第6章 P2P信用贷款风险控制.pptxVIP

P2P信用贷款风险控制;;P2P信贷作为一种融合了互联网与传统金融的新生第三方金融创新借贷平台，最近几年在国内得到了快速的发展，它的出现在一定程度上缓解了民间小额贷款尤其是中小企业融资难的压力，是对传统金融业主要将贷款贷给大企业而忽视小企业行为的一种有效补充。但P2P信贷在我国尚处于新事物初生阶段，由于入门槛低、渠道成本低、行业规范不统一、监管缺失等一系列弊端，使其在经营中存在诸多风险，其中信用风险、流动性风险、市场风险是最突出的三种。

信用风险泛指借款人虽然有真实的借款用途，但是还款意愿或还款能力不足的风险，在借款到期时不能全额或部分归还本息。一般信用风险的程度取决于产品设计是否合理、尽职调查质量是否可以保证、风险审核模型是否基于的充足的经验或数据。

;流动性风险是指理财人投资后的债权变现难易程度的风险。流动性和投资期限及市场交易活跃度有直接相关，项目期限越短，其流动性越高。债权可转让并且受让需求充足也是高流动性的保证，反之，流动性则低。

市场风险一般也称为系统性风险，指在出现系统性的、大面积的市场事件时造成投资价值受损的风险。大的市场风险来自于金融危机，区域性的市场风险如地产泡沫、钢铁行业、煤炭行业利润骤减等。一般投资越分散，市场风险越低，专业的投资一般会从行业、产品、客户、类型、地域等多角度进行分散以对冲市场风险。;登录信息表（LogInfo）数据说明，如表所示。

;主表（Master）数据说明，如表所示。

;信息更新表（Userupdate）数据说明，如表所示。;构建P2P信贷用户逾期预测模型。

通过数据分析得出用户逾期还款的关键因素。

提出P2P信贷逾期风险控制建议。

;熟悉用户逾期预测的步骤与流程;;因此分析每位用户信息的缺失个数，得到主表中用户缺失信息个数的总情况图如图所示。

发现图中有许多较细的圆圈，表示该样本数量很少，可能存在偶然性，因此剔除缺失信息的个数大于10个和小于2个的样本。;统计出其余用户随着缺失信息的个数的改变，其逾期还款率的分布情况，得出用户信息的完善程度与用户逾期还款的概率的关系，如图所示??

观察图可以发现其整体趋势为，用户的信息越完整，其逾期率越低。故将用户信息完善程度这一因素初步判断为用户逾期还款的关键因素之一。;通过对所有借款用户的更新信息时间和借款成交时间的分布分析，得到用户修改信息的天数情况图，如图所示。

该图是以用户修改信息的天数作为纵坐标，圆圈的粗细表示修改天数为某一天的样本数的多少。发现图中有许多较细的圆圈，表示该样本数量很少，可能存在偶然性，因此剔除修改信息天数大于5天的样本。

;统计出其余的用户随着修改信息天数的改变，其逾期还款率的分布情况，得出用户修改信息天数与逾期率的关系图，如图所示。

观察图可以发现用户修改信息天数越多，其逾期率也越高，故将用户修改信息的天数这一因素暂时归为用户还款逾期的关键因素之一。;统计出各个省份的用户逾期率的分布情况，如图所示（考虑到各省份人口不均，所以引用各省人均GDP表征各省份的经济发达状况。数据来源：中国统计年鉴2014）。

通过观察图发现，逾期率和所在省份人均GDP关系差异并无明显关系。

;借款成交时间（LinstingInfo）特征可以提取出日、周和月特征，以及一年中的第几天（dayofyear），查看用户借款月份和逾期率之间的关系。通过用户借款成交月份，查看各个月份用户贷款逾期分布。如图所示。

通过图可以发现，3、11、12月份用户逾期还款的概率明显高于其他月份。发现用户在阳历年关前和传统春节过后借款的逾还款率较高。因此考虑将用户的借款时间暂列为用户还款逾期的关键因素之一。

;;从主表（Master）中发现第三方信息（ThirdParty_Info_Period）的特征数目多达119个，且特征内数值方差大（如图所示），说明第三方信息蕴含的信息量大。故需要对第三方信息特征考虑进行信息提取。并在风险控制中考虑第三方信息特征是否对用户逾期还款有影响。

根据第三方信息，合计构建96个特征。;由于登录信息表中的LogInfo1、LogInfo2和更新信息表中UserupdateInfo_1、UserupdateInfo_2每一位用户均有多条记录，与主表的一位用户一条记录的形式不符。

因此对特征LogInfo1、LogInfo2、UserupdateInfo_1和UserupdateInfo_2基于Idx进行频数统计，以更新信息表为示例，如表所示。;Idx;Master表中UserInfo_9特征的取值包含了空格字符，如“中国移动”和“中国移动”，其值的含义也相同，故将空格符去除，两种取值变为一种。

对类别型特征进行统计，发现某些类别样本数特别小。如果缺失值样本数大于样本总数的0.2%，将缺失值作为一个新的类别，命名为unknown。

;清洗