一、问题描述
2024年新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场 —— 零基础入门金融风控-贷款违约预测。
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，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。
二、数据集内容
贷款记录数据集来自某信贷平台的贷款记录，总数据量超过120万条，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。每条数据包含47列变量信息，其中15列为匿名变量，具体如下表，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。
字段表
| Field | Description |
|---|---|
| id | 为贷款清单分配的唯一信用证标识 |
| loanAmnt | 贷款金额 |
| term | 贷款期限（year） |
| interestRate | 贷款利率 |
| installment | 分期付款金额 |
| grade | 贷款等级 |
| subGrade | 贷款等级之子级 |
| employmentTitle | 就业职称 |
| employmentLength | 就业年限（年） |
| homeOwnership | 借款人在登记时提供的房屋所有权状况 |
| annualIncome | 年收入 |
| verificationStatus | 验证状态 |
| issueDate | 贷款发放的月份 |
| purpose | 借款人在贷款申请时的贷款用途类别 |
| postCode | 借款人在贷款申请中提供的邮政编码的前3位数字 |
| regionCode | 地区编码 |
| dti | 债务收入比 |
| 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 |
| ficoRangeLow | 借款人在贷款发放时的fico所属的下限范围 |
| ficoRangeHigh | 借款人在贷款发放时的fico所属的上限范围 |
| openAcc | 借款人信用档案中未结信用额度的数量 |
| pubRec | 贬损公共记录的数量 |
| pubRecBankruptcies | 公开记录清除的数量 |
| revolBal | 信贷周转余额合计 |
| 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 |
| totalAcc | 借款人信用档案中当前的信用额度总数 |
| initialListStatus | 贷款的初始列表状态 |
| 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 |
| earliesCreditLine | 借款人最早报告的信用额度开立的月份 |
| title | 借款人提供的贷款名称 |
| 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 |
| 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 |
数据样例
| id | loanAmnt | term | interestRate | installment | grade | subGrade | employmentTitle | employmentLength | homeOwnership | annualIncome | verificationStatus | issueDate | isDefault | purpose | postCode | regionCode | dti | delinquency_2years | ficoRangeLow | ficoRangeHigh | openAcc | pubRec | pubRecBankruptcies | revolBal | revolUtil | totalAcc | initialListStatus | applicationType | earliesCreditLine | title | policyCode | n0 | n1 | n4 | n5 | n6 | n7 | n8 | n9 | n10 | n11 | n12 | n13 | n14 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 35000 | 5 | 19.52 | 917.97 | E | E2 | 320 | 2 years | 2 | 110000 | 2 | 2014/7/1 | 1 | 1 | 137 | 32 | 17.05 | 0 | 730 | 734 | 7 | 0 | 0 | 24178 | 48.9 | 27 | 0 | 0 | Aug-01 | 1 | 1 | 0 | 2 | 4 | 9 | 8 | 4 | 12 | 2 | 7 | 0 | 0 | 0 | 2 |
| 1 | 18000 | 5 | 18.49 | 461.9 | D | D2 | 219843 | 5 years | 0 | 46000 | 2 | 2012/8/1 | 0 | 0 | 156 | 18 | 27.83 | 0 | 700 | 704 | 13 | 0 | 0 | 15096 | 38.9 | 18 | 1 | 0 | May-02 | 1723 | 1 | 10 | 13 | |||||||||||
| 2 | 12000 | 5 | 16.99 | 298.17 | D | D3 | 31698 | 8 years | 0 | 74000 | 2 | 2015/10/1 | 0 | 0 | 337 | 14 | 22.77 | 0 | 675 | 679 | 11 | 0 | 0 | 4606 | 51.8 | 27 | 0 | 0 | May-06 | 0 | 1 | 0 | 0 | 0 | 0 | 21 | 4 | 5 | 3 | 11 | 0 | 0 | 0 | 4 |