P2P网贷用户数据分析——以拍拍贷为例

近两年P2P网贷行业风云变幻，雷声不断，不巧前几日我也中招，之前给亲戚介绍的P2P网贷平台出现到期未还款的现象，吃惊之余赶忙给平台客服打电话，被告知借款人逾期，目前正加紧催收。在当前经济下行压力增大的环境下，P2P网贷行业风险日益暴露，加之网贷备案一拖再拖，P2P网贷平台举步维艰。

本期“品玩SAS”我们就深入研究下P2P网贷平台的用户情况，以期对P2P网贷的参与者有一个清晰的认识。

目录

1 背景和目的

2 数据介绍

3 数据清洗

4 数据分析

4.1 贷款客户画像

4.2 各变量与历史逾期的相关性

5 建议

1 背景和目的

拍拍贷（NYSE:PPDF）成立于2007年6月，总部位于上海，是国内首家P2P网贷平台，2017年11月10日，拍拍贷在美国纽约证券交易所上市。截止到2018年12月31日，拍拍贷累计注册用户8893万人；累计借款用户数为1444万人；累计投资用户数超过66.7万人。

本文的目的主要包括以下两个方面：

（1）了解贷款客户的画像，例如性别、年龄、借款金额、初始评级、认证状态的分布情况。

（2）各变量与历史逾期的相关性，包括历史逾期和性别、年龄、初始评级、认证状态的相关性。

2 数据介绍

本文以拍拍贷2015年1月1日至2017年1月30日的328553条贷款数据（该时间段10%的真实数据）为研究对象。

LC (Loan Characteristics) 表为标的特征表，每支标一条记录。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。该数据表一共是328553行，21列。

字段描述：

21个字段大致可以分为基本信息、信用信息、认证信息、借款信息4个维度。

3 数据处理

将数据集lc导入Navicat客户端，导入过程中字段类型全部默认为varchar(255)，这里将借款金额，借款期限，历史成功借款次数，历史成功借款金额，历史正常还款期数，历史逾期还款期数设置为int类型，部分数据如下。

查询数据中是否存在重复值或缺失值。

--查询重复值、缺失值

SELECT COUNT(DISTINCT ListingId),COUNT(`借款金额`),COUNT(`借款期限`),

COUNT(`借款利率`),COUNT(`借款成功日期`),COUNT(`初始评级`),COUNT(`借款类型`),

COUNT(`是否首标`),COUNT(`年龄`),COUNT(`性别`),COUNT(`手机认证`),

COUNT(`户口认证`),COUNT(`视频认证`),COUNT(`学历认证`),COUNT(`征信认证`),

COUNT(`淘宝认证`),COUNT(`历史成功借款次数`),COUNT(`历史成功借款金额`),COUNT(`总待还本金`)

,COUNT(`历史正常还款期数`),COUNT(`历史逾期还款期数`)

FROM LC；

各字段返回的结果均为328553，说明数据集中不存在缺失值。Distinct去重后的ListingId也为328553，说明数据中不存在重复值。该数据集比较规整，数据清洗工作较为简单。

4 数据分析

4.1 贷款客户画像

4.1.1基本信息-性别/年龄

--查询性别分布

select 性别,

count(listingid) as 数量

from lc

group by 性别

-查看不同年龄段用户人数

SELECT CASE WHEN `年龄`>= 17 AND `年龄`<=25 THEN '17-25'

WHEN `年龄`>= 26 AND `年龄`<=35 THEN '26-35'

WHEN `年龄`>= 36 AND `年龄`<=45 THEN '36-45'

WHEN `年龄`>= 46 AND `年龄`<=56 THEN '46-56'

ELSENULL END AS 年龄阶段,COUNT(`年龄`) AS用户人数

FROM LC

GROUP BY CASE WHEN `年龄`>= 17 AND `年龄`<=25 THEN '17-25'

WHEN `年龄`>= 26 AND `年龄`<=35 THEN '26-35'

WHEN `年龄`>= 36 AND `年龄`<=45 THEN '36-45'

WHEN `年龄`>= 46 AND `年龄`<=56 THEN '46-56'

ELSENULL END

ORDER BY 用户人数 DESC

从上图可以看出，性别分布上男性借款用户要明显多余女性借款用户，占全部借款用户的三分之二。年龄分布上，主要的年龄群体是26-35岁之间，其次是17-25岁、36-45岁人群，46岁以上借款用户较少，这基本符合我们上篇文章讲的“学生时期”、“事业发展期”、“财富积累期”的不同人生阶段。总结来讲，借款人主要为较年轻的男性群体。

4.1.2 基本信息-平均借款金额/利率/期限/最大最小值

--查询平均借款金额

select ROUND(sum(借款金额)/count(借款金额),2) as 平均借款金额

from lc

--查询加权平均借款利率、借款期限

select round(sum(借款利率*借款金额)/sum(借款金额),2)as 平均借款利率,

round(sum(借款期限*借款金额)/sum(借款金额),2) as 平均借款期限

from lc

--最大最小值

select min(借款金额),min(借款期限),min(借款利率),max(借款金额),max(借款期限),max(借款利率)

from lc

从查询结果可知，借款人平均借款金额为4423.82元，最小借款金额100元，最大借款金额50万元，属于小额贷款；平均借款利率为19.94%，利率偏高；平均借款期限为10.19个月，最长借款期限24个月，属于短期借贷。

4.1.3 信用信息-初始评级

--初始评级

select 初始评级,count(初始评级) as 人数

from lc

group by 初始评级

order by 初始评级

--初始评级与借款利率关系

SELECT 初始评级,round(sum(借款利率*借款金额)/sum(借款金额),2)as 平均借款利率

FROM LC

GROUP BY 初始评级

ORDER BY 初始评级

一般而言，初始评级代表客户的信用好坏，评级越高客户逾期的可能性越小，初始评级从高到低排序为A-F。从图中来看，拍拍贷初始评级为C、D的借款人最多，两者合计占全部借款人的81%，借款人群信用表现一般。借款利率上，初始评级与借款利率负相关，初始评级越高则借款利率越低。

4.1.4 认证信息-认证情况

认证信息是客户真实性身份的佐证，完善的认证信息有利于平台防范欺诈、控制客户逾期风险。从上表来看，拍拍贷平台借款人的认证信息缺失严重，60.5%的用户一项也没有认证，一项认证的也仅有31.99%，二项认证及以上的合计7.51%，完成全部认证的用户仅有0.02%。

小结：

（1）男性用户为借款人群主力，约为女性用户的两倍，借款人年龄集中在17-35岁之间；

（2）借款人平均借款金额为4423.82元，平均借款利率为19.94%，平均借款期限为10.19个月，呈现小额、短期、高息的借贷特点；

（3）借款人初始评级呈现两头少（A、F），中间多（C、D）的特点，说明借款人信用状况居中，平台信用把关较为严格，但缺乏优质客户；

（4）大部分借款人认证信息缺失，平台在用户认证方面需加大力度。

4.2 各变量与历史逾期的相关性

4.2.1 性别与历史逾期的关系

--性别与历史逾期率

SELECT 性别,sum(`历史逾期还款期数`) as 历史逾期期数,

concat(round(sum(`历史逾期还款期数`)/(sum(`历史逾期还款期数`)+sum(`历史正常还款期数`))*100,2),'%') as 历史逾期率

from LC

group by 性别

历史逾期率=历史逾期期数/（历史正常还款期数+历史逾期期数）

从图中可以看出，男性的历史逾期还款期数比女性多，这主要是由于男性借款人数远多于女性，相应的正常还款期数、逾期还款期数均多于女性借款人。而有趣的是，在历史逾期率上，女性的历史逾期率要高于男性。

4.2.2 年龄与历史逾期的关系

--按年龄分组，查看各组历史逾期率

SELECT CASE WHEN `年龄`>= 17 AND `年龄`<=25 THEN '17-25'

WHEN `年龄`>= 26 AND `年龄`<=35 THEN '26-35'

WHEN `年龄`>= 36 AND `年龄`<=45 THEN '36-45'

WHEN `年龄`>= 46 AND `年龄`<=56 THEN '46-56'

ELSE NULL END AS '年龄阶段',

concat(round(sum(`历史逾期还款期数`)/(sum(`历史逾期还款期数`)+sum(`历史正常还款期数`))*100,2),'%') as 历史逾期率

FROM LC

GROUP BY 年龄阶段

26-35岁历史逾期率最高，17-25岁、36-45岁年龄段历史逾期率相对比较低，可能的原因是17-25岁的借款金额比较小，还款难度较小，因此不太会逾期，而26-35岁人群正值事业发展期，对资金的需求旺盛，导致负债较重，从而影响其还款表现。

4.2.3 初始评级与历史逾期的关系

--初始评级与历史逾期率

select 初始评级,

concat(round(sum(`历史逾期还款期数`)/(sum(`历史逾期还款期数`)+sum(`历史正常还款期数`))*100,2),'%') as 历史逾期率

from lc

group by 初始评级

order by 初始评级

随着评级的下降，历史逾期率逐渐升高。其中从A-D评级的上升趋势较为平缓，到E评级的历史逾期率出现大幅度提高，从5.45%到12.90%，说明E评级人群信用资质下降明显。F评级的历史逾期率也较高，但相比E评级略有下降，可能是由于F评级借款人在全部借款人中占比过少（1%），导致F评级数据存在些许误差。

4.2.4 认证信息与历史逾期的关系

从上图来看，似乎无认证借款人的逾期表现好过有认证的借款人，这里要考虑不同认证数之间借款人数量存在的巨大差异，大多数用户处在无认证与一项认证的情况，取得两个以上认证的用户仅有7.5%，这样的数量差异难以反映出数据的规律。用户认证这一项监督手段还需要继续推进。

小结：

（1）男性借款人远多于女性，但在历史逾期率方面，女性（4.82%）的历史逾期率略高男性（3.75%）；

（2）26到35岁间的用户历史逾期还款期数最多，历史逾期率也最高；

（3）初始评级与历史逾期率呈现负相关，随着初始评级的降低，历史逾期率呈上升趋势，历史逾期率区间为1.26%-12.99%。同时E、F评级的历史逾期率远大于之前的四个评级，可以看作客户资质好坏的分水岭；

（4）由于大多数用户未进行认证或只进行了一项认证，导致取得两个及以上认证的用户数据过少，难以反映出历史逾期率与认证数的相关性，有待以后拥有更多有效数据之后再研究。

5 建议

1.女性的历史逾期率比男性高，应在贷款审批时加强对女性借款人的审核力度。

2.26至35岁借款人群历史逾期期数、逾期率最高，需对这部分年龄段客户从严审核来降低逾期率，或者提高贷款利率，用多出的利息收入覆盖客户逾期导致的损失。

3. 初始评级与历史逾期率负相关，初始评级越高，客户越优质，其逾期的可能性越小，可以适当给予高评级客户更大的借款额度或者优惠利率来吸引、留存。

4.一般而言，认证信息具有反应客户真实性、信用情况的作用，然而拍拍贷平台用户的认证信息大面积缺失，有待进一步鼓励用户完善认证，并不断改进认证机制。