如何查询自己的网贷大数据征信？
申请网贷的小伙伴越来也越多了，如何查询自己的网贷大数据征信？之前在银行贷款，办理使用信用卡都会计入央行征信系统，便于银行了解每个借贷人的借贷消费信息，以便更快速准确地判断是否给借贷人放款。现在的很多小贷机构都是以央行的征信为准，同时每个银行也拥有属于自己的征信系统。如果你上了某家银行的黑名单，那么想再次从那家银行申请到信用卡或者贷款，门都没有。某些人群认为银行的征信系统信息太多简单化，不足以能够反应出借款用户的贷款资格，为广大金融公司服务。于是，就出现了利用大数据系统获取更加详细的用户消费数据，以便为广大的金融机构提供查询服务。这就是第三方征信机构，比较有名的有：同盾，闪电查询、云风控、大数据等。1，同盾科技可以直接在网站上注册申请，也可以微信关注对方公众号注册免费查询，需要提供公司的信息后才能申请。2，闪电查询微信关注对方的公众号后，即可查询，免费查询不收取费用。免费版直接用手机号注册即可查询黑名单与借贷历史记录，查询到的资料结果比较简单。例如像量化派、大数据等等，都属于类似的查询方法！具有个人征信牌照的8大征信机构：芝麻信用腾讯征信鹏元征信前海征信华道征信拉卡拉信用中诚信征信中智诚征信有些人查过之后，看到同盾的判别结果为：高危风险！建议拒绝！心里就开始拨凉拨凉的，真的不知道该怎么办才好。那么查询第三方征信系统有必要吗？对于个人用户来讲，查询只能让你了解一下自己详细的借贷记录，目前对于个人的下款影响还不是很大。即使查询结果显示黑名单，在某些贷款平台也是可以成功下款，查询的结果只能起到参考作用，并不起决定性作用。2013年01月份网贷数据月报_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
2013年01月份网贷数据月报
&&本次月报共分四个部分：
0成交数据及市场份额
00借款期限及利率水平
00人气指数
00风险集中度分析
阅读已结束，下载本文需要
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，同时保存到云知识，更方便管理
加入VIP
还剩4页未读，
定制HR最喜欢的简历
你可能喜欢网贷借款人数创20个月最大跌幅：现金贷整改影响初显
网贷之家讯 2017年12月，网贷行业活跃借款人数为476.24万人，环比下降8.55%，为过去近20个月以来最大降幅。
对于借款人数据的急剧下降，业内分析指出主要原因是受现金贷整治、P2P网贷平台整改验收等监管文件的密集落地，平台纷纷采取措施整改。有业内人士认为，现金贷整治产生的影响，还没完。
不过，在借款人数大幅下降的同时，12月的成交规模为2248.09亿元，环比仅小幅下降1.33%，行业贷款余额增至12245.87亿元，环比增加了1.99%。借款人数降幅远大于成交量，进一步印证了减少的多数是小额借款人，即现金贷类借款人。
网贷借款人下降符合当下预期
“2016年8月出台的网贷业务暂行管理办法规定了网络借贷小额分散原则，在此期间，行业小额分散项目不断上量。这些小额分散项目既有来自中小微实体企业的用款需求，也来自个人消费、现金借贷等方面。”开鑫金服总经理周治翰向网贷之家表示。
的确，从网贷之家的历史数据可以看出，自2016年8月开始，网贷行业活跃借款人数就呈上升趋势，而到2017年8月，活跃借款人数实现了对活跃投资人数的反超，且差额逐渐拉大，而在2017年12月，才首次出现借款人数与投资人数差距的收窄现象。
2017年12月，网贷行业借款人数环比上月下降了8.8%。周治翰也认为，主要原因可能是现金借贷业务受监管的影响较大，导致部分业务收缩。
现金贷的整治是一方面，网贷行业自身的整改也可能给行业和平台借款人数的增长产生反作用力。
人众金服CEO薛刚指出，现阶段网贷平台为了顺应监管及备案的要求，很多网贷平台都在逐步剥离部分资产端，造成标的供应暂时紧缺，也即导致借款人数出现下降。
未来一段时间内，合规仍是网贷行业主旋律。特别在2018年上半年，各地也将陆续开启平台备案进程。预计现金贷等业务会持续受到强监管，优胜劣汰下，平台数量有可能会出现下降。周治翰预计，短期内，借款人数增长可能会放缓。“但随着行业逐步走向规范，金融消费者信用消费意识不断提升，网贷以其方便、快捷的特性，将吸引越来越多的借款人。”
随着行业逐渐步入正轨，网贷行业借款人数或将随着资产端的调整而发生好转。“资产方面优质供应链金融资产规模将逐渐扩充，符合监管要求的小额分散、有消费场景的消费金融市场也有空间，在未来，不同类资产的借款人会有所回升。”薛刚表示。
现金贷整顿还有后遗症？
现金贷整顿所产生的影响，也给互联网金融行业留下了疑惑。
据网贷之家月报，2017年12月P2P网贷行业的成交量为2248.09亿元，环比11月小幅下降1.33%。
网贷之家的数据也显示，2017年12月不止一家网贷平台的经营数据与网贷行业情况呈现类似状况，即平台借款人数据下降明显，但当月成交总额却未发生明显变化，甚至个别网贷平台的成交量相比2017年11月还出现了小幅上涨。
网贷某头部平台2017年12月份成交额及借款人数据
对此，华南一家出现类似情况的网贷平台工作人员回应称，平台一直坚持迎合网贷行业监管的方向，也就是坚持小额分散的普惠金融业务。12月数据是因为执行双降政策（网贷平台不合规业务降为零，网贷平台业务规模不得增长）而受到影响。
不过，这或许不是最主要的的原因。
自2017年12月初互联网金融风险专项整治、P2P网贷风险专项整治工作领导小组办公室正式下发《关于规范整顿“现金贷”业务的通知》，几乎所有涉及现金贷业务的互联网金融平台开始着手控量，有些无金融牌照的现金贷平台只能无奈的选择停止放贷。
从网贷之家观察来看，之前或涉足现金贷相关业务的P2P平台已经主动对资产端调整，放弃小额个人业务自然也导致了借款人的下降。
但有疑问的是，此前有不少现金贷从业者表示，现金贷业务大部分的资金来自P2P。但根据网贷之家12月月报数据，2017年12月网贷行业成交额却并未显著下降，环比降幅为1.33%。就上述两种说法，在现金贷业务面临大整治的背景下来看，显得矛盾。
对此现象，一位不愿具名的从业者分析认为，“现金贷的整治文件在2017年12月才发布，各地是12月中下旬才逐步落实执行的。”该人士表示，进一步的影响可以继续观察2018年1月份网贷行业的成交数据。
此外，一些互联网金融行业从业者还提醒到，很多之前的现金贷业务已经转变成为消费分期业务。其中，有些互联网金融平台有真实的消费场景作为依托，但有些却并没有找到真实的消费场景，也即，只是将之前的借款额度变大、借款期限延长。(网贷之家 文/昏晓)
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点哪些人最有可能欠钱不还？网贷平台贷款数据分析告诉你答案
作者：刘小芬，R语言中文社区专栏作者。知乎专栏：https://www.zhihu.com/people/liu-xiao-fen-10/columns
今天看了一部电影《利益风暴》，影片中风险评估员皮特·苏利文得到被解雇的上司正在进行的一个风险模型分析资料，然后认真进行了分析，最终发现了公司财务评估的一个巨大漏洞，公司所持有的资产的风险价值（VAR）存在重大风险，如果这些资产出现了问题，那么亏损将会超过公司的价值，从而高层展开了一系列的挽救工作。
看完后，给我对于数据分析、数据建模有了很大的感触，如果不是收集了历史数据将它们整合在一起，建立模型，或许这个漏洞没有那么快发现。
基于此，在kaggle上查找了是否有类似的数据可以作为练习使用，然后想起来曾经关注过的社群小伙伴的实践项目Prosper Loan Data（公众号后台回复“网贷”下载数据），于是参照实践作业，以及自己的理解，进行分析，最终的目的是建立模型，预测哪些人贷款后会还款、哪些人会赖账。
第一步：数据导入
###导入数据library(readr)loandata &- read_csv("F:/prosperLoanData.csv")View(loandata)str(loandata)
总共有113937行数据。
这个loandata共有81个变量，113937行数据。
第二步：理解数据
由于有81个变量，一些对分析的结果，即贷款状态影响变化不大的变量不予考虑，在此就不做名词解释了。
ListingCreationDate:表创建时间
LoanStatus:贷款状态(Completed、Current、Defaulted、Chargedoff等)
EmploymentStatus:受雇佣状态(Self-employed、Employed等)
EmploymentStatusDuration:受雇佣状态持续时间(以月为计算单位)
IsBorrowerHomeowner:借款人是否拥有房屋
CreditScoreRangeLower/CreditScoreRangeUpper:消费信用最低/最高分
InquiriesLast6Months:最近6个月查过多少次征信记录
BorrowerRate:借款标利率,作为P2P平台资金借贷价格的代理变量,BorrowerRate不包含其他费用,是筹资者付给投资人的报酬,也是融资最直接和最重要的成本,其体现了资金供求双方在综合考虑各种因素情况下所认可的资金使用成本.
Term:期限,筹资者通过网贷平台进行借款时所承诺的最终偿还期限,借款期限体现该资产的流动性,期限较长的资产应存在着流动性溢价(利率上涨).
CreditGrade/ProsperRating(Alpha):信用等级,前者反映的是日前客户的信用等级,后者反映的是日后的信用等级.信用等级越高,其偿债能力越强.
CreditScore:由消费信用公司提供的消费信用评分,类似于国内的芝麻信用分。
StatedMonthlyIncome:客户月收入,月收入越高,投资者对该借款本息按时回流越有信心.
DelinquenciesLast7Years:信用资料提交时借款人过去7年违约次数,该指标在一定程度上可以体现借款标的发布者的信用状况
BankcardUtilization:信用资料提交时借款人信用卡使用额度和信用卡总透支额度的百分比
LoanOriginalAmount:借款人在借款时已经向prosper借入的资金,如果没有历史记录则为0,显然,借入本金越多,其还款压力越大,但是这项指标大的话也可能说明该客户对prosper依赖性较强.
DebtToIncomeRatio:借款人的债务收入比,债务收入比越高说明筹资者财务状况越差,还款能力较低.其向P2P平台借款时,投资者应要求有更高的回报.
Occupation:贷款人职业
IncomeRange:贷款人年收入范围
BorrowerState:贷款人所在州
此次分析将基于上述的数据对贷款状况LoanStatus进行预测模型建立。
第三步：数据预处理
3.1选择子集
由于变量较大，筛选部分有需要的变量，重新建立一个新数据集newloandata。
###3.1筛选子集library(dplyr)##对变量重新命名names(loandata)[c(14,15,17)] &- c("ProsperRating.numeric","ProsperRating.Alpha","ListingCategory.numeric")##筛选子集newloandata &- select(loandata,ListingCreationDate,LoanStatus,EmploymentStatus,EmploymentStatusDuration, IsBorrowerHomeowner,CreditScoreRangeLower,CreditScoreRangeUpper, InquiriesLast6Months,BorrowerRate,Term,CreditGrade,ProsperRating.Alpha, StatedMonthlyIncome,DelinquenciesLast7Years,BankcardUtilization, LoanOriginalAmount,DebtToIncomeRatio,Occupation,IncomeRange,BorrowerState,LoanOriginalAmount)View(newloandata)
3.2 数据重编码
主要是对LoanStatus进行重编码，定义“已还款”为“1”，“未还款”为“0”。
##3.2查看LoanStatus的具体内容PastDue &- c("Past Due (&120 days)","Past Due (1-15 days)","Past Due (16-30 days)", "Past Due (31-60 days)","Past Due (61-90 days)","Past Due (91-120 days)")##标签为Past Due的统一归类为PastDuenewloandata$LoanStatus[newloandata$LoanStatus %in% PastDue] &- "PastDue"##cancelled归类到current中newloandata$LoanStatus[newloandata$LoanStatus=="Cancelled"]&-"Current"##defaulted归类为chargedoffnewloandata$LoanStatus[newloandata$LoanStatus=="Defaulted"]&-"Chargedoff"##FinalPaymentInProgress归类为completednewloandata$LoanStatus[newloandata$LoanStatus=="FinalPaymentInProgress"]&-"Completed"##查看数据table(newloandata$LoanStatus)
再进一步分类：
##将PastDue归类到completed中，属于还款状态newloandata$LoanStatus[newloandata$LoanStatus=="PastDue"]&-"Completed"##将正在进行中的数据删除，也就是current数据删除newloandata &- newloandata[!(newloandata$LoanStatus=="Current"),]##再次查看数据table(newloandata$LoanStatus)
将LoanStatus用0和1表示未还款、已还款：
##将completed赋值为1，属于已还款状态newloandata$LoanStatus[newloandata$LoanStatus=="Completed"]&-"1"##将Chargedoff赋值为0，属于未还款状态newloandata$LoanStatus[newloandata$LoanStatus=="Chargedoff"]&-"0"newloandata$LoanStatus &- as.factor(newloandata$LoanStatus)##再次查看数据table(newloandata$LoanStatus)
3.3查看是否有缺失值
使用以下代码筛选出含有缺失值的变量：
data &- sapply(newloandata,function(x) sum(is.na(x))) ##查找数据的NA值data1 &- data[data!=0]data1
由于缺失数值的变量特别多，上图并不是很直观看到数据缺失的情况，因此用missmap()函数绘图分析：
missmap(newloandata,main="Missing Value Of Loandata")
缺失值排在前三的是CreditGrade、ProsperRating.Alpha和EmploymentStatusDuration，其中前两个是信用等级，是由于2009年7月日后prosper平台对评级名词产生了变化，第三个是受雇佣状态保持时间。这三个指标都对贷款状态有影响，所以需要对缺失值进行补全。
3.3补全缺失值
3.3.1 EmploymentStatusDuration补全数值
首先是找到缺失值的位置：
###补充EmploymentStatusDuration####找到EmploymentStatusDuration缺失的位置which(newloandata$EmploymentStatusDuration %in% NA)
然后查看对应的EmploymentStatus的情况：
###查看相对应的EmploymentStatus的情况newloandata$EmploymentStatus[which(newloandata$EmploymentStatusDuration %in% NA)]
此处的EmploymentStatus不是“NA”，就是“Not available”，因此可以将缺失的EmploymentStatusDuration以“0”补全：
###EmploymentStatusDuration以“0”补全newloandata$EmploymentStatusDuration[which(newloandata$EmploymentStatusDuration %in% NA)] &- "0"###查找EmploymentStatusDuration是否有缺失值sapply(newloandata,function(x) sum(is.na(x)))
EmploymentStatusDuration缺失值已完全补充。
3.3.2 EmploymentStatus补全数值
用“Not available”补全EmploymentStatus数值：
###补充EmploymentStatus###EmploymentStatusDuration以“Not available”补全newloandata$EmploymentStatus[which(newloandata$EmploymentStatus %in% NA)] &- "Not available"###查找EmploymentStatus是否有缺失值sapply(newloandata,function(x) sum(is.na(x)))
EmploymentStatus缺失值已完全补充。
3.3.3 CreditScoreRangeLower/CreditScoreRangeUpper补全数值
###将CreditScoreRangeLower/CreditScoreRangeUpper取两者平均值作为一个新的变量newloandata$CreditScore &- (newloandata$CreditScoreRangeLower+newloandata$CreditScoreRangeUpper)/2###查看CreditScore的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
缺失值还是存在，由于属于消费评分，因此可以考虑用中位数补充缺失值。
首先绘图查看是否可以用中位数补充数值：
###绘图看是否可用中位数补充缺失值library(ggplot2)library(ggthemes)ggplot(newloandata,aes(x=CreditScore,))+ geom_density(fill="pink",alpha=0.4)+ geom_vline(aes(xintercept=median(CreditScore,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of CreditScore")
从图中可以看出数值大部分集中在500到750之间，因此可以用中位数补充缺失值：
###用中位数补充缺失值newloandata$CreditScore[which(newloandata$CreditScore %in% NA)] &- median(newloandata$CreditScore,na.rm = T)###再次查看CreditScore的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
CreditScore缺失值已完全补充。
3.3.4 InquiriesLast6Months补全数值
绘图查看是否可以用中位数补充数值：
ggplot(newloandata,aes(x=InquiriesLast6Months,))+ geom_density(fill="skyblue",alpha=0.4)+ geom_vline(aes(xintercept=median(InquiriesLast6Months,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of InquiriesLast6Months")
从图中可以看出数值大部分集中在0到20之间，因此可以用中位数补充缺失值：
###用中位数补充缺失值newloandata$InquiriesLast6Months[which(newloandata$InquiriesLast6Months %in% NA)] &- median(newloandata$InquiriesLast6Months,na.rm = T)###再次查看InquiriesLast6Months的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
InquiriesLast6Months缺失值已完全补充。
3.3.5 DelinquenciesLast7Years补全数值
绘图查看是否可以用中位数补充数值：
ggplot(newloandata,aes(x=DelinquenciesLast7Years,))+ geom_density(fill="blue",alpha=0.4)+ geom_vline(aes(xintercept=median(DelinquenciesLast7Years,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of DelinquenciesLast7Years")
从图中可以看出数值大部分集中在0到10之间，因此可以用中位数补充缺失值：
###用中位数补充缺失值newloandata$DelinquenciesLast7Years[which(newloandata$DelinquenciesLast7Years %in% NA)] &- median(newloandata$DelinquenciesLast7Years,na.rm = T)###再次查看DelinquenciesLast7Years的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
DelinquenciesLast7Years缺失值已完全补充。
3.3.6 BankcardUtilization补全数值
绘图查看是否可以用中位数补充数值：
ggplot(newloandata,aes(x=BankcardUtilization,))+ geom_density(fill="grey",alpha=0.4)+ geom_vline(aes(xintercept=median(BankcardUtilization,na.rm = T)),colour="red",linetype="dashed",lwd=1)+ theme_few()+ggtitle("The density of BankcardUtilization")
用中位数填充缺失值：
###用中位数补充缺失值newloandata$BankcardUtilization[which(newloandata$BankcardUtilization %in% NA)] &- median(newloandata$BankcardUtilization,na.rm = T)###再次查看BankcardUtilization的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
BankcardUtilization缺失值已完全补充。
接着对BankcardUtilization的数值进行分类：
###BankcardUtilization的数据进行分类newloandata$BankCardUse[newloandata$BankcardUtilization &quantile(newloandata$BankcardUtilization, 0.25,"na.rm" = TRUE)] &- "Mild Use"newloandata$BankCardUse[(newloandata$BankcardUtilization&= quantile(newloandata$BankcardUtilization,0.25,na.rm = TRUE))&( newloandata$BankcardUtilization& quantile(newloandata$BankcardUtilization,0.5,na.rm = TRUE))]&-"Medium Use"newloandata$BankCardUse[(newloandata$BankcardUtilization&= quantile(newloandata$BankcardUtilization,0.5,na.rm = TRUE))&( newloandata$BankcardUtilization&1)]&-"Heavy Use"newloandata$BankCardUse[newloandata$BankcardUtilization&=1]&-"Super Use"newloandata$BankCardUse &- as.factor(newloandata$BankCardUse)
3.3.7 DebtToIncomeRatio补全数值
loandata_1 &- newloandata[which(newloandata$DebtToIncomeRatio %in% NA),]names(loandata_1)loandata_1 &- loandata_1[,c(2,17)] table(loandata_1$LoanStatus)
未还款的比例较大，可以考虑用四分位数对缺失值进行补充：
summary(newloandata$DebtToIncomeRatio,na.rm=T)
Q1是0.13，Q3是0.3 ，因此：
###四分位数补充缺失值newloandata$DebtToIncomeRatio[which(newloandata$DebtToIncomeRatio %in% NA)] &- runif(nrow(loandata_1),0.13,0.3)###再次查看DebtToIncomeRatio的缺失值：sapply(newloandata,function(x) sum(is.na(x)))
DebtToIncomeRatio缺失值补全。
3.3.8 Occupation补全数值
####找到Occupation缺失的位置which(newloandata$Occupation %in% NA)###查看相对应的EmploymentStatus的情况newloandata$EmploymentStatus[which(newloandata$Occupation %in% NA)]
缺失值对应的EmploymentStatus不是“other”，就是“Not available”，因此可以用“other”补充缺失值：
###Occupation以“Other”补全newloandata$Occupation[which(newloandata$Occupation %in% NA)] &- "Other"###查找Occupation是否有缺失值sapply(newloandata,function(x) sum(is.na(x)))
Occupation缺失值补充完整。
3.3.9 BorrowerState补全数值
###BorrowerState补全数值loandata_2 &- newloandata[which(newloandata$BorrowerState %in% NA),]names(loandata_2)loandata_2 &- loandata_2[,c(2,20)] table(loandata_2$LoanStatus)
未还款占的比例较大，且这是贷款人所在州的标签，因此可以用一个因子代替缺失值：
###BorrowerState以“None”补全newloandata$BorrowerState[which(newloandata$BorrowerState %in% NA)] &- "None"###查找BorrowerState是否有缺失值sapply(newloandata,function(x) sum(is.na(x)))
BorrowerState缺失值补充完整。
3.3.10 CreditGrade/ProsperRating.Alpha补全数值
接下来是对CreditGrade和ProsperRating.Alpha数据进行缺失值的补充，由于这两个值是日前后客户信用等级，因此需要对数据进行按照日来分割。
3.3.10.1 CreditGrade缺失值补充
###按照日将数据进行分割newloandata$ListingCreationDate &- as.Date(newloandata$ListingCreationDate)loandata_before &- newloandata[newloandata$ListingCreationDate & "",]###CreditGrade缺失值情况sapply(loandata_before,function(x) sum(is.na(x)))
共有131个缺失值，由于数量较小，可以忽略不计，因此删除缺失值：
###筛选非缺失值数据loandata_before &- filter(loandata_before,!is.na(CreditGrade))###查找BorrowerState是否有缺失值sapply(loandata_before,function(x) sum(is.na(x)))
CreditGrade的缺失值已经处理完毕。
3.3.10.2 ProsperRating.Alpha缺失值补充
###按照日将数据进行分割loandata_after &- newloandata[newloandata$ListingCreationDate &= "",]###CreditGrade缺失值情况sapply(loandata_after,function(x) sum(is.na(x)))
按照日分割数据后，ProsperRating.Alpha并没有缺失值。
到了此时，全部缺失值都处理好了。
第四步：数据计算&显示
这部分主要是分析以下几点：
1.受雇佣状态持续时间与贷款状态的关系？
2.借款人是否有房屋和贷款状态的关系？
3.消费信用分与贷款状态的关系？
4.征信记录查询次数与贷款状态的关系？
5.信用等级与贷款状态的关系？
6.客户的职业、月收入、年收入与贷款状态的关系？
7.客户7年内违约次数与贷款状态的关系？
8.信用卡使用情况与贷款状态的关系？
9.在Prosper平台是否借款与贷款状态的关系？
10.债务收入比例与贷款状态的关系？
11.借款标利率与贷款状态的关系？
4.1 受雇佣状态持续时间与贷款状态的关系？
分析受雇佣状体持续时间和贷款状态是否有关系，即雇用时间越长，是不是具备还款能力越好。
library(ggplot2)###1.受雇佣状态持续时间与贷款状态的关系？newloandata$EmploymentStatusDuration &- as.integer(newloandata$EmploymentStatusDuration)ggplot(data = newloandata, aes(x = EmploymentStatusDuration, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By EmploymentStatusDuration", x = "EmploymentStatusDuration", y = "Count", fill = "LoanStatus")
从图中可以看出来随着受雇佣时间越长，贷款未还款率降低，到了后期，基本上不存在毁约现象。也就是说，一个有稳定工作收入的人，不容易出现贷款毁约，不还款。
4.2 借款人是否有房屋和贷款状态的关系？
###2.借款人是否有房屋和贷款状态的关系？mosaicplot(table(newloandata$IsBorrowerHomeowner,newloandata$LoanStatus),main="The Loanstatus By IsBorrowerHomeowner", color = c('pink','skyblue'))
从图中可以看出，当贷款人拥有房的时候，还款率较无房的贷款人稍高一点，但是这个因素对是否还款影响不大。
4.3 消费信用分与贷款状态的关系？
###3.消费信用分与贷款状态的关系？options(digits=1)newloandata$CreditScore &- newloandata$CreditScoreclass(newloandata$CreditScore)ggplot(data = newloandata, aes(x = CreditScore, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By CreditScore", x = "CreditScore", y = "Count", fill = "LoanStatus")
从图中可以看出，随着消费信用分越高，还款率越高，因此个人的消费信用分会对贷款最终还款状态有一定的影响。
4.4 征信记录查询次数与贷款状态的关系？
ggplot(data = newloandata[newloandata$InquiriesLast6Months & 20,], aes(x = InquiriesLast6Months, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By InquiriesLast6Months", x = "InquiriesLast6Months", y = "Count", fill = "LoanStatus")
当征信记录查询记录小于10的时候，还可以看出来对贷款状态有些影响，但是大于10之后，还款与未还款的曲线基本趋于一致，所以，可以大胆猜测这个对贷款人是否有能力还款影响不大。
4.5 信用等级与贷款状态的关系？
###5.信用等级与贷款状态的关系？par(mfrow=c(2,1))###考虑日之前的信用等级对贷款状态的影响：CreditGrademosaicplot(table(loandata_before$CreditGrade,loandata_before$LoanStatus),main="The Loanstatus By CreditGrade", color = c('pink','skyblue'))###考虑日之后的信用等级对贷款状态的影响：ProsperRating.Alphamosaicplot(table(loandata_after$ProsperRating.Alpha,loandata_after$LoanStatus),main="The Loanstatus By ProsperRating.Alpha", color = c('pink','skyblue'))
马赛克图中可以看出，信用等级越高还款率越高，因此AA等级还款率最高，NC最低。而且大部分人的等级集中在C、D等级，AA等级还款率和NC等级还款率相差较大，因此，信用等级对贷款状态有一定的影响。
4.6 客户的职业分布，以及月收入、年收入与贷款状态的关系？
职业分布：
ggplot(data=newloandata,aes(x=Occupation))+geom_bar()+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))
职业中，选择“other”的人数更多，跟之前数据处理得出的结果一样，说明很多人在申请贷款的时候会不选择自己的职业，或者是有欺骗的可能性。
月收入和年收入与贷款状态的关系：
###月收入与贷款状态的关系newloandata$Monthly[newloandata$StatedMonthlyIncome & 3000] &- c("0-3000")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 3000 & newloandata$StatedMonthlyIncome & 6000 ] &- c("")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 6000 & newloandata$StatedMonthlyIncome & 9000 ] &- c("")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 9000 & newloandata$StatedMonthlyIncome & 12000 ] &- c("")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 12000 & newloandata$StatedMonthlyIncome & 15000 ] &- c("")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 15000 & newloandata$StatedMonthlyIncome & 20000 ] &- c("")newloandata$Monthly[newloandata$StatedMonthlyIncome &= 20000 ] &- c("&20000")newloandata$Monthly &- factor(newloandata$Monthly,levels=c("0-3000","","", "","", ""))p1 &- ggplot(data = newloandata, aes(x = Monthly, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By MonthlyIncome")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))###年收入对贷款状态的关系newloandata$MonthlyIncome &- factor(newloandata$MonthlyIncome,levels=c("Not employed","Not displayed","$0", "$1-24999","$", "$","$","$100000+"))p2 &- ggplot(data = newloandata, aes(x = IncomeRange, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By IncomeRange")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))library(gridExtra)grid.arrange(p1, p2, ncol=2)
从图中可以看出来，月收入越高，还款率相对来说也高一点，但是区别不大，年收入也是高收入的相对来说还款率大，但是一样是区别不大。也就是无法单凭收入判断一个人的还款情况。
4.7 客户7年内违约次数与贷款状态的关系？
ggplot(data = newloandata,aes(x = DelinquenciesLast7Years, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By DelinquenciesLast7Years", x = "DelinquenciesLast7Years", y = "Count", fill = "LoanStatus")
过去7年一次也没有违约的客户还款率更高，而违约次数越高，还款率越低。
4.8 信用卡使用情况与贷款状态的关系？
###8.信用卡使用情况与贷款状态的关系？ggplot(data = newloandata, aes(x = BankCardUse, fill = LoanStatus)) + geom_bar(position="fill")+ggtitle("The Loanstatus By BankCardUse")+ theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1))
贷款人的信用卡使用情况为“Mild Use”和“Medium Use”的还款率相对较大，而“Super Use”还款率最低，因此可以根据使用信用卡的状况初步确定贷款人的还款能力。
4.9 在Prosper平台是否借款与贷款状态的关系？
###9.在Prosper平台是否借款与贷款状态的关系？newloandata$LoanOriginal[newloandata$LoanOriginalAmount &= 1000 & newloandata$LoanOriginalAmount &4000]&-""newloandata$LoanOriginal[newloandata$LoanOriginalAmount &= 4000 & newloandata$LoanOriginalAmount &7000]&-""newloandata$LoanOriginal[newloandata$LoanOriginalAmount &= 7000 & newloandata$LoanOriginalAmount &10000]&-""newloandata$LoanOriginal[newloandata$LoanOriginalAmount &= 10000 & newloandata$LoanOriginalAmount &=13000]&-""newloandata$LoanOriginal[newloandata$LoanOriginalAmount & 13000]&-"&13000"newloandata$MonthlyIncome &- factor(newloandata$MonthlyIncome,levels=c("","", "","", "&13000"))ggplot(data=newloandata,aes(x=LoanOriginal,fill=LoanStatus))+ geom_bar(position = "fill")+ ggtitle("The Loanstatus By LoanOriginalAmount")
在Prosper平台有借款对贷款状态影响不大，还款率大致上趋于一致。
4.10 债务收入比例与贷款状态的关系？
summary(newloandata$DebtToIncomeRatio)
DebtToIncomeRatio的四分位数都是0，而最大值是10，也就是说大部分的数值是在小于1的范围内。
###10.债务收入比例与贷款状态的关系？ggplot(data = newloandata[newloandata$DebtToIncomeRatio & 1,], aes(x = DebtToIncomeRatio, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By DebtToIncomeRatio", x = "DebtToIncomeRatio", y = "Count", fill = "LoanStatus")
债务比越低，还款率越高，也就是说贷款人本身的债务不高的情况下，具备还款能力越高。
4.11 借款标利率与贷款状态的关系？
###11.借款标利率与贷款状态的关系？ggplot(data = newloandata, aes(x = BorrowerRate, color = LoanStatus)) + geom_line(aes(label = ..count..), stat = 'bin') + labs(title = "The LoanStatus By BorrowerRate", x = "BorrowerRate", y = "Count", fill = "LoanStatus")
借款标的利率越高，还款率越低，也就是说这个会影响贷款状态。
第五步：建模，做预测分析
通过上述的分析，可以知道EmploymentStatusDuration、CreditScore、CreditGrade、ProsperRating.Alpha、DelinquenciesLast7Years、BankCardUse、DebtToIncomeRatio、BorrowerRate对贷款状态有一定的影响，所以建模时将这几个选择为影响因子。
###建模###训练集和测试集，以日为分界点###从loandata_before数据集中随机抽70%定义为训练数据集，30%为测试数据集set.seed(156)tain_before1 &- sample(nrow(loandata_before),0.7*nrow(loandata_before))set.seed(156)tain_before &- loandata_before[tain_before1,]test_before &- loandata_before[-tain_before1,]###利用随机森林建立模型library(randomForest)before_mode &- randomForest(LoanStatus~StatusDuration+CreditScore+ CreditGrade+Delinquencies+ BankCardUse+DebtRatio+LoanBorrowerRate,data=tain_before,importance=TRUE)
由于建模的变量需要因子化，且因子水平不宜很多，所以对各个因子进行分组，减少因子水平数量。对EmploymentStatusDuration、CreditScore、DelinquenciesLast7Years、DebtToIncomeRatio、BorrowerRate进行分组。
###显示模型误差plot(before_mode,ylim = c(0,1))legend("topright",colnames(before_mode$err.rate),col=1:3,fill=1:3)
从图可以看出相对于预测不还款的情况，这个模型对于还款预测误差较低，比较容易预测谁更可能还款。
###对因子的重要性进行分析importance &- importance(before_mode)varImportance &- data.frame(variables=row.names(importance),Importance=round(importance[,'MeanDecreaseGini'],2))###对于变量根据重要系数进行排列library(dplyr)rankImportance &- varImportance %&% mutate(Ranke= paste0('#',dense_rank(desc(Importance))))###使用ggplot绘制重要变量相关系图ggplot(rankImportance,aes(x=reorder(variables,Importance),y=Importance,fill=Importance))+ geom_bar(stat='identity')+ geom_text(aes(x=variables,y=0.5,label=Ranke),hjust=0,vjust=0.55,size=4,colour='red')+ labs(x='Variables')+ coord_flip()+theme_few()+ggtitle('The Importance of Variables')
因子重要性排名前三的是BorrowerRate、CreditGrade、DebtToIncomeRatio。
###对测试集预测predit_before &- predict(before_mode,test_before)pert_before &- table(test_before$LoanStatus,predit_before,dnn = c("Actual","Predicted"))& pert_before PredictedActual 0 1 0
模型预测还款的人预测的比较准，但是预测准确率不高，只有67.25%，看来还需要继续优化因子筛选。
接下来看日之后的模型：
###训练集和测试集，以日为分界点###从loandata_before数据集中随机抽70%定义为训练数据集，30%为测试数据集set.seed(187)tain_after1 &- sample(nrow(loandata_after),0.7*nrow(loandata_after))set.seed(187)tain_after &- loandata_after[tain_after1,]test_after &- loandata_after[-tain_after1,]###利用随机森林建立模型library(randomForest)after_mode &- randomForest(LoanStatus~StatusDuration+CreditScore+ ProsperRating.Alpha+Delinquencies+ BankCardUse+DebtRatio+LoanBorrowerRate,data=tain_after,importance=TRUE)
查看模型评估误差：
###显示模型误差plot(after_mode,ylim = c(0,1))legend("topright",colnames(after_mode$err.rate),col=1:3,fill=1:3)
同样是更容易预测谁可以还款，为不还款的误差较大。
###对因子的重要性进行分析importance &- importance(after_mode)varImportance &- data.frame(variables=row.names(importance),Importance=round(importance[,'MeanDecreaseGini'],2))###对于变量根据重要系数进行排列library(dplyr)rankImportance &- varImportance %&% mutate(Ranke= paste0('#',dense_rank(desc(Importance))))###使用ggplot绘制重要变量相关系图ggplot(rankImportance,aes(x=reorder(variables,Importance),y=Importance,fill=Importance))+ geom_bar(stat='identity')+ geom_text(aes(x=variables,y=0.5,label=Ranke),hjust=0,vjust=0.55,size=4,colour='red')+ labs(x='Variables')+ coord_flip()+theme_few()+ggtitle('The Importance of Variables')
因子重要性排名前三的是BorrowerRate、ProsperRating.Alpha、DebtToIncomeRatio。这个跟之前的一样。
& predit_after &- predict(after_mode,test_after)& pert_after &- table(test_after$LoanStatus,predit_after,dnn = c("Actual","Predicted"))& pert_after PredictedActual 0 1 0 39
此时的模型预测准确率是77.57%，比起日前建造的模型准确率提高了很多，也就是说平台改变了信用等级后，将评估模型也进行了修改，保障了平台的利益。
而且，的确是预测还款的准确率比预测不还款的准确率要高一点。
第六步：总结
通过此次练习，对于随机森林预测模型有了更进一步的认识，在建造模型的时候，遇到了很多问题，通过在网络搜索解决问题，虽然费了一些时间，但是起码在建造日之后的模型再遇上同样问题时可以快速解决。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点