美国网贷平台现状（国外网贷发展现状）

揭秘 美国P2P网贷平台债务催收是什么样子的

一般P2P平台的催收由平台与第三方催收代理共同完成。首先由平台进行提醒与催收，若欠款逾期30天以上则交予催收代理做进一步行动。第三方催收代理将严格按照《公平债务催收作业法》对逾期借款者进行债务催收，若正规渠道无法收回，则可以采取法律手段。

1.LendingClub的债务催收

1)正常偿付的催收程序

LendingClub的所有账户还款是通过客户关联银行的电子基金转账完成的。当该基金户头与债务人银行账户关联成功，将按期自动偿还于LendingClub所借资金，并偿付给个人投资者。当借方偿付行为交易失败，LendingClub内部的催债小组将于同天与债务人以电话或电子邮件形式进行接触。通常催债小组可以成功联系债务人。有时借方还款行为失败是因为银行失误或者电子基金余额不足，这是小组将会在数天内重新向债务人示意偿还。

2)逾期偿付的催收程序

当借方偿付行为交易失败并不是有银行失误或者电子基金余额不足时候，LendingClub将会对不良债务人进行此项催收程序。

首先，内部催债小组分析不良账户并评价该债务人的近期信用报告以明确债务人的信用状态。通过电话、邮件、信件等方式联系债务人。如果催债小组可以联系到债务人，小组将与其讨论还款事宜。小组将会以诚挚的热情向债务人告知尽快还清账款。

然后，当内部催债小组联系不到债务人或者债务人不合作时，LendingClub将不良账户外包给外部催收代理做进一步行动。这项程序发生在欠款逾期30天以上时。外部催收代理有更多的资源和方法解决债务催收问题，如复杂精确的工具以定位债务人地点并明确联系信息。代理将频繁给债务人打电话、发邮件、邮寄信件以与不良债务人取得联系。取得联系后，外部代理可能与债务人重新商讨偿还计划或者向债务人诉诸法律行动。

总的来说，当票据欠款违约逾期121天以上时，债务人票据将会出现”违约”标识。当票据进入违约状态时，且并无足够回报预期时，LendingClub将在逾期150天以内对欠款进行冲销，冲销后剩余票据价值将减少。

LendingClub认为强有力和频繁的催账行为对于维持P2P生存环境的繁荣和保证投资者盈利是非常必要的。但LendingClub的内部催账小组以及专业第三方债务追讨代理的工作都依照联邦、州、市相关催账法律条文执行。

2.Prosper的债务催收

Prosper账户的98%的债务人都关联了ACH（AutomaticClearingHouse，美国处理银行付款的主要支付系统，自动清算）划账系统，因此当基金关联账户余额不足不能即使偿付债务时，Prosper可以及时警示债务人。

1）Prosper的催债程序

偿付自动划账失败后，Prosper将回立即向债务人发送电子邮件提醒；两次尝试自动划账偿付欠款，如再次失败，提示债务人，拨打例行电话直到债务人接听电话，尝试说服债务人偿还贷款；如果欠款逾期30天以上未偿付，Prosper将债务关系转至催账代理Amsher；Amsher将向债务人寄送信件并持续拨打电话，向债务人强调此类贷款的P2P特性，劝说债务人偿还贷款；如Amsher在120天之内未能成功收回欠款，此项贷款将被冲销；有时贷款将会转给另一催账代理ICSystem，有其继续尝试对冲销贷款进行催债。

2）Prosper催债程序的发展

Prosper的催债程序并不是一成不变的而是持续尝试新的方法以提高催债成功率。目前Prosper正在测试人工催债电话，而不是电话自动拨号服务。这项尝试可能效率较低，但能够提高债务人电话接听率。Prosper同时也在测试催债信件的新的表述方法。

催账代理Amsher的催账行为受到Prosper的密切监管。Prosper催账主管可以随时监听催账电话，并与Amsher的管理层共同帮助提高催债完成率。

考虑到法律成本，Prosper一般不向债务人提出法律仲裁。金融危机之前法律仲裁仍为可行，但危机之后房地产大幅减值，即使提请法律申诉也难以追回欠款。

美国网贷平台Prosper贷款数据分析

本文主要描述了如何用Python对数据集进行评估，整理，清洗。

完成这一过程后，再通过Tableau对问题 “Prosper违约客户具有哪些特点” 进行探索，分析和可视化。

最后，用随机森林算法对2009年7月后数据进行建模分析，并对仍在进行中的贷款进行违约与否的预测。

Prosper是美国第一家P2P借贷平台。此数据集来源于Udacity上的Prosper 2005~2014年的贷款数据。本文希望能通过对已完成贷款的分析，判断出什么类型的客户更容易违约，并预测还未完成的贷款是否会违约。

原始数据集共包含81个变量，113937条数据，下面对部分重要变量进行说明，其他变量含义可参考 变量词典 。

首先加载库和数据。

然后用df.describe()，df.info()观察数据。

此次主要分析1.什么类型的借款人更容易违约。 2.预测未完成的贷款是否会发生违约。所以去掉无关列。

从2009年7月开始，Prosper调整了对客户的评估方式，此次我们只对2009-07-01后的贷款进行分析。

去掉意义重复列：

Prosper对于新客户的评分和老客户有所区别，此次仅针对新客户数据进行分析。

首先查看下，各变量数据缺失情况。

平台把借款状态分为12种:Cancelled(取消)、Chargedoff(冲销，投资人有损失)、Completed(正常完成，投资人无损失)、Current(贷款还款中)、Defaulted(坏账，投资人有损失)、FinalPaymentInProgress(最后还款中，投资人无损失)、Past Due(逾期还款，投资人无损失)。

本文依据交易是仍在进行中还是已关闭,以及已关闭交易中投资人有无损失将所有数据分成以下三组：

Current(包含Current,Past Due)、

Defaulted(包含Defaulted,Chargedoff)、

Completed(包含Completed,FinalPaymentInProgress)。

为了便于后续分析计算，再将“Completed”改为1，“Defaulted”改为0。

已完成的贷款的违约率为defaulted_ratio_finished =26.07%

此数据集有多个特征体现了贷款用户的信用情况。其中，信用等级(ProsperRating)是Prosper根据自身模型建立，是用于确定贷款利率的主要依据，而信用评分(CreditScore)则是由官方信用评级机构提供。

由图5-1可以看到，随着信用等级(ProsperRating)的不断升高，违约率呈现明显的下降趋势。

而在信用评分（CreditScore）中，低分段(640-700)，违约率处于比较高的位置，且没有太大变化。大于720的部分，随着信用评分的升高，违约率明显下降。

说明整体而言，借款人的信用水平越高，违约可能性越低。

在不同年收入(IncomeRange)中，Not employed的借款人，违约率最高，随着收入增加，违约率不断降低。

在不同贷款状态下(Status)，违约用户的整体月收入(MonthlyIncome)明显低于未违约用户。

根据图5-4的左图，违约用户与未违约用户的整体负债收入比差异不大。

再根据负债收入比（DebtToIncome）的四分位点，将所有数据分成数据量接近的四组。从图5-4的右图可以看到低比例（负债收入比0-0.12）与中等比例（0.12-0.19）的违约率都较低。较高比例（0.19-0.29）的违约率略高于前面二者。但高比例（大于0.29）的用户违约率显著升高。

根据银行卡额度透支率(BankcardUtilization)的四分位点，将数据分成 '未使用'，'较低透支(0,0.3]'，'中等透支(0.3,0.7]'， '较高透支(0.7,1]'，'严重透支（1,5]'五组。

可以看到，严重透支的借款人，违约率最高。

其次是未使用的用户，这也是为什么金融机构对于“白户”会格外关注的原因。

近半年征信查询次数（InquiriesLast6Months）可以反应出借款人近期向金融机构申请借款的频繁程度，间接体现了借款人近期的资金状况。

图5-6中，绿线表示不同查询次数下的借款笔数。可以看到，绝大部分在7次以下。

而在查询次数0-7区间内，违约率随着查询次数的增加而升高。

当前逾期(CurrentDelinquencies)可以很好的反应出借款人的信用情况。

由图5-7，可以看到大部分借款人的当前逾期在2次以内。而在0-6的区间内，违约率随当前逾期数的增加而升高。

为了避免某些数量极少的分类对违约率排序的影响，首先筛选出借款笔数在30以上的分类。

由图5-8可以看到，数量最多的是1- Debt Consolidation（债务整合）。

而违约率最高的依次是15- Medical/Dental(医疗),13-Household Expenses(家庭开支),3-Business（商业），均高于30%。

根据贷款金额（LoanAmount）的四分位点，将数据分为数量接近的四组。比较有意思的是，中等借款(3100,4750)的违约率最高，而高额借款（大于8500）的违约率反而最低。

这很可能是因为能申请到高额借款的用户，各方面条件都不错，从而降低了违约率。

由图5-11可以看到，在0-30区间内，随着持续时间的增长，违约率逐渐降低，而这一区间也包含了一半左右的数据。

当持续时间继续增长，违约率看不出有明显变化规律。

在不同地区之间，违约率也存在比较明显的差异。LA,SD等城市，违约率较高。UT,CO等城市，违约率较低。

整体而言，有房产的借款人，违约率要明显低于无房产的借款人。

导入相关库。

将数据中的字符串变量，均转换为数字。

按照测试集30%，训练集70%的比例划分数据集，并使用随机森林算法，建立模型。

该模型测试集预测准确率为：accuracy=73.99%

对于随机森林算法，可以查看在这个模型中，每个特征的重要程度。

如图6-2所示，StatedMonthlyIncome和EmploymentStatusDuration两个特征最为重要。

根据此模型，对目前仍在进行中的贷款进行违约与否的预测。

仍在进行中的贷款违约率为defaulted_ratio_predict =3.64%

本文详细描述了对于Prosper贷款数据，从数据探索到建立模型，并进行预测的完整过程。

发现月收入（StatedMonthlyIncome）以及受雇佣状态持续时间(EmploymentStatusDuration)对是否会违约的影响程度最大。主要是因为这二者是体现借款人稳定性的重要因素。

而在模型建立方面，还可以调整此模型的参数，来进行改进从而提高准确率，也可以尝试使用其他算法，如逻辑回归等，建立新的模型进行比较。

美国上市网贷平台有哪些

美国上市网贷平台有玖富数科、乐信、趣店、360金融、宜人贷、拍拍贷、小赢科技、℡☎联系：贷网、嘉银金科、品钛这些。通过中国雅虎可以查询在美国的上市的网贷平台得到有以上这些公司。

美国有P2P诈骗案吗

有还是有的，但是美国P2P的发展还是比我国P2P发展得更加成熟。因此出现问题的几率就会比较低。

美国P2P网贷平台最初对贷款人没有太多限制，因此赖账者不少。而且贷款期要求至少三年，放贷人认为期限太长，不如股票市场那样灵活，因此多有保留。很快P2P网贷平台就发现，他们可以和传统的金融机构那样使用信用分数作为衡量贷款人的标准。美国凡是有借贷历史的人都有信用分数，许多金融机构都可以查阅，简单、直接、准确率和透明度高。

2008年，美国证券交易所要求P2P网贷平台将他们的贷款债券化，达到交易的灵活性。在这一过程中，贷款转成证券的复杂登记过程迫使一些小公司完全退出市场。债券化后，美国贷款过程更加安全透明：投资人和贷款人在使用这些平台前都需要登记，投资人可以了解每项贷款申请的细节后再决定是否贷款，同时又并不涉及贷款人隐私。

如今，美国的P2P发展被业界视为典范，一是其证券化模式；二是成长过程中，监管机构重视并及早介入，为行业立下规范。正因为这两点，美国P2P借贷行业保持很高的活跃度却没有出现乱象丛生的状况。

御 泰金融告诉你投资有风险、投资需谨慎!希望题主收到回答能够采纳一下呗，十分感谢您。

在日本，美国有没有网贷盛行？？

有的，也盛行过的。

80年代后期，发薪日贷款在美国迅猛发展，最高时全美店铺数量达到2万2千多家，超过了星巴克和麦当劳的店面数量。发薪日贷款是什么？它就像国内现在众多小额信贷的前身：小额、短期、无抵押的贷款。只不过，它用于贷款人下一次发薪之前临时急用所需，所以才叫发薪日贷款。

如今，发薪日贷款在美国却仿佛成了“过街老鼠”，接近一半的美国人对这种贷款的评价是负面的，美国各州乃至联邦纷纷出台法律进行监管，有14个州和哥伦比亚特区完全禁止发薪日贷款这种行为。

免责声明
           本站所有信息均来自互联网搜集
1.与产品相关信息的真实性准确性均由发布单位及个人负责，
2.拒绝任何人以任何形式在本站发表与中华人民共和国法律相抵触的言论
3.请大家仔细辨认！并不代表本站观点,本站对此不承担任何相关法律责任！
4.如果发现本网站有任何文章侵犯你的权益,请立刻联系本站站长[QQ:775191930]，通知给予删除