信贷违约风险预测数据集CreditDefaultRiskPredictionDataset-zyh1104
数据来源：互联网公开数据
标签：信贷风险, 违约预测, 机器学习, 金融风控, 数据挖掘, 风险评估, 贷款数据, 信用评分
数据概述：
该数据集包含来自信贷平台的贷款申请及违约记录数据，用于构建信贷违约风险预测模型。主要特征如下：
时间跨度：数据未明确标明起止时间，但包含贷款发放日期（issueDate），可推断为一定时期内的贷款数据。
地理范围：未明确标注地理范围，但数据包含邮编（postCode）和地区编码（regionCode）等信息，可用于地域分析。
数据维度：数据集包括贷款金额（loanAmnt）、贷款期限（term）、利率（interestRate）、分期付款额（installment）、信用等级（grade）、次级信用等级（subGrade）、就业情况（employmentTitle, employmentLength）、房屋所有权（homeOwnership）、年收入（annualIncome）、验证状态（verificationStatus）、贷款发放日期（issueDate）、贷款用途（purpose）、DTI（债务收入比, debt-to-income ratio）、两年内的逾期次数（delinquency_2years）、FICO信用评分区间（ficoRangeLow, ficoRangeHigh）、公开账户数（openAcc）、公共记录（pubRec）、公共破产记录（pubRecBankruptcies）、循环信用余额（revolBal）、循环信用使用率（revolUtil）、总账户数（totalAcc）、初始列表状态（initialListStatus）、申请类型（applicationType）、最早信用额度（earliesCreditLine）、标题（title）、政策代码（policyCode）以及其他衍生特征（n0-n14）等。train.csv文件包含isDefault字段，表示贷款是否违约（1表示违约，0表示未违约）， testA.csv文件包含用于预测的贷款信息，sample_submit.csv文件为提交格式样本。
数据格式：CSV格式，包含train.csv（训练集）、testA.csv（测试集）和sample_submit.csv（提交示例）三个文件，便于数据分析和模型构建。数据已进行预处理，包括数值化、类别编码等。
该数据集适合用于信贷风险评估、违约预测模型的构建与优化，以及相关领域的学术研究和实践应用。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融风险管理、信用评分、机器学习模型研究等领域的学术研究，例如，探索不同特征对违约的影响，比较不同模型的预测性能。
行业应用：为金融机构提供数据支持，用于信贷风险评估、贷款审批、风险定价等，帮助提升信贷业务的风险管理水平。
决策支持：支持信贷机构进行风险控制、优化贷款组合、制定风险管理策略。
教育和培训：作为金融风控、机器学习课程的实训数据，帮助学生和从业者理解信贷风险评估流程，掌握风险预测模型构建方法。
此数据集特别适合用于探索影响信贷违约的关键因素，构建高精度的违约预测模型，从而辅助决策者优化信贷业务，降低风险损失。
