P2P平台贷款逾期率分析报告

一，分析背景
这次分析引用的数据为拍拍贷业务数据，数据包含了成交时间从2015年1月1日到2017年1月30日的328553支信用标。数据集包含LC.csv（标的特征表数据）和LP.csv（标的还款计划和还款记录表）数据。
1，LC.csv共有21个字段，包括一个主键（listingid）、7个标的特征和13个成交当时的借款人信息，全部为成交当时可以获得的信息。字段描述如下：



2，LP.csv共有10个字段，包括两个主键（listingid和期数），3个还款计划字段和4个还款状态字段。具体的字段描述如下：

二，分析目的
通过分析2015，2016年度借款逾期率的变化，探究引起逾期率变化的原因，并用于指导后续风控政策的优化和贷款业务的开展。
三，分析思路
互金平台架构分为资金端，资产端，资金端为投资人端，资产端为借款人端。互金的核心是做好风控，保证投资人的资金安全，下面我们将对2015，2016上半年度的贷款逾期率变化进行分析，由表及里，由浅入深的分析影响资产质量的因素。
互金平台指标体系如下：

1，数据清洗
本文按以下步骤进行数据清洗：
  【选择子集】，【列名重命名】，【删除重复值】，【缺失值处理】，【一致化处理】，【数据排序】，【异常值处理】。
由于LC表中给出的是2015-2017.1借款数据，LP表中给出的是2015-2016.7还款数据，数据区间不一致，因此我们筛选2015上半年和2016上半年数据进行同比分析。
将还款状态分为未还款，正常还款，逾期还款，提前结清，部分还款5类，这里我们采用IF函数将正常还款，提前结清归并为“正常类”，将未还款，逾期还款，部分还款归纳为“逾期类”。
2，提出问题
2016年发放贷款的逾期率由去年的22.77%增加到28.38 %，同比增加24.64%。

WHY？我们不禁要问，接下来我们将带着问题从用户指标，借贷指标两个方面探究。
四，多面评估，多维分析  
1，用户指标
（1）借款用户年龄的变化

2016年与2015年相比，借款人平均年龄均分布在29岁左右，借款人年龄无明显变化。
（2）借款用户中性别比例的变化

2016年与2015年相比，男性借款用户比例由79.65%下降到71.08%，下降了10.75%，女性借款用户比例由20.35%上升到28.91%，上升了42.06%。男女比例变化显著。
（3）借款用户中大专及以上学历占比的变化

2016年与2015年相比，借款人大专及以上学历占比由26.66%提高到35.06%，提高31.50%，变化显著。
（4）借款用户信用等级占比的变化

A,B,C,E信用等级的占比略有变化，变化幅度较小。
D等级占比由2015年的27.93%升至42.56%，同比增加 52.38%，变化显著。
F等级占比由2015年的10.44%降至0.07%，同比下降99.33%，变化显著。
2，信贷指标
借款金额，借款期限，借款利率
（1）借款金额的变化

2016年与2015年相比，借款金额平均值由9257降至4537，同比下降50.99%，变化显著。
（2）借款期限的变化

2016年与2015年相比，借款期限均值由9.43延长至10.45，同比增加10.82%，变化较小。
（3）借款利率的变化

2016年与2015年相比，借款利率均分布在年化20%左右，无明显变化。
五， 多指标交叉分析
从上述分析中，我们可以看到，2016年度变化较大的指标有四个，即：借款用户性别占比，学历分布，借款用户信用等级占比，借款金额。我们将这四个指标与贷款逾期率进行交叉分析，看是否能找出贷款逾期率上升的“幕后真凶”。
1. 借款用户性别占比与贷款逾期率的关系

虽然在逾期贷款中，男性占比较2015年度有所下降，但仍以绝对“优势”压倒女性用户，男性逾期率远高于女性。
女性用户的上涨并非导致贷款逾期率增加的原因。
2，学历分布与贷款逾期率的关系

大专及以上学历占逾期贷款的34.10%，由此可见，学历越高，贷款违约概率越低。
高学历用户的增加并非导致贷款逾期率增加的原因。
3，借款用户信用等级与贷款逾期率的关系

逾期客户多集中在信用等级为C，D的区间，其中D类客户是贷款逾期“主力军”，占比高达45.63%。
相比2015年，2016年D等级客户占比由27.93%飙升至42.56%，同比增加 52.38%。
虽然更次等级F客户显著减少，但依旧抵消不了D等级客户大量增加带来的逾期风险。
D等级客户的飙升是导致贷款逾期率增加的原因之一。
4，贷款逾期率与借款金额的关系
对借款金额进行描述统计分析，借款金额最小值100，最大值500000，众数5000，中位数3964，平均值5309。为方便分析借款金额与逾期率的关系，我们将借款金额划分几个层级，以2000为一个梯度划分，分别设置为2000以内，2000-4000，4000-6000，6000-8000，8000-10000，10000以上。

借款金额分布在2K-4K的客户逾期贷款占比最高， 其次4K-6K。
2016年与2015年相比，借款金额平均值由9257降至4537，违约概率由3.8%增加至26.27%。
借款结构改变是导致贷款逾期率增加的原因之一。
五，结论
1，贷款逾期率的上升与2016年度男用户减少女用户增加关系不大。
2，D等级客户的增加是引起逾期率上升的一大重要因素，虽然2016年度E,F等级客户大幅下降，但由于其本身在贷款逾期中占比不大，对资产质量改善有限，无法抵消D等级客户增加带来的逾期风险。
3，2016年借款金额平均值4537，2015年借款金额平均值9257，借款结构的调整带来了逾期率的上升。借款区间4K-6K的客户逾期占比是8K-10K的8倍多。
为什么小金额的借款更易违约，表中没有给出多余数据，但我们可以假设，是不是小金额借款多用于日常生活开支或临时资金周转，借款用途不明导致还款来源不确定，进而带来逾期率的增加。又或者借款金额小，风控审批松，反而带来了逾期。在下一步的业务开展中，借款用途是否应该作为对借款人资质进行评定的维度之一。
六，建议
数据分析，从业务中来，回业务中去。
通过以上分析，本文提出两点建议：
1，互金平台对D类客户应采取“收紧”政策，提高准入门槛，增加审批周期，提高风险定价。
2，对借款金额在2000-6000的客户持审慎态度，小金额借款需进一步了解借款用途，明确还款来源，降低贷款违约率。