Lending Club 데이터 분석: 데이터 개요, EDA, 전처리, 그리고 파생 변수 설계

프로젝트 개요	• P2P 대출 플랫폼인 Lending Club에서는 투자자가 대출 신청자들의 신용위험을 면밀히 검토해야 하며, 채무 불이행(부도)의 위험은 투자 원금 및 이자의 손실로 이어질 수 있기 때문에 중요한 고려 요소 • Lending Club 플랫폼자체에서도 신청자의 신용도를 바탕으로 대출 승인 여부를 결정하고 등급(grade)에 따라 이자율을 책정
프로젝트 목표	• 포트폴리오의 위험 대비 초과수익을 최대화 = sharpe ratio 최대화
Sharpe Ratio	(포트폴리오 수익률 - 무위험이자율) / 수익률 변동성 • LC에서 부도가 예측되어 애출을 승인하지 않았더라면, 해당 투자금은 투자 결정 당시의 3년/5년만기 미 국채에 투자하였다고 가정
data shape	(1,755,295, 141) - 전체 데이터의 약 60% 정도 • 40% 정도는 Private 성능 확인하는 데 사용
internal rate of return	• LC의 대출은 원리금 균등사환 구조로 매월 일정한 상환금이 발생 • 투자자는 대출 실행 시 원금을 지급 → 대출자는 고정 상환금(원금 + 이자) 납입 • 본 프로젝트에서 IRR은 대출 투자 수익률을 측정하는 데 적용

데이터 전처리

loan_status(target value) 정제

loan_status(y label) unique 값들

→ Current/Late 제외해야함. 대출의 최종 상태가 결정된 데이터만 사용하여야 하기 때문에

loan_status 값	의미	유지 여부	레이블
fully paid	대출 완납	✅ 유지	0(정상)
charged off	상환 실패(부도)	✅ 유지	1(부도)
Default	공식적 부도 상태	✅ 유지	1(부도)
Does not meet the credit policy. Status:Fully Paid	정책 미충족이지만 완납됨	✅ 유지	0(정상)
Does not meet the credit policy. Status:Charged Off	정책 미충족이며 부도	✅ 유지	1(부도)

대출 심사 시점에 얻을 수 없는 후행 정보가 포함된 변수들을 제거

url 컬럼 제거

policy_code 컬럼 제거

pymnt_plan 컬럼 제거

int_rate 타입 변경 (object → float)

term 타입 변경 (object → int)

annual_inc(연소득) 결측치 2개 drop

둘 다 정상상환 라벨이므로 drop

python code

범주형 변수 중 빈도가 2% 미만인 범주 → 기타로 통합

acc_open_past_24mths

지난 24개월 내 개설 신용계좌 수

🤔

빼야할까?

🔗 참고

다른 프로젝트를 참고해보면, 다른 조건이 모두 동일할 때, 최근 24개월 동안 신규로 개설한 계좌가 1개 늘어나면, 채무불이행이 일어날 가능성이 기존보다 약 5% 높아진다는 결과를 얻었다고 함.

→ 빼는 건 ❌

계좌 개설 0건은 흔하고, 두 자릿수 개설도 가능하나 20개 이상처럼 비정상적으로 큰 값은 이상치로 간주할 수 있을 듯

all_util

annual_inc & annual_inc_joint

두 컬럼 통합(annual_inc_total)

python code

대출액 대비 소득비율 등을 통해 상환 가능성을 평가하는데 활용

bc_open_to_buy

bc_util

chargedoff_within_12_mths

dti & dti_joint

부채비율 및 공동 신청 부채 비율

이것 또한 공동 대출, 개인 대출의 dti를 하나로 합친다.

공동 대출이어도 주 채무자의 dti 값이 있음

공동 대출 → dti_joint 사용

개인 대출 → dti 사용

주 채무자의 dti와 채무자 두명의 dti 값의 차이와 배수 차이를 파생변수로 추가

dti_dff = df[’dti_joint’] - df[’dti’]

dti_ratio = df[’dti_joint’] / df[’dti’]

python code

# 1) 통합 DTI
df['dti_total'] = np.where(
    df['application_type'] == 'JOINT',
    df['dti_joint'],
    df['dti']
)

# 2) 공동 대출 기여도 차이
#    개인 대출이면 diff=0
df['dti_diff'] = np.where(
    df['application_type'] == 'JOINT',
    df['dti_joint'] - df['dti'],
    0
)

# 3) 공동 대출 시 DTI 배수 변화
#    개인 대출이면 ratio=1
df['dti_ratio'] = np.where(
    df['application_type'] == 'JOINT',
    df['dti_joint'] / df['dti'],
    1
)

# 4) 결측 처리 (만약 dti_joint나 dti에 결측이 있을 경우)
df['dti_total'] = df['dti_total'].fillna(df['dti'])           # 공동 대출인데 dti_joint NA인 경우 기본 주신청자 DTI 사용
df['dti_diff']  = df['dti_diff'].fillna(0)
df['dti_ratio'] = df['dti_ratio'].replace([np.inf, -np.inf], 1).fillna(1)

python

이상치 처리
금융기관에서 36~43% 이하를 권장, 50% 이상일 떈 “더는 허용하기 어려운 수준”으로 간주
- 승인심사 기준 이상의 값을 단순화해 “고위험” 범주로 묶어버림
  즉, dti 이상치를 50으로 캡핑

earliest_cr_line

emp_length

emp_title

신청자가 기재한 직업명/직함, 자유 입력 문자열

공통 키워드로 묶어 큰 범주(의료계, IT, 교육 등)로 분류해 사용하는 경우도 있다고 함. 그러나 일반적으로 emp_length, annual_inc 등 다른 변수로 충분히 유추 가능하다고 보고 제외한 프로젝트가 많은 것 같음. 또, 비용 대비 효과가 낮아 제거하는 게 나을 듯함.
- 여유 시간이 있다면 진행해보는 것이 좋을 듯