金融风控之贷款违约预测

task1赛题理解

1.1 学习目标

理解赛题数据和目标，清楚评分体系。
报名+下载数据+提交示例结果

1.2了解赛题

• 赛题概况
• 数据概况
• 预测指标
• 分析赛题

1.2.1 赛题概况

任务：预测金融风险
数据来源：某信贷平台的贷款记录

1.2.2 数据概况

• 数据总量：120w+
• 字段数：47个（15个为匿名变量）
  （匿名变量：即未告知数据列所属的性质的特征列）
• 训练集以及测试集的划分：
  训练集：80万条
  测试集A: 20万条
  测试集B：20万条
• 脱敏字段：employmentTitle、purpose、postCode和title等
  数据说明：
  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

1.2.3 预测指标

AUC（Area Under Curve）被定义为 ROC曲线 下与坐标轴围成的面积。