贷款违约预测-赛题理解

1.赛题概况  赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款。数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。

1. id 为贷款清单分配的唯一信用证标识

2. loanAmnt 贷款金额

3. term 贷款期限（year）

4. interestRate 贷款利率

5. installment 分期付款金额

6. grade 贷款等级

7. subGrade 贷款等级之子级

8. employmentTitle就业职称

9. employmentLength 就业年限（年）

10. homeOwnership 借款人在登记时提供的房屋所有权状况

11. annualIncome 年收入

12. verificationStatus 验证状态

13. issueDate 贷款发放的月份

14. purpose 借款人在贷款申请时的贷款用途类别

15. postCode 借款人在贷款申请中提供的邮政编码的前3位数字

16. regionCode 地区编码

17. dti 债务收入比

18. delinquency_2years 借款人过去2年信用档案中逾期30天以上的违约事件数

19. ficoRangeLow 借款人在贷款发放时的fico所属的下限范围

20. ficoRangeHigh 借款人在贷款发放时的fico所属的上限范围

21. openAcc 借款人信用档案中未结信用额度的数量

22. pubRec 贬损公共记录的数量

23. pubRecBankruptcies 公开记录清除的数量

24. revolBal 信贷周转余额合计

25. revolUtil 循环额度利用率，或借款人使用的相对于所有可用循环信贷的信贷金额

26. totalAcc 借款人信用档案中当前的信用额度总数

27. initialListStatus 贷款的初始列表状态

28. applicationType 表明贷款是个人申请还是与两个共同借款人的联合申请

29. earliesCreditLine 借款人最早报告的信用额度开立的月份

30. title 借款人提供的贷款名称

31. policyCode 公开可用的策略代码=1新产品不公开可用的策略代码=2

32. n系列匿名特征 匿名特征n0-n14，为一些贷款人行为计数特征的处理

2. 预测指标 竞赛采用AUC作为评价指标。AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积。

3.评分卡模型简介

A卡（Application scorecard）申请评分卡：在客户申请处理期，预测客户开户后一定时期内违约拖欠的风险概率，有效排除了信用不良客户和非目标客户的申请

B卡（Behavior score card）行为评分卡：在帐户管理期，根据账户历史上所表现出来的各种行为特征来预测该账户未来的信贷表现

C卡（Collection scorecard）催收评分卡：在帐户管理期，对逾期帐户预测催收策略反应的概率，从而采取相应的催收措施

4.评分卡建模流程