Lending Club P2P借贷风险策略分析文中分析了LC贷款风险的相关影响因素，但不够量化、系统。
参考信用评分卡模型，对风险因素的量化分析可以采用WOE（Weight of Evidence）和IV（Information Value）评价。
结论和观点
对多个特征变量进行单因素IV分析：
- 对贷款不良率影响最大的因素是贷款评级grade，IV值高达0.32，grade主要体现了贷款人的信用评级，并考虑了单笔贷款的金额、期限等因素；
- 贷款人的经济状况也对不良率有较显著的影响，特征包括信用卡循环利用率、dti（相当于月度负债率）、住房持有状态；
- 其他因素对不良率的影响都不显著，职业年限、2年期的钱款、收入水平、贷款金额、信用记录长度；
可以看出，影响贷款风险的关键因素是信用水平+经济水平。通过IV值筛选出关键因素后，可以使用特征继续进行分类回归建模。
以上分析在总体样本上进行，如果对用户分层、分群，在群体内分析IV可能得到不一样的结论。
分析流程
关注的结果为贷款是否不良（Good/Bad），要分析各个特征变量对贷款是否不良的影响程度。
考虑数据集的特征，处理流程：
- 去除2015年的新贷款中的current
考虑2015年新贷款的观察期不到1年，目前current状态的贷款是否会发展成bad loan不确定，因此排除。 - 去除null比例大于0.2的特征
- 对连续数值型特征分箱（bin），注意排除异常值对分箱的影响
- 选择特征计算WOE和IV值
- 评价各特征对贷款不良的影响
- 选择IV值高的特征进行建模（随机森林等方法，TODO）
单因子WOE、IV分析
以利率数据的处理为例。
-
利率的数值分布在5%-30%的区间内
image_1d69mivdfgcl3nu1tpe52h96f9.png-8.1kB -
对利率数值分箱（bin），划分8个等级，各等级的数量分布如下
image_1d69ml1621bha1hp81uc717pp12shm.png-13.4kB -
对利率bin进行单因子分析
image_1d69mp9qrsu6lh9mrnda4153113.png-32.4kB - 累加各行的IV值，即得到总的IV=0.30
根据IV的定义，IV值判断变量预测能力的标准是：
- < 0.02: 无预测力
- 0.02 to 0.1: 弱
- 0.1 to 0.3: 中
- 0.3 to 0.5: 强
-
> 0.5: 极高
可以看出贷款利率的水平对不良贷款风险的预测能力很强。
WOE、IV分析结果
选取15个特征进行分析，包括grade、term_num（分期数）、home_ownership（住房产权）、income_level（收入水平）等等。
计算所有变量的IV值，只保留IV>0.02的特征：
| 特征 | IV值 | 语义 |
|---|---|---|
| grade | 0.32024 | 贷款评级（A-G） |
| interest_rate_level | 0.30449 | 贷款利率水平 |
| term_num | 0.04447 | 分期数（36或60） |
| dti_level | 0.03642 | LC以外的还款数额，与月收入的比值 |
| purpose | 0.03164 | 贷款目的用途 |
| revol_util_level | 0.02671 | 信用卡贷款循环利用率 |
| home_ownership | 0.02301 | 住房状态（自有、租住、按揭、其他） |
分析：
- 对贷款不良率影响最大的因素是贷款评级和贷款利率水平，由于贷款利率水平主要是评级决定的，因此实际的影响因素只有贷款信用评级
- 根据LC的规则，贷款分期数越多，评级就会下调，因此分期数的信息实际也反映在评级grade中；
- 信用卡循环利用率、dti（相当于月度负债率）、住房持有状态，都是表征借款人财务状况的指标；
- 其他一些看似相关度高的指标，如职业年限、2年期的钱款、收入水平、贷款金额、信用记录长度的IV值均小于0.02，即在统计意义上对贷款不良没有显著影响。
综上，可以得到一个直观的结论：贷款不良率主要由贷款人信用水平和经济收支状况相关，其余因素影响较小。
