Mintos.com kredītņēmēju nemaksātāju analīze 1

Pateicoties publiski pieejamai informācijai no Mintos.com par maksāšanas ieradumiem ne-banku kreditēšanas lauciņā radās iespēja veikt analīzi.
Analīzes mērķis bija gūt priekšstatu par “investoru” rīcību un tipiskākajiem kavētajiem (pēc kredīta mērķa) šajā platformā.
Datu apkopojums ir uz 07.08.2015:
• Pirmreizējā tirgū pieejami- 482 aizdevumu līgumi. Problēmas ar maksāšanu ir 36 (1 biznesam, 1 cits, autotransports 34).
• Otrreizējā tirgū ir pieejami- 3033 darījumi (unikāli 965 līgumi). Kavējas 100 (no tiem auto transports 89, citu aizņēmumu apvienošana 2, mājokļa labiekārtošana 3, citi 5, biznesam 1)
• Izsniegtie aizdevumi (informācija no mājas lapas- 1452, platformā pieejami 1217 unikālie piedāvājumi summāri par pirmreizējo un otrreizējo tirgu).

Secinājumi:
• reti kuri “investori” investē ilgtermiņā, lielākoties notiek īstermiņa spekulācijas- 66,4% gadījumos (1452 darījumi kopa pret 965 otrreizēja tirgū.).
Ņemot vēra, ka pieejamie dati ir darījumu griezumā- iespējams, ir daži aktīvi spekulanti, kas šo statistiku sabojā un investoru griezumā ir cita % attiecība.
• nav novērotas problēmas ar maksāšanu aizdevumiem, kuriem mērķis ir bijis mājokļa iegāde
• lielākie nemaksātāji pēc skaita ir auto pircēji- (34 pirmreizējā tirgū (99% no visiem) un 89 otrreizējā tirgū (89% no visiem)).
• procentuāli lielākie nemaksātāji pret izsniegtiem aizdevumiem otrreizējā tirgū ir ar mērķi citi:
o citi 16,66% (30 pret 5)
o autotransports 11,23% (792 pret 89)
o mājokļa labiekārtošana 5,55% (54 pret 3)

Datus var apskatīt mintos.com mājaslapa vai lokāli (bez ekspektācijas uz optimālāko variantu):

#! /usr/bin/python
import requests
import time
from lxml import html
print ‘Notiek izpilde’
print ‘Sesijas nodibinasana’
r=requests.Session()
req= r.get(‘https://www.mintos.com/lv/pieejamie-aizdevumi/otrreizejais-tirgus/’,verify=False)
print req.status_code
data={‘interest_from’:”,’interest_to’:”,’ltv_from’:”,’ltv_to’:”,’term_from’:”,’term_to’:”,’status_filter[]’:”,”:’0′,’issued_from’:”,’issued_to’:”,’loan_purpose[]’:”,’pledge[]’:”,’city[]’:”,’amount_from’:”,’amount_to’:”,’investment_type[]’:”,’loan_id’:”,’premium_discount_from’:”,’premium_discount_to’:”,’ytm_from’:”,’ytm_to’:”,’schedule_type[]’:”}
url=’https://www.mintos.com/lv/market/secondary/list’
time.sleep(2)
print ‘Nosutam Post’
req = r.post(url, headers={‘X-Requested-With’:’XMLHttpRequest’,’referer’: ‘https://www.mintos.com/lv/pieejamie-aizdevumi/otrreizejais-tirgus/’},data=data,verify=False)
print req.status_code

tree = html.fromstring(req.text)

print ‘Datu apstrade’
table=tree.xpath(‘//tbody’)
for z in table:
id=tree.xpath(‘//tr/td[@class=”loan-id-col”]/a/text()’)
kam=tree.xpath(‘//tr/td[@class=”icon”]/i/span/text()’)
nod=tree.xpath(‘//tr/td[3]/text()’)
kur=tree.xpath(‘//tr/td[3]/span/text()’)
ltv=tree.xpath(‘//tr/td[4]/text()’)
proc=tree.xpath(‘//tr/td[5]/text()’)
term=tree.xpath(‘//tr/td[6]/span[1]/text()’)
termm=tree.xpath(‘//tr/td[6]/span[2]/text()’)
stat=tree.xpath(‘//tr/td[7]/text()’)
ytm=tree.xpath(‘//tr/td[8]/text()’)
pie=tree.xpath(‘//tr/td[9]/text()’)
cena=tree.xpath(‘//tr/td[10]/span/text()’)
pr=tree.xpath(‘//tr/td[10]/div/span/text()’)
c=len(id)
l=0
print (“id[x],kam[x],nod[l],kur[x],ltv[x],proc[x],term[x],termm[x],stat[x],ytm[x],pie[x],cena[x],pr[x]”)
for x in range (0,c):
id[x]=id[x].strip()
kam[x]=kam[x].strip()
nod[l]=nod[l].strip()
kur[x]=kur[x].strip()
ltv[x]=ltv[x].strip()
proc[x]=proc[x].strip()
term[x]=term[x].strip()
termm[x]=termm[x].strip()
stat[x]=stat[x].strip()
ytm[x]=ytm[x].strip()
pie[x]=pie[x].strip()
cena[x]=cena[x].strip()
pr[x]=pr[x].strip()
print (“%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s”%(id[x],kam[x],nod[l],kur[x],ltv[x],proc[x],term[x],termm[x],stat[x],ytm[x],pie[x],cena[x],pr[x]))
l=l+2

time.sleep(2)
print ‘Pirmreizejais tirgus’

req= r.get(‘https://www.mintos.com/lv/investet/pieejamie-aizdevumi/’,verify=False)
print req.status_code

data={‘interest_from’:”,’interest_to’:”,’ltv_from’:”,’ltv_to’:”,’term_from’:”,’term_to’:”,’status_filter[]’:”,”:’0′,’issued_from’:”,’issued_to’:”,’loan_purpose[]’:”,’pledge[]’:”,’city[]’:”,’amount_from’:”,’amount_to’:”,’investment_type[]’:”,’loan_id’:”,’schedule_type[]’:”}
url=’https://www.mintos.com/lv/market/primary/list’
print ‘Nosutam Post’
req = r.post(url, headers={‘X-Requested-With’:’XMLHttpRequest’,’referer’: ‘https://www.mintos.com/lv/investet/pieejamie-aizdevumi/’},data=data,verify=False)
print req.status_code
tree = html.fromstring(req.text)
print ‘Datu apstrade’
table=tree.xpath(‘//tbody’)
for z in table:
id=tree.xpath(‘//tr/td[@class=”loan-id-col”]/a/text()’)
dat=tree.xpath(‘//tr/td[2]/text()’)
kam=tree.xpath(‘//tr/td[@class=”icon”]/i/span/text()’)
nod=tree.xpath(‘//tr/td[4]/text()’)
kur=tree.xpath(‘//tr/td[4]/span/text()’)
suma=tree.xpath(‘//tr/td[5]/div/span/text()’)
sumaa=tree.xpath(‘//tr/td[5]/div/div/text()’)
ltv=tree.xpath(‘//tr/td[6]/text()’)
proc=tree.xpath(‘//tr/td[7]/text()’)
term=tree.xpath(‘//tr/td[8]/span[1]/text()’)
termm=tree.xpath(‘//tr/td[8]/span[2]/text()’)
pie=tree.xpath(‘//tr/td[9]/text()’)
c=len(id)
l=0
print (“id[x],kam[x],nod[l],kur[x],suma[x],sumaa[x],ltv[x],proc[x],term[x],termm[x],pie[x]”)
for x in range (0,c):
id[x]=id[x].strip()
kam[x]=kam[x].strip()
nod[l]=nod[l].strip()
kur[x]=kur[x].strip()
suma[x]=suma[x].strip()
sumaa[x]=sumaa[x].strip()
ltv[x]=ltv[x].strip()
proc[x]=proc[x].strip()
term[x]=term[x].strip()
termm[x]=termm[x].strip()
pie[x]=pie[x].strip()
print (“%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s”%(id[x],kam[x],nod[l],kur[x],suma[x],sumaa[x],ltv[x],proc[x],term[x],termm[x],pie[x]))
l=l+2

print ‘Beidzam apstradi’

One comment on “Mintos.com kredītņēmēju nemaksātāju analīze

  1. Reply Kaspars Dec 12,2015 8:09 am

    Mintos ir pievienojuši daudz ērtāku iespēju- eksportēt šos datus excel formātā.

Leave a Reply