一、数据集基本信息
- 数据规模：包含25,000条贷款申请人记录，22个属性特征，CSV格式存储。
- 数据格式：CSV格式存储。
- 标注信息：每条记录包含申请人人口统计、收入与现有债务、信用行为、CIBIL评分、贷款条款及违约目标标签等22个字段。
- 生成方式：为完全合成数据集，通过完全透明、可复现的工程化流程生成（脚本附于数据集），每个特征与结果（CIBIL区间、债务收入比、利用率、还款历史、抵押品）间的关系均建模以反映真实印度借贷风险行为，可精确复现。
-
数据模态：图像表格数据格式：CSV记录数/样本数：100个文件数量：1个总大小：977KB数据语言：中文地理覆盖范围：全城时间覆盖范围：2025年数据更新频率：每年数据采集方式：业务系统记录 线下采集预期用途：微调标注状态：部分标注标注类型：分类标签
二、数据内容
- 申请人人口统计信息：包含城市等级（Tier 1/2/3）、就业类型（受薪政府/私营/自雇/企业主）等人口与职业字段。
- 收入与债务信息：包含收入、现有EMI、债务收入比、信贷利用率等财务与负债字段。
- 信用历史与行为信息：包含CIBIL评分、查询历史、还款历史等信用记录字段。
- 贷款条款与目标变量：包含贷款用途、贷款金额、利率、抵押品标志及违约标志等贷款与目标字段。
三、数据特点
- 聚焦印度信贷市场现实：以CIBIL评分为决策核心，违约率校准至真实个人贷款组合水平（约6%），特征关系反映印度贷款机构实际使用的风险逻辑，填补了Kaggle印度信贷风险数据的长期空白。
- 真实不平衡分类任务：约6%违约率的天然不平衡设计，使精确率-召回率权衡、SMOTE、成本敏感学习等实践具有真实业务意义，避免50/50平衡数据误导建模。
- 多维度策略分析就绪：支持城市等级、抵押品效应、就业类型、债务收入比与CIBIL评分权重比较、定价公平性等多角度深度信贷策略分析，超越基础违约预测。
- 完全透明可复现：生成流程脚本完整公开，特征-结果关系明确建模，可精确复现数据，保证研究结果的可验证性。
四、应用场景
- 个人贷款违约风险预测建模：基于CIBIL评分、债务收入比、就业类型、贷款用途等特征，构建二分类模型预测违约风险，辅助信贷审批决策。
- CIBIL评分与债务收入比预测权重比较：通过特征重要性分析或独立模型比较，研究CIBIL评分与债务收入比在违约预测中的相对预测能力，指导风控权重设计。
- 信贷公平性与定价合理性审计：分析不同城市等级、就业类型与抵押品状态群体的实际违约率与利率定价是否匹配，识别过度收费或风险定价不足的细分市场。
- 抵押品对违约风险与利率的影响量化：控制其他变量不变，量化提供抵押品对违约概率与利率的具体影响程度，为抵押政策与产品设计提供数据依据