Lending Club Loan Data

Lending Club Case Study 数据集概述

一般信息

Lending Club 是一个专注于为城市客户提供各种贷款的消费者金融市场。该公司面临的关键挑战是管理其贷款审批流程，以最小化因向被视为高风险的申请人发放贷款而导致的财务损失。本研究旨在理解导致贷款违约的驱动因素，并提供可操作的见解。

目标

主要目标是通过以下方式帮助 Lending Club 减少信贷损失：

识别强有力的贷款违约指标变量。

帮助公司做出明智的决策以减少财务损失。

提供改进贷款审批流程的建议。

数据集概览

数据集包含贷款申请人的各种属性和他们的贷款状态。关键列包括：

loan_amnt: 借款人申请的贷款金额。

term: 贷款的还款期限（36或60个月）。

int_rate: 贷款利率。

annual_inc: 借款人的年收入。

grade: Lending Club 分配的贷款等级。

purpose: 贷款目的。

dti: 债务收入比。

issue_year: 贷款发放年份。

home_ownership: 借款人的房屋所有权信息。

loan_status: 贷款的当前状态（例如，已全额偿还，已注销）。

结论

基于探索性数据分析（EDA），确定了几个关键见解：

利率： 利率在13%-17%之间的贷款有更高的违约可能性。根据DTI比率调整利率可以更好地与借款人的还款能力相匹配。

低年收入： 年收入低于₹40,000的申请人更有可能违约。提供财务教育或根据收入设定最高贷款金额可以帮助。

B、C、D等级的风险评估： 这些等级有最高的违约率。建议对这些等级实施更严格的风险评估标准。

期限长度： 60个月期限的贷款更容易违约。评估与较长期限贷款相关的风险，并可能限制最长期限可以减少这种风险。

债务整合风险： 这是贷款数量和违约数量最高的类别。仔细评估，并可能调整利率或为债务整合贷款提供财务咨询是建议的。

高额贷款： ₹15,000或更高的贷款更有可能违约。对较大额贷款请求进行彻底评估，并为高风险申请人设定贷款上限可以减少违约。

小企业贷款： 小企业贷款有较高的违约率。Lending Club 应考虑增加更多参数来评估与小企业贷款相关的风险，以改善风险管理。

公开的不良记录： 有更多公开不良记录的借款人更有可能申请破产。Lending Club 应实施措施，确保借款人在批准贷款前没有公开不良记录。