LendingClub信用评价体系探索

1、LendingClub信用评估体系探索【摘要】本文梳理了LendingClub的信用评估体系，并利用LendingClub公开的借款人数据,分析了2007-2014年借款人各项特征变化趋势。同时从数据中抽取了好坏客户作为分析基准，初步考察了对信用评级有重要影响的特征，并从业务角度进行推断性解释。1 .借款人信用评估流程及信用等级分布为降低借贷风险，LendingClub希望通过有效的信用评估体系筛选优质借款人、保留一般借款人、拒绝风险较高借款人，并根据不同信用等级划分，实现借款利率差异化定价。因此，LendingClub制定了严格、严谨、有效的信用评估系统，结合外部评分和内部评级，在最大程度上

2、规避坏账风险。1.1 信用评估流程O初步舞选建优茶评:-FIBMWProprietaryinitial广。/峙舟力dN*量少NM味倡用爆产月信用曲制物疫要评科("瓢；输定购利聿国羚用行前loanGradesdndR；skModels微迸一步评估图1:信贷评估流程，数尊信息(1)借款人向LendingClub申请贷款后，LendingClub会对借款人进行初步筛选，筛选条件包括：1)FICO得分大于660分；2)债务-收入比小于35%3)最少两个循环信用账户(即信用卡账户)；4)提供36个月内的信用记录。(2)通过初步筛选后，LendingClub利用ProprietaryScorin

3、gModels对借款人进行深度评估进而确定借款人信用等级和相应借款利率。首先，结合借款人的FICO得分和其他相关特征，通过原始评估模型(InitialScoringModel)将得到一个ModelRank,分为25个层级，每个层级分别对应A1-E5的基础风险子级(BaseRiskSub-Grade)(图2)。1atE垄A邙-9GE口:s国Ifl酸1£il310.由Id*二T14M-1i?I.GFIB图2：InitialScoringModel得到的借款人基础风险子级来源：LendingClub接下来LendingClub将利用风险调节器(LoanGradesandRiskModifi

4、ers)确定借款人的最终信用子级。调节指标包括借款人的借款金额和借款期限(图3、图4)。RequestedLoanAmountBoseRiskGradeJModifiercl$5.000-1i-1S5.000-<$25,000000S25.000-<S3OW00-2-3S30.000-<$3S,000-2-3-4S35.00034-5图3:借款金额对信用等级的影响来源：LendingClubLoanTerm(Maturity)LoanGradeRiskModifier36months*060monthsQ-8to-4图4:借款期限对信用等级的影响来源：LendingClub借

5、款人的借款利率由信用子级决定，每个等级的利率计算如下：借款利率=基准利率（5.05%）+风险波动调整（0.88%21.01%）不同的信用子级对应了不同的风险波动调整率，信用等级越高，风险波动调整率越低,对应的借款利率越低（图5）。LoanGradeSubGradeLendingClubBaseRawAdjustmentforRisk&VolatilityImerestRate15.05%0.88%5,93%25.05%1.34%6.39%35.05%1.63%6.68%45,05%187%6.92%55.05%284%7J9%15.05%3.13%8.18%25.05%4.12%9.1

6、7%El35,05%494%9.99%45.05%594%10.99%55.05%6.48%11.55%图5:利率示例来源：LendingClub2 .成功借款人相关特征发展趋势LendingClub在其官方网站提供历年借贷数据下载，数尊信息利用这些数据对借款人特征和对信用评级有重要影响的特征进行了初步探索。数据口径如下：时间口径：2007年-2014年9月30日；客户口径：均为成功申请贷款客户，即不包含拒贷客户。原始数据中共有57个字段，主要包含三大类：1）申请贷款信息，例如：申请日期，申请额度，申请原因等；2）财务信息，例如年收入、房产状况、每月还款金额等；3）公共记录，例如：最近一次不良

7、公共记录距离申请日期的月份数等。下面分别针对重要特征进行重点分析。2.1 借款人年收入借款人整体年收入呈上升趋势。2014年LendingClub借款人的平均年收入达到75259美元，中位数达到65000美元（2014年美国家庭收入的中位数为51939美元），较2007年控策略，提升了高收入群体的放贷比例；2)LendingClub平台在高收入群体中的份额增加。2WW警r1OD0D028afwetoot制林nnaou图6:借款人年收入发展趋势，数尊信息2.2 借款人工作年限工作年限在2年以下及10年以上的借款人占比变化较为显著。2007年2年以下工作年限借款人占比达50.7%,2014年为13

8、.6%,降幅37.1PP。2007年10年以上工作年限借款人占比9.5%,2014年为33.6%,涨幅达24.1PP。从数字的明显变化中，可以推测LendingClub控制了低工作年限借款人的通过率，同时提高了10年以上工作年限借款人的通过率，因此工作年限可能是决定还款能力的重要指标。年M图7:借款人工作年限发展趋势，数尊信息EOQ?swe3W9BQIQ3911空，SGK2ffl4常伯02.3 每月债务-收入比(DTI,Debt-to-IncomeRatio)债务-收入比反映了借款人除去抵押贷款(mortgageloan)和LendingClub借款的负债水平，即(月还款额/月收入额)*100

9、。DTI呈上升趋势，2007年DTI中位数10,2008年-2011年保持在13-14,2012年-2013年超过16,2014年达到了17.36。这一变化趋势说明，随着LendingClub风控能力的增强，对DTI的控制也逐渐放松，使越来越多DTI略高的借款人通过申请。4030图8:借款人DTI发展趋势，数尊信息2.4 循环贷款利用率(RevolvingLineUtilizationRate)循环贷款利用率是指借款人正在使用的信用额度/所有可获得的信用额度。循环贷款利用率整体上变化较为平稳，2007年-2011年为50流右，2012年-2013年提升至60%2014年则降回至56%25分位数

10、变化较为明显，2007年-2011年不到30%2012年-2014年则达到了40%&右，推测LendingClub对循环贷款利用率过低的借款人进行了控制。I5Q*tarntaxhm热2»nnuan年但图9:借款人Revolvinglineutilization发展趋势，数尊信息2.5 借款利率借款利率的趋势变化主要呈现三个特点：1）整体呈上升趋势；2）利率分布范围更宽；3）具有一定波动性。2007年利率分布中位数11.5%,2014年则达到14%2007年75分位数与25分位数利率差为4.4%,2013年达到6.4%,2014年则落回5.6%。通过利率分布的变化能够从侧面观察

11、出LendingClub风控能力的提升，在早期发展阶段，风控能力有限的情况下，尚未充分实现差异化利率定价，因此利率的分布更为集中；发展到后期阶段，随着风控能力的增强以及大量客户数据的积累，能够针对不同风险客户进行差异化定价，因此借款利率的分布呈更加分散的趋势。图10:贷款利率发展趋势，数尊信息3 .信用评级重要特征分析从LendingClub的信用评估体系可以看出，LendingClub除了参考权威信用评分FICO外，还会加入其他变量评估借款人信用等级和违约风险。数尊信息利用LendingClub公布的借款人数据，对其信用体系进行了初步探索，以寻找影响信用评级的重要特征。时间口径：2012年1

12、月-2014年5月之间申请；客户口径：将贷款状态为“ChargedOff”的客户作为坏客户（Bad）,即低信用等级客户；将贷款状态为“Current”和“FullyPaid”的客户作为好客户（Good）,即高信用等级客户。经过初步数据清洗，共有327472条Good观测，10509条Bad观测。Bad占比3.1%。特征处理：1）基于决策树技术的最优特征分段；2）计算特征各分段WOE®（WeightofEvidence）；3）计算各特征IV值（InformationValue）。4）以IV值作为衡量各特征区分能力的最终指标职业力贷款目的4申请贷款者最近一次有公开记录的时间距离现在的月检数十过去6个月F0O得分查尚次数/年收入一申请贷款者最近一次90-day或更错窿评瑕的日期距离现在月份数；循环信贷使用率9%-45%之间加分最多r80%以±减分较酊重要特征对信用等级的部晌教师加分最多r篥二、工程郎第三r其他骸业减分a信用卡还款加分最多,其次是冢度装修horn电mprcveirent）再