贷款申请金额、贷款期限、贷款利率、月还款额等关键指标，以及借款人的就业状况、年收入、信用记录等个人信息。数据集主要用于LoanTap的信用评估模型构建，以确定借款人的信用资质及合适的还款条款。数据集包含2021年期间的贷款申请记录，为金融数据分析及信用评估提供了丰富的数据源。
数据用途概述：
该数据集适用于信用评估模型构建、贷款风险管理、客户细分等场景。金融机构和研究人员可利用本数据进行信用风险分析，优化贷款审批流程；政策制定者可参考数据制定相关金融政策，提高信贷市场的健康度。
数据字段定义：
- loan_amnt：借款人申请的贷款金额
- term：贷款期限（月）
- int_rate：贷款利率
- installment：借款人每月还款金额
- grade：LoanTap评定的贷款等级
- sub_grade：LoanTap评定的贷款子等级
- emp_title：借款人提供的工作职位
- emp_length：借款人就业年限
- home_ownership：借款人提供的房产所有权状况
- annual_inc：借款人提供的年收入
- verification_status：收入验证状态
- issue_d：贷款资金发放月份
- loan_status：贷款当前状态（目标变量）
- purpose：借款人提供的贷款用途
- title：借款人提供的贷款标题
- dti：债务收入比
- earliest_cr_line：借款人最早信用记录的月份
- open_acc：借款人信用文件中的开放信用记录数量
- pub_rec：不良公共记录数量
- revol_bal：循环信用余额总额
- revol_util：循环信用利用率
- total_acc：借款人信用文件中的信用记录总数
- initial_list_status：贷款初始列表状态
- application_type：贷款申请类型
- mort_acc：抵押账户数量
- pub_rec_bankruptcies：公共记录破产数量
- address：借款人地址
问题陈述：
给定一组借款人的特征信息，判断是否应向该借款人提供贷款额度，若应提供贷款，推荐合适的还款条款。
数据样本分析：
- 按照贷款状态统计，约80%的客户已全额还款其贷款金额。
- 贷款金额与月还款额之间存在显著的正相关性，即贷款金额越大，月还款额越高。
- 大多数借款人的房产所有权状态为“已购”或“租房”。
- 信用等级为“A”的借款人确实更有可能全额还款。
- 最常见的两个工作职位为“软件工程师”和“项目经理”。
- 从银行角度出发，应重点关注模型的准确性，尤其是精确率，减少误判带来的损失。
- ROC AUC曲线和精确率-召回率曲线有助于评估模型性能，精确率和召回率之间的权衡对银行尤为重要。
- 精确率偏低可能导致银行拒绝优质借款人的贷款申请，影响放贷机会；召回率偏低则可能导致银行向违约风险较高的借款人发放贷款，增加坏账风险。
- 对模型的显著影响因素包括贷款金额、贷款期限、债务收入比、信用记录和信用利用率等。
- 地理位置对贷款结果的影响需进一步分析，但数据集中未包含具体的地理位置信息。
模型构建与评估：
- 检查数据中的重复值，处理缺失值，进行异常值处理，创建新的特征，准备好数据用于建模。
- 构建Logistic Regression模型，查看模型统计信息，显示模型系数与特征名称。
- 生成ROC AUC曲线，精确率-召回率曲线，分类报告（混淆矩阵等）进行模型评估。
- 通过调整模型参数，优化精确率和召回率之间的权衡，实现更好的风险控制和贷款审批效果。
数据集包括详细的客户信息和贷款特征，为金融分析提供精准的数据支持。通过有效的数据处理和模型构建，可为LoanTap等金融机构提供可靠的信用评估依据，优化贷款审批流程，降低贷款风险，提高客户满意度。
