金融现金贷用户数据分析和用户画像：http://dwz.date/b62E
讲师介绍 讲师Toby，持牌照消费金融模型专家，和中科院，中科大教授保持长期项目合作；和同盾，聚信立等外部数据源公司有项目对接。熟悉消费金融场景业务，线上线下业务，包括现金贷，商品贷，医美，反欺诈，汽车金融等等。模型项目200+，擅长Python机器学习建模，对于变量筛选，衍生变量构造，变量缺失率高，正负样本不平衡，共线性高，多算法比较，调参等疑难问题有良好解决方法。微信公众号：pythonEducation，QQ：231469242
课程概述 此课程用python代码对LendingClub平台贷款数据分析和用户画像，针对银行，消费金融，现金贷等场景，教会学员用python实现金融信贷申请用户数据分析。项目采用lendingclub 12万多条真实信贷数据，包括用户年收入，贷款总额，分期金额，分期数量，职称，住房情况等几十个维度。通过课程学习，我们发现2019年四季度时候，美国多头借贷情况非常严重，为全球系统性金融危机埋下种子。
课程目录
章节1python编程环境搭建 课时1.金融现金贷用户数据分析和画像_介绍视频 课时2.Anaconda快速入门指南 课时3.Anaconda下载安装 课时4.python第三方包安装(pip和conda install) 章节2金融现金贷用户数据分析和画像 课时5.描述性统计-知己知彼百战百胜 课时6.好坏客户占比严重失衡 课时7不要用相关性分析杀人 课时8变量相关性分析-你不知道的秘密 课时9贷款金额和趋势分析-2018年Q4信贷略有缩紧 课时10产品周期分析-看来lendingclub是短周期借贷平台 课时11用户工龄分析-10年工龄用户最多 课时12年收入分析-很多美国人年薪5万美金左右 课时13住房情况与贷款等级-原来美国大部分都是房奴 课时14贷款人收入水平_贷款等级_收入核实多因子分析 课时15贷款用途-美国金融危机浮出水面
课程部分内容展示 Lending Club公司背景
Lending Club 创立于2006年，主营业务是为市场提供P2P贷款的平台中介服务，公司总部位于旧金山。
公司在运营初期仅提供个人贷款服务，至2012年平台贷款总额达10亿美元规模。
2014年12月，Lending Club在纽交所上市，成为当年最大的科技股IPO。
2014年后公司开始为小企业提供商业贷款服务。
2015年全年Lending Club平台新设贷款金额达到了83.6亿美元。
2016年上半年Lending club爆出违规放贷丑闻，创始人离职，股价持续下跌，全年亏损额达1.46亿美元。
2019-2020年公司业务被迫转型，可能和美国高负债率，用户违约率上升有关。
作为P2P界的鼻祖，Lending club跌宕起伏的发展历史还是挺吸引人的。
此处介绍一下什么是P2P。概括起来可以这样理解，“所有不涉及传统银行做媒介的信贷行为都是P2P”。简单点来说，P2P公司不会出借自有资金，而是充当“中间人”的角色，连接借款人与出借人需求。
借款人高兴的是拿到了贷款，而且过程快速便利，免遭传统银行手续众多的折磨；出借人高兴的是借出资金的投资回报远高于存款利率；那么中间人高兴的是用服务换到了流水（拿的便是事成之后的抽成） 最后实现三赢。
P2P初衷是好的，但随着诸多平台建立蓄水池，违规操作和房贷，造成几十万人被骗。2018-2019年国内对P2P监管越来越严，到了2020年，P2P基本清退。只有持牌照的公司才能放贷。
贷款标准
借款人提交申请后，Lending Club 会根据贷款标准进行初步审查。贷款人需要满足以下标准才能借款：
1.FICO 分数在660 分以上 具体文章介绍：https://www.cnblogs.com/webRobot/p/13328789.html